CN111414437B - 线路轨迹的生成方法及装置 - Google Patents
线路轨迹的生成方法及装置 Download PDFInfo
- Publication number
- CN111414437B CN111414437B CN201910016172.0A CN201910016172A CN111414437B CN 111414437 B CN111414437 B CN 111414437B CN 201910016172 A CN201910016172 A CN 201910016172A CN 111414437 B CN111414437 B CN 111414437B
- Authority
- CN
- China
- Prior art keywords
- positioning
- track
- points
- pass
- center point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开一种线路轨迹的生成方法及装置,涉及计算机技术领域,能够解决现有技术中人工绘制线路轨迹不但绘制效率低,而且准确度低的问题。本发明的方法主要包括:确定针对同一始终点的每趟定位轨迹的轨迹特征,所述定位轨迹是按照时间顺序排列的定位点的集合,所述轨迹特征是用于衡量定位轨迹优劣的特征;根据所述轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹;对所述最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合;对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,并对所述最终聚类中心点集合中相邻点进行连接,得到线路轨迹。本发明主要适用于绘制公交线路轨迹的场景中。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种线路轨迹的生成方法及装置。
背景技术
随着社会的发展,交通越来越便利,即使人们没有私家车,也可以通过乘坐公交车、地铁等公共交通工具到达目的地。在一个发达城市,公交车的数量往往是成千上万的,人们不可能将每路公交车所经过的站点都一一记在脑海中,由此可查询公交线路的软件应运而生。
目前公交线路轨迹的制作方法是:通过GPS(Global Positioning System,全球定位系统)等定位方式采集一辆公交车从始发站到终点站经过的位置,然后通过gis软件进行人工绘制。该方法不但绘制效率低,而且因为交通具有多变性和突发性(如因交通拥堵,公交车临时更换线路),所以仅通过一趟定位信息绘制得到的线路轨迹往往准确度也较低。
发明内容
有鉴于此,本发明提供的线路轨迹的生成方法及装置,其目的在于解决现有技术中人工绘制线路轨迹不但绘制效率低,而且准确度低的问题。
第一方面,本发明提供了一种线路轨迹的生成方法,所述方法包括:
确定针对同一始终点的每趟定位轨迹的轨迹特征,所述定位轨迹是按照时间顺序排列的定位点的集合,所述轨迹特征是用于衡量定位轨迹优劣的特征;
根据所述轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹;
对所述最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合;
对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,并对所述最终聚类中心点集合中相邻点进行连接,得到线路轨迹。
可选的,所述轨迹特征包括以下任一项或几项的组合:
相邻点的最大距离、相邻点的最长时间间隔、经过当前定位轨迹中每个定位点的平均趟数。
可选的,确定针对同一始终点的每趟定位轨迹的轨迹特征包括:
按照时间先后顺序,对采集的每辆车的定位点进行排序;
根据始终点的位置,从排序后的定位点中筛选出从始点到终点的所有定位点,构成所述始终点对应的定位轨迹;
确定每趟定位轨迹的轨迹特征。
可选的,根据所述轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹包括:
对每个轨迹特征进行归一化处理;
根据预设算法,对每趟定位轨迹的归一化轨迹特征进行运算;
基于运算结果,从多趟定位轨迹中选择出最优的定位轨迹。
可选的,对所述最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合包括:
根据预设距离,对所述最优的定位轨迹进行抽稀和填充,得到所述初始聚类中心点集合。
可选的,对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合包括:
利用k-means算法,对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到所述最终聚类中心点集合。
第二方面,本发明提供了一种线路轨迹的生成装置,所述装置包括:
确定单元,用于确定针对同一始终点的每趟定位轨迹的轨迹特征,所述定位轨迹是按照时间顺序排列的定位点的集合,所述轨迹特征是用于衡量定位轨迹优劣的特征;
选择单元,用于根据所述轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹;
处理单元,用于对所述最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合;
聚类单元,用于对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合;
连接单元,用于对所述最终聚类中心点集合中相邻点进行连接,得到线路轨迹。
可选的,所述轨迹特征包括以下任一项或几项的组合:
相邻点的最大距离、相邻点的最长时间间隔、经过当前定位轨迹中每个定位点的平均趟数。
可选的,所述确定单元包括:
排序模块,用于按照时间先后顺序,对采集的定位点进行排序;
筛选模块,用于根据始终点的位置,从排序后的定位点中筛选出从始点到终点的所有定位点,构成所述始终点对应的定位轨迹;
确定模块,用于确定每趟定位轨迹的轨迹特征。
可选的,所述选择单元包括:
归一化模块,用于对每个轨迹特征进行归一化处理;
运算模块,用于根据预设算法,对每趟定位轨迹的归一化轨迹特征进行运算;
选择模块,用于基于运算结果,从多趟定位轨迹中选择出最优的定位轨迹。
可选的,所述处理单元,用于根据预设距离,对所述最优的定位轨迹进行抽稀和填充,得到所述初始聚类中心点集合。
可选的,所述聚类单元,用于利用k-means算法,对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到所述最终聚类中心点集合。
第三方面,本发明提供了一种存储介质,所述存储介质存储有多条指令,所述指令适用于由处理器加载并执行如第一方面所述的线路轨迹的生成方法。
第四方面,本发明提供了一种线路轨迹的生成装置,所述装置包括存储介质和处理器;
所述处理器,适于实现各指令;
所述存储介质,适于存储多条指令;
所述指令适于由所述处理器加载并执行如第一方面所述的线路轨迹的生成方法。
借由上述技术方案,本发明提供的线路轨迹的生成方法及装置,能够在获取到每个车辆每趟定位轨迹后,先确定针对同一始终点的每趟定位轨迹的轨迹特征,然后根据这些轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹,再对该最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合,最后对多趟定位轨迹和该初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,并对该最终聚类中心点集合中相邻点进行连接,得到线路轨迹。由此可知,整个线路轨迹的生成过程不涉及人工操作,可实现全自动化绘制,比人工绘制效率高、实时性好。并且,由于一条线路轨迹是通过对多趟定位轨迹进行聚类得到的,所以准确度也相对较高。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种线路轨迹的生成方法的流程图;
图2示出了本发明实施例提供的另一种线路轨迹的生成方法的流程图;
图3示出了本发明实施例提供的一种线路轨迹的生成装置的组成框图;
图4示出了本发明实施例提供的另一种线路轨迹的生成装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种线路轨迹的生成方法,如图1所示,所述方法主要包括:
101、确定针对同一始终点的每趟定位轨迹的轨迹特征。
其中,所述定位轨迹是按照时间顺序排列的定位点的集合,定位点的坐标包括位置和定位时间,如可以用(x,y,t)这样的格式进行表示,其中(x,y)表示位置,t表示定位时间。在实际应用中,可以将定位装置(如GPS定位装置)安装在每辆车(如公交车)上,定位装置启动后,可以实时或者周期性地向服务器上报当前定位点的信息和所属车辆的车辆标识,以便服务器将这些定位点进行整理,获得针对同一始终点的每趟定位轨迹。
在获得每趟定位轨迹后,可以从每趟定位轨迹中提取出用于衡量定位轨迹优劣的轨迹特征,根据轨迹特征区分每趟定位轨迹的优劣,以便后续根据定位轨迹的优劣进行聚类和线路绘制。在实际应用中,所述轨迹特征包括以下任一项或几项的组合:相邻点的最大距离、相邻点的最长时间间隔、经过当前定位轨迹中每个定位点的平均趟数。
其中,经过当前定位轨迹中每个定位点的平均趟数=经过当前定位轨迹中每个定位点的趟数之和/当前定位轨迹中定位点的个数。经过当前定位轨迹中当前定位点的趟数=统计针对同一始终点的其他定位轨迹中与当前定位轨迹中当前定位点匹配的定位点个数+1。其中,所谓匹配包括两个定位点完全重合或者两个定位点的距离小于预设距离阈值(如1m)。
示例性的,当前定位轨迹为{(x1,y1,t1),(x2,y2,t2),(x3,y3,t3),(x4,y4,t4)},则相邻点的距离分别为(x1,y1)与(x2,y2)之间的距离d1、(x2,y2)与(x3,y3)之间的距离d2、(x3,y3)与(x4,y4)之间的距离d3,可将d1、d2和d3中的最大值作为相邻点的最大距离;相邻点的时间间隔分别为t2-t1,t3-t2,t4-t3,可将这三个时间间隔中的最大值作为相邻点的最长时间间隔;经统计,通过定位点(x1,y1,t1)的趟数是4,通过定位点(x2,y2,t3)的趟数是5,通过定位点(x3,y3,t3)的趟数是2,通过定位点(x4,y4,t4)的趟数是5,可计算出每个定位点的平均趟数是4。
102、根据所述轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹。
当轨迹特征包括一项时,可直接将各趟定位轨迹的轨迹特征进行比较,选择最优的轨迹特征所对应的定位轨迹为最优的定位轨迹;当轨迹特征包括至少两项时,可以先将每趟定位轨迹的所有轨迹特征进行综合运算,获得一个综合值,然后将各个综合值进行比较,选择最优的综合值所对应的定位轨迹为最优的定位轨迹。具体算法可以详见下述步骤204的详解。
103、对所述最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合。
选择出最优的定位轨迹后,可以根据其他定位轨迹,不断对最优的定位轨迹进行调整,使得最优的定位轨迹更加贴近真实线路轨迹。但由于网络、交通、车速等原因,定位装置反馈给服务器的定位点之间的距离往往不是很均匀,甚至存在定位点非常稀疏或者定位点非常密集的区域,而这种现象会影响线路轨迹绘制的准确度,所以在使用其他定位轨迹调整最优的定位轨迹之前,需要先对该最优的定位轨迹进行点距离优化处理,使得定位点的分布更加均匀。
104、对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,并对所述最终聚类中心点集合中相邻点进行连接,得到线路轨迹。
在获得初始聚类中心点集合后,可以对该多趟定位轨迹(包括选择出的最优的定位轨迹)和该初始聚类中心点集合进行聚类迭代,以使用多趟定位轨迹来不断调整初始聚类中心点集合中定位点的位置,直至迭代预设次数或者迭代至收敛后,获得最终聚类中心点集合,最后将该最终聚类中心点集合中相邻点进行连接,获得所需的线路轨迹。
本发明实施例提供的线路轨迹的生成方法,能够在获取到每个车辆每趟定位轨迹后,先确定针对同一始终点的每趟定位轨迹的轨迹特征,然后根据这些轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹,再对该最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合,最后对多趟定位轨迹和该初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,并对该最终聚类中心点集合中相邻点进行连接,得到线路轨迹。由此可知,整个线路轨迹的生成过程不涉及人工操作,可实现全自动化绘制,比人工绘制效率高、实时性好。并且,由于一条线路轨迹是通过对多趟定位轨迹进行聚类得到的,所以准确度也相对较高。
进一步的,依据图1所示的方法,本发明的另一个实施例还提供了一种线路轨迹的生成方法,如图2所示,所述方法主要包括:
201、按照时间先后顺序,对采集的每辆车的定位点进行排序。
202、根据始终点的位置,从排序后的定位点中筛选出从始点到终点的所有定位点,构成所述始终点对应的定位轨迹。
当服务器采集到安装在各个车辆上的定位装置上报的定位点后,可以将每辆车的所有定位点都先按照时间先后顺序进行排序,获得每辆车的行驶轨迹。
在实际应用中,当车辆达到终点后,可能会驶向车辆休息站,到第二天,驾驶员才会继续开启第二天的返程。但是车辆达到终点之后,定位装置还会继续向服务器上报定位点,所以在收集到的定位点中会存在没有意义的数据。因此,在将定位点进行排序后,需要根据已知的始点和终点的位置,从排序后的定位点中筛选出从始点到终点的所有定位点,构成始终点对应的定位轨迹。即服务器会分别将已知的始点和终点的位置与定位点的位置进行匹配,在得到匹配后的两个定位点后,将这两个定位点和这两个定位点之间的其他定位点按照时间顺序排列作为该始终点的定位轨迹。
203、确定每趟定位轨迹的轨迹特征。
204、根据所述轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹。
具体的,可以先对每个轨迹特征进行归一化处理;然后根据预设算法,对每趟定位轨迹的归一化轨迹特征进行运算;最后基于运算结果,从多趟定位轨迹中选择出最优的定位轨迹。
当轨迹特征包括相邻点的最大距离、相邻点的最长时间间隔、经过当前定位轨迹中每个定位点的平均趟数时,预设算法可以为(1-归一化后的相邻点的最大距离)*(1-归一化后的相邻点的最长时间间隔)*归一化后的经过当前定位轨迹中每个定位点的平均趟数;根据该算法对每趟定位轨迹的轨迹特征进行计算后,可以将计算结果值最大的那趟定位轨迹作为最优的定位轨迹。
205、对所述最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合。
为了使得最优的定位轨迹的定位点分布更加均匀,可以根据预设距离,对该最优的定位轨迹进行抽稀和填充。也就是说,可以对相对密集的区域进行抽稀处理,对相对稀疏的区域进行填充处理,从而得到比较均匀的初始聚类中心点集合。
206、对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,并对所述最终聚类中心点集合中相邻点进行连接,得到线路轨迹。
需要补充的是,在获得某一始终点的线路轨迹后,可以将该线路轨迹与数据库中存储的历史线路轨迹进行对比,若两者轨迹不统一,则说明在实际生活中,该始终点之间的行驶路线发生改变,故需要用本次得到的线路轨迹替换历史线路轨迹,以便及时向用户推荐最新路线。
进一步的,依据上述方法实施例,本发明的另一个实施例还提供了一种线路轨迹的生成装置,如图3所示,所述装置主要包括:确定单元31、选择单元32、处理单元33、聚类单元34和连接单元35。其中,
确定单元31,用于确定针对同一始终点的每趟定位轨迹的轨迹特征,所述定位轨迹是按照时间顺序排列的定位点的集合,所述轨迹特征是用于衡量定位轨迹优劣的特征;
选择单元32,用于根据所述轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹;
处理单元33,用于对所述最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合;
聚类单元34,用于对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,
连接单元35,用于对所述最终聚类中心点集合中相邻点进行连接,得到线路轨迹。
可选的,所述轨迹特征包括以下任一项或几项的组合:
相邻点的最大距离、相邻点的最长时间间隔、经过当前定位轨迹中每个定位点的平均趟数。
可选的,如图4所示,所述确定单元31包括:
排序模块311,用于按照时间先后顺序,对采集的每辆车的定位点进行排序;
筛选模块312,用于根据始终点的位置,从排序后的定位点中筛选出从始点到终点的所有定位点,构成所述始终点对应的定位轨迹;
确定模块313,用于确定每趟定位轨迹的轨迹特征。
可选的,如图4所示,所述选择单元32包括:
归一化模块321,用于对每个轨迹特征进行归一化处理;
运算模块322,用于根据预设算法,对每趟定位轨迹的归一化轨迹特征进行运算;
选择模块323,用于基于运算结果,从多趟定位轨迹中选择出最优的定位轨迹。
可选的,所述处理单元33,用于根据预设距离,对所述最优的定位轨迹进行抽稀和填充,得到所述初始聚类中心点集合。
可选的,所述聚类单元34,用于利用k-means算法,对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到所述最终聚类中心点集合。
本发明提供的线路轨迹的生成装置,能够在获取到每个车辆每趟定位轨迹后,先确定针对同一始终点的每趟定位轨迹的轨迹特征,然后根据这些轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹,再对该最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合,最后对多趟定位轨迹和该初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,并对该最终聚类中心点集合中相邻点进行连接,得到线路轨迹。由此可知,整个线路轨迹的生成过程不涉及人工操作,可实现全自动化绘制,比人工绘制效率高、实时性好。并且,由于一条线路轨迹是通过对多趟定位轨迹进行聚类得到的,所以准确度也相对较高。
进一步的,依据上述实施例,本发明的另一个实施例还提供了一种存储介质,所述存储介质存储有多条指令,所述指令适用于由处理器加载并执行如上所述的线路轨迹的生成方法。
本发明提供的存储介质中存储的指令,能够在获取到每个车辆每趟定位轨迹后,先确定针对同一始终点的每趟定位轨迹的轨迹特征,然后根据这些轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹,再对该最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合,最后对多趟定位轨迹和该初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,并对该最终聚类中心点集合中相邻点进行连接,得到线路轨迹。由此可知,整个线路轨迹的生成过程不涉及人工操作,可实现全自动化绘制,比人工绘制效率高、实时性好。并且,由于一条线路轨迹是通过对多趟定位轨迹进行聚类得到的,所以准确度也相对较高。
进一步的,依据上述实施例,本发明的另一个实施例还提供了一种城市建成区范围的生成装置,所述装置包括存储介质和处理器;
所述处理器,适于实现各指令;
所述存储介质,适于存储多条指令;
所述指令适于由所述处理器加载并执行如上所述的线路轨迹的生成方法。
本发明提供的线路轨迹的生成装置,能够在获取到每个车辆每趟定位轨迹后,先确定针对同一始终点的每趟定位轨迹的轨迹特征,然后根据这些轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹,再对该最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合,最后对多趟定位轨迹和该初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,并对该最终聚类中心点集合中相邻点进行连接,得到线路轨迹。由此可知,整个线路轨迹的生成过程不涉及人工操作,可实现全自动化绘制,比人工绘制效率高、实时性好。并且,由于一条线路轨迹是通过对多趟定位轨迹进行聚类得到的,所以准确度也相对较高。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的线路轨迹的生成方法及装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (12)
1.一种线路轨迹的生成方法,其特征在于,所述方法包括:
确定针对同一始终点的每趟定位轨迹的轨迹特征,所述定位轨迹是按照时间顺序排列的定位点的集合,所述轨迹特征是用于衡量定位轨迹优劣的特征,所述轨迹特征包括相邻点的最大距离、相邻点的最长时间间隔、经过当前定位轨迹中每个定位点的平均趟数;
根据所述轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹,包括对每个轨迹特征进行归一化处理;根据预设算法,对每趟定位轨迹的归一化轨迹特征进行运算,将计算结果值最大的定位轨迹作为最优的定位轨迹;预设算法为(1-归一化后的相邻点的最大距离)*(1-归一化后的相邻点的最长时间间隔)*归一化后的经过当前定位轨迹中每个定位点的平均趟数;
对所述最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合;
对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合,并对所述最终聚类中心点集合中相邻点进行连接,得到线路轨迹。
2.根据权利要求1所述的方法,其特征在于,确定针对同一始终点的每趟定位轨迹的轨迹特征包括:
按照时间先后顺序,对采集的每辆车的定位点进行排序;
根据始终点的位置,从排序后的定位点中筛选出从始点到终点的所有定位点,构成所述始终点对应的定位轨迹;
确定每趟定位轨迹的轨迹特征。
3.根据权利要求1所述的方法,其特征在于,根据所述轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹包括:
对每个轨迹特征进行归一化处理;
根据预设算法,对每趟定位轨迹的归一化轨迹特征进行运算;
基于运算结果,从多趟定位轨迹中选择出最优的定位轨迹。
4.根据权利要求1所述的方法,其特征在于,对所述最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合包括:
根据预设距离,对所述最优的定位轨迹进行抽稀和填充,得到所述初始聚类中心点集合。
5.根据权利要求1至4中任一项所述的方法,其特征在于,对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合包括:
利用k-means算法,对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到所述最终聚类中心点集合。
6.一种线路轨迹的生成装置,其特征在于,所述装置包括:
确定单元,用于确定针对同一始终点的每趟定位轨迹的轨迹特征,所述定位轨迹是按照时间顺序排列的定位点的集合,所述轨迹特征是用于衡量定位轨迹优劣的特征,所述轨迹特征包括相邻点的最大距离、相邻点的最长时间间隔、经过当前定位轨迹中每个定位点的平均趟数;
选择单元,用于根据所述轨迹特征,从多趟定位轨迹中选择出最优的定位轨迹,包括对每个轨迹特征进行归一化处理;根据预设算法,对每趟定位轨迹的归一化轨迹特征进行运算,将计算结果值最大的定位轨迹作为最优的定位轨迹;预设算法为(1-归一化后的相邻点的最大距离)*(1-归一化后的相邻点的最长时间间隔)*归一化后的经过当前定位轨迹中每个定位点的平均趟数;
处理单元,用于对所述最优的定位轨迹进行点距离优化处理,得到初始聚类中心点集合;
聚类单元,用于对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到最终聚类中心点集合;
连接单元,用于对所述最终聚类中心点集合中相邻点进行连接,得到线路轨迹。
7.根据权利要求6所述的装置,其特征在于,所述确定单元包括:
排序模块,用于按照时间先后顺序,对采集的每辆车的定位点进行排序;
筛选模块,用于根据始终点的位置,从排序后的定位点中筛选出从始点到终点的所有定位点,构成所述始终点对应的定位轨迹;
确定模块,用于确定每趟定位轨迹的轨迹特征。
8.根据权利要求6所述的装置,其特征在于,所述选择单元包括:
归一化模块,用于对每个轨迹特征进行归一化处理;
运算模块,用于根据预设算法,对每趟定位轨迹的归一化轨迹特征进行运算;
选择模块,用于基于运算结果,从多趟定位轨迹中选择出最优的定位轨迹。
9.根据权利要求6所述的装置,其特征在于,所述处理单元,用于根据预设距离,对所述最优的定位轨迹进行抽稀和填充,得到所述初始聚类中心点集合。
10.根据权利要求6至9中任一项所述的装置,其特征在于,所述聚类单元,用于利用k-means算法,对所述多趟定位轨迹和所述初始聚类中心点集合进行聚类迭代,得到所述最终聚类中心点集合。
11.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适用于由处理器加载并执行如权利要求1至5中任一项所述的线路轨迹的生成方法。
12.一种线路轨迹的生成装置,其特征在于,所述装置包括存储介质和处理器;
所述处理器,适于实现各指令;
所述存储介质,适于存储多条指令;
所述指令适于由所述处理器加载并执行如权利要求1至5中任意一项所述的线路轨迹的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910016172.0A CN111414437B (zh) | 2019-01-08 | 2019-01-08 | 线路轨迹的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910016172.0A CN111414437B (zh) | 2019-01-08 | 2019-01-08 | 线路轨迹的生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111414437A CN111414437A (zh) | 2020-07-14 |
CN111414437B true CN111414437B (zh) | 2023-06-20 |
Family
ID=71490717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910016172.0A Active CN111414437B (zh) | 2019-01-08 | 2019-01-08 | 线路轨迹的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111414437B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112632204B (zh) * | 2020-12-22 | 2022-06-07 | 厦门卫星定位应用股份有限公司 | 公交线路的自动绘制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095617A (zh) * | 2014-04-29 | 2015-11-25 | 国际商业机器公司 | 构建对象的目标运动轨迹的缺失部分的方法和设备 |
CN105404648A (zh) * | 2015-10-29 | 2016-03-16 | 东北大学 | 一种基于密度与紧密度聚类的用户移动行为确定方法 |
CN105843919A (zh) * | 2016-03-24 | 2016-08-10 | 云南大学 | 一种基于多特征融合与聚类集成的移动对象轨迹聚类方法 |
WO2017133627A1 (zh) * | 2016-02-03 | 2017-08-10 | 中兴通讯股份有限公司 | 用户通勤轨迹管理方法、装置及系统 |
CN107346478A (zh) * | 2016-05-04 | 2017-11-14 | 中国农业大学 | 基于历史数据的货运路径规划方法、服务器及系统 |
CN109033424A (zh) * | 2018-08-10 | 2018-12-18 | 北京航天控制仪器研究所 | 一种基于公交车运营轨迹精确提取公交车行驶路径的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130286198A1 (en) * | 2012-04-25 | 2013-10-31 | Xerox Corporation | Method and system for automatically detecting anomalies at a traffic intersection |
-
2019
- 2019-01-08 CN CN201910016172.0A patent/CN111414437B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095617A (zh) * | 2014-04-29 | 2015-11-25 | 国际商业机器公司 | 构建对象的目标运动轨迹的缺失部分的方法和设备 |
CN105404648A (zh) * | 2015-10-29 | 2016-03-16 | 东北大学 | 一种基于密度与紧密度聚类的用户移动行为确定方法 |
WO2017133627A1 (zh) * | 2016-02-03 | 2017-08-10 | 中兴通讯股份有限公司 | 用户通勤轨迹管理方法、装置及系统 |
CN105843919A (zh) * | 2016-03-24 | 2016-08-10 | 云南大学 | 一种基于多特征融合与聚类集成的移动对象轨迹聚类方法 |
CN107346478A (zh) * | 2016-05-04 | 2017-11-14 | 中国农业大学 | 基于历史数据的货运路径规划方法、服务器及系统 |
CN109033424A (zh) * | 2018-08-10 | 2018-12-18 | 北京航天控制仪器研究所 | 一种基于公交车运营轨迹精确提取公交车行驶路径的方法 |
Non-Patent Citations (1)
Title |
---|
周洋.基于时空聚类算法的轨迹停驻点识别研究.《交通运输系统工程与信息》.2018,第18卷(第18期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111414437A (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110986985B (zh) | 车辆行程推送方法、装置、介质、控制终端及汽车 | |
CN108932832A (zh) | 车辆调度方法、装置和系统 | |
CN112380448B (zh) | 车辆数据处理方法、装置、计算机设备和存储介质 | |
CN113155173B (zh) | 感知性能评测方法、装置、电子装置和存储介质 | |
CN113570864B (zh) | 一种电动自行车行驶路径匹配方法、设备及存储介质 | |
CN106092113A (zh) | 预行驶道路预估系统、方法、导航客户端及服务器 | |
CN112579718B (zh) | 一种城市用地功能的识别方法、装置及终端设备 | |
CN111126799B (zh) | 基于二分图的共享网络司乘匹配方法 | |
CN109754610A (zh) | 车辆监控方法及装置 | |
WO2021236006A1 (en) | Route deviation quantification and vehicular route learning based thereon | |
CN111222375A (zh) | 车辆行驶轨迹生成方法、系统及服务器 | |
CN110807552A (zh) | 一种基于改进K-means的城市电动客车行驶工况构建方法 | |
CN115083161B (zh) | 车辆停留点的评估方法、装置、电子设备及可读存储介质 | |
CN111414437B (zh) | 线路轨迹的生成方法及装置 | |
CN107545318A (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
CN113850237A (zh) | 基于视频和轨迹数据的网联车目标检测评价方法及系统 | |
CN116168541A (zh) | 一种获取道路通行状态的数据处理系统 | |
CN110017842B (zh) | 货运车辆导航方法、终端设备及存储介质 | |
CN116664025A (zh) | 装卸货位置点生成方法、装置及设备 | |
CN110019608B (zh) | 一种信息采集方法、装置和系统及存储设备 | |
CN109064099A (zh) | 一种基于货物运输的推荐方法及装置 | |
CN111121803B (zh) | 获取道路常用停靠点的方法及装置 | |
CN113469232A (zh) | 车辆用户分类方法、设备及计算机可读存储介质 | |
CN112581060A (zh) | 基于车辆装卸点的配货需求度检测方法、装置及设备 | |
CN111325244B (zh) | 车辆高危地点的检测方法、终端设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |