CN111735456A - 一种导航方法、装置、设备以及存储介质 - Google Patents
一种导航方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN111735456A CN111735456A CN202010599472.9A CN202010599472A CN111735456A CN 111735456 A CN111735456 A CN 111735456A CN 202010599472 A CN202010599472 A CN 202010599472A CN 111735456 A CN111735456 A CN 111735456A
- Authority
- CN
- China
- Prior art keywords
- track
- navigation
- mobile object
- mode
- points
- 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
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种导航方法、装置、设备以及存储介质,涉及智能交通、地图导航和深度学习技术领域。具体实现方案为:在移动对象基于当前导航模式行驶过程中,根据所述移动对象的轨迹点序列,识别所述移动对象的出行方式;识别所述出行方式与所述当前导航模式的匹配性;若识别结果为不匹配,则输出导航预警信息,以使所述移动对象基于所述导航预警信息调整所述当前导航模式。以解决目前导航过程中因存在移动对象的出行方式与导航模式不匹配现象,易带来安全隐患的问题,降低了导航安全风险,且提升了用户导航体验。
Description
技术领域
本申请实施例涉及数据处理领域,尤其涉及智能交通技术。
背景技术
随着信息技术的发展,各种地图类导航应用程序(Application,App)已有多种导航模式,如驾车模式、骑行模式、以及步行模式等。但导航过程中通常以默认的驾车导航模式或用户选择的导航模式为准,存在移动对象(如人、车辆等)的出行方式与导航模式不匹配现象,易带来安全隐患。
发明内容
本公开实施例提供了一种导航方法、装置、设备以及存储介质,以降低导航安全风险。
根据本公开的一方面,提供了一种导航方法,该方法包括:
在移动对象基于当前导航模式行驶过程中,根据所述移动对象的轨迹点序列,识别所述移动对象的出行方式;
识别所述出行方式与所述当前导航模式的匹配性;
若识别结果为不匹配,则输出导航预警信息,以使所述移动对象基于所述导航预警信息调整所述当前导航模式。
根据本公开的另一方面,提供了一种导航装置,该装置包括:
出行方式识别模块,用于在移动对象基于当前导航模式行驶过程中,根据所述移动对象的轨迹点序列,识别所述移动对象的出行方式;
匹配识别模块,用于识别所述出行方式与所述当前导航模式的匹配性;
信息输出模块,用于若识别结果为不匹配,则输出导航预警信息,以使所述移动对象基于所述导航预警信息调整所述当前导航模式。
根据本公开的另一方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请任一实施例所述的导航方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本申请任一实施例所述的导航方法。
根据本申请的技术解决了目前导航过程中因存在移动对象的出行方式与导航模式不匹配现象所带来的安全隐患问题,降低了导航安全风险,进而提升了用户导航体验。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请实施例提供的一种导航方法的流程图;
图2A是根据本申请实施例提供的另一种导航方法的流程图;
图2B是根据本申请实施例提供的方向向量的示意图;
图2C是根据本申请实施例提供的一种轨迹点序列分布示意图;
图3A是根据本申请实施例提供的另一种导航方法的流程图;
图3B是根据本申请实施例提供的轨迹分割示意图;
图4A是根据本申请实施例提供的一种导航系统图;
图4B是根据本申请实施例提供的一种分类模型示意图;
图5是根据本申请实施例提供的一种导航装置的结构示意图;
图6是用来实现本申请实施例的导航方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请实施例提供的一种导航方法的流程图。本申请实施例适用于在导航场景下,如何保证移动对象的出行方式与导航模式相匹配的情况。该实施例可以由配置于电子设备中的导航装置来执行,该装置可以采用软件和/或硬件来实现。可选的,该电子设备可以是导航应用程序的客户端设备,还可以是导航应用程序的服务器等。如图1所示,该方法包括:
S101,在移动对象基于当前导航模式行驶过程中,根据移动对象的轨迹点序列,识别移动对象的出行方式。
可以理解的是,本实施例中的移动对象可以是人或车辆等,进一步的,人可以包括普通的自然人,还可以包括机器人;车辆可以是普通的机动车辆,也可以是无人驾驶车辆等。可选的,多样化的出行方式对应多样化的导航模式,例如,出行方式可以包括但不限于骑行(电动车或自行车等)、步行、公交、以及驾车等。对应的,导航模式可以包括但不限于骑行模式、步行模式、公交模式、以及驾车模式等。当前导航模式可以是启动导航功能时导航应用程序默认的导航模式如驾车模式,还可以是用户主动选择的导航模式如骑行模式。
需要说明的是,为了保证出行安全,需满足导航模式与出行方式相匹配,而目前在导航应用程序具有多种导航模式的场景下,导航过程中通常以默认的驾车导航模式或用户选择的导航模式为准,由于默认、用户的惯性选择或其他因素等可能导致移动对象实际出行方式与导航模式不符,进而造成导航安全风险。例如通常在规划路径时会默认驾车模式,若用户的出行方式为骑行,而采用驾车模式会将用户导航到机动车道甚至高速路行驶。
基于此,本实施例在移动对象基于当前导航模式行驶场景下,对移动对象的出行方式进行识别。可选的,可以获取移动对象的轨迹点序列,而后根据轨迹点序列,识别移动对象的出行方式。其中,所谓轨迹点序列即为按照移动对象行驶时间排列且连续的一系列轨迹点。例如,若本申请实施例的执行主体为导航应用程序的客户端设备,则在移动对象基于当前导航模式行驶后,该客户端设备可利用其内置的定位装置如基于GPS的定位装置实时获取移动对象的轨迹点,并在记录一段时间(如至少一个路段)的连续轨迹点(即轨迹点序列)后,根据轨迹点序列分析移动对象的运动行为特征如速度、角速度以及加速度等,而后根据移动对象的运动行为特征识别移动对象的出行方式。进一步的,可以将移动对象的运动行为特征输入至预先训练的分类模型,进而得到移动对象的出行方式。
此外,若本申请实施例的执行主体为导航应用程序的服务器,此时客户端设备会将获取的移动对象的轨迹点序列发送至服务器,由服务器根据移动对象的轨迹点序列,识别移动对象的出行方式。
需要说明的是,本申请实施例所采用的移动对象的轨迹点序列并非移动对象行驶整个过程所涉及的轨迹点,而是部分轨迹点。因此,为节省数据回传时间、网络流量、以及计算量等,同时提高时效性,本申请实施例的执行主体优选为导航应用程序的客户端设备。
S102,识别出行方式与当前导航模式的匹配性。
为了便于快速识别出行方式和当前导航模式两者之间的匹配性,示例性的,可采用相同的编号规则同时对出行方式和导航应用程序所具有的导航模式进行编号。例如,出行方式0代表骑行,出行方式1代表步行,出行方式2代表驾车等;同样,导航模式0代表骑行模式,导航模式1代表步行模式,导航模式2代表驾车模式。进而可直接通过数字之间是否对应来识别出行方式与当前导航模式之间的匹配性。例如,若采用分类模型得到移动对象的出行方式为0,当前导航模式为1,则可确定出行方式与当前导航模式不匹配;若当前导航模式为0,则可确定出行方式与当前导航模式相匹配。
S103,若识别结果为不匹配,则输出导航预警信息,以使移动对象基于导航预警信息调整当前导航模式。
本实施例中,导航预警信息用于预警使用者当前所使用的导航模式与出行方式不匹配,需切换导航模式。可选的,导航预警信息可以包括推荐导航模式,所谓推荐导航模式为导航应用程序中区别于当前导航模式的其他导航模式。例如,当前导航模式为驾车模式,导航预警信息中推荐导航模式为骑行模式。
具体的,在识别结果为不匹配时,可以以语音形式输出导航预警信息,进而移动对象可基于导航预警信息直接以语音形式将导航模式切换到推荐导航模式,并基于所切换的导航模式行驶。或者,移动对象可基于导航预警信息认识到当前导航模式不确定,并以语音形式将导航模式切换到除推荐导航模式和当前导航模式之外的其他导航模式。
此外,由于移动对象所处环境不同,环境的嘈杂度不同,因此为使导航体验更佳,进一步的,在识别结果为不匹配时,可以先根据移动对象所处环境确定语音的音量和音色,之后采用所确定的音量和音色输出导航预警信息。
可以理解的是,目前切换导航模式需手工操作(具体为:退出现有导航-模式切换-再次导航),易分散注意力带来安全隐患。而本申请实施例移动对象可基于导航预警信息直接以语音形式切换导航模式,进一步降低了导航安全风险,且提升了导航体验。同时,结合移动对象所处环境动态输出预警导航信息,使导航应用更佳智能。
本申请实施例的技术方案,在移动对象基于当前导航模式行驶场景下,通过利用移动对象的轨迹点序列识别出移动对象的出行方式,并在识别到出行方式与当前导航模式不匹配时实时输出用于提醒切换导航模式的导航预警信息,降低了违章和导航安全风险,解决了目前导航过程中因存在移动对象的出行方式与导航模式不匹配现象所带来的安全隐患问题,优化了导航过程。
图2A是根据本申请实施例提供的另一种导航方法的流程图。本实施例在上述实施例的基础上,增加了对轨迹点序列进行预处理的操作。如图2A所示,该方法具体包括:
S201,在移动对象基于当前导航模式行驶过程中,对获取的移动对象的轨迹点序列进行预处理。
可以理解的是,由于客户端设备精度或信号丢失等因素,导致所获取的轨迹点序列中存在不同程度的噪声,进而不能准确反映出行方式,因此客户端设备在利用其内置的定位装置获取移动对象的轨迹点序列之后,需对轨迹点序列进行预处理。
可选的,可以采用下述至少一项对移动对象的轨迹点序列进行预处理:
1)异常轨迹点剔除。
具体的,可以根据轨迹点间的离群状态,确定轨迹点序列中的异常轨迹点并剔除。其中,所谓离群状态也可称为孤立状态,即将轨迹点前后孤立存在的轨迹点视为异常轨迹点。
2)将形成异常杂乱轨迹的轨迹点剔除。
可以理解的是,通常行驶方向是相对固定的,轨迹点的变化趋势也是相对平缓的,即使在转弯或掉头等情况下,轨迹点间的角度变化也应在一定范围内,据此特征可以将轨迹点序列中形成异常杂乱轨迹的轨迹点剔除。具体可以是,若轨迹点间的角度变化值大于设定角度阈值,或角度变化值大于轨迹点对应的实际道路的角度变化值,则将轨迹点剔除。其中,设定角度阈值是预先设定的,可根据移动对象所处环境灵活调整;可以将轨迹点间方向向量之间的夹角之和θpoints(如图2B中较细的方向向量之间的夹角之和)作为轨迹点间的角度变化值,具体可以表示为:其中,xi,yi为第i个轨迹点的坐标,i的取值为1至n(n为整数)。对应的,可以在实际道路上取多个坐标点,将多个坐标点间方向向量之间的夹角之和θlinks(如图2B中较粗的方向向量之间的夹角之和)作为实际道路的角度变化值,其中θlinks的计算方式与上述θpoints相同。
3)丢点轨迹断开。
导航过程中,由于信号异常等原因可能导致部分轨迹点获取不到(如图2C中的点A和点B之间的轨迹点缺失,以及点C和点D之间的轨迹点缺失),此时如果直接根据图2C所示轨迹点序列将分析得到不准确的移动对象的运动行为特征如速度、加速度等,进而将可能导致所确定的出行方式不准确,因此需对轨迹进行断开处理。具体可以是,若相邻两个轨迹点之间的时间间隔大于设定时间阈值,则以该轨迹点为断点对轨迹进行断开处理。其中,设定时间阈值是预先设定的,可根据实际情况灵活调整,比如可以是20s。例如,可以将点A和点B,以及点C和点D作为断点,将图2C所示的轨迹点序列形成的轨迹分割为3个轨迹段。
进一步的,由于过短轨迹不能准确反映移动对象的出行方式,进而若进行丢点轨迹断开处理之后,若任一轨迹段所包含轨迹点数少于一定阈值如40,则可以直接将该轨迹段剔除。
需要说明的是,本申请实施例通过综合考虑客户端设备精度、信号异常、以及移动对象的运动行为特征等情况,采用上述异常轨迹点剔除等任一项或多项对轨迹点序列进行预处理,以更新轨迹点序列,进而使后续根据所更新的轨迹点序列识别的出行方式更为精准。
S202,根据预处理后的轨迹点序列,识别移动对象的出行方式。
S203,识别出行方式与当前导航模式的匹配性。
S204,若识别结果为不匹配,则输出导航预警信息,以使移动对象基于导航预警信息调整当前导航模式。
本申请实施例的技术方案,通过对轨迹点序列进行预处理,并基于预处理后的轨迹点序列识别出行方式,极大的提高了出行方式识别的准确度。另外本申请实施例在识别到出行方式与当前导航模式不匹配时实时输出用于提醒切换导航模式的导航预警信息,降低了违章和导航安全风险,优化了导航过程。
图3A是根据本申请实施例提供的另一种导航方法的流程图。本实施例在上述实施例的基础上,提供了一种识别移动对象出行方式的方案。如图3A所示,该方法具体包括:
S301,在移动对象基于当前导航模式行驶过程中,确定移动对象的轨迹点序列中轨迹点对应的实际道路。
可选的,可以采用隐马尔科夫模型进行轨迹匹配,确定轨迹点对应的实际道路。具体的,将轨迹点和路网输入隐马尔科夫模型,并采用维特比算法求解,可确定轨迹点对应的实际道路,其中轨迹点是观测序列,轨迹实际走过的道路(即实际道路)是隐藏序列。
S302,根据实际道路的信息和轨迹点的信息,确定轨迹特征。
本实施例中,实际道路的信息可以包括但不限于道路名称、道路走向、以及道路等级等。可选的,客户端设备内置的定位装置所采集的轨迹点的信息可以包括经度、纬度、时间、点速度以及点方向等信息。轨迹特征可用于表征移动对象的运动行为,可以包括轨迹点特征和轨迹段特征。其中,轨迹点特征包括但不限于轨迹点线速度、角速度、加速度、以及时间等;轨迹段特征包括但不限于平均速度、速度标准差、平均角度、以及角度标准差等。
具体的,可以通过分析实际道路的信息和轨迹点的信息,确定轨迹特征。例如,可以通过实际道路的信息确定轨迹段,而后根据轨迹点的信息确定轨迹段特征和轨迹点特征,即轨迹特征。
可选的,根据实际道路的信息和轨迹点的信息,确定轨迹特征可以是:1)根据实际道路的信息,对轨迹点序列进行轨迹段分割操作,以得到至少一个轨迹段;
本实施例中,对轨迹点序列进行轨迹段分割操作即为对轨迹点序列所形成的轨迹进行分割操作。具体的,可以根据实际道路的道路名称和道路走向等信息,将在同一道路上的所有轨迹点作为一个轨迹段,以此将轨迹点序列所形成的轨迹分割成一个或多个轨迹段。例如图3B中,以黑色箭头处为分割点,可将轨迹点序列所形成的轨迹分割成segment1和segment2两个轨迹段。
2)根据轨迹点的信息,确定轨迹特征中的轨迹点特征;
具体的,可以将轨迹点的信息中的时间按照年月日时分秒的格式编辑,以得到轨迹点特征中的时间。
同样,根据轨迹点的经纬度和点方向,可确定相邻两个轨迹点间的角度,根据采集轨迹点的时间,确定相邻两个轨迹点间的时间差,将角度除以时间差即可得到轨迹点角速度此外,还可以根据轨迹点的信息,确定轨迹点加速度等。
3)根据轨迹点特征,确定轨迹特征中的轨迹段特征。
具体的,在确定轨迹点特征之后,可以根据轨迹点特征中的轨迹点线速度,确定轨迹段的平均速度其中vpi为第i个轨迹点的线速度。同样,可以根据轨迹点特征中的轨迹点角速度,确定轨迹段的平均角度其中api为第i个轨迹点的角速度。此外,还可以根据轨迹点线速度,确定轨迹段特征中的速度标准差;以及根据轨迹点角速度,确定轨迹段特征中的角度标准差等。
需要说明的是,本申请实施例通过结合实际道路的信息分割轨迹,而后利用轨迹点的信息确定轨迹点特征和轨迹段特征,为确定轨迹点特征和轨迹段特征提供了一种新思路。
S303,根据实际道路的道路特征和轨迹特征,识别移动对象的出行方式。
本实施例中,实际道路的道路特征可以是道路ID,道路ID可以是实际道路的信息中的道路名称。
需要说明的是,由于道路铺设、拥堵状况、红绿灯、限速、以及时间段等各种道路信息的影响,会造成相同出行方式但轨迹特征差异大,不同行出行方式但轨迹特征类似的情况。例如,拥堵和不拥堵情况下驾车轨迹特征差异很大,拥堵路况下驾车、骑行或步行轨迹点线速度又都呈现很慢的特征。因此,单纯依赖轨迹特征进行出行方式的识别存在局限性。而本申请实施例通过结合实际道路的道路特征和轨迹特征,可准确识别出出行方式。
具体的,可通过分析轨迹特征,并结合道路特征来识别移动对象的出行方式。进一步的,可以将实际道路的道路特征和轨迹特征输入至预先训练的分类模型,进而得到移动对象的出行方式。
S304,识别出行方式与当前导航模式的匹配性。
S305,若识别结果为不匹配,则输出导航预警信息,以使移动对象基于导航预警信息调整当前导航模式。
本申请实施例的技术方案,通过结合实际道路的道路特征和轨迹特征来识别出行方式,极大的提高了出行方式识别的准确度。另外本申请实施例在识别到出行方式与当前导航模式不匹配时实时输出用于提醒切换导航模式的导航预警信息,降低了违章和导航安全风险,优化了导航过程。
图4A是根据本申请实施例提供的一种导航系统框图,图4B是根据本申请实施例提供的一种分类模型示意图。本实施例在上述实施例的基础上,提供了一种优选实例。如图4A所示,该导航系统可以包括:出行方式识别模块、离线训练模块、以及信息输出模块等。其中,出行方式识别模块可用于实时在线识别移动对象的出行方式;训练模块可用于在离线状态下,训练深度神经网络模型,以得到分类模型;信息输出模块用于输出导航预警信息。以执行主体为导航应用程序的客户端设备为例进行说明,结合图4A和图4B,本申请实施例所提供的导航方法具体如下:
在移动对象基于当前导航模式行驶后,客户端设备可利用其内置的定位装置如基于GPS的定位装置实时获取移动对象的轨迹点,并在记录一段时间(如至少一个路段)的连续轨迹点(即轨迹点序列)后,对获取的移动对象的轨迹点序列进行预处理,以更新轨迹点序列;之后确定更新轨迹点序列中轨迹点对应的实际道路,并根据实际道路的信息和轨迹点的信息可确定轨迹特征;而后将实际道路的道路特征和轨迹特征输入分类模型,即可输出移动对象的出行方式。在得到移动对象的出行方式之后,可识别出行方式与当前导航模式的匹配性,并在识别结果为不匹配时,以语音形式输出导航预警信息,以便移动对象基于导航预警信息切换导航模式,并基于所切换的导航模式行驶。
其中,分类模型的训练过程是:选取多种轨迹(如驾车轨迹、骑行轨迹、以及步行轨迹)作为训练样本,并对训练样本进行预处理,如可以进行异常杂乱轨迹剔除和丢点轨迹断开,还可以进行过短轨迹剔除等。由于过短轨迹不具备实际应用价值,且训练样本中掺杂过多短轨迹,易使模型学习到错误特征,因此可对训练样本进行过短轨迹剔除操作,具体可以是将轨迹点数少于一定阈值如40的轨迹剔除,或一段时间内轨迹点数超过一定阈值的轨迹删除。
之后针对训练样本中的每一样本,确定与该样本对应的轨迹特征和道路特征;将所确定的各样本的轨迹特征和道路特征输入至深度神经网络模型中进行训练,即可得到分类模型。可选的,本申请实施例中的深度神经网络模型可以包括BiLSTM-Attention网络模型,且训练该模型的目标优化函数可以采用交叉熵损失函数softmax。假设BiLSTM-Attention网络最后一层的输出为h1,h2,L,hk,k是出行方式总种类数目,通过softmax可以将输出hi转换为各个种类的概率,其中第i类的概率可以表示为:(满足);softmax可以表示为:yi是样本种类标签。
进一步的,将实际道路的道路特征和轨迹特征输入分类模型之前还可以包括:对轨迹点特征中的时间以及道路特征进行向量化即embedding。具体的,可以采用现有的文本向量方式,对道路特征进行向量化;可以对时间划分网络进行二值化、编码等操作,进而实现对时间向量化处理。其中,可以将时间中的日期embedding为以为的0或1,1和0分别表示工作日和非工作日;采用sin()和cos()函数将时间中的时分秒embedding为[sinX,cosX], h表示小时,m表示分钟,s表示秒。
需要说明的是,本申请实施例通过分类模型识别出行方式,相比于人工调优方式而言降低了成本,为快速且准确识别出行方式提供了一种可选方案。
本申请实施例提供的技术方案,在移动对象基于当前导航模式行驶场景下,通过利用移动对象的轨迹点序列识别出移动对象的出行方式,并在识别到出行方式与当前导航模式不匹配时实时输出用于提醒切换导航模式的导航预警信息,降低了违章和导航安全风险,解决了目前导航过程中因存在移动对象的出行方式与导航模式不匹配现象所带来的安全隐患问题,优化了导航过程。
图5是根据本申请实施例提供的一种导航装置的结构示意图。本申请实施例适用于在导航场景下,如何保证移动对象的出行方式与导航模式相匹配的情况。该装置可实现本申请任意实施例所述的导航方法。该装置可集成于电子设备中,该电子设备可以是导航应用程序的客户端设备,还可以是导航应用程序的服务器等。该装置500具体包括:
出行方式识别模块501,用于在移动对象基于当前导航模式行驶过程中,根据移动对象的轨迹点序列,识别移动对象的出行方式;
匹配识别模块502,用于识别出行方式与当前导航模式的匹配性;
信息输出模块503,用于若识别结果为不匹配,则输出导航预警信息,以使移动对象基于导航预警信息调整当前导航模式。
本申请实施例的技术方案,在移动对象基于当前导航模式行驶场景下,通过利用移动对象的轨迹点序列识别出移动对象的出行方式,并在识别到出行方式与当前导航模式不匹配时实时输出用于提醒切换导航模式的导航预警信息,降低了违章和导航安全风险,解决了目前导航过程中因存在移动对象的出行方式与导航模式不匹配现象所带来的安全隐患问题,优化了导航过程。
示例性的,出行方式识别模块501包括:
实际道路确定单元,用于确定轨迹点对应的实际道路;
轨迹特征确定单元,用于根据实际道路的信息和轨迹点的信息,确定轨迹特征;
出行方式识别单元,用于根据实际道路的道路特征和轨迹特征,识别移动对象的出行方式。
示例性的,轨迹特征确定单元具体用于:
根据实际道路的信息,对轨迹点序列进行轨迹段分割操作,以得到至少一个轨迹段;
根据轨迹点的信息,确定轨迹特征中的轨迹点特征;
根据轨迹点特征,确定轨迹特征中的轨迹段特征。
示例性的,出行方式识别单元具体用于:
将实际道路的道路特征和轨迹特征输入分类模型,输出移动对象的出行方式。
示例性的,上述装置还包括:
预处理模块,用于对移动对象的轨迹点序列进行预处理。
示例性的,预处理模块具体用于执行下述至少一项:
根据轨迹点间的离群状态,确定轨迹点序列中的异常轨迹点并剔除;
若轨迹点间的角度变化值大于设定角度阈值,或角度变化值大于轨迹点对应的实际道路的角度变化值,则将轨迹点剔除;
若相邻两个轨迹点之间的时间间隔大于设定时间阈值,则以该轨迹点为断点对轨迹进行断开处理。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的导航方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的导航方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的导航方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的导航方法对应的程序指令/模块(例如,附图5所示的出行方式识别模块501、匹配识别模块502和信息输出模块503)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的导航方法。
存储器602可以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、至少一个功能所需要的应用程序;存储数据区可存储根据导航方法的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至导航方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。
导航方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与导航方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,在移动对象基于当前导航模式行驶场景下,通过利用移动对象的轨迹点序列识别出移动对象的出行方式,并在识别到出行方式与当前导航模式不匹配时实时输出用于提醒切换导航模式的导航预警信息,降低了违章和导航安全风险,解决了目前导航过程中因存在移动对象的出行方式与导航模式不匹配现象所带来的安全隐患问题,优化了导航过程。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种导航方法,包括:
在移动对象基于当前导航模式行驶过程中,根据所述移动对象的轨迹点序列,识别所述移动对象的出行方式;
识别所述出行方式与所述当前导航模式的匹配性;
若识别结果为不匹配,则输出导航预警信息,以使所述移动对象基于所述导航预警信息调整所述当前导航模式。
2.根据权利要求1所述的方法,其中,根据所述移动对象的轨迹点序列,识别所述移动对象的出行方式,包括:
确定轨迹点对应的实际道路;
根据所述实际道路的信息和所述轨迹点的信息,确定轨迹特征;
根据所述实际道路的道路特征和所述轨迹特征,识别所述移动对象的出行方式。
3.根据权利要求2所述的方法,其中,根据所述实际道路的信息和所述轨迹点的信息,确定轨迹特征,包括:
根据所述实际道路的信息,对所述轨迹点序列进行轨迹段分割操作,以得到至少一个轨迹段;
根据所述轨迹点的信息,确定所述轨迹特征中的轨迹点特征;
根据所述轨迹点特征,确定所述轨迹特征中的轨迹段特征。
4.根据权利要求2所述的方法,其中,根据所述实际道路的道路特征和所述轨迹特征,识别所述移动对象的出行方式,包括:
将所述实际道路的道路特征和所述轨迹特征输入分类模型,输出所述移动对象的出行方式。
5.根据权利要求1所述的方法,在识别所述移动对象的出行方式之前,还包括:
对所述移动对象的轨迹点序列进行预处理。
6.根据权利要求5所述的方法,其中,对所述移动对象的轨迹点序列进行预处理,包括下述至少一项:
根据轨迹点间的离群状态,确定轨迹点序列中的异常轨迹点并剔除;
若轨迹点间的角度变化值大于设定角度阈值,或所述角度变化值大于轨迹点对应的实际道路的角度变化值,则将所述轨迹点剔除;
若相邻两个轨迹点之间的时间间隔大于设定时间阈值,则以该轨迹点为断点对轨迹进行断开处理。
7.一种导航装置,包括:
出行方式识别模块,用于在移动对象基于当前导航模式行驶过程中,根据所述移动对象的轨迹点序列,识别所述移动对象的出行方式;
匹配识别模块,用于识别所述出行方式与所述当前导航模式的匹配性;
信息输出模块,用于若识别结果为不匹配,则输出导航预警信息,以使所述移动对象基于所述导航预警信息调整所述当前导航模式。
8.根据权利要求7所述的装置,其中,所述出行方式识别模块包括:
实际道路确定单元,用于确定轨迹点对应的实际道路;
轨迹特征确定单元,用于根据所述实际道路的信息和所述轨迹点的信息,确定轨迹特征;
出行方式识别单元,用于根据所述实际道路的道路特征和所述轨迹特征,识别所述移动对象的出行方式。
9.根据权利要求8所述的装置,其中,所述轨迹特征确定单元具体用于:
根据所述实际道路的信息,对所述轨迹点序列进行轨迹段分割操作,以得到至少一个轨迹段;
根据所述轨迹点的信息,确定所述轨迹特征中的轨迹点特征;
根据所述轨迹点特征,确定所述轨迹特征中的轨迹段特征。
10.根据权利要求8所述的装置,其中,所述出行方式识别单元具体用于:
将所述实际道路的道路特征和所述轨迹特征输入分类模型,输出所述移动对象的出行方式。
11.根据权利要求7所述的装置,还包括:
预处理模块,用于对所述移动对象的轨迹点序列进行预处理。
12.根据权利要求11所述的装置,其中,所述预处理模块具体用于执行下述至少一项:
根据轨迹点间的离群状态,确定轨迹点序列中的异常轨迹点并剔除;
若轨迹点间的角度变化值大于设定角度阈值,或所述角度变化值大于轨迹点对应的实际道路的角度变化值,则将所述轨迹点剔除;
若相邻两个轨迹点之间的时间间隔大于设定时间阈值,则以该轨迹点为断点对轨迹进行断开处理。
13.一种电子设备,其中,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的导航方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的导航方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010599472.9A CN111735456A (zh) | 2020-06-28 | 2020-06-28 | 一种导航方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010599472.9A CN111735456A (zh) | 2020-06-28 | 2020-06-28 | 一种导航方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111735456A true CN111735456A (zh) | 2020-10-02 |
Family
ID=72651522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010599472.9A Pending CN111735456A (zh) | 2020-06-28 | 2020-06-28 | 一种导航方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111735456A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112781609A (zh) * | 2020-12-26 | 2021-05-11 | 广东湾区智能终端工业设计研究院有限公司 | 一种导航控制方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202885831U (zh) * | 2012-11-23 | 2013-04-17 | 中国矿业大学 | 具有交通模式识别功能的gps导航仪 |
CN104019808A (zh) * | 2013-02-28 | 2014-09-03 | 联想(北京)有限公司 | 导航模式切换方法和装置 |
CN105333876A (zh) * | 2014-08-04 | 2016-02-17 | 联想(北京)有限公司 | 一种导航方法及装置 |
CN106197458A (zh) * | 2016-08-10 | 2016-12-07 | 重庆邮电大学 | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 |
CN106446208A (zh) * | 2016-09-30 | 2017-02-22 | 东南大学 | 一种考虑路网契合度的智能手机出行方式识别方法 |
US20180005393A1 (en) * | 2016-06-30 | 2018-01-04 | Daqri, Llc | Deep Image Localization |
-
2020
- 2020-06-28 CN CN202010599472.9A patent/CN111735456A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202885831U (zh) * | 2012-11-23 | 2013-04-17 | 中国矿业大学 | 具有交通模式识别功能的gps导航仪 |
CN104019808A (zh) * | 2013-02-28 | 2014-09-03 | 联想(北京)有限公司 | 导航模式切换方法和装置 |
CN105333876A (zh) * | 2014-08-04 | 2016-02-17 | 联想(北京)有限公司 | 一种导航方法及装置 |
US20180005393A1 (en) * | 2016-06-30 | 2018-01-04 | Daqri, Llc | Deep Image Localization |
CN106197458A (zh) * | 2016-08-10 | 2016-12-07 | 重庆邮电大学 | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 |
CN106446208A (zh) * | 2016-09-30 | 2017-02-22 | 东南大学 | 一种考虑路网契合度的智能手机出行方式识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112781609A (zh) * | 2020-12-26 | 2021-05-11 | 广东湾区智能终端工业设计研究院有限公司 | 一种导航控制方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112050824B (zh) | 用于车辆导航的路线规划方法、装置、系统及电子设备 | |
CN112581763A (zh) | 道路事件检测的方法、装置、设备和存储介质 | |
CN110675644B (zh) | 道路红绿灯的识别方法、装置、电子设备及存储介质 | |
CN108955713B (zh) | 行驶轨迹的显示方法及装置 | |
CN113642633A (zh) | 用于对驾驶场景数据进行分类的方法、装置、设备和介质 | |
EP3929805A1 (en) | Method and apparatus for identifying traffic accident, device and computer storage medium | |
CN110617831B (zh) | 生成导航路线的方法、装置及设备 | |
CN112069279B (zh) | 地图数据更新方法、装置、设备及可读存储介质 | |
CN110823237B (zh) | 起点绑路及预测模型获取方法、装置及存储介质 | |
CN111477028B (zh) | 自动驾驶中用于生成信息的方法和装置 | |
CN111611955A (zh) | 可通行施工道路的识别方法、装置、设备及存储介质 | |
CN113327447B (zh) | 导航提醒方法、装置、设备、车辆及存储介质 | |
CN111665845A (zh) | 用于规划路径的方法、装置、设备以及存储介质 | |
CN111982144B (zh) | 导航方法、装置、电子设备及计算机可读介质 | |
CN114202924B (zh) | 冗余交通限制信息的识别方法及装置、电子设备和介质 | |
US20230159052A1 (en) | Method for processing behavior data, method for controlling autonomous vehicle, and autonomous vehicle | |
CN112101527A (zh) | 识别车道变化的方法和装置、电子设备和存储介质 | |
CN111735456A (zh) | 一种导航方法、装置、设备以及存储介质 | |
CN110726414B (zh) | 用于输出信息的方法和装置 | |
CN113706857A (zh) | 道路通行性的确定方法、装置、设备及存储介质 | |
CN114689074B (zh) | 信息处理方法和导航方法 | |
CN111442775B (zh) | 道路的识别方法、装置、电子设备及可读存储介质 | |
CN115290106A (zh) | 一种确定路口路径的方法、装置、设备及存储介质 | |
JP2023005015A (ja) | 交通状況予測装置、および、交通状況予測方法 | |
CN113276888A (zh) | 基于自动驾驶的乘车方法、装置、设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201002 |