CN111966729B - 一种车辆轨迹数据处理方法、装置、设备及存储介质 - Google Patents
一种车辆轨迹数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111966729B CN111966729B CN202010880480.0A CN202010880480A CN111966729B CN 111966729 B CN111966729 B CN 111966729B CN 202010880480 A CN202010880480 A CN 202010880480A CN 111966729 B CN111966729 B CN 111966729B
- Authority
- CN
- China
- Prior art keywords
- track
- point
- track point
- traversed
- target area
- 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
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
- G06F16/24—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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆轨迹数据处理方法、装置、设备及存储介质,方法包括:对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序,得到每辆车的轨迹点序列;所述轨迹点包括位置信息、时间戳和车牌信息;针对每辆车的轨迹点序列,根据目标区域对所述轨迹点序列进行轨迹切分,得到多个轨迹段,从而将这些经过逻辑切分的轨迹段作为源数据应用到预设算法中,例如人工智能算法或者业务统计算法,这样会降低算法需要处理的数据量,进而可提升算法的运行效率。本方案可应用于智慧城市中的交通领域中,从而推动智慧城市的建设。
Description
技术领域
本发明涉及智慧城市中的智能交通技术领域,涉及了一种车辆轨迹数据处理方法、装置、设备及存储介质。
背景技术
车辆的GPS(Global Positioning System,全球定位系统)轨迹数据是车联网中最重要的数据,利用这些轨迹数据可以进行一些人工智能算法的模型预测以及相关场景业务的统计。
然而,业内都是直接用GPS轨迹数据做人工智能算法的模型预测和相关场景业务的统计,而并未对这些轨迹数据进行一些逻辑切分,导致数据处理量太大,算法运行效率不高。
发明内容
本发明的目的是针对上述现有技术的不足提出的一种车辆轨迹数据处理方法、装置、设备及存储介质,该目的是通过以下技术方案实现的。
本发明的第一方面提出了一种车辆轨迹数据处理方法,所述方法包括:
获取车辆的轨迹点,并对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序,得到每辆车的轨迹点序列;所述轨迹点包括位置信息、时间戳和车牌信息;
针对每辆车的轨迹点序列,根据目标区域对所述轨迹点序列进行轨迹切分,以将切分得到的多个轨迹段作为源数据输入预设算法中;所述目标区域为预先设定的地理区域。
可选的,所述获取车辆的轨迹点可包括:
从预设数据仓库中获取包含预设车牌信息的轨迹点,所述预设车牌信息用于指示需要进行轨迹切分的车辆;或者,从预设数据仓库中获取时间戳位于预设时间段的所有车辆的轨迹点。
可选的,在对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序之后,所述方法还可包括:
确定每辆车的轨迹点序列中相邻两个轨迹点之间的行驶距离和速度;
针对每辆车的轨迹点序列,若存在相邻两个轨迹点之间的间隔时长小于第一预设时长但行驶距离大于预设长度,则剔除该相邻两个轨迹点中的一个轨迹点,并重新确定剩余一个轨迹点与相邻的轨迹点之间的行驶距离和速度。
可选的,所述根据目标区域对所述轨迹点序列进行轨迹切分可包括:
步骤S11:将所述轨迹点序列的第一个轨迹点作为轨迹段起点,如果该轨迹段起点不属于所述目标区域,则从第二个轨迹点开始遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S12:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S13:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S14:继续执行上述步骤S12,直至遍历到所述轨迹点序列的最后一个轨迹点结束。
可选的,所述根据目标区域对所述轨迹点序列进行轨迹切分可包括:
步骤S21:将所述轨迹点序列的第一个轨迹点作为轨迹段起点,如果该轨迹段起点属于所述目标区域,则从第二个轨迹点开始遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S22:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S23:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S24:继续执行上述步骤S22,直至遍历到所述轨迹点序列的最后一个轨迹点结束。
可选的,所述方法还可包括:
在直至遍历到的轨迹点属于所述目标区域过程中,如果当前遍历的轨迹点与已遍历轨迹点之间的最长间隔时长大于第二预设时长,并且当前遍历的轨迹点与该已遍历轨迹点的速度均小于预设速度,则将当前遍历的轨迹点作为轨迹段终点,并将该轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,并继续执行直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点的过程。
可选的,在获取车辆的轨迹点之后,所述方法还可包括:
从每辆车的轨迹点中获取异常轨迹点并剔除,所述异常轨迹点为表示位置信息的经度和纬度均为0的轨迹点,和/或,时间戳相同的重复轨迹点。
本发明的第二方面提出了一种车辆轨迹数据处理装置,所述装置包括:
排序模块,用于获取车辆的轨迹点,并对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序,得到每辆车的轨迹点序列;所述轨迹点包括位置信息、时间戳和车牌信息;
第一切分模块,用于针对每辆车的轨迹点序列,根据目标区域对所述轨迹点序列进行轨迹切分,以将切分得到的多个轨迹段作为源数据输入预设算法中。
本发明的第三方面提出了一种计算机设备,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上述第一方面所述的车辆轨迹数据处理方法的步骤。
本发明的第四方面提出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实现如上述第一方面所述的车辆轨迹数据处理方法的步骤。
基于上述第一方面所述的车辆轨迹数据处理方法,具有如下有益效果:
通过将某一设定的地理区域作为目标区域,然后对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序,得到每辆车的轨迹点序列,并根据目标区域对每辆车的轨迹点序列进行轨迹切分,以得到每辆车对应的多个轨迹段,从而将这些经过逻辑切分的轨迹段作为源数据输入预设算法中,例如输入人工智能算法或业务统计算法中,这样会降低算法需要处理的数据量,进而可提升算法的运行效率。本方案可应用于智慧城市中的交通领域中,从而推动智慧城市的建设。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明根据一示例性实施例示出的一种车辆轨迹数据处理方法的实施例流程图;
图2为本发明示出的一种轨迹切分示意图;
图3为本发明示出的另一种轨迹切分示意图;
图4为本发明根据一示例性实施例示出的一种计算机设备的硬件结构图;
图5为本发明根据一示例性实施例示出的一种车辆轨迹数据处理装置的实施例流程图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明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,尽管在本发明可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为了对GPS轨迹数据进行逻辑切分,本申请提出一种车辆轨迹数据的处理方法,通过将某一设定的地理区域作为目标区域,然后对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序,得到每辆车的轨迹点序列,并根据目标区域对每辆车的轨迹点序列进行轨迹切分,以得到每辆车对应的多个轨迹段,从而将这些经过逻辑切分的轨迹段作为源数据输入预设算法中,例如输入人工智能算法或者业务统计算法中,这样会降低算法需要处理的数据量,进而可提升算法的运行效率。本方案可应用于智慧城市中的交通领域中,从而推动智慧城市的建设。
下面以具体实施例对本申请提出的车辆轨迹数据的处理方法进行详细阐述。
图1为本发明根据一示例性实施例示出的一种车辆轨迹数据处理方法的实施例流程图,该车辆轨迹数据处理方法可以应用在计算机设备(如终端、服务器等设备)上。如图1所示,该车辆轨迹数据处理方法包括如下步骤:
步骤101:获取车辆的轨迹点,并对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序,得到每辆车的轨迹点序列。
在101步骤中,各个车辆每天所产生的GPS轨迹数据通常会上传存储到一个数据仓库中,因此可以按照实际使用需求,从数据仓库中获取车辆的轨迹数据。
本领域技术人员可以理解的是,车辆的轨迹数据通常由很多轨迹点组成,且每个轨迹点均包括位置信息、时间戳、车牌信息等类型信息。其中,位置信息由经度和纬度表示。
在一个例子中,可以从预设数据仓库中获取包含预设车牌信息的轨迹点。
其中,预设车牌信息用于指示需要进行轨迹切分的车辆,例如可以是货车或高危车,也可以是其他类型的车辆。
在另一个例子中,可以从预设数据仓库中获取时间戳位于预设时间段的所有车辆的轨迹点。
例如,预设时间段可以以一天或两天的时间间隔获取车辆轨迹数据。
需要说明的是,由于车辆上的轨迹采集设备因GPS信号的不稳定因素,通常会出现上传一些不符合常理的轨迹点,因此在对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序之前,可以对每辆车的轨迹点进行清洗,以将一些异常轨迹点剔除。
其中,这些异常轨迹点可以是用于表示位置信息的经度和纬度均为0的轨迹点,或者,还可以是时间戳相同的重复轨迹点。
本领域技术人员可以理解的是,时间戳是计算机用于记录日期时间的一种表示形式,通常日期越靠前,时间戳越小,日期越靠后,时间戳越大,因此在对日期进行排序时可以按照时间戳的大小进行排序,如果需要日期按照从前到后的顺序排序,那么可以将时间戳按照从小到大的顺序排序,如果需要日期按照从后到前的顺序排序,那么可以将时间戳按照从大到小的顺序排序。
需要进一步说明的是,在对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序之后,还可以确定每辆车的轨迹点序列中任意相邻两个轨迹点之间的行驶距离和速度。
其中,行驶距离可以根据两个相邻轨迹点的经度和纬度确定,例如可以利用经度和纬度计算两个相邻轨迹点之间的直线距离,并将直线距离作为两个相邻轨迹点之间的行驶距离。速度可以根据两个相邻轨迹点的时间戳之间的时间间隔和行驶距离确定,即速度=行驶距离/时间间隔。
在记录行驶距离和速度时,可以将行驶距离和速度记录在两个相邻轨迹点的后一个轨迹点上,因此每辆车的轨迹点序列中,第一个轨迹点没有记录行驶距离和速度,是从第二个轨迹点开始,每个轨迹点均还包括行驶距离和速度。
基于此,在确定行驶距离和速度后,根据行驶距离还可以进一步对轨迹点进行清洗,以剔除一些异常的轨迹点,这些异常的轨迹点指的是在一定时间内车辆不可能走很远的距离。
基于上述原理,剔除方式可以是:针对每辆车的轨迹点序列,若存在相邻两个轨迹点之间的间隔时长小于第一预设时长但行驶距离大于预设长度,则剔除该相邻两个轨迹点中的一个轨迹点,并重新确定剩余一个轨迹点与相邻的轨迹点之间的行驶距离和速度。
其中,第一预设时长和预设长度可以根据实践经验设置,例如,对于相邻两个轨迹点的间隔时长为30秒时,但行驶距离大于5000米,这是不符合车辆行驶常理的,也就是说,任何车辆不可能在30秒时间内,能够行驶5000米的距离。
示例性的,为了避免轨迹点的误差传递,可以剔除相邻两个轨迹点中后面一个轨迹点。
步骤102:针对每辆车的轨迹点序列,根据目标区域对该轨迹点序列进行轨迹切分,以将切分得到的多个轨迹段作为源数据输入预设算法中。
针对根据目标区域对每辆车的轨迹点序列进行轨迹切分过程,根据不同的情况可以可以划分出两种切分方式,第一种切分方式是轨迹点序列中的第一个轨迹点就属于目标区域,第二种切分方式是轨迹点序列中的第一个轨迹点不属于目标区域,下面对这两种方式进行详细介绍:
第一种切分方式的切分过程包括如下步骤:
步骤S11:将轨迹点序列的第一个轨迹点作为轨迹段起点,如果该轨迹段起点属于目标区域,则从第二个轨迹点开始遍历,直至遍历到的轨迹点不属于目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S12:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S13:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S14:继续执行上述步骤S12,直至遍历到轨迹点序列的最后一个轨迹点结束。
参见图2所示,为轨迹点序列(图2中曲线为所有轨迹点形成的轨迹)中的第一个轨迹点属于目标区域的示例,将第一个轨迹点作为第一个轨迹段起点O,并从第二个轨迹点开始遍历,直至遍历到的轨迹点不属于目标区域时将当前遍历的轨迹点作为第一个轨迹段终点D,并将下一轨迹点作为第二个轨迹段起点O,继续遍历,直至遍历到的轨迹点属于目标区域时将当前遍历的轨迹点作为轨迹段终点,由图2可知,后面继续遍历的轨迹点都是不属于目标区域,因此会一直遍历到轨迹点序列的最后一个轨迹点结束,可以将最后一个轨迹点作为第二个轨迹段终点D。由此得到的第一个轨迹段OD为属于目标区域的轨迹段,第二个轨迹段OD为不属于目标区域的轨迹段。
第二种切分方式的切分过程包括如下步骤:
步骤S21:将轨迹点序列的第一个轨迹点作为轨迹段起点,如果该轨迹段起点不属于目标区域,则从第二个轨迹点开始遍历,直至遍历到的轨迹点属于目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S22:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S23:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于目标区域时将当前遍历的轨迹点作为轨迹段终点;
步骤S24:继续执行上述步骤S22,直至遍历到轨迹点序列的最后一个轨迹点结束。
参见图3所示,为轨迹点序列(图3中曲线为所有轨迹点形成的轨迹)中的第一个轨迹点不属于目标区域的示例,将第一个轨迹点作为第一个轨迹段起点O,并从第二个轨迹点开始遍历,直至遍历到的轨迹点属于目标区域时将当前遍历的轨迹点作为第一个轨迹段终点D,并将下一轨迹点再作为第二个轨迹段起点O,继续遍历,直至遍历到的轨迹点不属于目标区域时将当前遍历的轨迹点作为第二个轨迹段终点D,并将下一轨迹点再作为第三个轨迹段起点O,继续遍历,直至遍历到的轨迹点属于目标区域时将当前遍历的轨迹点作为轨迹段终点,由图3可知,后面继续遍历的轨迹点都是不属于目标区域,因此会一直遍历到最后一个轨迹点结束,可以将最后一个轨迹点作为第三个轨迹段终点D。由此得到的第二个轨迹段OD为属于目标区域的轨迹段,第一个轨迹段OD和第三个轨迹段OD为不属于目标区域的轨迹段。
本领域技术人员可以理解的是,上述图2和图3仅为一种示例性说明,通常一个轨迹点序列中会出现,在目标区域往返的多个轨迹段,因此在实际应用中,会将轨迹点序列切分出很多属于目标区域的轨迹段和不属于目标区域的轨迹段。
在步骤102中,目标区域为用户所关注的区域,可以是预先设定的地理区域,该目标区域由经度范围和纬度范围表示。
在判断轨迹点是否属于目标区域时,可以将轨迹点的经度和纬度与目标区域的经度范围和纬度范围进行比较,如果轨迹点的经度位于目标区域的经度范围内并且轨迹点的纬度位于目标区域的纬度范围内,则说明轨迹点属于目标区域,如果轨迹点的经度未位于目标区域的经度范围内或者轨迹点的纬度未位于目标区域的纬度范围内,则说明轨迹点不属于目标区域。
需要说明的是,基于上述两种切分方式,在持续遍历不属于目标区域轨迹点的过程中(即直至遍历到的轨迹点属于目标区域过程中),可以进一步进行细化切分,以细化出属于车辆停下休息的轨迹段和车辆正常行驶的轨迹段,对于车辆停下来休息的轨迹段的判断条件通常是车辆轨迹点的行驶持续时长达到某一时间并且行驶速度始终很低。
具体实现过程可以是:在直至遍历到的轨迹点属于目标区域过程中,如果当前遍历的轨迹点与已遍历轨迹点之间的最长间隔时长大于第二预设时长,并且当前遍历的轨迹点与已遍历轨迹点的速度均小于预设速度,则将当前遍历的轨迹点作为轨迹段终点,并将该轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,并继续执行直至遍历到的轨迹点属于目标区域时将当前遍历的轨迹点作为轨迹段终点的过程。
其中,由于在轨迹段起点与当前遍历轨迹点之间的已遍历轨迹点通常有多个,因此需要将当前遍历轨迹点与最靠前的已遍历轨迹点之间的最长间隔时长与第二预设时长比较,第二预设时长和预设速度可以根据实践经验设定,例如,当前遍历的轨迹点与已遍历轨迹点之间的最长间隔时长已经达到30分钟,但是当前遍历的轨迹点与已遍历轨迹点的速度始终小于5km/h,表示车辆在此期间一直处于非正常行驶状态,很可能是处于休息状态。
本领域技术人员可以理解的是,轨迹点之间的间隔时长可以利用轨迹点的时间戳计算,具体为将时间戳转换为日期格式,然后利用转换得到的日期计算得到轨迹点之间的间隔时长。
在实际应用时,如果预设算法为业务统计算法,如果该算法要统计每辆车某段时间进入目标区域的次数,则针对输入的每辆车的轨迹段,从该辆车的轨迹段中获取位于该段时间内的轨迹段,并统计起点位于目标区域的轨迹段的数量,并将统计得到的起点位于目标区域的轨迹段的数量作为该段时间内该辆车进入目标区域的次数,从而根据统计得到的该段时间内各个车辆进入目标区域的次数可以设计相关的预约、调度系统解决交通拥堵的问题,合理利用目标区域的资源。
而如果该算法要统计某段时间进入目标区域的车辆数,则从输入的每辆车的轨迹段中获取时间戳位于该段时间内的所有的轨迹段,从所有轨迹段中获取起点位于目标区域的轨迹段,统计获取的这些轨迹段中的不同车牌信息的数量,并将统计得到的不同车牌信息的数量作为进入目标区域的车辆数,从而根据统计得到的该段时间内进入目标区域的车辆数可以设计相关的预约、调度系统解决交通拥堵的问题,合理利用目标区域的资源。
至此,完成上述图1所示的处理流程,通过将某一设定的地理区域作为目标区域,然后对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序,得到每辆车的轨迹点序列,并根据目标区域对每辆车的轨迹点序列进行轨迹切分,以得到每辆车对应的多个轨迹段,从而将这些经过逻辑切分的轨迹段作为源数据输入预设算法中,例如输入人工智能算法或业务统计算法中,这样会降低算法需要处理的数据量,进而可提升算法的运行效率。本方案可应用于智慧城市中的交通领域中,从而推动智慧城市的建设。
图4为本发明根据一示例性实施例示出的一种计算机设备的硬件结构示意图。如图4所示,该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现上文描述的车辆轨迹数据处理方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种车辆轨迹数据处理方法。该计算机设备的网络接口用于与终端连接通信。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
与前述车辆轨迹数据处理方法的实施例相对应,本发明还提供了车辆轨迹数据处理装置的实施例。
图5为本发明根据一示例性实施例示出的一种车辆轨迹数据处理装置的实施例流程图,该车辆轨迹数据处理装置可以应用在计算机设备上。如图5所示,该车辆轨迹数据处理装置包括:
排序模块510,用于获取车辆的轨迹点,并对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序,得到每辆车的轨迹点序列;所述轨迹点包括位置信息、时间戳和车牌信息;
第一切分模块520,用于针对每辆车的轨迹点序列,根据目标区域对所述轨迹点序列进行轨迹切分,以将切分得到的多个轨迹段作为源数据输入预设算法中。
在一可选实现方式中,排序模块510,具体用于在获取车辆的轨迹点过程中,从预设数据仓库中获取包含预设车牌信息的轨迹点,所述预设车牌信息用于指示需要进行轨迹切分的车辆;或者,从预设数据仓库中获取时间戳位于预设时间段的所有车辆的轨迹点。
在一可选实现方式中,所述装置还包括(图5中未示出):
第一剔除模块,用于在排序模块510对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序之后,确定每辆车的轨迹点序列中相邻轨迹点之间的行驶距离和速度;针对每辆车的轨迹点序列,若存在相邻两个轨迹点之间的间隔时长小于第一预设时长但行驶距离大于预设长度,则剔除该相邻两个轨迹点中的一个轨迹点,并重新确定剩余一个轨迹点与相邻的轨迹点之间的行驶距离和速度。
在一可选实现方式中,所述第一切分模块520,具体用于将所述轨迹点序列的第一个轨迹点作为轨迹段起点,如果该轨迹段起点不属于所述目标区域,则从第二个轨迹点开始遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点,继续执行将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点的过程,直至遍历到所述轨迹点序列的最后一个轨迹点结束。
在一可选实现方式中,所述第一切分模块520,具体用于将所述轨迹点序列的第一个轨迹点作为轨迹段起点,如果该轨迹段起点属于所述目标区域,则从第二个轨迹点开始遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;继续执行将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点的过程,直至遍历到所述轨迹点序列的最后一个轨迹点结束。
在一可选实现方式中,所述装置还包括(图5中未示出):
第二切分模块,用于在直至遍历到的轨迹点属于所述目标区域过程中,如果当前遍历的轨迹点与已遍历轨迹点之间的最长间隔时长大于第二预设时长,并且当前遍历的轨迹点与该已遍历轨迹点的速度均小于预设速度,则将当前遍历的轨迹点作为轨迹段终点,并将该轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,并继续执行直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点的过程。
在一可选实现方式中,所述装置还包括(图5中未示出):
第二剔除模块,用于在所述排序模块510获取车辆的轨迹点之后,从每辆车的轨迹点中获取异常轨迹点并剔除,所述异常轨迹点为表示位置信息的经度和纬度均为0的轨迹点,和/或,时间戳相同的重复轨迹点。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。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方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本发明还提供了另一种实施方式,即提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序可被至少一个处理器执行,以使至少一个处理器执行上文描述的任意一种车辆轨迹数据处理方法的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
还需要说明的是,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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (7)
1.一种车辆轨迹数据处理方法,其特征在于,所述方法包括:
获取车辆的轨迹点,并对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序,得到每辆车的轨迹点序列;所述轨迹点包括位置信息、时间戳和车牌信息;
针对每辆车的轨迹点序列,根据目标区域对所述轨迹点序列进行轨迹切分,以获得属于所述目标区域的轨迹段和不属于所述目标区域的轨迹段,并将切分得到的多个轨迹段作为源数据输入预设算法中;所述目标区域为预先设定的地理区域;
所述根据目标区域对所述轨迹点序列进行轨迹切分,包括:
步骤S11:将所述轨迹点序列的第一个轨迹点作为轨迹段起点,如果该轨迹段起点不属于所述目标区域,则从第二个轨迹点开始遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;步骤S12:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;步骤S13:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;步骤S14:继续执行上述步骤S12,直至遍历到所述轨迹点序列的最后一个轨迹点结束;
所述根据目标区域对所述轨迹点序列进行轨迹切分,包括:
步骤S21:将所述轨迹点序列的第一个轨迹点作为轨迹段起点,如果该轨迹段起点属于所述目标区域,则从第二个轨迹点开始遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;步骤S22:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;步骤S23:将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;步骤S24:继续执行上述步骤S22,直至遍历到所述轨迹点序列的最后一个轨迹点结束;
所述方法还包括:
在直至遍历到的轨迹点属于所述目标区域过程中,如果当前遍历的轨迹点与已遍历轨迹点之间的最长间隔时长大于第二预设时长,并且当前遍历的轨迹点与该已遍历轨迹点的速度均小于预设速度,则将当前遍历的轨迹点作为轨迹段终点,并将该轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,并继续执行直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点的过程。
2.根据权利要求1所述的方法,其特征在于,所述获取车辆的轨迹点,包括:
从预设数据仓库中获取包含预设车牌信息的轨迹点,所述预设车牌信息用于指示需要进行轨迹切分的车辆;或者,
从预设数据仓库中获取时间戳位于预设时间段的所有车辆的轨迹点。
3.根据权利要求1所述的方法,其特征在于,在对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序之后,所述方法还包括:
确定每辆车的轨迹点序列中相邻两个轨迹点之间的行驶距离和速度;
针对每辆车的轨迹点序列,若存在相邻两个轨迹点之间的间隔时长小于第一预设时长但行驶距离大于预设长度,则剔除该相邻两个轨迹点中的一个轨迹点,并重新确定剩余一个轨迹点与相邻的轨迹点之间的行驶距离和速度。
4.根据权利要求1所述的方法,其特征在于,在获取车辆的轨迹点之后,所述方法还包括:
从每辆车的轨迹点中获取异常轨迹点并剔除,所述异常轨迹点为表示位置信息的经度和纬度均为0的轨迹点,和/或,时间戳相同的重复轨迹点。
5.一种车辆轨迹数据处理装置,其特征在于,所述装置包括:
排序模块,用于获取车辆的轨迹点,并对获取的每辆车的轨迹点按照时间戳从小到大的顺序排序,得到每辆车的轨迹点序列;所述轨迹点包括位置信息、时间戳和车牌信息;
第一切分模块,用于针对每辆车的轨迹点序列,根据目标区域对所述轨迹点序列进行轨迹切分,以获得属于所述目标区域的轨迹段和不属于所述目标区域的轨迹段,并将切分得到的多个轨迹段作为源数据输入预设算法中;
所述第一切分模块,具体用于将所述轨迹点序列的第一个轨迹点作为轨迹段起点,如果该轨迹段起点不属于所述目标区域,则从第二个轨迹点开始遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点,继续执行将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点的过程,直至遍历到所述轨迹点序列的最后一个轨迹点结束;
所述第一切分模块,还具体用于将所述轨迹点序列的第一个轨迹点作为轨迹段起点,如果该轨迹段起点属于所述目标区域,则从第二个轨迹点开始遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点不属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点;继续执行将当前遍历的轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点的过程,直至遍历到所述轨迹点序列的最后一个轨迹点结束;
所述装置还包括:
第二切分模块,用于在直至遍历到的轨迹点属于所述目标区域过程中,如果当前遍历的轨迹点与已遍历轨迹点之间的最长间隔时长大于第二预设时长,并且当前遍历的轨迹点与该已遍历轨迹点的速度均小于预设速度,则将当前遍历的轨迹点作为轨迹段终点,并将该轨迹点的下一轨迹点再作为轨迹段起点,继续遍历,并继续执行直至遍历到的轨迹点属于所述目标区域时将当前遍历的轨迹点作为轨迹段终点的过程。
6.一种计算机设备,其特征在于,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1-4任一项所述车辆轨迹数据处理方法的步骤。
7.一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1~4中任一项车辆轨迹数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880480.0A CN111966729B (zh) | 2020-08-27 | 2020-08-27 | 一种车辆轨迹数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880480.0A CN111966729B (zh) | 2020-08-27 | 2020-08-27 | 一种车辆轨迹数据处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111966729A CN111966729A (zh) | 2020-11-20 |
CN111966729B true CN111966729B (zh) | 2023-05-19 |
Family
ID=73399747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010880480.0A Active CN111966729B (zh) | 2020-08-27 | 2020-08-27 | 一种车辆轨迹数据处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111966729B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487038A (zh) * | 2020-12-15 | 2021-03-12 | 平安国际智慧城市科技股份有限公司 | 水源监测轨迹数据处理方法、装置、设备及存储介质 |
CN112613673B (zh) * | 2020-12-29 | 2024-05-14 | 北京梧桐车联科技有限责任公司 | 出行轨迹确定方法、装置及计算机可读存储介质 |
CN112837369A (zh) * | 2021-02-09 | 2021-05-25 | 北京市商汤科技开发有限公司 | 数据处理方法及装置、电子设备及计算机可读存储介质 |
CN113127466B (zh) * | 2021-04-20 | 2023-04-11 | 同济大学 | 一种车辆轨迹数据预处理方法及计算机存储介质 |
CN113204240B (zh) * | 2021-04-30 | 2024-05-07 | 广东美房智高机器人有限公司 | 一种移动机器人的作业轨迹保存方法 |
CN113870557A (zh) * | 2021-09-24 | 2021-12-31 | 阿波罗智联(北京)科技有限公司 | 交通策略的检测方法、装置、设备、存储介质及程序 |
CN114265912A (zh) * | 2021-12-27 | 2022-04-01 | 智慧足迹数据科技有限公司 | 驻留点生成方法及相关装置 |
CN114490601A (zh) * | 2021-12-31 | 2022-05-13 | 北京中交兴路信息科技有限公司 | 一种车辆轨迹测试方法和系统 |
CN114491993B (zh) * | 2022-01-11 | 2023-04-14 | 深圳快造科技有限公司 | 数据处理方法、装置、服务器及存储介质 |
CN114705214B (zh) * | 2022-04-15 | 2023-05-23 | 北京龙驹易行科技有限公司 | 一种里程轨迹计算方法、装置、存储介质及电子设备 |
CN114911887B (zh) * | 2022-04-22 | 2023-06-23 | 阿波罗智联(北京)科技有限公司 | 数据处理的方法、装置、设备以及存储介质 |
CN115080683B (zh) * | 2022-08-24 | 2022-11-25 | 天津所托瑞安汽车科技有限公司 | 车辆行程处理方法、设备和存储介质 |
CN115617938B (zh) * | 2022-12-20 | 2023-03-14 | 永立数智(北京)科技有限公司 | 基于时空历史比对的车辆轨迹重复校验方法及装置 |
CN115964545B (zh) * | 2023-03-16 | 2023-05-30 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车轨迹点推断污染点位的方法 |
CN116168543B (zh) * | 2023-04-21 | 2023-08-01 | 健鼎(无锡)电子有限公司 | 基于毫米波雷达的车辆轨迹修正方法、装置及存储介质 |
CN116481560B (zh) * | 2023-06-21 | 2023-10-03 | 天津所托瑞安汽车科技有限公司 | 车辆行驶里程的计算方法、装置、终端及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106877875A (zh) * | 2017-01-22 | 2017-06-20 | 齐鲁工业大学 | 一种基于阈值结合算法的车辆运行轨迹压缩方法 |
CN110457413A (zh) * | 2019-07-17 | 2019-11-15 | 中国第一汽车股份有限公司 | 行驶方向的确定方法、装置、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111093156B (zh) * | 2019-11-29 | 2020-12-15 | 中国联合网络通信集团有限公司 | 伪基站的位置定位方法、设备和存储介质 |
CN111190891B (zh) * | 2019-12-27 | 2023-07-25 | 武汉长江通信产业集团股份有限公司 | 一种多语义轨迹数据分段存储方法 |
-
2020
- 2020-08-27 CN CN202010880480.0A patent/CN111966729B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106877875A (zh) * | 2017-01-22 | 2017-06-20 | 齐鲁工业大学 | 一种基于阈值结合算法的车辆运行轨迹压缩方法 |
CN110457413A (zh) * | 2019-07-17 | 2019-11-15 | 中国第一汽车股份有限公司 | 行驶方向的确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111966729A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111966729B (zh) | 一种车辆轨迹数据处理方法、装置、设备及存储介质 | |
CN108362293B (zh) | 一种基于关键点技术的车辆轨迹匹配方法 | |
CN109685429B (zh) | 配送能力确定方法、装置、电子设备及存储介质 | |
US11838364B2 (en) | Extrema-retentive data buffering and simplification | |
US11546395B2 (en) | Extrema-retentive data buffering and simplification | |
CN104318327A (zh) | 一种车辆轨迹预测分析方法 | |
CN110851490B (zh) | 一种基于过车数据的车辆出行常用停留点挖掘方法及装置 | |
CN109493449B (zh) | 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法 | |
WO2024067210A1 (zh) | 一种交通状态确定方法、装置及设备 | |
US20230205753A1 (en) | Systems and methods for updating maps and evaluating map accuracy based on collected image data | |
CN111582527A (zh) | 行程时间的预估方法、装置、电子设备和存储介质 | |
CN111369810A (zh) | 车辆出行特征获取方法、装置、电子设备及存储介质 | |
CN116884223B (zh) | 一种智慧城市交通引导系统 | |
CN108665723B (zh) | 一种信息获取方法及装置 | |
CN116431923B (zh) | 一种针对城市道路的交通出行预测方法、设备及介质 | |
CN115655301A (zh) | 车辆导航路线的选取方法、装置、电子设备及介质 | |
CN111476421B (zh) | 订单预测方法、装置、存储介质及设备 | |
CN113902209A (zh) | 出行路线推荐方法、边缘服务器、云服务器、设备及介质 | |
CN107270919B (zh) | 公交路线分级方法、装置以及公交路线导航方法、装置 | |
CN114896482A (zh) | 一种模型训练和补能意图识别方法、装置、设备及介质 | |
CN110674962A (zh) | 车辆的行程预估处理方法、装置及存储介质 | |
CN111861498B (zh) | 出租车的监控方法、装置、设备和存储介质 | |
CN115593420B (zh) | 一种碳减排量确定方法、装置、电子设备及存储介质 | |
CN114093153B (zh) | 基于乘客需求信息的载客车辆调度方法及装置 | |
CN112017465B (zh) | 基于云计算技术对交通资源进行配置的方法 |
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 |