CN111627204A - 路径确定方法、装置、电子设备及存储介质 - Google Patents
路径确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111627204A CN111627204A CN202010163660.7A CN202010163660A CN111627204A CN 111627204 A CN111627204 A CN 111627204A CN 202010163660 A CN202010163660 A CN 202010163660A CN 111627204 A CN111627204 A CN 111627204A
- Authority
- CN
- China
- Prior art keywords
- path
- data
- determining
- travel
- travel path
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Abstract
本发明实施例公开了一种路径确定方法、装置、电子设备及存储介质,该路径确定方法包括:获取车辆行驶数据;对所述车辆行驶数据进行数据抽稀,得到定位抽稀数据;根据所述定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果;确定所述多个出行路径标记结果的路径相似度;根据所述路径相似度确定满足设定路径需求的路径。因此,本发明实施例提高了确定满足设定路径需求的路径的准确性,还降低了路径确定的难度。
Description
技术领域
本发明涉及车联网领域,具体涉及一种路径确定方法、装置、电子设备及存储介质。
背景技术
随着带有GPS智能终端的普及,越来越多的人开始习惯于记录并分享轨迹日志。基于这些日志,可以分析并挖掘出用户的一些行为特征,从而为用户提供个性化的基于位置的智能服务,有效地提升和改善用户的应用体验。但是,如何针对常用轨迹中的不确定性问题,,目前还没有更好的解决方案。
发明内容
由于现有方法存在上述问题,本发明实施例提出一种路径确定方法、装置、电子设备及存储介质。
第一方面,本发明实施例提出一种路径确定方法,包括:
获取车辆行驶数据;
对所述车辆行驶数据进行数据抽稀,得到定位抽稀数据;
根据所述定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果;
确定所述多个出行路径标记结果的路径相似度;
根据所述路径相似度确定满足设定路径需求的路径。
可选地,所述车辆行驶数据中包括车载终端每隔指定时间段采集到的车辆行驶定位信息,每隔指定数量个所述车辆行驶定位信息组成一个分组;
以及所述车载终端对每个分组中的车辆行驶定位信息进行定位标记和数据聚合后得到的行驶定位数据。
可选地,所述根据所述行驶定位数据进行数据抽稀,得到定位抽稀数据,包括:
确定行程方向;其中,所述行程方向是行程起点和行程终点之间的连线、与赤道线的夹角;
确定中段标记;其中,所述中段标记是行驶轨迹中,行驶方向与所述行程方向的角度差值最大的一个或多个点;
根据所述行程起点、所述行程终点和所述中段标记进行行程分段,得到多个路段;
重复确定所述中段标记和所述行程分段,直至每个路段中所有指定点都被标记完成为止;其中,所述指定点用于表征行驶方向与该路段的行程方向之间的夹角大于预设角度阈值的点。
可选地,所述确定所述多个出行路径标记结果的路径相似度,包括:
采用豪斯多夫距离计算方式,确定所述多个出行路径标记结果的路径相似度。
可选地,所述确定所述多个出行路径标记结果的路径相似度,包括:
从所述多个出行路径标记结果中,将路径起点与路径终点相同的一个或多个路径划分到同一个出行路径分组中;
将所述出行路径分组中的路径起点与路径终点进行连线,得到路径的飞行轨迹;
对所述出行路径分组中每条路径上的每个点与所述飞行轨迹进行距离计算,得到距离计算结果;
根据所述距离计算结果进行数据聚合处理,得到所述出行路径分组对应的模拟轨迹;
针对所述多个出行路径标记结果中的每条出行路径,对该出行路径与所述模拟轨迹进行拟合操作,得到的轨迹拟合度为所述路径相似度。
可选地,所述根据所述距离计算结果进行数据聚合处理,得到所述出行路径分组对应的模拟轨迹,包括:
对所述距离计算结果使用地理位置距离排序方式GEO-HASH作为聚合依据,进行数据聚合,得到第一聚合结果;
将所述第一聚合结果中满足设定条件的数据进行删除,得到第二聚合结果;其中,所述设定条件用于表征小概率事件;
对所述第二聚合结果计算平均距离,并记录该平均距离,该记录结果为所述模拟轨迹。
可选地,所述针对所述多个出行路径标记结果中的每条出行路径,对该出行路径与所述模拟轨迹进行拟合操作,得到的轨迹拟合度为所述路径相似度,包括:
利用第一公式进行拟合操作,其中,所述第一公式包括:表示
Fx=1-(△dis/mockDis)
其中,Fx表示距离比值;△dis为出行路径与飞行轨迹的差值,mockDis为模拟轨迹与飞行轨迹的差值。
第二方面,本发明实施例提出一种路径确定装置,包括:
获取模块,用于获取车辆行驶数据;
数据抽稀模块,用于对所述车辆行驶数据进行数据抽稀,得到定位抽稀数据;
出行路径标记模块,用于根据所述定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果;
第一确定模块,用于确定所述多个出行路径标记结果的路径相似度;
第二确定模块,用于根据所述路径相似度确定满足设定路径需求的路径。
第三方面,本发明实施例提出一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述路径确定方法的步骤。
第四方面,本发明实施例提出一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述路径确定方法的步骤。
由上述技术方案可知,本发明实施例在获取车辆行驶数据后,可以通过对对车辆行驶数据进行数据抽稀,并结合定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果,以及确定多个出行路径标记结果的路径相似度,并根据路径相似度确定满足设定路径需求的路径,从而提高了确定满足设定路径需求的路径的准确性,还降低了路径确定的难度。
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,还可以根据这些图获得其他的附图。
图1为本发明实施例提供的一种路径确定方法的流程示意图;
图2为本发明实施例提供的确定路径相似度的示意图;
图3为本发明实施例提供的一种路径确定装置的流程示意图;
图4为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
图1为本发明实施例提供的一种路径确定方法的流程示意图;该方法可以用于需要确定满足设定路径需求的路径的设备上,比如:服务器集群;如图1所示,该路径确定方法可以包括:
S110、获取车辆行驶数据。
具体地,车辆行驶数据可以是车载终端定期上报的行驶数据。
S120、对车辆行驶数据进行数据抽稀,得到定位抽稀数据。
具体地,可以使用豪斯多夫抽稀算法,对车辆行驶数据中的定位标记进行抽稀。其中,采用行驶方向夹角作为抽稀依据。
另外,在进行数据抽稀时,还可以借鉴“豪斯多夫距离算法”与“中段运算”的算法思想衍生出“夹角标记算法”,并利用该“夹角标记算法”对车辆行驶数据进行数据抽稀。
S130、根据定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果。
具体地,路网数据中可以包括实际路网中道路的入口、出口信息等特征点信息。在进行出行路径标记时,可以将定位抽稀数据和路网数据相结合,当定位抽稀数据的点与路网数据中的某个道路出口点距离小于200米时,记录实际路网数据,如有多个出口则记录最近的一个出口的实际路网数据。
S140、确定多个出行路径标记结果的路径相似度。
具体地,可以使用豪斯多夫距离算法,确定多个出行路径标记结果的路径相似度。
S150、根据路径相似度确定满足设定路径需求的路径。
具体地,设定路径需求可以为常用出行路径需求,此时可以根据路径相似度确定满足常用出行路径需求的路径。比如:可以将最大路径相似度对应的出行路径确定为常用出行路径。
由上述实施例可见,在获取车辆行驶数据后,可以通过对对车辆行驶数据进行数据抽稀,并结合定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果,以及确定多个出行路径标记结果的路径相似度,并根据路径相似度确定满足设定路径需求的路径,从而提高了确定满足设定路径需求的路径的准确性,还降低了路径确定的难度。
进一步地,建立在图1所示方法的基础上,所述车辆行驶数据中包括所述车载终端每隔指定时间段采集到的车辆行驶定位信息,每隔指定数量个所述车辆行驶定位信息组成一个分组;
以及所述车载终端对每个分组中的车辆行驶定位信息定位标记和数据聚合后得到的行驶定位数据。
具体地,指定时间段可以为1秒,指定数量个可以为5个。
进一步地,建立在上述所示方法的基础上,所述定位标记可以包括:确定每个分组中行驶方向与其他点差异最大的一个点,该最大差异点的位置为一个定位标记;
所述数据聚合包括:比较任意两个相邻的定位标记之间的距离和行驶方向;若所述距离小于预设距离阈值、且所述行驶方向小于预设角度阈值,则删除所述两个相邻的定位标记中的一个定位标记。
具体地,预设距离阈值可以为20米,预设角度阈值可以为15度或10度。另外,在删除所述两个相邻的定位标记中的一个定位标记时,可以保留两个相邻的定位标记中的第一个定位标记,并去掉两个相邻的定位标记中的第二个定位标记。
由上述实施例可见,可以根据车载终端对每个分组中的车辆行驶定位信息定位标记和数据聚合后得到的行驶定位数据进行数据抽稀,从而进一步降低了路径确定的难度。
进一步地,建立在图1所示方法的基础上,在执行S120时,可以包括:
(1-1-1)确定行程方向;其中,所述行程方向是行程起点和行程终点之间的连线、与赤道线的夹角;
(1-1-2)确定中段标记;其中,所述中段标记是行驶轨迹中,行驶方向与所述行程方向的角度差值最大的一个或多个点;
(1-1-3)根据所述行程起点、所述行程终点和所述中段标记进行行程分段,得到多个路段;
(1-1-4)重复确定所述中段标记和所述行程分段,直至每个路段中所有指定点都被标记完成为止;其中,所述指定点用于表征行驶方向与该路段的行程方向之间的夹角大于预设角度阈值的点。
具体地,预设角度阈值可以指的是5度。
由上述实施例可见,在进行数据抽稀时,可以采用行程方向作为抽稀依据,并通过中段标记和行程分段进一步提高了定位抽稀数据的可靠性。
进一步地,建立在图1所示方法的基础上,在执行S140时,可以包括:
(1-2-1)采用豪斯多夫距离计算方式,确定所述多个出行路径标记结果的路径相似度。
由上述实施例可见,可以采用豪斯多夫距离计算方式,确定所述多个出行路径标记结果的路径相似度,从而提高了计算路径相似度的效率。
进一步地,建立在上述所示方法的基础上,在执行S140时,可以包括:
(1-3-1)从所述多个出行路径标记结果中,将路径起点与路径终点相同的一个或多个路径划分到同一个出行路径分组中。
具体地,如图2所示,第一条行驶路线和第二条行驶路线的路径起点相同,第一条行驶路线和第二条行驶路线的路径终点也相同,此时可以将第一条行驶路线和第二条行驶路线划分到同一个出行路径分组中。
(1-3-2)将所述出行路径分组中的路径起点与路径终点进行连线,得到路径的飞行轨迹(如图2中的飞行轨迹)。
具体地,如图2所示,图2中的飞行轨迹是将路径起点与路径终点进行连线得到的轨迹。
(1-3-3)对所述出行路径分组中每条路径上的每个点与所述飞行轨迹进行距离计算,得到距离计算结果;
具体地,如图2所示,计算第一条行驶路线和第二条行驶路线上的每个点与所述飞行轨迹进行距离计算,得到距离计算结果。
(1-3-4)根据所述距离计算结果进行数据聚合处理,得到所述出行路径分组对应的模拟轨迹。
具体地,如图2所示,图2中的模拟轨迹是对第一条行驶路线和第二条行驶路线进行数据聚合处理后得到的模拟轨迹。
(1-3-5)针对所述多个出行路径标记结果中的每条出行路径,对该出行路径与所述模拟轨迹进行拟合操作,得到的轨迹拟合度为所述路径相似度。
具体地,如图2所示,可以对第一条行驶路线与所述模拟轨迹进行拟合操作,得到该第一条行驶路线的轨迹拟合度;以及可以对第二条行驶路线与所述模拟轨迹进行拟合操作,得到该第二条行驶路线的轨迹拟合度。
进一步地,建立在上述所示方法的基础上,在执行(1-3-4)时,可以包括:
(1-4-1)对所述距离计算结果使用地理位置距离排序方式GEO-HASH作为聚合依据,进行数据聚合,得到第一聚合结果;
(1-4-2)将所述第一聚合结果中满足设定条件的数据进行删除,得到第二聚合结果;其中,所述设定条件用于表征小概率事件;
(1-4-3)对所述第二聚合结果计算平均距离,并记录该平均距离,该记录结果为所述模拟轨迹。
具体地,对同一“出行路径分组”中“距离计算结果”使用GEO HASH作为聚合分组的依据,进行数据聚合,并排除聚合后少于半数的点位,对剩余的聚合结果取平均距离,将平均距离进行记录,记录结果即为“模拟轨迹”。
进一步地,建立在上述所示方法的基础上,在执行(1-3-5)时,可以包括:
利用第一公式进行拟合操作,其中,所述第一公式包括:表示
Fx=1-(△dis/mockDis)
其中,Fx表示距离比值;△dis为出行路径与飞行轨迹的差值,mockDis为模拟轨迹与飞行轨迹的差值。
具体地,对“出行路径分组”中每一条实际出行路径与“模拟轨迹”进行拟合操作,拟合算法为计算相同GEO HASH中的距离比值,如第一公式所示,将每条路径的轨迹差值进行累加后除以路径中的标记点数量,获取每条路径的拟合度数值,记为“轨迹拟合度”。
由上述实施例可见,在确定路径相似度时,可以通过对该出行路径与所述模拟轨迹进行拟合操作,得到的轨迹拟合度为所述路径相似度,从而提高了确定路径相似度的准确性和效率。
图3为本发明实施例提供的一种路径确定装置的流程示意图,该路径确定装置可以用于需要确定路径的设备上,比如:服务器;如图3所示,该路径确定装置可以包括:
获取模块31,用于获取车辆行驶数据;
数据抽稀模块32,用于对所述车辆行驶数据进行数据抽稀,得到定位抽稀数据;
出行路径标记模块33,用于根据所述定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果;
第一确定模块34,用于确定所述多个出行路径标记结果的路径相似度;
第二确定模块35,用于根据所述路径相似度确定满足设定路径需求的路径。
进一步地,建立在图3所示装置的基础上,所述车辆行驶数据中包括车载终端每隔指定时间段采集到的车辆行驶定位信息,每隔指定数量个所述车辆行驶定位信息组成一个分组;
以及所述车载终端对每个分组中的车辆行驶定位信息进行定位标记和数据聚合后得到的行驶定位数据。
进一步地,建立在上述所示装置的基础上,所述数据抽稀模块32可以包括:
第一确定子模块,用于确定行程方向;其中,所述行程方向是行程起点和行程终点之间的连线、与赤道线的夹角;
第一确定子模块,用于确定中段标记;其中,所述中段标记是行驶轨迹中,行驶方向与所述行程方向的角度差值最大的一个或多个点;
行程分段子模块,用于根据所述行程起点、所述行程终点和所述中段标记进行行程分段,得到多个路段;
重复子模块,用于重复确定所述中段标记和所述行程分段,直至每个路段中所有指定点都被标记完成为止;其中,所述指定点用于表征行驶方向与该路段的行程方向之间的夹角大于预设角度阈值的点。
进一步地,建立在上述所示装置的基础上,所述第一确定模块34可以包括:
第三确定子模块,用于采用豪斯多夫距离计算方式,确定所述多个出行路径标记结果的路径相似度。
进一步地,建立在上述所示装置的基础上,所述第一确定模块34或所述第三子模块可以包括:
路径分组单元,用于从所述多个出行路径标记结果中,将路径起点与路径终点相同的一个或多个路径划分到同一个出行路径分组中;
飞行轨迹确定单元,用于将所述出行路径分组中的路径起点与路径终点进行连线,得到路径的飞行轨迹;
距离计算单元,用于对所述出行路径分组中每条路径上的每个点与所述飞行轨迹进行距离计算,得到距离计算结果;
数据聚合处理单元,用于根据所述距离计算结果进行数据聚合处理,得到所述出行路径分组对应的模拟轨迹;
拟合操作单元,用于针对所述多个出行路径标记结果中的每条出行路径,对该出行路径与所述模拟轨迹进行拟合操作,得到的轨迹拟合度为所述路径相似度。
进一步地,建立在上述所示装置的基础上,所述数据聚合处理单元可以包括:
数据聚合子单元,用于对所述距离计算结果使用地理位置距离排序方式GEO-HASH作为聚合依据,进行数据聚合,得到第一聚合结果;
删除子单元,用于将所述第一聚合结果中满足设定条件的数据进行删除,得到第二聚合结果;其中,所述设定条件用于表征小概率事件;
计算子单元,用于对所述第二聚合结果计算平均距离,并记录该平均距离,该记录结果为所述模拟轨迹。
进一步地,建立在上述所示装置的基础上,所述拟合操作单元,包括:
拟合操作子单元,用于利用第一公式进行拟合操作,其中,所述第一公式包括:表示
Fx=1-(△dis/mockDis)
其中,Fx表示距离比值;△dis为出行路径与飞行轨迹的差值,mockDis为模拟轨迹与飞行轨迹的差值。
本发明实施例所述的路径确定装置可以用于执行上述PC端的方法实施例,其原理和技术效果类似,此处不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
图4为本发明实施例提供的一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令,以执行如下方法:
获取车辆行驶数据;
对所述车辆行驶数据进行数据抽稀,得到定位抽稀数据;
根据所述定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果;
确定所述多个出行路径标记结果的路径相似度;
根据所述路径相似度确定满足设定路径需求的路径。
此外,上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地,本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:
获取车辆行驶数据;
对所述车辆行驶数据进行数据抽稀,得到定位抽稀数据;
根据所述定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果;
确定所述多个出行路径标记结果的路径相似度;
根据所述路径相似度确定满足设定路径需求的路径。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:
获取车辆行驶数据;
对所述车辆行驶数据进行数据抽稀,得到定位抽稀数据;
根据所述定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果;
确定所述多个出行路径标记结果的路径相似度;
根据所述路径相似度确定满足设定路径需求的路径。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述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ROM/RAM、磁碟、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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种路径确定方法,其特征在于,包括:
获取车辆行驶数据;
对所述车辆行驶数据进行数据抽稀,得到定位抽稀数据;
根据所述定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果;
确定所述多个出行路径标记结果的路径相似度;
根据所述路径相似度确定满足设定路径需求的路径。
2.根据权利要求1所述的路径确定方法,其特征在于,所述车辆行驶数据中包括车载终端每隔指定时间段采集到的车辆行驶定位信息,每隔指定数量个所述车辆行驶定位信息组成一个分组;
以及所述车载终端对每个分组中的车辆行驶定位信息进行定位标记和数据聚合后得到的行驶定位数据。
3.根据权利要求1所述的路径确定方法,其特征在于,所述根据所述行驶定位数据进行数据抽稀,得到定位抽稀数据,包括:
确定行程方向;其中,所述行程方向是行程起点和行程终点之间的连线、与赤道线的夹角;
确定中段标记;其中,所述中段标记是行驶轨迹中,行驶方向与所述行程方向的角度差值最大的一个或多个点;
根据所述行程起点、所述行程终点和所述中段标记进行行程分段,得到多个路段;
重复确定所述中段标记和所述行程分段,直至每个路段中所有指定点都被标记完成为止;其中,所述指定点用于表征行驶方向与该路段的行程方向之间的夹角大于预设角度阈值的点。
4.根据权利要求1所述的路径确定方法,其特征在于,所述确定所述多个出行路径标记结果的路径相似度,包括:
采用豪斯多夫距离计算方式,确定所述多个出行路径标记结果的路径相似度。
5.根据权利要求1或4所述的路径确定方法,其特征在于,所述确定所述多个出行路径标记结果的路径相似度,包括:
从所述多个出行路径标记结果中,将路径起点与路径终点相同的一个或多个路径划分到同一个出行路径分组中;
将所述出行路径分组中的路径起点与路径终点进行连线,得到路径的飞行轨迹;
对所述出行路径分组中每条路径上的每个点与所述飞行轨迹进行距离计算,得到距离计算结果;
根据所述距离计算结果进行数据聚合处理,得到所述出行路径分组对应的模拟轨迹;
针对所述多个出行路径标记结果中的每条出行路径,对该出行路径与所述模拟轨迹进行拟合操作,得到的轨迹拟合度为所述路径相似度。
6.根据权利要求5所述的路径确定方法,其特征在于,所述根据所述距离计算结果进行数据聚合处理,得到所述出行路径分组对应的模拟轨迹,包括:
对所述距离计算结果使用地理位置距离排序方式GEO-HASH作为聚合依据,进行数据聚合,得到第一聚合结果;
将所述第一聚合结果中满足设定条件的数据进行删除,得到第二聚合结果;其中,所述设定条件用于表征小概率事件;
对所述第二聚合结果计算平均距离,并记录该平均距离,该记录结果为所述模拟轨迹。
7.根据权利要求5所述的路径确定方法,其特征在于,所述针对所述多个出行路径标记结果中的每条出行路径,对该出行路径与所述模拟轨迹进行拟合操作,得到的轨迹拟合度为所述路径相似度,包括:
利用第一公式进行拟合操作,其中,所述第一公式包括:表示
Fx=1-(△dis/mockDis)
其中,Fx表示距离比值;△dis为出行路径与飞行轨迹的差值,mockDis为模拟轨迹与飞行轨迹的差值。
8.一种路径确定装置,其特征在于,包括:
获取模块,用于获取车辆行驶数据;
数据抽稀模块,用于对所述车辆行驶数据进行数据抽稀,得到定位抽稀数据;
出行路径标记模块,用于根据所述定位抽稀数据和路网数据进行出行路径标记,得到多个出行路径标记结果;
第一确定模块,用于确定所述多个出行路径标记结果的路径相似度;
第二确定模块,用于根据所述路径相似度确定满足设定路径需求的路径。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述路径确定方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述路径确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010163660.7A CN111627204B (zh) | 2020-03-10 | 2020-03-10 | 路径确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010163660.7A CN111627204B (zh) | 2020-03-10 | 2020-03-10 | 路径确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111627204A true CN111627204A (zh) | 2020-09-04 |
CN111627204B CN111627204B (zh) | 2021-08-17 |
Family
ID=72270905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010163660.7A Active CN111627204B (zh) | 2020-03-10 | 2020-03-10 | 路径确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111627204B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112798006A (zh) * | 2021-01-13 | 2021-05-14 | 北京中交兴路信息科技有限公司 | 一种不同路径的差异点分析方法、装置、存储介质及终端 |
CN113096441A (zh) * | 2021-03-25 | 2021-07-09 | 北京星云互联科技有限公司 | 一种车辆预警方法、装置、车辆及存储介质 |
CN113611115A (zh) * | 2021-08-06 | 2021-11-05 | 安徽师范大学 | 一种基于路网敏感特征的车辆轨迹聚类方法 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03186998A (ja) * | 1989-12-18 | 1991-08-14 | Matsushita Electric Ind Co Ltd | 客数センサ |
CN102298640A (zh) * | 2011-09-14 | 2011-12-28 | 清华大学 | 一种地图显示数据预处理方法 |
CN103778681A (zh) * | 2014-01-24 | 2014-05-07 | 青岛秀山移动测量有限公司 | 一种车载高速公路巡检系统及数据获取和处理方法 |
US20140309976A1 (en) * | 2013-04-16 | 2014-10-16 | International Business Machines Corporation | Performing-time-series based predictions with projection thresholds using secondary time-series-based information stream |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN105387864A (zh) * | 2015-10-15 | 2016-03-09 | 深圳市城市交通规划设计研究中心有限公司 | 路径规划装置及方法 |
CN105701346A (zh) * | 2016-01-13 | 2016-06-22 | 北京中交兴路信息科技有限公司 | 一种车辆轨迹抽稀方法及系统 |
FR3031617A1 (fr) * | 2015-01-14 | 2016-07-15 | Agence Francaise De Securisation Des Reseaux Routiers | Systeme et procede d'acquisition de donnees contextuelles et d'identification de vehicules |
CN106326215A (zh) * | 2015-06-16 | 2017-01-11 | 上海睿芬信息科技有限公司 | 基于精度压缩的矢量地图抽稀方法 |
CN107256631A (zh) * | 2017-08-08 | 2017-10-17 | 南京英斯特网络科技有限公司 | 一种车辆轨迹数据聚合运算方法 |
CN107424412A (zh) * | 2017-09-21 | 2017-12-01 | 程丹秋 | 一种交通行为分析系统 |
JP2018109527A (ja) * | 2016-12-28 | 2018-07-12 | パイオニア株式会社 | 経路案内装置、サーバ装置、制御方法、プログラム及び記憶媒体 |
CN108917776A (zh) * | 2018-03-30 | 2018-11-30 | 东莞产权交易中心 | 一种小区内路径规划系统及路径规划方法 |
CN109029485A (zh) * | 2018-08-21 | 2018-12-18 | 北京深瞐科技有限公司 | 车辆行驶轨迹确定方法及装置 |
CN109033395A (zh) * | 2018-08-01 | 2018-12-18 | 安徽华米信息科技有限公司 | 确定路段的方法及装置 |
WO2019000472A1 (zh) * | 2017-06-30 | 2019-01-03 | 广东欧珀移动通信有限公司 | 导航方法、装置、存储介质以及服务器 |
CN109387215A (zh) * | 2018-09-28 | 2019-02-26 | 百度在线网络技术(北京)有限公司 | 路线推荐方法和装置 |
CN110197588A (zh) * | 2019-06-03 | 2019-09-03 | 长安大学 | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 |
CN110533912A (zh) * | 2019-09-16 | 2019-12-03 | 腾讯科技(深圳)有限公司 | 基于区块链的驾驶行为检测方法及装置 |
CN110749319A (zh) * | 2018-12-19 | 2020-02-04 | 北京嘀嘀无限科技发展有限公司 | 一种路线偏移检测的方法、装置和电子设备 |
CN110749333A (zh) * | 2019-11-07 | 2020-02-04 | 中南大学 | 基于多目标优化的无人驾驶车辆运动规划方法 |
-
2020
- 2020-03-10 CN CN202010163660.7A patent/CN111627204B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03186998A (ja) * | 1989-12-18 | 1991-08-14 | Matsushita Electric Ind Co Ltd | 客数センサ |
CN102298640A (zh) * | 2011-09-14 | 2011-12-28 | 清华大学 | 一种地图显示数据预处理方法 |
US20140309976A1 (en) * | 2013-04-16 | 2014-10-16 | International Business Machines Corporation | Performing-time-series based predictions with projection thresholds using secondary time-series-based information stream |
CN103778681A (zh) * | 2014-01-24 | 2014-05-07 | 青岛秀山移动测量有限公司 | 一种车载高速公路巡检系统及数据获取和处理方法 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
FR3031617A1 (fr) * | 2015-01-14 | 2016-07-15 | Agence Francaise De Securisation Des Reseaux Routiers | Systeme et procede d'acquisition de donnees contextuelles et d'identification de vehicules |
CN106326215A (zh) * | 2015-06-16 | 2017-01-11 | 上海睿芬信息科技有限公司 | 基于精度压缩的矢量地图抽稀方法 |
CN105387864A (zh) * | 2015-10-15 | 2016-03-09 | 深圳市城市交通规划设计研究中心有限公司 | 路径规划装置及方法 |
CN105701346A (zh) * | 2016-01-13 | 2016-06-22 | 北京中交兴路信息科技有限公司 | 一种车辆轨迹抽稀方法及系统 |
JP2018109527A (ja) * | 2016-12-28 | 2018-07-12 | パイオニア株式会社 | 経路案内装置、サーバ装置、制御方法、プログラム及び記憶媒体 |
WO2019000472A1 (zh) * | 2017-06-30 | 2019-01-03 | 广东欧珀移动通信有限公司 | 导航方法、装置、存储介质以及服务器 |
CN107256631A (zh) * | 2017-08-08 | 2017-10-17 | 南京英斯特网络科技有限公司 | 一种车辆轨迹数据聚合运算方法 |
CN107424412A (zh) * | 2017-09-21 | 2017-12-01 | 程丹秋 | 一种交通行为分析系统 |
CN108917776A (zh) * | 2018-03-30 | 2018-11-30 | 东莞产权交易中心 | 一种小区内路径规划系统及路径规划方法 |
CN109033395A (zh) * | 2018-08-01 | 2018-12-18 | 安徽华米信息科技有限公司 | 确定路段的方法及装置 |
CN109029485A (zh) * | 2018-08-21 | 2018-12-18 | 北京深瞐科技有限公司 | 车辆行驶轨迹确定方法及装置 |
CN109387215A (zh) * | 2018-09-28 | 2019-02-26 | 百度在线网络技术(北京)有限公司 | 路线推荐方法和装置 |
CN110749319A (zh) * | 2018-12-19 | 2020-02-04 | 北京嘀嘀无限科技发展有限公司 | 一种路线偏移检测的方法、装置和电子设备 |
CN110197588A (zh) * | 2019-06-03 | 2019-09-03 | 长安大学 | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 |
CN110533912A (zh) * | 2019-09-16 | 2019-12-03 | 腾讯科技(深圳)有限公司 | 基于区块链的驾驶行为检测方法及装置 |
CN110749333A (zh) * | 2019-11-07 | 2020-02-04 | 中南大学 | 基于多目标优化的无人驾驶车辆运动规划方法 |
Non-Patent Citations (2)
Title |
---|
唐炉亮等: "一种众源车载GPS轨迹大数据自适应虑选方法", 《测绘学报》 * |
张晓滨等: "基于时间约束的Hausdorff距离的时空轨迹相似度量", 《计算机应用研究》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112798006A (zh) * | 2021-01-13 | 2021-05-14 | 北京中交兴路信息科技有限公司 | 一种不同路径的差异点分析方法、装置、存储介质及终端 |
CN113096441A (zh) * | 2021-03-25 | 2021-07-09 | 北京星云互联科技有限公司 | 一种车辆预警方法、装置、车辆及存储介质 |
CN113611115A (zh) * | 2021-08-06 | 2021-11-05 | 安徽师范大学 | 一种基于路网敏感特征的车辆轨迹聚类方法 |
CN113611115B (zh) * | 2021-08-06 | 2022-06-21 | 安徽师范大学 | 一种基于路网敏感特征的车辆轨迹聚类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111627204B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111627204B (zh) | 路径确定方法、装置、电子设备及存储介质 | |
CN110634291B (zh) | 基于众包大数据的高精度地图拓扑自动构建方法及系统 | |
CN108074414B (zh) | 一种基于用户行为的常走路径交通信息提醒方法及系统 | |
CN110599570B (zh) | 基于众包数据开放场景下的地图生成方法及系统 | |
CN111507153B (zh) | 用分割得分图和聚类图检测车道线的后处理方法以及装置 | |
CN110796854B (zh) | 一种校验道路限速值的方法及相关装置 | |
CN110502982A (zh) | 一种检测高速公路中障碍物的方法、装置及计算机设备 | |
CN114450557B (zh) | 路线偏差量化及基于此的车辆路线学习 | |
CN112885099A (zh) | 用于确定车辆轨迹关键点的方法、装置及设备 | |
CN111369805A (zh) | 套牌检测的方法、装置、电子设备及计算机可读存储介质 | |
CN111126807A (zh) | 行程切分方法和装置、存储介质及电子装置 | |
CN110830915B (zh) | 一种确定起点位置的方法及装置 | |
CN112015837A (zh) | 一种城市道路高频路径分析方法、系统及存储介质 | |
CN113887391A (zh) | 用于识别路面标识的方法、装置以及自动驾驶车辆 | |
CN110473405B (zh) | 行驶状态检测方法、装置、可读存储介质和电子设备 | |
CN116704750B (zh) | 一种基于聚类算法的交通状态识别方法、电子设备、介质 | |
CN115841765B (zh) | 车辆位置盲区监控方法、装置、电子设备及可读存储介质 | |
CN114394099B (zh) | 车辆行驶异常识别方法、装置、计算机设备及存储介质 | |
US9547983B2 (en) | Analysis method and analyzing device | |
EP2479736A1 (en) | Roadside portion traffic amount calculation device and roadside portion traffic amount calculation method | |
Song et al. | Remote estimation of free-flow speeds | |
CN110703289B (zh) | 轨迹数据上报方法及移动轨迹还原方法 | |
CN113640760A (zh) | 基于空情数据的雷达发现概率评估方法及设备 | |
CN112685517B (zh) | 分歧/合流区域的识别方法和设备 | |
CN110542426B (zh) | 小路识别方法、设备及可读介质 |
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 |