CN111552759B - 一种行动轨迹相关数据的获取方法、装置、设备及介质 - Google Patents
一种行动轨迹相关数据的获取方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111552759B CN111552759B CN202010372061.6A CN202010372061A CN111552759B CN 111552759 B CN111552759 B CN 111552759B CN 202010372061 A CN202010372061 A CN 202010372061A CN 111552759 B CN111552759 B CN 111552759B
- Authority
- CN
- China
- Prior art keywords
- road network
- coordinate points
- courier
- action track
- target map
- 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
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Instructional Devices (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种行动轨迹相关数据的获取方法、装置、设备及介质，包括：获取路网数据，根据路网数据生成目标地图；获取快递员的全球定位系统GPS坐标点，将各快递员的GPS坐标点与目标地图中包括的各路网坐标点进行匹配；将与快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到行动轨迹的热力值，可以解决离散的GPS坐标点之间的连线与真实的路网产生偏差的问题，直观地体现快递员在行动轨迹上的出现频率。
Description
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种行动轨迹相关数据的获取方法、装置、设备及介质。
背景技术
随着信息通讯技术的高速发展和位置感知设备如智能手机、车载全球定位系统(Global Positioning System，GPS)等的广泛应用，快递员的轨迹分布数据有助于决策者清晰、完整地掌握全局路径概况，通过对快递员的路径进行分析可以促进企业实施关键的物流举措，比如改善柜机网络的布局等。
现有的获取快递员的行动轨迹的方法为：每2分钟采集一次快递员的GPS坐标点，将每次采集的GPS坐标点连接起来作为快递员的行动轨迹。
但是，现有的获取快递员的行动轨迹的方法存在以下缺点：(1)每次采集的离散的GPS坐标点之间的连线容易与真实的路网产生偏差；(2)现有方法获取的行动轨迹不能直观地体现出快递员的出现频率。
发明内容
本发明实施例提供一种行动轨迹相关数据的获取方法、装置、设备及介质，可以获取快递员真实的行动轨迹，直观地体现出快递员的出现频率。
第一方面，本发明实施例提供了一种行动轨迹相关数据的获取方法，所述方法包括：
获取路网数据，根据所述路网数据生成目标地图；
获取快递员的全球定位系统GPS坐标点，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配；
将与所述快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将所述行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到所述行动轨迹的热力值。
第二方面，本发明实施例还提供了一种行动轨迹相关数据的获取装置，该装置包括：
目标地图生成模块，用于获取路网数据，根据所述路网数据生成目标地图；
匹配模块，用于获取快递员的全球定位系统GPS坐标点，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配；
行动轨迹确定模块，用于将与所述快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将所述行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到所述行动轨迹的热力值。
第三方面，本发明实施例还提供了一种计算机设备，该计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例提供的一种行动轨迹相关数据的获取方法。
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，该存储介质上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例提供的一种行动轨迹相关数据的获取方法。
本发明实施例的技术方案通过获取路网数据，根据路网数据生成目标地图，并将各快递员的GPS坐标点与目标地图中包括的各路网坐标点进行匹配，将与快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到行动轨迹的热力值。本发明实施例的技术方案可以解决离散的GPS坐标点之间的连线与真实的路网产生偏差的问题，可以直观地体现快递员在行动轨迹上的出现频率。
附图说明
图1a是本发明实施例一中的一种行动轨迹相关数据的获取方法的流程图；
图1b是本发明实施例一中的目标地图；
图2是本发明实施例二中的一种行动轨迹相关数据的获取方法的流程图；
图3是本发明实施例三中的一种行动轨迹相关数据的获取方法的流程图；
图4是本发明实施例四中的一种行动轨迹相关数据的获取装置的结构图；
图5是本发明实施例五中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1a为本发明实施例一提供的一种行动轨迹相关数据的获取方法的流程图，本实施例可适用于根据快递员的GPS坐标点确定快递员的行动轨迹以及快递员的出现频率的情况，该方法可以由行动轨迹相关数据的获取装置来执行，该装置可以由软件和/或硬件来实现，应用于路网匹配模型，并一般可以集成在计算机设备中，具体包括如下步骤：
步骤110、获取路网数据，根据所述路网数据生成目标地图。
在此步骤中，路网数据为包括目标城市中各道路上的坐标点的结构化数据。具体的，路网数据可以包括目标城市的名称、各道路的道路名称、道路标识以及组成各道路的地理数据的坐标信息，例如(深圳市，深南大道，城市主干道，坐标点1，坐标点2)，目标地图为由路网数据中各道路的地理数据一起构成的地图。
在本发明实施例的一个实施方式中，可选的，获取路网数据，根据所述路网数据生成目标地图，包括：从开源网站地图服务器中获取目标城市的全部路网数据，在所述全部路网数据中筛选出与快递员关联的路网数据；根据筛选出的路网数据中包括的各地理数据的坐标信息生成目标地图。
在本实施例中，开源网站地图服务器可以为公开地图(OpenStreetMap,OSM)，OpenStreetMap是一个由地图制作爱好者维护的开源网站，提供了世界各地关于道路、住宅区、咖啡馆、铁路车站等各种各样的地理数据。但是，OpenStreetMap提供的数据太过于全面，并不是所有的路网数据都需要在地图上展现，比如：学校操场、公园以及人行横道等这些快递员基本不会经过的路线。为了提高数据的处理速度，在目标城市的全部路网数据中将这些与快递员不关联的路网数据进行剔除，保留目标城市的剩余路网数据，并将此数据作为与快递员关联的路网数据。
在一个具体的实施例中，可以根据路网数据中的道路标识(比如城市主干道、街道、高速路、操场道路、以及公园道路等)对目标城市的全部路网数据进行筛选，删除与快递员不关联的路网数据，留下目标城市的剩余路网数据(比如城市主干道和街道等路网数据)作为与快递员关联的路网数据。
在本实施例中，可以根据筛选出的路网数据中包括的各地理数据的坐标信息将各地理数据进行连接，然后使用渲染引擎Mapnik将各地理数据渲染成图片，得到目标地图，如图1b所示。
由此，通过开源的路网数据生成目标地图，可以拥有比较全面的路网信息，避免采用现有地图软件带来的高昂的使用费，节省获取真实路网信息的成本。
步骤120、获取快递员的全球定位系统GPS坐标点，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配。
在此步骤中，可以通过快递员携带的手机或者其他智能终端在预设时间间隔内获取快递员的全球定位系统(Global Positioning System，GPS)坐标点。具体的，可以每2分钟采集一次快递员的GPS坐标点，即快递员的经度值与纬度值。
在本实施例中，可以采用最近邻搜索算法KD树(K-Dimensionaltree，KDtree)计算快递员的GPS坐标点与各路网坐标点的距离，选择距离最短时的路网坐标点作为与快递员的GPS坐标点匹配的路网坐标点。
在本发明实施例的一个实施方式中，可选的，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配，包括：将各所述快递员的GPS坐标点的经纬度值和所述目标地图中包括的各路网坐标点的经纬度值分别转换为弧度值；根据各所述快递员的GPS坐标点和所述目标地图中包括的各路网坐标点对应的弧度值，利用KD树算法计算各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点之间的欧式距离；将所述欧式距离转换成球面距离，确定球面距离最小时对应的路网坐标点作为与所述快递员的GPS坐标点匹配的路网坐标点。
其中，由于KD树算法不支持根据经纬度计算坐标点之间的距离，因此将经纬度值转换为弧度值，便于KD树算法计算快递员的GPS坐标点与路网坐标点的距离。
其中，可以将各快递员的GPS坐标点构成第一矩阵，将各路网坐标点构成第二矩阵，利用KD树算法计算第一矩阵中各坐标点与第二矩阵中各坐标点的欧氏距离。由此，通过采用最近邻搜索算法KD树可以快速计算出快递员的GPS坐标点与各路网坐标点之间的欧式距离，可以提高海量GPS坐标点的处理速度。
其中，球面距离可以反映快递员的GPS坐标点与路网坐标点的实际偏差，通过将欧式距离转换成球面距离，可以提高快递员的GPS坐标点与路网坐标点匹配的准确度。
步骤130、将与所述快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将所述行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到所述行动轨迹的热力值；其中，所述热力值用于表征所述快递员在所述行动轨迹上的出现频率。
在此步骤中，将与快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，可以反映快递员真实的派送路径，解决现有技术中离散的GPS坐标点之间的连线与真实的路网产生偏差的问题；其次，计算行动轨迹的热力值可以直观地体现快递员的出现频率。
在此步骤之后，本发明实施例提供的方法还包括：根据行动轨迹的热力值，对目标地图中各所述快递员的行动轨迹进行标识；将标识的行动轨迹进行展示，以对所述行动轨迹的热力分布进行展示。
在本发明实施例的一个实施方式中，可选的，根据行动轨迹的热力值，对目标地图中各所述快递员的行动轨迹进行标识，包括：选择与所述行动轨迹的热力值匹配的颜色和线条宽度对所述行动轨迹进行标识。具体的，可以判断所述行动轨迹的热力值是否小于等于第一预设热力阈值，如果是，则将所述行动轨迹用绿色和第一线条宽度标识；如果所述行动轨迹的热力值大于第一预设热力阈值并且小于第二预设热力阈值，则将所述行动轨迹用黄色和第二线条宽度标识；如果所述行动轨迹的热力值大于等于第二预设热力阈值，则将所述行动轨迹用红色和第三线条宽度标识。其中，第二预设热力阈值大于第一预设热力阈值，第二线条宽度大于第一线条宽度，第三线条宽度大于第二线条宽度。
由此，通过将标识的行动轨迹进行展示，可以直观地看出快递员出现频率比较高的道路，以便于决策者清晰、完整地掌握全局路径概况，促进企业实施关键的物流举措。
本发明实施例的技术方案通过获取路网数据，根据路网数据生成目标地图，并将各快递员的GPS坐标点与目标地图中包括的各路网坐标点进行匹配，将与快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到行动轨迹的热力值。本发明实施例的技术方案可以解决离散的GPS坐标点之间的连线与真实的路网产生偏差的问题，可以直观地体现快递员在行动轨迹上的出现频率。
实施例二
本实施例在上述实施例一的基础上，提供了具体的根据行动轨迹的热力值以及柜机信息确定柜机网络的布局的实施方式，与上述实施例相同或相应的术语解释，本实施例不再赘述。图2为本发明实施例二提供的一种行动轨迹相关数据的获取方法的流程图，在本实施例中，本实施例的技术方案可以与上述实施例的方案中的一种或者多种方法进行组合，在本实施例中，如图2所示，本发明实施例提供的方法还可以包括：
步骤210、获取路网数据，根据所述路网数据生成目标地图。
步骤220、获取快递员的全球定位系统GPS坐标点，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配。
步骤230、将与所述快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将所述行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到所述行动轨迹的热力值。
步骤240、获取所述行动轨迹设定距离范围的柜机信息，根据所述行动轨迹的热力值以及所述柜机信息确定柜机网络的布局。
在此步骤中，通过获取行动轨迹在目标地图中的坐标信息，根据行动轨迹的坐标信息可以获取行动轨迹设定距离范围的柜机信息。所述柜机信息为柜机在行动轨迹设定距离范围内的分布密度，具体的，柜机信息可以为行动轨迹设定距离范围的柜机数量。
在本发明实施例的一个实施方式中，可选的，获取所述行动轨迹设定距离范围的柜机信息，根据所述行动轨迹的热力值以及所述柜机信息确定柜机网络的布局，包括：根据行动轨迹的热力值对行动轨迹的级别进行划分；选取相邻两条不同级别的行动轨迹，分别获取所述两条不同级别的行动轨迹设定距离范围的柜机数量；对所述两条不同级别的行动轨迹设定距离范围的柜机数量进行比较，根据比较结果，确定柜机网络的布局。
其中，如果行动轨迹的热力值小于等于第一预设热力阈值，则将该行动轨迹的级别标识为低级；如果行动轨迹的热力值大于第一预设热力阈值并且小于第二预设热力阈值，则将该行动轨迹的级别标识为中级；如果行动轨迹的热力值大于等于第二预设热力阈值，则将该行动轨迹的级别标识为高级。
其中，第二预设热力阈值大于第一预设热力阈值。
其中，如果在两条不同级别的行动轨迹中，级别高的行动轨迹设定距离范围的柜机数量小于或等于级别低的行动轨迹设定距离范围的柜机数量，则在级别高的行动轨迹设定距离范围内布局柜机网络；
如果级别高的行动轨迹设定距离范围的柜机数量大于级别低的行动轨迹设定距离范围的柜机数量，则根据级别高的行动轨迹设定距离范围的柜机数量与级别低的行动轨迹设定距离范围的柜机数量之间的差值，确定是否需要布局柜机网络。具体的，如果级别高的行动轨迹设定距离范围的柜机数量与级别低的行动轨迹设定距离范围的柜机数量相差很大，而级别高的行动轨迹的热力值与级别低的行动轨迹的热力值相差很小，则需要在级别低的行动轨迹设定距离范围内布局柜机网络；如果级别高的行动轨迹设定距离范围的柜机数量与级别低的行动轨迹设定距离范围的柜机数量相差很小，并且级别高的行动轨迹的热力值与级别低的行动轨迹的热力值相差也很小，则不需要布局柜机网络。需要说明的是，柜机网络的具体布局以实际情况进行预设，本实施例对此并不进行限制。
其中，柜机网络包括柜机、网络服务器以及无线通信模块等。
由此，根据行动轨迹的热力值以及柜机信息确定柜机网络的布局，可以节省快递员的派送时间，提高派送效率。
本发明实施例的技术方案通过获取路网数据，根据路网数据生成目标地图，并将各快递员的GPS坐标点与目标地图中包括的各路网坐标点进行匹配，将与快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到行动轨迹的热力值，并根据行动轨迹的热力值以及柜机信息确定柜机网络的布局。本发明实施例的技术方案可以解决离散的GPS坐标点之间的连线与真实的路网产生偏差的问题，直观地体现快递员在行动轨迹上的出现频率，并且可以节省快递员的派送时间，提高派送效率。
实施例三
本实施例在上述实施例的基础上，提供了在目标快递员的行动轨迹发生拥堵时，在目标地图上向目标快递员推荐新的派送路径的实施方式，与上述实施例相同或相应的术语解释，本实施例不再赘述。图3为本发明实施例三提供的一种行动轨迹相关数据的获取方法的流程图，在本实施例中，本实施例的技术方案可以与上述实施例的方案中的一种或者多种方法进行组合，在本实施例中，如图3所示，本发明实施例提供的方法还可以包括：
步骤310、获取路网数据，根据所述路网数据生成目标地图。
步骤320、获取快递员的全球定位系统GPS坐标点，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配。
步骤330、将与所述快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将所述行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到所述行动轨迹的热力值。
步骤340、获取目标快递员终点的GPS坐标点，将所述终点的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配。
其中，将目标快递员终点的GPS坐标点的经纬度值和目标地图中包括的各路网坐标点的经纬度值分别转换为弧度值，然后根据终点的GPS坐标点和目标地图中包括的各路网坐标点对应的弧度值，利用KD树算法计算目标快递员终点的GPS坐标点与各路网坐标点之间的欧式距离，最后将所述欧式距离转换成球面距离，并确定球面距离最小时对应的路网坐标点作为与目标快递员终点的GPS坐标点匹配的路网坐标点。
步骤350、确定目标快递员的行动轨迹的拥堵情况，并在确认目标快递员的行动轨迹发生拥堵时，根据目标快递员的GPS坐标点匹配的路网坐标点、终点的GPS坐标点匹配的路网坐标点在目标地图上向所述快递员推荐新的派送路径。
其中，目标快递员的GPS坐标点为目标快递员当前时刻的GPS坐标点。目标快递员的行动轨迹为目标快递员的GPS坐标点匹配的路网坐标点所在的路径。在一个具体的实施例中，可以通过识别与目标快递员的行动轨迹连接的交叉口预设距离区域内车辆的数量变化来确定行动轨迹的拥堵情况，如果交叉口预设距离区域内的车辆在预设时间段内数量一直大于预设阈值，则确认目标快递员的行动轨迹发生拥堵。
当目标快递员的行动轨迹发生拥堵时，在目标地图上查找目标快递员当前时刻的GPS坐标点匹配的路网坐标点与终点的GPS坐标点匹配的路网坐标点之间距离最短的路径，并将此路径作为新的派送路径推荐给目标快递员。
由此，通过确定目标快递员行动轨迹的拥堵情况，并在确认目标快递员的行动轨迹发生拥堵时向目标快递员实时推荐新的派送路径，可以节省快递员的派送时间，提高派送效率。
本发明实施例的技术方案通过获取路网数据，根据路网数据生成目标地图，并将各快递员的GPS坐标点与目标地图中包括的各路网坐标点进行匹配，将与快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到行动轨迹的热力值，并通过识别快递员的行动轨迹的拥堵情况，并在确认目标快递员的行动轨迹发生拥堵时向目标快递员推荐新的派送路径。本发明实施例的技术方案可以解决离散的GPS坐标点之间的连线与真实的路网产生偏差的问题，可以直观地体现快递员在行动轨迹上的出现频率，并且可以节省快递员的派送时间，提高派送效率。
为了更好的对本发明实施例提供的技术方案进行介绍，本发明实施例可以参考下述的实施方式：
步骤1：从公开地图(OpenStreetMap，OSM)上获取了路网信息的结构化数据，也即路网数据，该数据可以解析为空间索引的数据结构，如(城市，道路，道路标识，组成该道路的多个坐标点)，但是OpenStreetMap提供的数据过于细节，并不是所有路网数据都需要在地图上展现，比如操场、公园以及人行横道等快递员基本不会经过，因此需要对全部路网数据根据道路标识(如主干道，街道，辅道，高速路，操场道路，公园道路，学校道路等)进行筛选，留下主干道和街道等与快递员有关的路网数据，其余数据进行删除，并利用与快递员有关的路网数据生成开源地图。
步骤2：将快递员GPS坐标点看作一个矩阵，矩阵中的行代表每个快递员的编号，列是对快递员每2分钟采集的经纬度；同时路网数据也可看作一个矩阵，行代表道路名称，列是该道路上的路网坐标点，也是以(经度值，纬度值)形式存储。KD树是一个非常高效的最邻近搜索算法，可以快速计算两个矩阵中所有点对(如快递员GPS矩阵A的点i和路网数据矩阵B的点j)的距离Dij，并输出与每个GPS坐标点最近的路网坐标点。但KD树算法不支持按经纬度和球面距离投影，只支持弧度和欧式距离处理，而实际的点对距离应该根据经纬度计算球面距离，所以直接使用KD树算法会引入计算误差，导致快递员GPS坐标点投影到路网坐标点上时出现偏差。因此，本实施例先将快递员GPS坐标点和路网坐标点的经纬度转化为弧度，然后再调用KD树算法计算快递员GPS坐标点和路网坐标点之间的欧式距离，最后将欧式距离再转化为球面距，确定球面距离最小时对应的路网坐标点作为与所述快递员的GPS坐标点匹配的路网坐标点。
步骤3：在完成对快递员GPS坐标点的全部投影后，将快递员GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并对行动轨迹统计流量热力值。某条行动轨迹上途径的快递员越多，被投影的GPS坐标点也越多，该轨迹的流量热力值就越高。在计算出行动轨迹的流量热力值后，利用echarts图表库和Amap地图绘制技术将地图中的行动轨迹进行加工。具体地，可以将热力值较小的行动轨迹用绿色进行标识，将地图中热力值较大的行动轨迹用红色进行标识，将热力值处于中间范围的行动轨迹用黄色标识，还可以将热力值反映在行动轨迹的粗细上，热力值较大的行动轨迹比较粗，热力值较小的行动轨迹比较细。
本发明实施例提供的方法可以获取快递员真实的行动轨迹，直观地体现出快递员的出现频率。
实施例四
图4为本发明实施例四提供的一种行动轨迹相关数据的获取装置的结构图，该装置包括：目标地图生成模块410、匹配模块420和行动轨迹确定模块430。
其中，目标地图生成模块410，用于获取路网数据，根据所述路网数据生成目标地图；匹配模块420，用于获取快递员的全球定位系统GPS坐标点，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配；行动轨迹确定模块430，用于将与所述快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将所述行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到所述行动轨迹的热力值；其中，所述热力值用于表征所述快递员在所述行动轨迹上的出现频率。
本发明实施例的技术方案通过获取路网数据，根据路网数据生成目标地图，并将各快递员的GPS坐标点与目标地图中包括的各路网坐标点进行匹配，将与快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到行动轨迹的热力值。本发明实施例的技术方案可以解决离散的GPS坐标点之间的连线与真实的路网产生偏差的问题，可以直观地体现快递员在行动轨迹上的出现频率。
在上述各实施例的基础上，目标地图生成模块410，可以包括：
路网数据筛选单元，用于从开源网站地图服务器中获取目标城市的全部路网数据，在所述全部路网数据中筛选出与快递员关联的路网数据；
生成单元，用于根据筛选出的路网数据中包括的各地理数据的坐标信息生成目标地图。
匹配模块420，可以包括：
转换单元，用于将各所述快递员的GPS坐标点的经纬度值和所述目标地图中包括的各路网坐标点的经纬度值分别转换为弧度值；
欧式距离计算单元，用于根据各所述快递员的GPS坐标点和所述目标地图中包括的各路网坐标点对应的弧度值，利用KD树算法计算各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点之间的欧式距离；
路网坐标点确定单元，用于将所述欧式距离转换成球面距离，确定球面距离最小时对应的路网坐标点作为与所述快递员的GPS坐标点匹配的路网坐标点。
所述行动轨迹相关数据的获取装置，还包括：
柜机网络布局模块，用于获取所述行动轨迹设定距离范围的柜机信息，根据所述行动轨迹的热力值以及所述柜机信息确定柜机网络的布局；
目标快递员终点的GPS坐标点获取模块，用于获取目标快递员终点的GPS坐标点，将所述终点的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配；
派送路径推荐模块，用于确定所述目标快递员的行动轨迹的拥堵情况，并在确认所述目标快递员的行动轨迹发生拥堵时，根据所述目标快递员的GPS坐标点匹配的路网坐标点、所述终点的GPS坐标点匹配的路网坐标点在所述目标地图上向所述快递员推荐新的派送路径；
行动轨迹标识模块，用于根据所述行动轨迹的热力值，对目标地图中各所述快递员的行动轨迹进行标识；
行动轨迹展示模块，用于将标识的行动轨迹进行展示，以对所述行动轨迹的热力分布进行展示。
本发明实施例所提供的行动轨迹相关数据的获取装置可执行本发明任意实施例所提供的行动轨迹相关数据的获取方法，具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种计算机设备的结构示意图，如图5所示，该计算机设备包括处理器510、存储器520、输入装置530和输出装置540；计算机设备中处理器510的数量可以是一个或多个，图5中以一个处理器510为例；计算机设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种行动轨迹相关数据的获取方法对应的程序指令/模块(例如，一种行动轨迹相关数据的获取装置中的目标地图生成模块410、匹配模块420以及行动轨迹确定模块430)。处理器510通过运行存储在存储器520中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的一种行动轨迹相关数据的获取方法。也即，该程序被处理器执行时实现：
获取路网数据，根据所述路网数据生成目标地图；
获取快递员的全球定位系统GPS坐标点，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配；
将与所述快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将所述行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到所述行动轨迹的热力值。
存储器520可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入，可以包括键盘和鼠标等。输出装置540可包括显示屏等显示设备。
实施例六
本发明实施例六还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述方法。当然，本发明实施例所提供的一种计算机可读存储介质，其可以执行本发明任意实施例提供的一种行动轨迹相关数据的获取方法中的相关操作。也即，该程序被处理器执行时实现：
获取路网数据，根据所述路网数据生成目标地图；
获取快递员的全球定位系统GPS坐标点，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配；
将与所述快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将所述行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到所述行动轨迹的热力值。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述一种行动轨迹相关数据的获取装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种行动轨迹相关数据的获取方法，其特征在于，包括：
获取路网数据，根据所述路网数据生成目标地图；
获取快递员的全球定位系统GPS坐标点，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配；
将与所述快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将所述行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到所述行动轨迹的热力值；
将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配，包括：
将各所述快递员的GPS坐标点的经纬度值和所述目标地图中包括的各路网坐标点的经纬度值分别转换为弧度值；
根据各所述快递员的GPS坐标点和所述目标地图中包括的各路网坐标点对应的弧度值，利用KD树算法计算各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点之间的欧式距离；
将所述欧式距离转换成球面距离，确定球面距离最小时对应的路网坐标点作为与所述快递员的GPS坐标点匹配的路网坐标点。
2.根据权利要求1所述的方法，其特征在于，获取路网数据，根据所述路网数据生成目标地图，包括：
从开源网站地图服务器中获取目标城市的全部路网数据，在所述全部路网数据中筛选出与快递员关联的路网数据；
根据筛选出的路网数据中包括的各地理数据的坐标信息生成目标地图。
3.根据权利要求1所述的方法，其特征在于，还包括：
获取所述行动轨迹设定距离范围的柜机信息，根据所述行动轨迹的热力值以及所述柜机信息确定柜机网络的布局。
4.根据权利要求3所述的方法，其特征在于，还包括：
获取目标快递员终点的GPS坐标点，将所述终点的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配；
确定所述目标快递员的行动轨迹的拥堵情况，并在确认所述目标快递员的行动轨迹发生拥堵时，根据所述目标快递员的GPS坐标点匹配的路网坐标点、所述终点的GPS坐标点匹配的路网坐标点在所述目标地图上向所述快递员推荐新的派送路径。
5.根据权利要求1所述的方法，其特征在于，还包括：
根据所述行动轨迹的热力值，对目标地图中各所述快递员的行动轨迹进行标识；
将标识的行动轨迹进行展示，以对所述行动轨迹的热力分布进行展示。
6.根据权利要求1所述的方法，其特征在于，所述方法应用于路网匹配模型。
7.一种行动轨迹相关数据的获取装置，其特征在于，包括：
目标地图生成模块，用于获取路网数据，根据所述路网数据生成目标地图；
匹配模块，用于获取快递员的全球定位系统GPS坐标点，将各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点进行匹配；
行动轨迹确定模块，用于将与所述快递员的GPS坐标点匹配的路网坐标点所在的路径作为快递员的行动轨迹，并将所述行动轨迹上的各路网坐标点匹配的快递员GPS坐标点的个数进行累加，得到所述行动轨迹的热力值；
所述匹配模块包括：
转换单元，用于将各所述快递员的GPS坐标点的经纬度值和所述目标地图中包括的各路网坐标点的经纬度值分别转换为弧度值；
欧式距离计算单元，用于根据各所述快递员的GPS坐标点和所述目标地图中包括的各路网坐标点对应的弧度值，利用KD树算法计算各所述快递员的GPS坐标点与所述目标地图中包括的各路网坐标点之间的欧式距离；
路网坐标点确定单元，用于将所述欧式距离转换成球面距离，确定球面距离最小时对应的路网坐标点作为与所述快递员的GPS坐标点匹配的路网坐标点。
8.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的一种行动轨迹相关数据的获取方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的一种行动轨迹相关数据的获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010372061.6A CN111552759B (zh) | 2020-05-06 | 2020-05-06 | 一种行动轨迹相关数据的获取方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010372061.6A CN111552759B (zh) | 2020-05-06 | 2020-05-06 | 一种行动轨迹相关数据的获取方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111552759A CN111552759A (zh) | 2020-08-18 |
| CN111552759B true CN111552759B (zh) | 2023-08-01 |
Family
ID=72006003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010372061.6A Active CN111552759B (zh) | 2020-05-06 | 2020-05-06 | 一种行动轨迹相关数据的获取方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111552759B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102506880A (zh) * | 2011-10-28 | 2012-06-20 | 深圳市路畅科技有限公司 | Gps坐标与矢量地图中道路上的坐标相匹配的方法 |
| CN104575075A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于北斗的城市路网车辆坐标校正方法及装置 |
| CN110738228A (zh) * | 2018-07-20 | 2020-01-31 | 菜鸟智能物流控股有限公司 | 轨迹处理方法、装置以及电子设备 |
| CN110750607A (zh) * | 2019-09-17 | 2020-02-04 | 西安工程大学 | 一种基于gnss车行轨迹数据的路网匹配方法 |
-
2020
- 2020-05-06 CN CN202010372061.6A patent/CN111552759B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102506880A (zh) * | 2011-10-28 | 2012-06-20 | 深圳市路畅科技有限公司 | Gps坐标与矢量地图中道路上的坐标相匹配的方法 |
| CN104575075A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于北斗的城市路网车辆坐标校正方法及装置 |
| CN110738228A (zh) * | 2018-07-20 | 2020-01-31 | 菜鸟智能物流控股有限公司 | 轨迹处理方法、装置以及电子设备 |
| CN110750607A (zh) * | 2019-09-17 | 2020-02-04 | 西安工程大学 | 一种基于gnss车行轨迹数据的路网匹配方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111552759A (zh) | 2020-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10520326B2 (en) | Driving route matching method and apparatus, and storage medium | |
| US10775185B2 (en) | Method and apparatus for acquiring route popularity in road networks | |
| CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
| CN110972073B (zh) | 一种基于手机大数据及步行可达性的生活圈划定方法 | |
| CN110992681A (zh) | 交通路网属性信息生成方法、装置、存储介质及电子设备 | |
| 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 | |
| CN110263840B (zh) | 一种线路分析方法、装置及程序产品、存储介质 | |
| CN104636457B (zh) | 一种位置搜索认知的方法及装置 | |
| Paul et al. | RFID based vehicular networks for smart cities | |
| KR20210117235A (ko) | 위치 기반 경로 데이터베이스의 관리 방법 및 이를 수행하는 서버 | |
| CN113779430A (zh) | 路网数据生成方法、装置、计算设备和存储介质 | |
| CN110830915B (zh) | 一种确定起点位置的方法及装置 | |
| CN112381078B (zh) | 基于高架的道路识别方法、装置、计算机设备和存储介质 | |
| Vuurstaek et al. | GTFS bus stop mapping to the OSM network | |
| CN107588779B (zh) | 一种基于任意两节点间行程时间的车辆智能导航方法 | |
| CN111552759B (zh) | 一种行动轨迹相关数据的获取方法、装置、设备及介质 | |
| CN112235714B (zh) | 基于人工智能的poi定位方法、装置、计算机设备及介质 | |
| CN112269845B (zh) | 面向异源数据的电子道路地图与公交线路的快速匹配方法 | |
| CN106940189B (zh) | 导航系统中的经典线路获取方法、装置 | |
| de Sousa et al. | A novel scalable framework to reconstruct vehicular trajectories from unreliable gps datasets | |
| CN117596551B (zh) | 一种基于手机信令数据的绿道网用户行为还原方法及装置 | |
| Inglot et al. | An Algorithm for Optimizing the Determination of Cycling Routes on the Example of the Gdansk Agglomeration | |
| CN114419357B (zh) | 数据处理方法、装置、计算机及可读存储介质 | |
| Tsai et al. | On-the-fly nearest-shelter computation in event-dependent spatial networks in disasters | |
| Joubert et al. | Development of a map-matching algorithm for dynamic-sampling-rate GPS signals to determine vehicle routes on a MATSim network |
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 |