CN111429744A - 一种路况信息融合分析的方法、装置及存储介质 - Google Patents
一种路况信息融合分析的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111429744A CN111429744A CN202010248252.1A CN202010248252A CN111429744A CN 111429744 A CN111429744 A CN 111429744A CN 202010248252 A CN202010248252 A CN 202010248252A CN 111429744 A CN111429744 A CN 111429744A
- Authority
- CN
- China
- Prior art keywords
- road condition
- data
- condition information
- information
- ugc
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Mathematical Physics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种路况信息融合分析的方法、装置及存储介质,涉及定位处理领域。该方法首先采集预设区域的用户生成内容UGC和车载设备的移动轨迹数据;然后分析获取用户生成内容UGC和移动轨迹数据中的路况信息以及路况信息对应的定位信息;最后将路况信息以及路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据。通过将UGC数据与移动轨迹数据融合分析后的结果,匹配到电子地图上,使得对路况信息的分析更加准确全面,解决了目前使用单一的移动轨迹数据进行车辆导航时,所产生的路况分析不及时的问题。
Description
技术领域
本申请涉及定位处理领域,具体而言,尤其涉及一种路况信息融合分析的方法、装置及存储介质。
背景技术
随着城市的发展,城市建设越来越现代化,城市覆盖面积越来越大,城市的道路也纵横交错越来越复杂。目前常用的导航指引方法是,利用全球定位系统(GlobalPositioning System,GPS)来进行车辆导航服务。
但是,城市交通情况复杂,很容易出现拥堵情况,现有的导航方式对路况分析的及时性不高。
发明内容
为了解决现有技术中存在的问题,本申请提供了一种路况信息融合分析的方法、装置及存储介质。
为实现上述目的,本申请采用的技术方案为:
本申请第一方面提供一种路况信息融合分析的方法,包括:
采集预设区域的用户生成内容UGC和车载设备的移动轨迹数据;
分析获取用户生成内容UGC和移动轨迹数据中的路况信息以及路况信息对应的定位信息;
将路况信息以及路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据。
可选地,分析获取用户生成内容UGC和移动轨迹数据中的路况信息以及路况信息对应的定位信息,包括:
提取用户生成内容UGC中的量化关键词、位置关键词;以及,获取移动轨迹数据的运动参数;
根据位置关键词、移动轨迹数据的位置信息,获取对应位置的量化关键词、运动参数,并分析得到不同定位信息对应的路况信息。
可选地,提取用户生成内容UGC中的量化关键词,包括:
采用预设规则提取用户生成内容UGC中的量化关键词;
将量化关键词转换为对应的数字,并计算获取量化关键词对应的权重值。
可选地,采集预设区域的用户生成内容UGC和车载设备的移动轨迹数据,包括:
采集预设区域中的所有用户生成内容UGC和车载设备的移动轨迹数据;
根据用户生成内容UGC对应的用户信息、移动轨迹数据对应的用户信息,筛选获取用户信用度满足预设条件的用户生成内容UGC和移动轨迹数据。
可选地,将路况信息以及路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据之后,还包括:
接收导航指令,导航指令包括:起点信息和终点信息;
根据目标导航数据和导航指令,获取起点信息和终点信息之间的至少一条目标路径、以及各目标路径的路况信息。
本申请第二方面提供了一种路况信息融合分析的装置,包括:采集单元、获取单元以及匹配单元;其中,
采集单元,用于采集预设区域的用户生成内容UGC和车载设备的移动轨迹数据;
获取单元,用于分析获取用户生成内容UGC和移动轨迹数据中的路况信息以及路况信息对应的定位信息;
匹配单元,用于将路况信息以及路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据。
可选地,获取单元,用于提取用户生成内容UGC中的量化关键词、位置关键词;以及,获取移动轨迹数据的运动参数;根据位置关键词、移动轨迹数据的位置信息,获取对应位置的量化关键词、运动参数,并分析得到不同定位信息对应的路况信息。
可选地,获取单元,用于采用预设规则提取用户生成内容UGC中的量化关键词;将量化关键词转换为对应的数字,并计算获取量化关键词对应的权重值。
可选地,采集单元,用于采集预设区域中的所有用户生成内容UGC和车载设备的移动轨迹数据;根据用户生成内容UGC对应的用户信息、移动轨迹数据对应的用户信息,筛选获取用户信用度满足预设条件的用户生成内容UGC和移动轨迹数据。
可选地,装置还包括:接收单元;
接收单元,用于接收导航指令,导航指令包括:起点信息和终点信息;
获取单元,用于根据目标导航数据和导航指令,获取起点信息和终点信息之间的至少一条目标路径、以及各目标路径的路况信息。
本申请第三方面提供了一种路况信息融合分析的装置,包括:处理器、存储介质和总线,存储介质存储有处理器可执行的机器可读指令,当装置运行时,处理器与存储介质之间通过总线通信,处理器执行机器可读指令,以执行上述第一方面提供的方法。
本申请第四方面提供了一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行如第一方面提供的方法。
本申请实施例提供的路况信息融合分析的方法、装置及存储介质,该方法首先采集预设区域的用户生成内容UGC和车载设备的移动轨迹数据;然后分析获取用户生成内容UGC和移动轨迹数据中的路况信息以及路况信息对应的定位信息;最后将路况信息以及路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据。通过将UGC数据与移动轨迹数据融合分析后的结果,匹配到电子地图上,使得对路况信息的分析更加准确全面,解决了目前使用单一的移动轨迹数据进行车辆导航时,所产生的路况分析不及时的问题。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请一实施例提供的路况信息融合分析的方法的流程示意图;
图2为本申请一实施例提供的笛卡尔坐标系交通道路模型示意图;
图3为本申请另一实施例提供的笛卡尔坐标系交通道路模型示意图;
图4为本申请另一实施例提供的路况信息融合分析的方法的流程示意图;
图5为本申请另一实施例提供的路况信息融合分析的方法的流程示意图;
图6为本申请另一实施例提供的路况信息融合分析的方法的流程示意图;
图7为本申请一实施例提供的路况信息融合分析的装置的结构示意图;
图8为本申请另一实施例提供的路况信息融合分析的装置的结构示意图;
图9为本申请一实施例提供的路况信息融合分析的装置的结构示意图。
具体实施方式
针对现有的导航方式对路况分析的及时性不高的问题,本申请实施例提供了一种路况信息融合分析的方法、装置及存储介质。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
近年来,随着用户生成内容(User Generated Content,UGC)数据迅速增长,相较问卷调查等数据获取方式,庞大的UGC数据为用户行为以及目的地竞争力研究提供了可信,可靠,相对易获取的数据。国内的互联网公司依靠得天独厚的数据优势,也加入到了使用UGC数据进行用户行为分析的浪潮。本申请实施例中,在路况信息的获取过程中,引入了UGC数据,并与用户的移动轨迹数据进行融合,以获取更准确的导航数据。
图1为本申请一实施例提供的路况信息融合分析的方法的流程示意图,如图1所示,该方法包括:
S101、采集预设区域的UGC和车载设备的移动轨迹数据。
UGC可以是,公众通过非专业渠道制作的、包含了创造性劳动并在网络上公开可用的内容,可以包括文字、图片、音频、视频等数据形式。本实施例中,可以通过互联网爬取预设区域的UGC。需要说明的是,本申请实施例中采集的UGC数据主要是用户发布的描述交通轨迹的数据,依靠UGC数据来进行路况的分析和显示,将数据直观地显示在地图上,以此来对用户进行交通诱导。其中,预设区域可以指一个城市、一个行政区、一个国家等,在此不作具体限制,可以根据UGC中的位置信息或关键词获取预设区域的UGC。
在本申请实施例中,移动轨迹数据是通过带定位功能的车载设备来获取的,例如通过全球定位系统(Global Positioning System,GPS)、北斗等定位模块来实时确定车载设备的位置并生成轨迹。通过车载设备可以记录大量的历史移动轨迹并被持久化保存,形成时空轨迹(Spatio-Temporal Trajectories,STT)数据。时空轨迹数据是地理空间加上时间轴所形成的多维空间中的一条曲线,可以表示移动对象在一段较长时间范围内的位置变化。每条轨迹由一序列时空采样点构成,其中每个采样点记录了位置、时间、方向、速度,刻画了人们在时空环境下的个体移动和行为历史。车载设备可以通过网络将移动轨迹数据传输到后台服务器。
S102、分析获取UGC和移动轨迹数据中的路况信息以及路况信息对应的定位信息。
本申请实施例中,以GPS模块为例,在基于车载设备的GPS模块采集轨迹数据过程中,可能由于GPS卫星信号不稳定等因素,导致GPS模块进行轨迹数据采集过程中断或出现数据错误,产生无效数据记录,在利用GPS模块所采集的轨迹数据进行任何研究之前,可以对原始数据数据进行清洗以筛去不完整和错误的数据记录。例如可以包括以下原则:
完整性:数据的基本属性完整;
区域性:数据处于研究的指定地理区域内;
有效性:数据有对应的辅助信息;
非重复性:数据的时间坐标唯一;
准确性:数据误差小于指定阈值;
连续性:数据采样密度大于指定阈值;
规模:数据规模达到指定程度以上。
根据以上原则,并结合实际应用需求,本申请采用的具体数据清洗条件如下:
a.丢弃缺失“用户编号”、“数据采集时刻”、“经度”、“纬度”四个属性中任一项属性的GPS轨迹数据记录。
b.丢弃与时序上游的相邻轨迹点采样时刻相同的GPS轨迹数据记录。
c.丢弃瞬时速度大于60米/秒的GPS轨迹数据记录。
d.丢弃30秒内采样点个数少于10的GPS轨迹数据记录。
e.如任一被采集对象单日所采集的GPS轨迹数据记录少于200条,则丢弃此对象该日采集的所有GPS轨迹数据记录。
在本申请实施例中,通过上述数据筛选过程后,可以确定出GPS轨迹数据中的有效数据。通过分析确定出的有效数据中可以包括:车辆的定位信息以及车辆的速度信息,进而可以分析获取某一段道路目前的拥堵情况。示例性地,可以将平均行程速度不低于30公里/小时的定义为畅通;低于30公里/小时但高于20公里/小时的为轻度拥挤;低于20公里/小时但高于10公里/小时的状态为拥挤;低于10公里/小时的为严重拥挤,时速的大小决定了将轨迹数据转化为路况信息后的量化值的大小。
具体地,在本申请实施例中,UGC数据则主要是以诸如发表文字“某某道路畅通”,上传语音“前方出车祸了”,上传道路拥挤的图片或视频等方式进行提交的内容,是由用户主观能动性引起的,当用户开放智能终端里的权限限制,允许其访问当前用户位置时,这些被读取到的用户当前位置信息即为重要的轨迹分析参考,用户发布评论的过程,主要是根据道路的实际状况及用户的活跃属性来决定的。首先用户活跃的程度,决定用户是否发布评论及量化值;其次,实际的路况状况决定了用户发布评论的内容,而用户发布评论的内容又直接决定了路况数据量化值的大小。示例性的,用户发布的“前方有车被稍微蹭了下”和“前方出现了严重车祸”这两条UGC数据的量化值存在差异,在本申请实施例中,可以将“前方有车被稍微蹭了下”的道路拥堵情况,定义为“良”,将“前方出现了严重车祸”的道路拥堵情况,定义为“差”。具体地,“良”和“差”对应着不同的量化值。
S103、将路况信息以及路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据。
在本申请实施例中,通过将UGC数据与GPS轨迹数据融合分析后的路况信息匹配到电子地图上,以获取用户所需要的目标导航数据。具体地,该目标导航数据可以是某一用户所需要的出发地到目的地之间所有道路的路况信息。
可选地,在本申请实施例中,可以采用智能加权平均(也叫自适应加权平均)进行UGC数据与GPS轨迹数据的融合计算。加权平均是一种较为直观的多源数据融合方法,它将一组来自不同数据源的数据进行加权平均计算,最终将得到的加权平均值作为融合结果。所谓的“智能”指的是,这种算法可以根据各个数据源的检测值,在总均方误差最小的约束条件下以自适应的方式计算出每个数据源对应的权值并进行加权平均融合,从而使得融合结果达到最优。假设多个数据源的测量值分别为Xi,均方方差分别为σi 2,经过自适应的计算,为各个数据源所分配的权值分别为Wi,具体地,在本申请实施例中,Wi的大小与UGC数据的量化值以及GPS轨迹数据的量化值的大小直接相关,当权值融合结果为X,则有:
总均方误差为:
上式中σ2是由各加权因子形成的多元二次函数。根据多函数求极值定理可知,为了求出σ2的最小值,需对各个均值方差进行求导。经过求导和化简,最后得到的结果表达式为:
如此一来,在对多源数据进行融合的时候,只需求出各个数据源的均值方差即可得出与其对应的融合权值,进而采用加权平均算法即可得出在总体方差最小情况下的数据融合结果。由于这个权值会随着条件或数据的变化而相应变化,因而这个融合过程是智能加权融合。
在本申请实施例中,采用智能加权平均算法,首先获取UGC数据和GPS数据的采集值XUGC和XGPS,然后通过自适应的计算分别求得UGC数据和GPS数据的权值WUGC和WGPS,最后两种数据的融合结果可以表示为:
X融合=WUGC×XUGC+WGPS×XGPS
需要说明的是,在本申请实施例中,融合结果最终会以条件系数的形式体现。
可选地,在本申请实施例中还需要将融合后的结果与电子地图,具体可以是地理信息电子地图进行匹配。具体地,将本申请实施例融合结果中所对应的位置信息先匹配到电子地图上,由于融合结果中又包含了各个路段的路况信息,通过融合匹配可以在电子地图上得到各个路段的道路信息。示例性地,当有用户需要从A点到B点时,首先在电子地图上查询出从A点到B点所有的线路信息,然后通过获取分析A点到B点所有的线路信息中路况信息的融合结果,为用户智能推荐最优路线。
本实施例中,通过采集预设区域的UGC和车载设备的移动轨迹数据;然后分析获取UGC和移动轨迹数据中的路况信息以及路况信息对应的定位信息;最后将路况信息以及路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据。通过将UGC数据与移动轨迹数据融合分析后的结果,匹配到电子地图上,使得对路况信息的分析更加准确全面,解决了目前使用单一的移动轨迹数据进行车辆导航时,所产生的路况分析不及时的问题。
另外需要说明的是,信息平台设计的基础便是道路模型的建立,选择使用笛卡尔坐标系来做交通道路模型。示例性地,如图2所示。图中有两个地标,地标A和地标B。从地标A到地标B有两种路径,路径1融合后的条件系数为100,路径2的条件系数为10。单位速度下,条件系数越大通过该路径到达目的地所需的时间越长,相反时间就越少。就图2表现点A到点B的路径的方式而言,并不便于进行数学计算及逻辑推理,因此在本申请实施例中将图2的表现方式,变成图3所示的笛卡尔版路线图。如图3所示,点A到点B的路线以直线方式呈现,路径1的条件系数分为两部分,分别为50和50;路径2的条件系数同样分为两部分,分别为5和5,通过分别将两条线路的条件系数相加来选择路径。经过相加路径1的条件系数为100,路径2的条件系数为10,因此路径规划时选择路径2进行推荐。该笛卡尔版路线图,经过多方迭代,可转化成较为贴近实际生活的地图模型。
地图模型中的条件系数可以看作是多源轨迹融合后的数据通过与地理信息电子地图匹配后的结果,这里的条件系数主要来自UGC数据和GPS轨迹数据,在本申请实施例中通过融合得到的条件系数以生成用于最短路径分析推荐的交通线路有向图。
在本申请实施例中,路况信息与电子地图的融合可以通过采用弗雷歇距离计算(Fréchet distance)实现,并采用迪杰斯特拉算法(Dijkstra)实现最短路径推荐。Dijkstra是一种迭代的贪心策略的路径搜索算法,该算法是从一个顶点到一个终点的最短路径公认的经典算法,其基本思想是在到达目标节点之前,从近到远地遍历节点,在此过程中通过记录点权值的方法不断构造路径树,最后,获得当树的根节点为目标节点,且路径树为最优时,获取的路径树即为最短路径。
具体算法如下:首先,设置最短路径终点存储于集合S末尾,在初始状态下,仅在设定的集合S中存储头结点v0。在后面的步骤中,对起始点到每一节点进行最短路径的计算,且在集合S中添加每条新计算出的路径(v0,…,vi),直到全部节点都加入集合S中为止。以上算法能够计算出从源点到达其他任意结点的最短路径长度。通过对S中元素的回溯可求出路径所经过的结点。
根据上述思路,设带权值的交通线路有向图为G=(V,E),W为权值向量,在本申请实施例中具体表示融合后的条件系数,其中,边数量为m的集合用E表示,结点数量为n的结点集合用V表示。详细算法如下:
·设交通线路图G全部节点的集合为V[G],并赋予Q;
·使u为集合Q中最小值的节点集合;
·将提取的节点加入S,S=S∪{u};
·对于每个节点V∈Adj[u],计算并修改V;
·结束。
在本申请实施例中,通过上述算法辅助,所提供的最短路径推荐,是动态变化的,主要体现在有新进入某一道路的GPS轨迹数据或者UGC数据源,通过处理实习更新融合后的条件系数,动态计算最短路径,使得交通路网无论如何拥堵变化,总是为用户提供最优到达路径。
图4为本申请另一实施例提供的路况信息融合分析的方法的流程示意图,如图4所示,在本申请的一些实施例中,步骤S102的具体实现还可以包括:步骤S1021-S1022。
S1021、提取UGC中的量化关键词、位置关键词;以及,获取移动轨迹数据的运动参数。
需要说明的是,量化关键词可以是路况相关的关键词,例如对路况有描述性的词汇。示例性地,当用户发布“前方有车被稍微蹭了下”和“前方出现了严重车祸”等信息时,提取其中的量化关键词,例如“车祸”、“稍微”、“严重”等。
位置关键词可以是UGC中包含的位置描述词汇,例如“钟楼堵车严重”,其中“钟楼”即为位置关键词。或者,用户发布UGC时开启了定位功能,那么也可以直接提取到位置信息。
S1022、根据位置关键词、移动轨迹数据的位置信息,获取对应位置的量化关键词、运动参数,并分析得到不同定位信息对应的路况信息。
需要说明的是,在本申请实施例中,通过分析位置关键词以及智能终端移动轨迹数据的位置信息,首先得到对应位置的量化关键词和智能设备的运动参数,具体可以是运动速度,通过分析对应位置的量化关键词和智能设备的运动速度,最终得到各个路段的道路情况。
在本申请的一些实施例中,步骤S1021中提取UGC中的量化关键词,还可以包括:采用预设规则提取UGC中的量化关键词;将量化关键词转换为对应的数字,并计算获取量化关键词对应的权重值。
可选地,可以预先配置预设规则,规定哪些词汇可以用作量化关键词,根据预设规则进行匹配。示例性的,用户发布的“前方有车被稍微蹭了下”和“前方出现了严重车祸”这两条UGC数据,在本实施例中,道路情况可以被定义为“优”、“良”、“中”、“差”四个等级,可以根据语义将UGC数据转化为量化的路况信息,例如将“前方有车被稍微蹭了”的道路拥堵情况,定义转化为“良”,将“前方出现了严重车祸”的道路拥堵情况,转化为“差”。相应地,再将“优”、“良”、“中”、“差”,转化为相应的数值,将此数值挂接到相应的位置关键词上,为后续数据融合和线路推荐做基础。另外,还可以将UGC数据中对应的图片或视频挂接到相应的位置下,便于用户对相应推荐线路的直观可视。
如图5所示,在本申请的一些实施例中,步骤S101的具体实现过程还可以包括:步骤S1011-S1012。
S1011、采集预设区域中的所有UGC和车载设备的移动轨迹数据。
需要说明的是,在本申请实施例中,获取预设区域中的所有UGC和车载设备的移动轨迹数据,其中的预设区域可以是某市区或者某省份所有的数据,本申请实施例对此不做限制。
S1012、根据UGC对应的用户信息、移动轨迹数据对应的用户信息,筛选获取用户信用度满足预设条件的UGC和移动轨迹数据。
需要说明的是,UGC数据是用户发布在网络的、GPS移动轨迹数据是用户的车载设备上传的,都会携带有相应的用户信息,相应的上传平台上也可以根据用户历史发布的信息,对用户的信用度进行评价。
为了保证数据的可靠性,可以根据用户信用度来对UGC和移动轨迹数据进行筛选。举例说明,在UGC数据中挑选出那些最有可能发送准确数据的用户组成一个最优用户集,也就是对UGC数据进行优化处理。这种优化机制主要是通过在特定地点和特定时间间隔内对全体数据执行不同的挑选策略来实现的,目前的策略主要有随机原则、考勤原则、最近原则。尽管以上策略在一些情况下有较好的表现,但并非在所有的情况下都适用。为了尽可能地提高数据融合的精确度,本申请在以上策略的基础上进行了改进,采取了更加复杂和精确的策略-最小方差原则进行最优用户的筛选。
通过计算用户数据相对于标准值的方差并对其进行排序,挑选出数据方差最小的一组用户,这意味着这些用户所发送的数据不仅准确性较高,而且具有较高的稳定性。经过这种方式筛选出来的用户称为“最优用户集”,他们所发送的数据叫做“最优用户数据集”。
示例性地,在本申请实施例中假设在某一时刻平台收到多个用户发送的数据,分别为d1(tk),d2(tk),…dn(tk)根据这些用户发送的UGC数据来进行分析判断。平台将接收到的UGC数据存储在数据库服务器中,同时存储的还有UGC数据和用户之间的对应关系,每个用户都有唯一的编号,通过UGC数据可以查询到对应的用户。需要说明的是,本申请实施例中用户发送的数据可以有四种,分为是严重拥堵、中度拥堵、轻度拥堵和畅通四种状态,分别对应着四种路况状态,“差”,“中”,“良”,“优”。
根据用户发送的历史数据和交通状态的标准历史数据来计算出用户数据的方差。示例性地,当判断第n次交通状态时,采取前三次即第(n-1)次、第(n-2)次以及第n次的数据作为依据来计算方差。将计算出来的方差作为当前用户的方差,具体过程如下:
首先,根据当前用户的编号查出其对应的前两次历史数据,根据当前用户的当前数据和所查询的历史数据求出每个数据源所对应的用户的方差,具体公式如下:
将用户方差数据按照从高到低进行降序排列,并筛选出一定范围内的方差数据所对应的用户,将这些用户集发表的数据作为最优用户数据集作为下一步的数据融合的基础数据。采用这些用户的UGC数据进行后续的数据融合分析,不仅可以降低平台服务器端在数据存储和数据处理方面的压力,使其能够更加及时快速地处理数据,而且经过筛选使得原始数据质量有所提高,也相应地提高了UGC数据和GPS轨迹数据融合分析的精确度,从而使得平台能够产生实时性更好、准确性更高的交通路况信息,为用户提供更加有效的诱导帮助。
图6为本申请另一实施例提供的路况信息融合分析的方法的流程示意图,如图6所示,在本申请的一些实施例中,该方法还包括:步骤S104-S105。
S104、接收导航指令,导航指令包括:起点信息和终点信息。
具体地,在本申请实施例中,当用户需要获取线路规划时可以在路况信息融合分析装置中输入起始点的地点名称以及目的地的地点名称以获得道路状况信息。
S105、根据目标导航数据和导航指令,获取起点信息和终点信息之间的至少一条目标路径、以及各目标路径的路况信息。
在本申请实施例中,目标导航数据可以是一定区域内的所有的道路路况信息。而通过分析用户输入的导航指令并结合目标导航数据以对起始点和终点之间的路段进行线路规划。
图7为本申请实施例提供的一种路况信息融合分析的装置的结构示意图,如图7所示,该路况信息融合分析的装置包括:采集单元501、获取单元502以及匹配单元503,其中,
采集单元501,用于采集预设区域的UGC和车载设备的移动轨迹数据。
获取单元502,用于分析获取UGC和移动轨迹数据中的路况信息以及路况信息对应的定位信息。
匹配单元503,用于将路况信息以及路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据。
可选地,获取单元502,具体用于提取UGC中的量化关键词、位置关键词;以及,获取移动轨迹数据的运动参数;根据位置关键词、移动轨迹数据的位置信息,获取对应位置的量化关键词、运动参数,并分析得到不同定位信息对应的路况信息。
获取单元502,具体用于采用预设规则提取UGC中的量化关键词;将量化关键词转换为对应的数字,并计算获取量化关键词对应的权重值。
采集单元501,用于采集预设区域中的所有UGC和车载设备的移动轨迹数据;根据UGC对应的用户信息、移动轨迹数据对应的用户信息,筛选获取用户信用度满足预设条件的UGC和移动轨迹数据。
图8为本申请另一实施例提供的路况信息融合分析的装置的结构示意图,如图8所示,在图7的基础上,该路况信息融合分析的装置还包括:接收单元504。
具体地,接收单元504用于接收导航指令,所述导航指令包括:起点信息和终点信息。
获取单元502,还用于根据目标导航数据和导航指令,获取起点信息和终点信息之间的至少一条目标路径、以及各目标路径的路况信息。
图9为本申请实施例提供的一种路况信息融合分析的装置的结构示意图,对应于一种路况信息融合分析的方法;该路况信息融合分析装置可以包括:处理器310、存储介质320和总线330,存储介质320存储有处理器310可执行的机器可读指令,当电子设备运行时,处理器310与存储介质320之间通过总线330通信,处理器310执行机器可读指令,以执行上述方法实施例的步骤。具体实现方式和技术效果类似,这里不再赘述。
本申请实施例提供了一种存储介质,该存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述方法。
Claims (10)
1.一种路况信息融合分析的方法,其特征在于,包括:
采集预设区域的用户生成内容UGC和车载设备的移动轨迹数据;
分析获取所述用户生成内容UGC和所述移动轨迹数据中的路况信息以及所述路况信息对应的定位信息;
将所述路况信息以及所述路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据。
2.根据权利要求1所述的方法,其特征在于,所述分析获取所述用户生成内容UGC和所述移动轨迹数据中的路况信息以及所述路况信息对应的定位信息,包括:
提取所述用户生成内容UGC中的量化关键词、位置关键词;以及,获取所述移动轨迹数据的运动参数;
根据所述位置关键词、所述移动轨迹数据的位置信息,获取对应位置的所述量化关键词、所述运动参数,并分析得到不同定位信息对应的所述路况信息。
3.根据权利要求2所述的方法,其特征在于,所述提取所述用户生成内容UGC中的量化关键词,包括:
采用预设规则提取所述用户生成内容UGC中的量化关键词;
将所述量化关键词转换为对应的数字,并计算获取所述量化关键词对应的权重值。
4.根据权利要求1所述的方法,其特征在于,所述采集预设区域的用户生成内容UGC和车载设备的移动轨迹数据,包括:
采集预设区域中的所有用户生成内容UGC和车载设备的移动轨迹数据;
根据所述用户生成内容UGC对应的用户信息、所述移动轨迹数据对应的用户信息,筛选获取用户信用度满足预设条件的所述用户生成内容UGC和所述移动轨迹数据。
5.根据权利要求1所述的方法,其特征在于,所述将所述路况信息以及所述路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据之后,还包括:
接收导航指令,所述导航指令包括:起点信息和终点信息;
根据所述目标导航数据和所述导航指令,获取所述起点信息和终点信息之间的至少一条目标路径、以及各所述目标路径的路况信息。
6.一种路况信息融合分析的装置,其特征在于,包括:采集单元、获取单元以及匹配单元;其中,
所述采集单元,用于采集预设区域的用户生成内容UGC和车载设备的移动轨迹数据;
所述获取单元,用于分析获取所述用户生成内容UGC和所述移动轨迹数据中的路况信息以及所述路况信息对应的定位信息;
所述匹配单元,用于将所述路况信息以及所述路况信息对应的定位信息与电子地图进行融合匹配,获取目标导航数据。
7.根据权利要求6所述的装置,其特征在于,所述获取单元,用于提取所述用户生成内容UGC中的量化关键词、位置关键词;以及,获取所述移动轨迹数据的运动参数;根据所述位置关键词、所述移动轨迹数据的位置信息,获取对应位置的所述量化关键词、所述运动参数,并分析得到不同定位信息对应的所述路况信息。
8.根据权利要求7所述的装置,其特征在于,所述获取单元,用于采用预设规则提取所述用户生成内容UGC中的量化关键词;将所述量化关键词转换为对应的数字,并计算获取所述量化关键词对应的权重值。
9.一种路况信息融合分析的装置,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述装置运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1-5任一项所述方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010248252.1A CN111429744A (zh) | 2020-04-01 | 2020-04-01 | 一种路况信息融合分析的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010248252.1A CN111429744A (zh) | 2020-04-01 | 2020-04-01 | 一种路况信息融合分析的方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111429744A true CN111429744A (zh) | 2020-07-17 |
Family
ID=71551809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010248252.1A Pending CN111429744A (zh) | 2020-04-01 | 2020-04-01 | 一种路况信息融合分析的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429744A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112652178A (zh) * | 2020-12-24 | 2021-04-13 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 城市交通的控制系统 |
CN113066285A (zh) * | 2021-03-15 | 2021-07-02 | 北京百度网讯科技有限公司 | 一种路况信息确定方法、装置、电子设备及存储介质 |
CN115457775A (zh) * | 2022-11-14 | 2022-12-09 | 江苏北斗天汇物联网科技有限公司 | 一种基于数字信号传输的服务定位系统及方法 |
CN117493820A (zh) * | 2024-01-03 | 2024-02-02 | 中国电子工程设计院股份有限公司 | 一种数据要素处理方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177595A (zh) * | 2011-12-26 | 2013-06-26 | 北京易华录信息技术股份有限公司 | 一种基于实时交通信息的动态路径寻优系统及方法 |
CN104504065A (zh) * | 2014-12-19 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 导航路线生成方法和装置 |
CN105825698A (zh) * | 2016-03-18 | 2016-08-03 | 乐卡汽车智能科技(北京)有限公司 | 路况ugc上报方法、发送方法、装置及系统 |
JP2020008392A (ja) * | 2018-07-06 | 2020-01-16 | 株式会社Subaru | ナビゲーション装置 |
-
2020
- 2020-04-01 CN CN202010248252.1A patent/CN111429744A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177595A (zh) * | 2011-12-26 | 2013-06-26 | 北京易华录信息技术股份有限公司 | 一种基于实时交通信息的动态路径寻优系统及方法 |
CN104504065A (zh) * | 2014-12-19 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 导航路线生成方法和装置 |
CN105825698A (zh) * | 2016-03-18 | 2016-08-03 | 乐卡汽车智能科技(北京)有限公司 | 路况ugc上报方法、发送方法、装置及系统 |
JP2020008392A (ja) * | 2018-07-06 | 2020-01-16 | 株式会社Subaru | ナビゲーション装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112652178A (zh) * | 2020-12-24 | 2021-04-13 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 城市交通的控制系统 |
CN112652178B (zh) * | 2020-12-24 | 2022-02-15 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 城市交通的控制系统 |
CN113066285A (zh) * | 2021-03-15 | 2021-07-02 | 北京百度网讯科技有限公司 | 一种路况信息确定方法、装置、电子设备及存储介质 |
CN115457775A (zh) * | 2022-11-14 | 2022-12-09 | 江苏北斗天汇物联网科技有限公司 | 一种基于数字信号传输的服务定位系统及方法 |
CN117493820A (zh) * | 2024-01-03 | 2024-02-02 | 中国电子工程设计院股份有限公司 | 一种数据要素处理方法和装置 |
CN117493820B (zh) * | 2024-01-03 | 2024-04-02 | 中国电子工程设计院股份有限公司 | 一种数据要素处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111429744A (zh) | 一种路况信息融合分析的方法、装置及存储介质 | |
US7706964B2 (en) | Inferring road speeds for context-sensitive routing | |
Goh et al. | Online map-matching based on hidden markov model for real-time traffic sensing applications | |
CN109724611B (zh) | 路径规划方法、装置、电子设备及存储介质 | |
Yuan et al. | Driving with knowledge from the physical world | |
Yuan et al. | An interactive-voting based map matching algorithm | |
EP2427726B1 (en) | Methods and systems for creating digital transportation networks | |
CN111859291B (zh) | 交通事故识别方法、装置、设备和计算机存储介质 | |
US9301099B2 (en) | Method of analyzing points of interest with probe data | |
US9250075B2 (en) | Generating travel time data | |
CN102538813A (zh) | 路径搜索方法及装置 | |
US9714835B2 (en) | Navigation system, navigation server, navigation client, and navigation method | |
CN103459982A (zh) | 产生堵塞相关区段数据 | |
JP2013534621A (ja) | 障害横断情報を判断する方法 | |
CN103942312B (zh) | 公交换乘线路规划方法和装置 | |
CN106382942B (zh) | 一种车载导航系统及导航方法 | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
CN112991743B (zh) | 基于行驶路径的实时交通风险ai预测方法及其系统 | |
CN112556717B (zh) | 出行方式筛选方法和出行路线推荐方法和装置 | |
US11915583B2 (en) | Traffic predictions at lane level | |
US20220011123A1 (en) | Method of characterizing a route travelled by a user | |
CN107121143B (zh) | 一种协同poi数据的道路选取方法 | |
CN108520044B (zh) | 一种基于公度性思想的最小二乘法路径预测算法 | |
Al Mahmud et al. | Impact of pedal powered vehicles on average traffic speed in dhaka city: A cross-sectional study based on road class and timestamp | |
Koegel et al. | Compact vehicular trajectory encoding |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200717 |
|
RJ01 | Rejection of invention patent application after publication |