CN111654290A - 车辆轨迹数据压缩的方法、装置、设备及存储介质 - Google Patents
车辆轨迹数据压缩的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111654290A CN111654290A CN202010334147.XA CN202010334147A CN111654290A CN 111654290 A CN111654290 A CN 111654290A CN 202010334147 A CN202010334147 A CN 202010334147A CN 111654290 A CN111654290 A CN 111654290A
- Authority
- CN
- China
- Prior art keywords
- track
- track point
- point
- data
- vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000013144 data compression Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007906 compression Methods 0.000 description 13
- 230000006835 compression Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 3
- 235000010044 Hernandia moerenhoutiana Nutrition 0.000 description 2
- 244000084296 Hernandia moerenhoutiana Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种车辆轨迹数据压缩的方法,包括:获取车辆轨迹数据中的第一轨迹点数据及与所述第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据;基于第一轨迹点数据和下一个轨迹点数据,生成辅助点数据;计算第一轨迹点、下一个轨迹点和辅助点之间的夹角角度值,将所述夹角角度值转换为正北夹角角度值;当所述第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值大于预设角度差值,或当第一轨迹点和上一个轨迹点之间的时间差值大于预设时间差值,或当连续抽稀的轨迹点数量大于预设抽稀数量时,将所述第一轨迹点数据加入压缩数据库。通过上述方法,可以实时压缩海量轨迹点数据,节约存储资源。
Description
技术领域
本发明涉及智能交通技术领域,特别涉及一种车辆轨迹数据压缩的方法、装置、设备及存储介质。
背景技术
车辆在客运,货运等领域发挥着非常重要的作用,车辆上安装的终端定位设备使得车辆的监管,调度,安全等方面的规范有据可循。其产生的海量轨迹数据蕴含着丰富的信息,通过分析车辆的轨迹点数据可达到安全运输,降本增效的效果,具有巨大的价值。随着时间的推移,轨迹数据量急剧增长,给数据的存储,传输,分析带来很多难题,因此,对轨迹数据的清洗和压缩可以节约存储资源,提高传输效率,便于更加深入的分析。
目前,车辆轨迹数据压缩的方法采用的是二维矢量数据压缩法,如:道格拉斯-普克算法,垂距法,光栏法等。其中,道格拉斯普克算法忽略了轨迹的矢量性,对于复杂的轨迹,压缩结果失真严重,并且不适用需要实时压缩的场景。垂距法和光栏法算法复杂,运算量较大,在轨迹数据中更为复杂,对于海量的轨迹数据处理速度慢,误差无法控制,并行压缩效率不高。
发明内容
本公开实施例提供了一种车辆轨迹数据压缩的方法、装置、设备及存储介质。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
在一些可选地实施例中,一种车辆轨迹数据压缩的方法,包括:
获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据;
基于第一轨迹点数据和下一个轨迹点数据,生成辅助点数据;
计算第一轨迹点、下一个轨迹点和辅助点之间的夹角角度值,将所述夹角角度值转换为正北夹角角度值;
当第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值大于预设角度差值,或当第一轨迹点和上一个轨迹点之间的时间差值大于预设时间差值,或当连续抽稀的轨迹点数量大于预设抽稀数量时,将第一轨迹点数据加入压缩数据库。
进一步地,获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据之前,还包括:
获取车辆轨迹数据。
进一步地,获取车辆轨迹数据之后,还包括:
计算车辆轨迹数据中的轨迹点数量;
当轨迹点数量小于预设轨迹点数量时,将车辆轨迹数据加入压缩数据库;
当轨迹点数量大于预设轨迹点数量时,获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据。
进一步地,基于第一轨迹点数据和下一个轨迹点数据,生成辅助点数据,包括:
将第一轨迹点的经度作为辅助点的经度;
将下一个轨迹点的纬度作为辅助点的纬度。
进一步地,计算第一轨迹点、下一个轨迹点和辅助点之间的夹角角度值,将所述夹角角度值转换为正北夹角角度值,包括:
计算以第一轨迹点为顶点的第一轨迹点、下一个轨迹点和辅助点之间的夹角的角度值,将所述夹角角度值转换为正北夹角角度值;
其中,所述正北夹角为第一轨迹点到下一个轨迹点的轨迹方向到正北方向的逆时针角度。
进一步地,还包括:
当第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值小于预设角度差值,且第一轨迹点和上一个轨迹点之间的时间差值小于预设时间差值,且连续抽稀的轨迹点数量小于预设抽稀数量时,判断第一轨迹点是否为终点;
当第一轨迹点为终点时,将第一轨迹点加入压缩数据库;
当第一轨迹点不是终点时,继续执行获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据。
在一些可选地实施例中,一种车辆轨迹数据压缩的装置,包括:
第一获取模块,用于获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据;
辅助点生成模块,用于基于第一轨迹点数据和下一个轨迹点数据,生成辅助点数据;
计算模块,用于计算第一轨迹点、下一个轨迹点和辅助点之间的夹角角度值,将所述夹角角度值转换为正北夹角角度值;
判断模块,用于当第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值大于预设角度差值,或当第一轨迹点和上一个轨迹点之间的时间差值大于预设时间差值,或当连续抽稀的轨迹点数量大于预设抽稀数量时,将第一轨迹点数据加入压缩数据库。
进一步地,还包括:
第二获取模块,用于获取车辆轨迹数据。
在一些可选地实施例中,一种车辆轨迹数据压缩的设备,包括处理器和存储有程序指令的存储器,处理器被配置为在执行程序指令时,执行上述实施例提供的车辆轨迹数据压缩的方法。
在一些可选地实施例中,一种计算机可读介质,其上存储有计算机可读指令,计算机可读指令可被处理器执行以实现上述实施例提供的一种车辆轨迹数据压缩的方法。
本公开实施例提供的技术方案可以包括以下有益效果:
本发明提供了一种车辆轨迹数据的压缩方法,通过引入辅助点与轨迹点构成夹角,通过比较夹角差值、时间差值以及连续抽稀的轨迹点数量,删除多余轨迹点,保留关键轨迹点,实现对海量轨迹数据的压缩。
本公开实施例的有益效果包括:
(1)方法简单,运算量小,非常适合海量数据压缩,辅助点的生成简单,大大简化了轨迹数据距离与角度的计算。
(2)最大误差可控,压缩后数据平滑,该压缩方法通过限制连续丢弃轨迹点的个数和相邻轨迹点最大时间差,空间差来控制误差。
(3)对于海量数据并行处理效果更好,无需加载整个轨迹数据,降低了计算空间复杂度。
(4)可用作实时轨迹压缩,该压缩方法可根据上一轨迹点的信息直接判断当前轨迹点是否保留,实时处理效率高。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种车辆轨迹数据压缩方法的流程示意图;
图2是根据一示例性实施例示出的一种车辆轨迹数据压缩方法的流程示意图;
图3是根据一示例性实施例示出的一种正北夹角的示意图;
图4是根据一示例性实施例示出的一种正北夹角的示意图;
图5是根据一示例性实施例示出的一种正北夹角的示意图;
图6是根据一示例性实施例示出的一种正北夹角的示意图;
图7是根据一示例性实施例示出的一种车辆轨迹数据压缩实施例的示意图;
图8是根据一示例性实施例示出的一种车辆轨迹数据压缩装置的结构示意图;
图9是根据一示例性实施例示出的一种车辆轨迹数据压缩设备的结构示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容,下面结合附图对本公开实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本公开实施例。在以下的技术描述中,为方便解释起见,通过多个细节以提供对所披露实施例的充分理解。然而,在没有这些细节的情况下,一个或一个以上实施例仍然可以实施。在其它情况下,为简化附图,熟知的结构和装置可以简化展示。
实施例一:
本公开实施例提供了一种车辆轨迹数据压缩的方法,图1是根据一示例性实施例示出的一种车辆轨迹数据压缩方法的流程示意图;
如图1所示,一种车辆轨迹数据压缩的方法,包括:
S101获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据;
具体地,通过车辆上安装的终端定位装置获取车辆的原始轨迹数据,计算车辆原始轨迹数据中的轨迹点数量;当轨迹点数量小于预设轨迹点数量时,将车辆轨迹数据加入压缩数据库;当轨迹点数量大于预设轨迹点数量时,获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据。
可选地,预设轨迹点数量为3,当车辆原始轨迹数据中的轨迹点数量小于3时,直接将车辆轨迹数据中的所有轨迹点加入压缩数据库,当车辆原始轨迹数据中的轨迹点数量大于3时,获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据。
其中,轨迹点数据包括轨迹点的经度信息、纬度信息和时间信息。
S102基于第一轨迹点数据和下一个轨迹点数据,生成辅助点数据;
具体地,利用第一轨迹点和与第一轨迹点相邻的下一个轨迹点,生成辅助点。
其中,将第一轨迹点的经度作为辅助点的经度,将下一个轨迹点的纬度作为辅助点的纬度。
通过上述方法,可得辅助点的经纬度信息。
S103计算第一轨迹点、下一个轨迹点和辅助点之间的夹角角度值,将所述夹角角度值转换为正北夹角角度值;
具体地,以第一轨迹点为顶点,计算第一轨迹点、下一个轨迹点和辅助点之间的夹角的角度值,将夹角的角度值转换为正北夹角的角度值,其中,正北夹角为第一轨迹点到下一个轨迹点的轨迹方向到正北方向的逆时针角度。
具体地,图3是根据一示例性实施例示出的一种正北夹角的示意图,如图3所示,此时第一轨迹点Pi到下一个轨迹点Pi+1的轨迹方向为西南到东北,轨迹方向到正北方向的逆时针角度和以第一轨迹点为顶点,第一轨迹点、下一个轨迹点和辅助点之间的夹角的角度值相同,此时,正北夹角就是以第一轨迹点为顶点,第一轨迹点、下一个轨迹点和辅助点之间的夹角的角度值∠Ai。
图4是根据一示例性实施例示出的一种正北夹角的示意图,如图4所示,此时第一轨迹点Pi到下一个轨迹点Pi+1的轨迹方向为西北到东南,轨迹方向到正北方向的逆时针角度∠ANi和以第一轨迹点为顶点,第一轨迹点、下一个轨迹点和辅助点之间的夹角的角度∠Ai之和为180°,此时正北夹角∠ANi的角度值就是180°减去以第一轨迹点为顶点,第一轨迹点、下一个轨迹点和辅助点之间的夹角的角度。
图5是根据一示例性实施例示出的一种正北夹角的示意图,如图5所示,此时第一轨迹点Pi到下一个轨迹点Pi+1的轨迹方向为东北到西南,轨迹方向到正北方向的逆时针角度∠ANi等于180°加上以第一轨迹点为顶点,第一轨迹点、下一个轨迹点和辅助点之间的夹角的角度∠Ai。
图6是根据一示例性实施例示出的一种正北夹角的示意图,如图6所示,此时第一轨迹点Pi到下一个轨迹点Pi+1的轨迹方向为东南到西北,轨迹方向到正北方向的逆时针角度∠ANi等于360°减去以第一轨迹点为顶点,第一轨迹点、下一个轨迹点和辅助点之间的夹角的角度∠Ai。
其中,通过引入辅助点,可以生成一个直角三角形,简化了距离与角度的计算,计算以第一轨迹点为顶点,第一轨迹点、下一个轨迹点和辅助点之间的夹角∠Ai包括:
∠Ai邻边:
PiQi=|lati-lati+1|×Dlat
∠Ai对边:
Pi+1Qi=|loni-loni+1|×Dlon
∠Ai角度为:
其中,Dlat为一单位纬度距离,值近似为111.2017857885千米,Dlon为一单位经度度距离,其值近似为Dlat×cos(lat),loni为经度,lati为纬度。
通过上述方法,可以获得第一轨迹点的正北夹角角度值。
S104当第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值大于预设角度差值,或当第一轨迹点和上一个轨迹点之间的时间差值大于预设时间差值,或当连续抽稀的轨迹点数量大于预设抽稀数量时,将第一轨迹点数据加入压缩数据库。
具体地,用户可自行设置预设角度差值、预设时间差值,以及预设抽稀数量,当第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值大于预设角度差值,或当第一轨迹点和上一个轨迹点之间的时间差值大于预设时间差值,或当连续抽稀的轨迹点数量大于预设抽稀数量时,说明第一轨迹点不满足角度条件、时间条件以及数量条件,因此,第一轨迹点不能被舍去,将第一轨迹点加入压缩数据库。
可选地,当第一轨迹点为车辆轨迹数据中的第一个轨迹点时,令上一个轨迹点的正北夹角的角度值为0。
可选地,当第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值小于预设角度差值,且第一轨迹点和上一个轨迹点之间的时间差值小于预设时间差值,且连续抽稀的轨迹点数量小于预设抽稀数量时,说明第一轨迹点满足角度条件、时间条件和数量条件,然后判断第一轨迹点是否为终点,当第一轨迹点为终点时,将第一轨迹点加入压缩数据库,当第一轨迹点不是终点时,该第一轨迹点可舍去,然后返回步骤一继续执行获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据。
通过上述方法,可将不满足角度条件、时间条件或数量条件的轨迹点保留,加入压缩数据库,将满足角度条件、时间条件和数量条件的轨迹点删除,实现对车辆轨迹数据的压缩。
进一步地,获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据之前,还包括:
获取车辆轨迹数据。
进一步地,获取车辆轨迹数据之后,还包括:
计算车辆轨迹数据中的轨迹点数量;
当轨迹点数量小于预设轨迹点数量时,将车辆轨迹数据加入压缩数据库;
当轨迹点数量大于预设轨迹点数量时,获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据。
进一步地,基于第一轨迹点数据和下一个轨迹点数据,生成辅助点数据,包括:
将第一轨迹点的经度作为辅助点的经度;
将下一个轨迹点的纬度作为辅助点的纬度。
进一步地,计算第一轨迹点、下一个轨迹点和辅助点之间的夹角角度值,将所述夹角角度值转换为正北夹角角度值,包括:
具体地,以第一轨迹点为顶点,计算第一轨迹点、下一个轨迹点和辅助点之间的夹角的角度值,将夹角的角度值转换为正北夹角的角度值,其中,正北夹角为第一轨迹点到下一个轨迹点的轨迹方向到正北方向的逆时针角度。
进一步地,还包括:
当第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值小于预设角度差值,且第一轨迹点和上一个轨迹点之间的时间差值小于预设时间差值,且连续抽稀的轨迹点数量小于预设抽稀数量时,判断第一轨迹点是否为终点;
当第一轨迹点为终点时,将第一轨迹点加入压缩数据库;
当第一轨迹点不是终点时,继续执行获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据。
本公开实施例提供的车辆轨迹数据的压缩方法,通过引入辅助点与轨迹点构成夹角,通过比较夹角差值、时间差值以及连续抽稀的轨迹点数量,删除多余轨迹点,保留关键轨迹点,实现对海量轨迹数据的压缩。
实施例二:
本公开实施例提供了一种车辆轨迹数据的压缩方法,图2是根据一示例性实施例示出的一种车辆轨迹数据压缩方法的流程示意图。
如图2所示,一种车辆轨迹数据压缩方法,包括:
获取原始车辆轨迹数据Trm,其中,Trm=[P0,P1,…,Pi,…,Pm],轨迹点数据Pi包括轨迹点经度信息、纬度信息、时间信息。初始化压缩数据库eTr,初始化连续抽稀轨迹点个数r为0,初始化上一个轨迹点的正北夹角的角度值∠An为0,初始化时间t为0。
计算原始车辆轨迹数据Trm中的轨迹点个数,当轨迹点数量小于预设轨迹点数量时,将车辆轨迹数据加入压缩数据库,并输出压缩数据库eTr;当轨迹点数量大于预设轨迹点数量时,获取第一轨迹点Pi,判断第一轨迹点Pi是否是轨迹终点,当Pi是轨迹终点时,将Pi加入压缩数据库,当Pi不是轨迹终点时,判断连续抽稀轨迹点数量r是否小于预设抽稀数量R,当r小于预设抽稀数量R时,继续判断轨迹点Pi和上一个轨迹点之间的时间差值是否小于预设时间差值T,当r大于预设抽稀数量R时,将轨迹点Pi加入压缩数据库,同时令t=ti,r=0,i=i+1,继续检查下一个轨迹点。
当轨迹点Pi和上一个轨迹点之间的时间差值小于预设时间差值T时,获取Pi的下一个轨迹点Pi+1,根据轨迹点Pi和轨迹点Pi+1,生成辅助点Qi,计算角度∠QiPiPi+1,根据角度∠QiPiPi+1计算角度∠ANi,然后判断轨迹点Pi的正北夹角角度值∠Ani和上一个轨迹点的正北夹角角度值∠An的差值的绝对值是否小于预设角度差值∠A;当轨迹点Pi和上一个轨迹点之间的时间差值大于预设时间差值T时,将轨迹点Pi加入压缩数据库,同时令t=ti,r=0,i=i+1,继续检查下一个轨迹点。
当轨迹点Pi的正北夹角角度值∠Ani和上一个轨迹点的正北夹角角度值∠An的差值的绝对值小于预设角度差值∠A时,舍弃轨迹点Pi,令r=r+1,i=i+1,继续检查下一个轨迹点,当轨迹点Pi的正北夹角角度值∠Ani和上一个轨迹点的正北夹角角度值∠An的差值的绝对值大于预设角度差值∠A时,令∠An=∠ANi,将轨迹点Pi加入压缩数据库,同时令t=ti,r=0,i=i+1,继续检查下一个轨迹点,直到检查完所有轨迹点。
图7是根据一示例性实施例示出的一种车辆轨迹数据压缩实施例的示意图;
如图7所示,车辆原始轨迹数据Tr4=(P0,P1,P2,P3);其中,
P0=(lon0,lat0,t0)
P1=(lon1,lat1,t1)
P2=(lon2,lat2,t2)
P3=(lon3,lat3,t3)
lon0=116.635666,lat0=39.801151,t0=1543593600
lon1=116.662102,lat1=39.820403,t1=1543593620
lon2=116.683044,lat2=39.838068,t2=1543593640
lon3=116.713943,lat3=39.834377,t3=1543593660
预设时间差值T=600s,预设连续抽稀轨迹点数量R=10,角度差∠A=20°,预设轨迹点个数为2;
车辆轨迹数据压缩过程包括:
判断轨迹点个数是否大于预设轨迹点个数,当小于预设轨迹点个数时,输出所有轨迹点数据,当大于预设轨迹点个数时,执行后续操作;
初始化数据i=0,t=0,r=0,∠An=0;
当i=0时:
生成辅助点Q0,计算:|∠AN0-∠AN|=(45°-0°)=45°>20°;
把P0加到eTr;
t=t0=1543593600;
∠AN=∠AN0=45°;
r=0:
i=i+1=1
Pi=P1,P1不是终点;
当i=1时:
生成辅助点Q1,计算|∠AN1-∠AN|=(45°-45°)=0°<20°;
|t1-t0|=20<600;
r=0<10;
r=r+1=1;i=i+1=2;
Pi=P2,P2不是终点;
当i=2时:
生成辅助点Q2,计算|∠AN2-∠AN|=|123°-45°|=78°>20°;
把P2加到eTr;t=t2=1543593640;∠An=∠An2=123;r=0;i=i+1=3
Pi=P3,P3是终点;
结束,输出eTr=[P0,P2,P3]。
本公开实施例提供的车辆轨迹数据的压缩方法,通过引入辅助点与轨迹点构成夹角,通过比较夹角差值、时间差值以及连续抽稀的轨迹点数量,删除多余轨迹点,保留关键轨迹点,实现对海量轨迹数据的压缩。
实施例三:
本公开实施例提供了一种车辆轨迹数据压缩的装置,图8是根据一示例性实施例示出的一种车辆轨迹数据压缩装置的结构示意图。
如图8所示,一种车辆轨迹数据压缩的装置,包括:
S801第一获取模块,用于获取车辆轨迹数据中的第一轨迹点数据及与第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据;
S802辅助点生成模块,用于基于第一轨迹点数据和下一个轨迹点数据,生成辅助点数据;
S803计算模块,用于计算第一轨迹点、下一个轨迹点和辅助点之间的夹角角度值,将所述夹角的角度值转换为正北夹角角度值;
S804判断模块,用于当第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值大于预设角度差值,或当第一轨迹点和上一个轨迹点之间的时间差值大于预设时间差值,或当连续抽稀的轨迹点数量大于预设抽稀数量时,将第一轨迹点数据加入压缩数据库。
进一步地,还包括:
第二获取模块,用于获取车辆轨迹数据。
本公开实施例提供的车辆轨迹数据的压缩装置,通过引入辅助点与轨迹点构成夹角,通过比较夹角差值、时间差值以及连续抽稀的轨迹点数量,删除多余轨迹点,保留关键轨迹点,实现对海量轨迹数据的压缩。
实施例四:
本公开实施例提供了一种车辆轨迹数据压缩的设备,图9是根据一示例性实施例示出的一种车辆轨迹数据压缩设备的结构示意图。
如图9所示,一种车辆轨迹数据压缩的设备,包括处理器91和存储有程序指令的存储器92,还可以包括通信接口93和总线94。其中,处理器91、通信接口93、存储器92可以通过总线94完成相互间的通信。通信接口93可以用于信息传输。处理器91可以调用存储器92中的逻辑指令,以执行上述实施例提供的车辆轨迹数据压缩的方法。
实施例五:
本公开实施例提供了一种计算机可读介质,其上存储有计算机可读指令,计算机可读指令可被处理器执行以实现上述实施例提供的一种车辆轨迹数据压缩的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种车辆轨迹数据压缩的方法,其特征在于,包括:
获取车辆轨迹数据中的第一轨迹点数据及与所述第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据;
基于第一轨迹点数据和下一个轨迹点数据,生成辅助点数据;
计算第一轨迹点、下一个轨迹点和辅助点之间的夹角角度值,将所述夹角角度值转换为正北夹角角度值;
当所述第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值大于预设角度差值,或当第一轨迹点和上一个轨迹点之间的时间差值大于预设时间差值,或当连续抽稀的轨迹点数量大于预设抽稀数量时,将所述第一轨迹点数据加入压缩数据库。
2.根据权利要求1所述的方法,其特征在于,所述获取车辆轨迹数据中的第一轨迹点数据及与所述第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据之前,还包括:
获取车辆轨迹数据。
3.根据权利要求2所述的方法,其特征在于,所述获取车辆轨迹数据之后,还包括:
计算车辆轨迹数据中的轨迹点数量;
当所述轨迹点数量小于预设轨迹点数量时,将所述车辆轨迹数据加入压缩数据库;
当所述轨迹点数量大于预设轨迹点数量时,获取车辆轨迹数据中的第一轨迹点数据及与所述第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据。
4.根据权利要求1所述的方法,其特征在于,所述基于第一轨迹点数据和下一个轨迹点数据,生成辅助点数据,包括:
将第一轨迹点的经度作为辅助点的经度;
将下一个轨迹点的纬度作为辅助点的纬度。
5.根据权利要求1所述的方法,其特征在于,计算第一轨迹点、下一个轨迹点和辅助点之间的夹角角度值,将所述夹角角度值转换为正北夹角角度值,包括:
计算以第一轨迹点为顶点的第一轨迹点、下一个轨迹点和辅助点之间的夹角的角度值,将所述夹角角度值转换为正北夹角角度值;
其中,所述正北夹角为第一轨迹点到下一个轨迹点的轨迹方向到正北方向的逆时针角度。
6.根据权利要求1所述的方法,其特征在于,还包括:
当所述第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值小于预设角度差值,且第一轨迹点和上一个轨迹点之间的时间差值小于预设时间差值,且连续抽稀的轨迹点数量小于预设抽稀数量时,判断所述第一轨迹点是否为终点;
当所述第一轨迹点为终点时,将第一轨迹点加入压缩数据库;
当所述第一轨迹点不是终点时,继续执行所述获取车辆轨迹数据中的第一轨迹点数据及与所述第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据。
7.一种车辆轨迹数据压缩的装置,其特征在于,包括:
第一获取模块,用于获取车辆轨迹数据中的第一轨迹点数据及与所述第一轨迹点相邻的上一个轨迹点数据和下一个轨迹点数据;
辅助点生成模块,用于基于第一轨迹点数据和下一个轨迹点数据,生成辅助点数据;
计算模块,用于计算第一轨迹点、下一个轨迹点和辅助点之间的夹角角度值,将所述夹角角度值转换为正北夹角角度值;
判断模块,用于当所述第一轨迹点和上一个轨迹点的正北夹角角度值的差值的绝对值大于预设角度差值,或当第一轨迹点和上一个轨迹点之间的时间差值大于预设时间差值,或当连续抽稀的轨迹点数量大于预设抽稀数量时,将所述第一轨迹点数据加入压缩数据库。
8.根据权利要求7所述的装置,其特征在于,还包括:
第二获取模块,用于获取车辆轨迹数据。
9.一种车辆轨迹数据压缩的设备,其特征在于,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在执行所述程序指令时,执行如权利要求1至6任一项所述的车辆轨迹数据压缩的方法。
10.一种计算机可读介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1至6任一项所述的一种车辆轨迹数据压缩的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010334147.XA CN111654290B (zh) | 2020-04-24 | 2020-04-24 | 车辆轨迹数据压缩的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010334147.XA CN111654290B (zh) | 2020-04-24 | 2020-04-24 | 车辆轨迹数据压缩的方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111654290A true CN111654290A (zh) | 2020-09-11 |
CN111654290B CN111654290B (zh) | 2023-10-31 |
Family
ID=72348520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010334147.XA Active CN111654290B (zh) | 2020-04-24 | 2020-04-24 | 车辆轨迹数据压缩的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111654290B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112925782A (zh) * | 2021-03-12 | 2021-06-08 | 上海海事大学 | 一种基于lstm预测和平滑分析思想的轨迹数据压缩方法 |
CN113280819A (zh) * | 2021-05-21 | 2021-08-20 | 广东美房智高机器人有限公司 | 一种移动机器人的作业路径数据的压缩方法 |
CN113312325A (zh) * | 2021-05-24 | 2021-08-27 | 康键信息技术(深圳)有限公司 | 轨迹数据传输方法、装置、设备及存储介质 |
CN114328784A (zh) * | 2021-12-27 | 2022-04-12 | 中科星图股份有限公司 | 一种基于时空数据库的轨迹多维度分布式压缩方法 |
CN115688682A (zh) * | 2022-12-29 | 2023-02-03 | 浙江工业大学 | 一种基于模糊预测的车辆轨迹数据压缩方法及装置 |
CN115905342A (zh) * | 2022-07-25 | 2023-04-04 | 中华人民共和国广东海事局 | 水上移动对象轨迹抽稀方法、装置和计算机设备 |
CN113223049B (zh) * | 2021-04-23 | 2024-06-25 | 亿海蓝(北京)数据技术股份公司 | 轨迹数据处理方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104467866A (zh) * | 2014-10-14 | 2015-03-25 | 福建师范大学 | 一种基于角度的轨迹数据压缩方法及装置 |
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 |
CN109870713A (zh) * | 2019-01-08 | 2019-06-11 | 武汉众智鸿图科技有限公司 | 一种gps轨迹曲线生成方法及装置 |
-
2020
- 2020-04-24 CN CN202010334147.XA patent/CN111654290B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104467866A (zh) * | 2014-10-14 | 2015-03-25 | 福建师范大学 | 一种基于角度的轨迹数据压缩方法及装置 |
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 |
CN109870713A (zh) * | 2019-01-08 | 2019-06-11 | 武汉众智鸿图科技有限公司 | 一种gps轨迹曲线生成方法及装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112925782A (zh) * | 2021-03-12 | 2021-06-08 | 上海海事大学 | 一种基于lstm预测和平滑分析思想的轨迹数据压缩方法 |
CN112925782B (zh) * | 2021-03-12 | 2024-01-23 | 上海海事大学 | 一种基于lstm预测和平滑分析思想的轨迹数据压缩方法 |
CN113223049B (zh) * | 2021-04-23 | 2024-06-25 | 亿海蓝(北京)数据技术股份公司 | 轨迹数据处理方法及装置 |
CN113280819A (zh) * | 2021-05-21 | 2021-08-20 | 广东美房智高机器人有限公司 | 一种移动机器人的作业路径数据的压缩方法 |
CN113280819B (zh) * | 2021-05-21 | 2024-03-08 | 广东美房智高机器人有限公司 | 一种移动机器人的作业路径数据的压缩方法 |
CN113312325A (zh) * | 2021-05-24 | 2021-08-27 | 康键信息技术(深圳)有限公司 | 轨迹数据传输方法、装置、设备及存储介质 |
CN113312325B (zh) * | 2021-05-24 | 2023-10-20 | 康键信息技术(深圳)有限公司 | 轨迹数据传输方法、装置、设备及存储介质 |
CN114328784A (zh) * | 2021-12-27 | 2022-04-12 | 中科星图股份有限公司 | 一种基于时空数据库的轨迹多维度分布式压缩方法 |
CN115905342A (zh) * | 2022-07-25 | 2023-04-04 | 中华人民共和国广东海事局 | 水上移动对象轨迹抽稀方法、装置和计算机设备 |
CN115905342B (zh) * | 2022-07-25 | 2023-12-15 | 中华人民共和国广东海事局 | 水上移动对象轨迹抽稀方法、装置和计算机设备 |
CN115688682A (zh) * | 2022-12-29 | 2023-02-03 | 浙江工业大学 | 一种基于模糊预测的车辆轨迹数据压缩方法及装置 |
CN115688682B (zh) * | 2022-12-29 | 2023-11-14 | 浙江工业大学 | 一种基于模糊预测的车辆轨迹数据压缩方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111654290B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111654290A (zh) | 车辆轨迹数据压缩的方法、装置、设备及存储介质 | |
CN113628094B (zh) | 一种基于gpu的高吞吐量sm2数字签名计算系统及方法 | |
Blasone et al. | Role of neutrino mixing in accelerated proton decay | |
Shao et al. | Branchy-GNN: A device-edge co-inference framework for efficient point cloud processing | |
Shang | KAM theorem of symplectic algorithms for Hamiltonian systems | |
Nishioka et al. | Free energy and defect C-theorem in free scalar theory | |
Zhang et al. | Point cloud completion via skeleton-detail transformer | |
CN111899168A (zh) | 一种基于特征增强的遥感影像超分辨率重建方法和系统 | |
CN111080521A (zh) | 一种基于结构先验的人脸图像超分辨率方法 | |
CN114863062B (zh) | 基于点、体素特征表示的工业场景3d点云模型构建方法 | |
CN115938505A (zh) | 基于图神经网络块结构与多头注意力机制融合的药物分子筛选方法及系统 | |
CN110826500A (zh) | 基于运动链接空间的对抗性网络估计3d人体姿态的方法 | |
Martynchuk et al. | Scattering invariants in Euler’s two-center problem | |
CN115902004B (zh) | 一种脱气氢电导率的测量装置及测量方法 | |
CN111476842A (zh) | 一种像机相对位姿估计方法及系统 | |
Dias et al. | Short wave–long wave interactions for compressible Navier–Stokes equations | |
CN113965312B (zh) | 基于三维cap星座的空间加密方法 | |
CN108649585A (zh) | 一种电力系统静态电压稳定域边界快速搜索的直接法 | |
CN114357232A (zh) | 提取船舶航迹线特征的处理方法、系统、装置及存储介质 | |
CN110597088B (zh) | 一种极坐标系下的车辆动力学仿真方法 | |
Dey et al. | Cut locus and topology from surface point data | |
CN106530216B (zh) | 全景影像文件处理方法及系统 | |
Chen et al. | Cloud-edge collaborative data processing architecture for state assessment of transmission equipments | |
CN107657113A (zh) | 一种悬架硬点灵敏度的获取方法、装置及设备 | |
Bondar et al. | Shapes of leading tunnelling trajectories for single-electron molecular ionization |
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 |