CN111460074A - 一种轨迹碰撞分析方法、装置及电子设备 - Google Patents
一种轨迹碰撞分析方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111460074A CN111460074A CN202010275416.XA CN202010275416A CN111460074A CN 111460074 A CN111460074 A CN 111460074A CN 202010275416 A CN202010275416 A CN 202010275416A CN 111460074 A CN111460074 A CN 111460074A
- Authority
- CN
- China
- Prior art keywords
- track
- tracks
- time
- distance
- calculating
- 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.)
- Granted
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
- G06F16/29—Geographical information databases
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明实施例提供一种轨迹碰撞分析方法、装置及电子设备,该方法包括:获取至少两组轨迹数据,每组轨迹数据包括一条轨迹的迹点时刻以及与迹点时刻对应的迹点经纬度;根据迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列,轨迹时间序列包含迹点经纬度;根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离;根据最终轨迹距离判断两条轨迹是否碰撞。这样通过获取任意两条轨迹的轨迹时间序列,并基于两个轨迹时间序列的每个元素对应的迹点经纬度计算得到两个轨迹之间的最终轨迹距离,进而根据该最终轨迹距离来判断两轨迹之间是否发生碰撞。进而做出合适的轨迹碰撞分析,以提高轨迹碰撞的判断精度。
Description
技术领域
本发明涉及轨迹分析技术领域,尤其涉及一种轨迹碰撞分析方法、装置及电子设备。
背景技术
现有的轨迹碰撞方案是在一定精度内搜索所有符合精度范围的数据,然后根据时间间隔判断是否在时间上存在交集,从而判断轨迹是否发生碰撞。这样的判断方案难以解决两条轨迹首尾一致,但是中间为了抄近路而分道扬镳的情况,也难以解决两个人轨迹重合,但时间上存在一定区别的情况。使得两轨迹碰撞的判断精度低的问题。
发明内容
本发明实施例提供一种轨迹碰撞分析方法,能够提高轨迹碰撞的判断精度。
第一方面,本发明实施例提供一种轨迹碰撞分析方法,所述方法包括:
获取至少两组轨迹数据,每组轨迹数据包括一条轨迹的迹点时刻以及与所述迹点时刻对应的迹点经纬度;
根据所述迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列,所述轨迹时间序列包含迹点经纬度;
根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离;
根据所述最终轨迹距离判断两条轨迹是否碰撞。
可选的,所述根据所述迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列的步骤包括:
根据预设时间间隔遍历任意两条轨迹,删除两条轨迹中在另一条轨迹不存在所述时间间隔范围内的迹点时刻;
将剩下的迹点时刻按照时间戳构成两个轨迹对应的两个轨迹时间序列。
可选的,所述根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离的步骤包括:
根据第一预设算法将所述两个轨迹时间序列中的迹点经纬度转换为对应的二进制向量,以得到两条轨迹的二进制向量;
根据第二预设算法基于所述两条轨迹的二进制向量计算两条轨迹之间的初始轨迹距离;
根据所述两条轨迹的二进制向量计算两条轨迹的最大公共子串;
根据所述最大公共子串计算两条轨迹的衰减系数;
根据所述衰减系数以及所述初始轨迹距离计算得到两条轨迹之间的最终轨迹距离。
可选的,所述根据所述两条轨迹的二进制向量计算两条轨迹的最大公共子串的步骤包括:
根据所述两条轨迹的二进制向量计算两条轨迹的标准差;
根据所述两条轨迹的标准差确定两条轨迹的最大公共子串。
可选的,所述根据所述最终轨迹距离判断两条轨迹是否碰撞的步骤包括:
判断所述最终轨迹距离是否满足预设距离阈值;
若所述最终轨迹距离满足预设距离阈值,则判断两条轨迹发生碰撞。
第二方面,本发明实施例还提供了一种轨迹碰撞分析装置,所述方法包括:
第一获取模块,用于获取至少两组轨迹数据,每组轨迹数据包括一条轨迹的迹点时刻以及与所述迹点时刻对应的迹点经纬度;
第二获取模块,用于根据所述迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列,所述轨迹时间序列包含迹点经纬度;
轨迹距离计算模块,用于根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离;
判断模块,用于根据所述最终轨迹距离判断两条轨迹是否碰撞。
可选的,所述第二获取模块包括:
删除单元,用于根据预设时间间隔遍历任意两条轨迹,删除两条轨迹中在另一条轨迹不存在所述时间间隔范围内的迹点时刻;
构成单元,用于将剩下的迹点时刻按照时间戳构成两个轨迹对应的两个轨迹时间序列。
可选的,所述根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离的步骤包括:
转换单元,用于根据第一预设算法将所述两个轨迹时间序列中的迹点经纬度转换为对应的二进制向量,以得到两条轨迹的二进制向量;
第一计算单元,用于根据第二预设算法基于所述两条轨迹的二进制向量计算两条轨迹之间的初始轨迹距离;
第二计算单元,用于根据所述两条轨迹的二进制向量计算两条轨迹的最大公共子串;
第三计算单元,用于根据所述最大公共子串计算两条轨迹的衰减系数;
第四计算单元,用于根据所述衰减系数以及所述初始轨迹距离计算得到两条轨迹之间的最终轨迹距离。
第三方面,本发明实施例还提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例提供的轨迹碰撞分析方法中的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时上述实施例提供的轨迹碰撞分析方法中的步骤。
本发明实施例带来的有益效果:通过获取至少两组轨迹数据,每组轨迹数据包括一条轨迹的迹点时刻以及与所述迹点时刻对应的迹点经纬度;根据所述迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列,所述轨迹时间序列包含迹点经纬度;根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离;根据所述最终轨迹距离判断两条轨迹是否碰撞。这样通过获取任意两条轨迹的轨迹时间序列,并基于两个轨迹时间序列的每个元素对应的迹点经纬度计算得到两个轨迹之间的最终轨迹距离,进而根据该最终轨迹距离来判断两轨迹之间是否发生碰撞。进而解决两条轨迹首尾一致,但中间为了抄近路而分道扬镳,以及解决两个人轨迹重合,但时间上存在一定区别的轨迹碰撞问题,进而做出合适的轨迹碰撞分析,以提高轨迹碰撞的判断精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本发明实施例提供的一种轨迹碰撞分析方法的流程图;
图2是图1实施例中步骤102提供的一种方法的流程图;
图3是步骤103提供的另一种方法的流程图;
图4是图1中步骤104提供的另一种方法的流程图;
图5是本发明实施例提供的一种轨迹碰撞分析装置的结构示意图;
图6是图5实施例中第二获取模块提供的另一种结构示意图;
图7是轨迹距离计算模块提供的另一种结构示意图;
图8是图5实施例中判断模块提供的另一种的结构示意图;
图9是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明实施例中可能采用术语第一、第二等来描述各种单元,但这些单元不应限于这些术语。这些术语仅用来将同一类型的单元彼此区分开。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
请参见图1,图1是本发明实施例提供的一种轨迹碰撞分析方法的流程图,该轨迹碰撞分析方法包括以下步骤:
步骤101、获取至少两组轨迹数据,每组轨迹数据包括一条轨迹的迹点时刻以及与迹点时刻对应的迹点经纬度。
其中,上述轨迹数据为某个人物或者物体的运动轨迹的相关数据。轨迹数据可以为运动线路数据。轨迹数据的组数可以为两组或两组以上。当需要分析多条轨迹之间是否发生碰撞时,轨迹数据的组数则为多个。上述迹点为组成轨迹的轨迹点。每条轨迹由多个迹点组成,并且每个迹点均有自己的迹点时刻和迹点经纬度。上述轨迹数据可以是多个轨迹点对应的迹点时刻以及迹点经纬度的集合。上述迹点时刻为轨迹中每个迹点对应记录的时刻。上述迹点经纬度为轨迹中每个迹点对应记录的经纬度,也即每个迹点对应的位置。一组轨迹数据对应一条轨迹。上述轨迹数据可以通过可穿戴设备(手环、手表、腰带、绑腿等)以及相应的APP(Application)、应用等记录用户的轨迹数据。还可以是车辆的行车记录仪等设备记录得到的车辆的轨迹数据。当然,每条轨迹的轨迹数据均按照时间戳进行记录。轨迹数据可以存储在轨迹数据库中。该轨迹数据库可以存储有多条轨迹对应的轨迹数据。轨迹数据库可以是本地轨迹数据库、云端轨迹数据库、外接的轨迹数据库等。轨迹数据可以是用户预先设置好的,也可以是实时下载得到的。
具体的,当需要分析轨迹的碰撞问题时,至少需要获取任意两条轨迹对应的轨迹数据,以得到至少两组轨迹数据。具体可以从本地轨迹数据库、云端轨迹数据库、外接的轨迹数据库中获取得到。因为只有两条轨迹之间才会存在碰撞问题。
步骤102、根据迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列,轨迹时间序列包含迹点经纬度。
其中,上述轨迹时间序列为以预设时间间隔为采样周期对每组轨迹数据的迹点时刻采样得到的时间序列。并且轨迹时间序列是按照时间戳来进行排序的。对应的,每个轨迹时间序列中的每个元素均是间隔一个时间间隔的迹点。每个迹点均包含有自己的迹点经纬度以及迹点时刻。
具体的,参见图2,图2是图1实施例中步骤102提供的一种方法的流程图。步骤102包括:
步骤201、根据预设时间间隔遍历任意两条轨迹,删除两条轨迹中在另一条轨迹不存在时间间隔范围内的迹点时刻。
步骤202、将剩下的迹点时刻按照时间戳构成两个轨迹对应的两个轨迹时间序列。
更具体的,以预设时间间隔为周期遍历两组轨迹数据中所有的迹点时刻,并删除两条轨迹在另一条轨迹不存在时间间隔范围内的迹点时刻。也就是删除两条轨迹重合度低的范围节点,不满足预设时间间隔的迹点时刻将被删除。保留两条轨迹重合度高的范围节点,也即保留两条轨迹中满足预设时间间隔的迹点时刻。进而分别将保留下来的两条轨迹的迹点时刻按照时间戳进行排序构成对应的轨迹时间序列。并且,每条轨迹对应的轨迹时间序列中的每个迹点时刻具有对应的迹点经纬度。这样可以得到两条轨迹对应的两条轨迹时间序列。
示例性的,假如,轨迹A的轨迹数据可以有:(10:50,(j1,w1))、(10:55,(j2,w2))、(10:58,(j3,w3))、(11:00,(j4,w4))、(11:02,(j5,w5))、(11:05,(j6,w6))。
轨迹B的轨迹数据可以有:(10:52,(j7,w7))、(10:57,(j8,w8))、(11:00,(j9,w9))、(11:02,(j10,w10))、(11:04,(j11,w11))、(11:07,(j12,w12))。
其中,(,())是一个点,每个点都有自己的迹点时刻以及迹点经纬度,以轨迹A的第一个点(10:50,(j1,w1))为例,10:50是表示时间,可以说是迹点时刻,且时刻为十点五十分,j1是经度,w1是维度。
那么,比如,预先设置好的预设时间间隔为5分钟,那么执行步骤201后,轨迹A剩下的迹点时刻分别为10:50、10:55、11:00、11:05。因为每个迹点时刻均有自己对应的经纬度,所以执行步骤202后,轨迹A具体的轨迹时间序列表示为(10:50,(j1,w1))、(10:55,(j2,w2))、(11:00,(j4,w4))、(11:05,(j6,w6))。以此类推,当预先设置的预设时间间隔为其他值,且当轨迹A还有更多个点时,可以获取到不同的轨迹时间序列以及更多个迹点时刻。
比如,预先设置好的预设时间间隔为4分钟,那么执行步骤201后,轨迹A剩下的迹点时刻分别为10:50、10:58、11:02。因为每个迹点时刻均有自己对应的经纬度,所以执行步骤202后,轨迹A具体的轨迹时间序列表示为(10:50,(j1,w1))、(10:58,(j3,w3))、(11:02,(j5,w5))。
以此类推,当预先设置的预设时间间隔为其他值,且当轨迹A还有更多个点时,可以获取到不同的轨迹时间序列以及更多个迹点时刻。
预先设置好的预设时间间隔为5分钟,执行步骤201后,轨迹B剩下的迹点时刻分别为10:52、10:57、11:02、11:07。因为每个迹点时刻均有自己对应的经纬度,所以执行步骤202后,轨迹A具体的轨迹时间序列表示为(10:52,(j7,w7))、(10:57,(j8,w8))、(11:02,(j10,w10))、(11:07,(j12,w12))。
比如,预先设置好的预设时间间隔为4分钟,那么执行步骤201后,轨迹B剩下的迹点时刻分别为11:00、11:04。因为每个迹点时刻均有自己对应的经纬度,所以执行步骤202后,轨迹B具体的轨迹时间序列表示为(11:00,(j9,w9))、(11:04,(j11,w11))。
当预先设置的预设时间间隔为其他值,且当轨迹B还有更多个点时,可以获取到不同的轨迹时间序列以及更多个迹点时刻。
需要说明的是,当需要分析多条轨迹之间是否发生碰撞时,可以分别获取多条轨迹中任意两轨迹的轨迹时间序列。进而获取到多条轨迹对应的多个轨迹时间序列。
步骤103、根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离。
其中,上述最终轨迹距离用于判断两条轨迹是否碰撞的条件。
具体的,参见图3,图3是步骤103提供的另一种方法的流程图。在图2的基础上,步骤103包括步骤:
步骤301、根据第一预设算法将两个轨迹时间序列中的迹点经纬度转换为对应的二进制向量,以得到两条轨迹的二进制向量。
其中,第一预设算法可以为geohash算法,geohash算法是将二维的经纬度转换成二进制字符串的算法。常规转换成二进制后会进一步转换成十进制并且翻译成base32编码,在本实施例中,保留二进制形式,并且通过二进制向量来计算最终轨迹距离。
具体的,分别通过geohash算法将两个轨迹时间序列中的迹点经纬度均转换为二进制向量,也就是对两个轨迹时间序列中的迹点经纬度进行降维处理。这样就可以将两个轨迹时间序列中迹点经纬度的二维数组转换为一维数组,也即将两个轨迹时间序列中的每个迹点经纬度均转换为二进制字符串,用二进制字符串来代表迹点的经纬度,进而形成每个轨迹时间序列对应的二进制向量,也进一步得到两条轨迹的二进制向量。
步骤302、根据第二预设算法基于两条轨迹的二进制向量计算两条轨迹之间的初始轨迹距离。
其中,上述第二预设算法为DTW算法(Dynamic Time Warping,动态时间规整算法),DTW算法本质上通过动态规划来计算轨迹时间序列的相似距离。上述初始轨迹距离为两条轨迹的二进制向量之间的相似距离。
具体的,当对两个轨迹时间序列对应的两个二进制向量后,可以通过DTW算法计算两条轨迹的二进制向量之间的初始轨迹距离。
步骤303、根据两条轨迹的二进制向量计算两条轨迹的最大公共子串。
步骤304、根据最大公共子串计算两条轨迹的衰减系数。
步骤305、根据衰减系数以及初始轨迹距离计算得到两条轨迹之间的最终轨迹距离。
在步骤303-305中,上述最大公共子串用于确定两条轨迹重合,时间不同的问题。两个轨迹时间序列的最长公共子串越长,则衰减系数越小。最大公共子串相当于衰减系数。例如,两个轨迹时间序列分别为B1和B2,对应的长度分别为b1和b2,B1和B2的最大公共子串的长度用a来表示,衰减系数:a=1-a*a/(b1*b2)。
具体的,在得到两个轨迹对应的两个轨迹时间序列后,计算得到两个轨迹时间序列的最大公共子串,并且根据最大公共子串以及计算公式a=1-a*a/(b1*b2)来计算得到两个轨迹的衰减系数。最后将计算得到的衰减系数乘以根据第二预设算法计算得到的两个轨迹之间的二进制向量的初始轨迹距离,进而得到两条轨迹之间最后的最终轨迹距离。
具体的,根据两条轨迹的二进制向量计算两条轨迹的标准差。根据两条轨迹的标准差确定两条轨迹的最大公共子串。在分别计算得到两条轨迹的标准差后可以将较大的标准差确定为偏移容忍,也就是说,两个数值在这个标准差内,认为也是公共子串中的一部分。即使有两个轨迹,被判断为重合,那也不一定是完全重合,还是有误差的,此时,可以用两个标准差中,较大的标准差确定为偏移容忍,以解决两个重合轨迹的误差问题。比如,当一个数值为1.8,另一个数值为2时,将1.8和2比较,标准差如果是0.3,0.3大于2-1.8,则1.8可以认为等价于2,以此类推。这样可以在较大标准差的偏移容忍下,得到更加完整的最大公共子串。
步骤104、根据最终轨迹距离判断两条轨迹是否碰撞。
其中,上述碰撞可以理解为重合的意思,具体的,当两条轨迹碰撞时,则说明两条轨迹重合。具体的,参见图4,图4是图1中步骤104提供的另一种方法的流程图。步骤104包括:
步骤401、判断最终轨迹距离是否满足预设距离阈值。
步骤402、若最终轨迹距离满足预设距离阈值,则判断两条轨迹发生碰撞。
其中,预设距离阈值为预先设置好的距离阈值,用于判断两轨迹是否发生碰撞的条件阈值。预设距离阈值可以根据实际轨迹碰撞分析的精度进行设置。
更具体的,当计算得到到两条轨迹的最终轨迹距离后,可以将两条轨迹的最终轨迹距离与预先设置好的预设距离阈值进行比较大小。若两轨迹的最终轨迹距离小于预设距离阈值,则说明最终轨迹距离满足预设距离阈值,也就说明两条轨迹发生碰撞。若两轨迹的最终轨迹距离大于或等于预设距离阈值,则说明最终轨迹距离不满足预设距离阈值,也进一步说明两条轨迹没有发生碰撞。
本发明实施例中,通过获取至少两组轨迹数据,每组轨迹数据包括一条轨迹的迹点时刻以及与迹点时刻对应的迹点经纬度;根据迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列,轨迹时间序列包含迹点经纬度;根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离;根据最终轨迹距离判断两条轨迹是否碰撞。这样通过获取任意两条轨迹的轨迹时间序列,并基于两个轨迹时间序列的每个元素对应的迹点经纬度计算得到两个轨迹之间的最终轨迹距离,进而根据该最终轨迹距离来判断两轨迹之间是否发生碰撞。具体是通过二进制的geohash算法,巧妙的将两个轨迹时间序列的每个元素对应的迹点经纬度转换为二进制向量,并根据两条轨迹的二进制向量确定两个轨迹之间的最大公共子串、再根据最大公共子串计算得到两条轨迹之间的衰减系数,以及根据DTW算法计算两条轨迹的初始轨迹距离,进而根据计算得到的衰减系数和初始轨迹距离来判断两条轨迹之间是否碰撞的问题,进而解决两条轨迹首尾一致,但中间为了抄近路而分道扬镳,以及解决两个人轨迹重合,但时间上存在一定区别的轨迹碰撞问题,进而做出合适的轨迹碰撞分析,以提高轨迹碰撞的判断精度。
参见图5,图5是本发明实施例提供的一种轨迹碰撞分析装置的结构示意图,该轨迹碰撞分析装置500包括:
第一获取模块501,用于获取至少两组轨迹数据,每组轨迹数据包括一条轨迹的迹点时刻以及与迹点时刻对应的迹点经纬度。
第二获取模块502,用于根据迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列,轨迹时间序列包含迹点经纬度。
轨迹距离计算模块503,用于根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离。
判断模块504,用于根据最终轨迹距离判断两条轨迹是否碰撞。
可选的,参见图6,图6是图5实施例中第二获取模块提供的另一种结构示意图,第二获取模块502包括:
删除单元5021,用于根据预设时间间隔遍历任意两条轨迹,删除两条轨迹中在另一条轨迹不存在时间间隔范围内的迹点时刻。
构成单元5022,用于将剩下的迹点时刻按照时间戳构成两个轨迹对应的两个轨迹时间序列。
可选的,参见图7,图7是轨迹距离计算模块提供的另一种结构示意图,在图6的基础上,轨迹距离计算模块503包括:
转换单元5031,用于根据第一预设算法将两个轨迹时间序列中的迹点经纬度转换为对应的二进制向量,以得到两条轨迹的二进制向量。
第一计算单元5032,用于根据第二预设算法基于两条轨迹的二进制向量计算两条轨迹之间的初始轨迹距离。
第二计算单元5033,用于根据两条轨迹的二进制向量计算两条轨迹的最大公共子串。
第三计算单元5034,用于根据最大公共子串计算两条轨迹的衰减系数。
第四计算单元5035,用于根据衰减系数以及初始轨迹距离计算得到两条轨迹之间的最终轨迹距离。
可选的,该第二计算单元5033还包括:
标准差计算子单元,用于根据两条轨迹的二进制向量计算两条轨迹的标准差。
确定子单元,根据两条轨迹的标准差确定两条轨迹的最大公共子串。
参见图8,图8是图5实施例中判断模块提供的另一种的结构示意图,该判断模块504包括:
第一判断单元5041,用于判断最终轨迹距离是否满足预设距离阈值。
第二判断单元5042,用于若最终轨迹距离满足预设距离阈值,则判断两条轨迹发生碰撞。
本发明实施例提供的轨迹碰撞分析装置500能够实现上述方法实施例中的各个实施方式,以及相应有益效果,为避免重复,这里不再赘述。
参见图9,图9是本发明实施例提供的一种电子设备的结构示意图,该电子设备600包括:存储器602、处理器601及存储在存储器602上并可在处理器601上运行的计算机程序,处理器601执行计算机程序时实现上述实施例提供的轨迹碰撞分析方法中的步骤,处理器601执行以下步骤:
获取至少两组轨迹数据,每组轨迹数据包括一条轨迹的迹点时刻以及与迹点时刻对应的迹点经纬度。
根据迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列,轨迹时间序列包含迹点经纬度。
根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离。
根据最终轨迹距离判断两条轨迹是否碰撞。
可选的,处理器601执行的根据迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列的步骤包括:
根据预设时间间隔遍历任意两条轨迹,删除两条轨迹中在另一条轨迹不存在时间间隔范围内的迹点时刻。
将剩下的迹点时刻按照时间戳构成两个轨迹对应的两个轨迹时间序列。
可选的,处理器601执行的根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离的步骤包括:
根据第一预设算法将两个轨迹时间序列中的迹点经纬度转换为对应的二进制向量,以得到两条轨迹的二进制向量。
根据第二预设算法基于两条轨迹的二进制向量计算两条轨迹之间的初始轨迹距离。
根据两条轨迹的二进制向量计算两条轨迹的最大公共子串。
根据最大公共子串计算两条轨迹的衰减系数。
根据衰减系数以及初始轨迹距离计算得到两条轨迹之间的最终轨迹距离。
可选的,处理器601执行的根据两条轨迹的二进制向量计算两条轨迹的最大公共子串的步骤包括:
根据两条轨迹的二进制向量计算两条轨迹的标准差。
根据两条轨迹的标准差确定两条轨迹的最大公共子串。
可选的,处理器601执行的根据轨迹距离判断两条轨迹是否碰撞的步骤包括:
判断最终轨迹距离是否满足预设距离阈值。
若最终轨迹距离满足预设距离阈值,则判断两条轨迹发生碰撞。
本发明实施例提供的电子设备600能够实现上述方法实施例中的各个实施方式,以及相应有益效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现本发明实施例提供的轨迹碰撞分析方法的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存取存储器(Random AccessMemory,简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种轨迹碰撞分析方法,其特征在于,所述方法包括:
获取至少两组轨迹数据,每组轨迹数据包括一条轨迹的迹点时刻以及与所述迹点时刻对应的迹点经纬度;
根据所述迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列,所述轨迹时间序列包含迹点经纬度;
根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离;
根据所述最终轨迹距离判断两条轨迹是否碰撞。
2.如权利要求1所述的轨迹碰撞分析方法,其特征在于,所述根据所述迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列的步骤包括:
根据预设时间间隔遍历任意两条轨迹,删除两条轨迹中在另一条轨迹不存在所述时间间隔范围内的迹点时刻;
将剩下的迹点时刻按照时间戳构成两个轨迹对应的两个轨迹时间序列。
3.如权利要求2所述的轨迹碰撞分析方法,其特征在于,所述根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离的步骤包括:
根据第一预设算法将所述两个轨迹时间序列中的迹点经纬度转换为对应的二进制向量,以得到两条轨迹的二进制向量;
根据第二预设算法基于所述两条轨迹的二进制向量计算两条轨迹之间的初始轨迹距离;
根据所述两条轨迹的二进制向量计算两条轨迹的最大公共子串;
根据所述最大公共子串计算两条轨迹的衰减系数;
根据所述衰减系数以及所述初始轨迹距离计算得到两条轨迹之间的最终轨迹距离。
4.如权利要求3所述的轨迹碰撞分析方法,其特征在于,所述根据所述两条轨迹的二进制向量计算两条轨迹的最大公共子串的步骤包括:
根据所述两条轨迹的二进制向量计算两条轨迹的标准差;
根据所述两条轨迹的标准差确定两条轨迹的最大公共子串。
5.如权利要求1所述的轨迹碰撞分析方法,其特征在于,所述根据所述最终轨迹距离判断两条轨迹是否碰撞的步骤包括:
判断所述最终轨迹距离是否满足预设距离阈值;
若所述最终轨迹距离满足预设距离阈值,则判断两条轨迹发生碰撞。
6.一种轨迹碰撞分析装置,其特征在于,所述方法包括:
第一获取模块,用于获取至少两组轨迹数据,每组轨迹数据包括一条轨迹的迹点时刻以及与所述迹点时刻对应的迹点经纬度;
第二获取模块,用于根据所述迹点时刻以及预设时间间隔获取任意两条轨迹对应的轨迹时间序列,所述轨迹时间序列包含迹点经纬度;
轨迹距离计算模块,用于根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离;
判断模块,用于根据所述最终轨迹距离判断两条轨迹是否碰撞。
7.如权利要求6所述的轨迹碰撞分析装置,其特征在于,所述第二获取模块包括:
删除单元,用于根据预设时间间隔遍历任意两条轨迹,删除两条轨迹中在另一条轨迹不存在所述时间间隔范围内的迹点时刻;
构成单元,用于将剩下的迹点时刻按照时间戳构成两个轨迹对应的两个轨迹时间序列。
8.如权利要求7所述的轨迹碰撞分析装置,其特征在于,所述根据两轨迹的轨迹时间序列中的迹点经纬度计算两条轨迹之间的最终轨迹距离的步骤包括:
转换单元,用于根据第一预设算法将所述两个轨迹时间序列中的迹点经纬度转换为对应的二进制向量,以得到两条轨迹的二进制向量;
第一计算单元,用于根据第二预设算法基于所述两条轨迹的二进制向量计算两条轨迹之间的初始轨迹距离;
第二计算单元,用于根据所述两条轨迹的二进制向量计算两条轨迹的最大公共子串;
第三计算单元,用于根据所述最大公共子串计算两条轨迹的衰减系数;
第四计算单元,用于根据所述衰减系数以及所述初始轨迹距离计算得到两条轨迹之间的最终轨迹距离。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的轨迹碰撞分析方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的轨迹碰撞分析方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010275416.XA CN111460074B (zh) | 2020-04-09 | 2020-04-09 | 一种轨迹碰撞分析方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010275416.XA CN111460074B (zh) | 2020-04-09 | 2020-04-09 | 一种轨迹碰撞分析方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111460074A true CN111460074A (zh) | 2020-07-28 |
CN111460074B CN111460074B (zh) | 2023-05-12 |
Family
ID=71680415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010275416.XA Active CN111460074B (zh) | 2020-04-09 | 2020-04-09 | 一种轨迹碰撞分析方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460074B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112040414A (zh) * | 2020-08-06 | 2020-12-04 | 杭州数梦工场科技有限公司 | 相似轨迹计算方法、装置及电子设备 |
CN112231389A (zh) * | 2020-10-16 | 2021-01-15 | 中国民用航空华东地区空中交通管理局 | 基于航迹的可视化冲突模型构建方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108382392A (zh) * | 2018-02-08 | 2018-08-10 | 长沙智能驾驶研究院有限公司 | 车辆转弯防碰撞方法、设备及可读存储介质 |
CN109800279A (zh) * | 2019-01-11 | 2019-05-24 | 武汉虹旭信息技术有限责任公司 | 一种基于时空轨迹快速碰撞的算法 |
CN109808687A (zh) * | 2019-01-17 | 2019-05-28 | 福瑞泰克智能系统有限公司 | 一种驾驶辅助方法、装置及设备 |
CN110727757A (zh) * | 2019-10-22 | 2020-01-24 | 北京卡路里信息技术有限公司 | 轨迹数据的处理方法及装置、电子设备 |
-
2020
- 2020-04-09 CN CN202010275416.XA patent/CN111460074B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108382392A (zh) * | 2018-02-08 | 2018-08-10 | 长沙智能驾驶研究院有限公司 | 车辆转弯防碰撞方法、设备及可读存储介质 |
CN109800279A (zh) * | 2019-01-11 | 2019-05-24 | 武汉虹旭信息技术有限责任公司 | 一种基于时空轨迹快速碰撞的算法 |
CN109808687A (zh) * | 2019-01-17 | 2019-05-28 | 福瑞泰克智能系统有限公司 | 一种驾驶辅助方法、装置及设备 |
CN110727757A (zh) * | 2019-10-22 | 2020-01-24 | 北京卡路里信息技术有限公司 | 轨迹数据的处理方法及装置、电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112040414A (zh) * | 2020-08-06 | 2020-12-04 | 杭州数梦工场科技有限公司 | 相似轨迹计算方法、装置及电子设备 |
CN112231389A (zh) * | 2020-10-16 | 2021-01-15 | 中国民用航空华东地区空中交通管理局 | 基于航迹的可视化冲突模型构建方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111460074B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10923136B2 (en) | Speech extraction method, system, and device based on supervised learning auditory attention | |
Kinsner | Characterizing chaos through Lyapunov metrics | |
WO2017124299A1 (zh) | 基于序贯贝叶斯滤波的多目标跟踪方法及跟踪系统 | |
Marasinghe | A multistage procedure for detecting several outliers in linear regression | |
CN111460074A (zh) | 一种轨迹碰撞分析方法、装置及电子设备 | |
CN109283490A (zh) | 基于混合最小二乘法的泰勒级数展开的uwb定位方法 | |
Liu | Online pulse deinterleaving with finite automata | |
US20110178615A1 (en) | Method for calculating measures of similarity between time signals | |
CN112578419B (zh) | 一种基于gru网络和卡尔曼滤波的gps数据重构方法 | |
Ruan et al. | Dynamic gesture recognition based on improved DTW algorithm | |
CN111290053B (zh) | 一种基于卡尔曼滤波的雷暴路径预测方法 | |
CN105513095A (zh) | 一种行为视频无监督时序分割方法 | |
CN103607772A (zh) | 一种基于lmbp神经网络的泰勒定位算法 | |
EP2899706A1 (en) | Method and system for analyzing human behavior in an intelligent surveillance system | |
CN113496123B (zh) | 谣言检测方法、装置、电子设备及存储介质 | |
Brown et al. | Dynamic time warping for isolated word recognition based on ordered graph searching techniques | |
Khlamov et al. | The astronomical object recognition and its near-zero motion detection in series of images by in situ modeling | |
CN111623797B (zh) | 一种基于深度学习的步数测量方法 | |
CN113554716A (zh) | 基于知识蒸馏的瓷砖色差检测方法及装置 | |
Asahara et al. | A mixed autoregressive hidden-markov-chain model applied to people's movements | |
CN116451131A (zh) | 一种基于自监督时间卷积网络的雷达脉冲序列识别方法 | |
KR102407834B1 (ko) | 긴 펄스 레이더 신호의 속성 기반 분류 방법 및 장치 | |
Khlamov et al. | Statistical Modeling for the Near-zero Apparent Motion Detection of Objects in Series of Images From data Stream | |
CN113486674A (zh) | 基于人工智能的针对多轮对话进行语义分析的方法和装置 | |
Kim et al. | Multi-object particle filter revisited |
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 |