CN111982141A - 一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质 - Google Patents

一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质 Download PDF

Info

Publication number
CN111982141A
CN111982141A CN202010761192.3A CN202010761192A CN111982141A CN 111982141 A CN111982141 A CN 111982141A CN 202010761192 A CN202010761192 A CN 202010761192A CN 111982141 A CN111982141 A CN 111982141A
Authority
CN
China
Prior art keywords
path
road
road section
vehicle
point
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
Application number
CN202010761192.3A
Other languages
English (en)
Other versions
CN111982141B (zh
Inventor
康军
李宜修
段宗涛
黄山
何昊健
马浩森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN202010761192.3A priority Critical patent/CN111982141B/zh
Publication of CN111982141A publication Critical patent/CN111982141A/zh
Application granted granted Critical
Publication of CN111982141B publication Critical patent/CN111982141B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position

Abstract

本发明公开了一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质，依据从车辆传感器上采集到的低频轨迹数据，基于地图拓扑结构推断两个轨迹点之间车辆的行驶路径范围。本发明基于地图拓扑结构进行路径推断，可以推断出车辆的行驶路径。而传统的路径推断方法往往只能按照局部最短路径进行推断，或者在采样的GPS点之间创建插值轨迹，但是这种方法对于低频率采样并不适用，本发明可以提供多条路径搜索结果用来分析，每条路径重合程度不高。本发明适用于分析城市道路负载均衡、分析车辆载客状况等情况，在GPS轨迹数据处理技术领域有重要的应用价值。

Description

一种面向低频车辆轨迹数据进行路径推断的方法、设备及存 储介质
技术领域
本发明涉及GPS轨迹数据处理技术领域，具体涉及一种面向低频轨迹数据的概率性路径推断方法。
背景技术
随着GPS(全球定位系统)设备在车辆和私家车上的普及，产生了大量的GPS轨迹数据，这些轨迹数据是分析城市交通状况、城市车辆载客情况的基础数据。但是大部分司机出于节省能耗或者节省网络带宽的考虑，往往将GPS系统的采样频率调低，这样每两个GPS点之间的距离就会很大，就无法精确分析司机走过真实路径，对分析城市交通状况、城市车辆载客等状况造成很大的困扰。
现有，插值法被普遍用于路径推断方法。利用已有的数据以及缺失数据之间的关系，例如时间、空间的关系对缺失的数据进行预测，进而补全缺失的轨迹点，达到对车辆行驶路径进行推断的目的。例如，假设车辆在数据缺失的时间内行驶速度恒定，在连接实际GPS样本的线路上以相等的时间间隔插值新的虚拟GPS样本，将生成的插值点与采样点一同进行地图匹配工作，对缺失的路径进行推断。然而，虚拟样本的线性插值并不总是正确的，当采样数据噪声较大时，使用插值法补齐的轨迹数据也有很高的噪声，使用这些高噪声采样点推断出来的路径往往不是联通的。
推断观测点之间路径的另一种方法是基于路网拓扑结构计算观测点之间的最短路径。例如，使用Dijkstra算法计算出两个GPS点之间的最短路径，并使用采样点之间的最短路径作为车辆行驶过程中的真实路径，但是计算最短路径往往需要付出昂贵的时间代价，而且最短路径并不总是正确的选择，司机会根据道路拥堵程度、道路限速等情况选择合适的路径，而不是将距离最短的路径作为自己的选择。
发明内容
针对现有GPS数据稀疏采样的情况下，无法准确分析城市交通状况、城市车辆载客状况的问题，本发明提供了一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质，依据从车辆传感器上采集到的低频轨迹数据，基于地图拓扑结构推断两个轨迹点之间车辆的行驶路径范围。
为实现上述目的，本发明采用如下技术方案予以实现：
一种面向低频车辆轨迹数据进行路径推断的方法，包括如下步骤：
步骤1：获得车辆所在城市的路段数据，使用城市路段数据构建城市地图拓扑结 构；
步骤2：根据车辆轨迹数据结合其对应的城市地图，对车辆轨迹数据进行预处理并计算车辆轨迹数据对应的城市地图中各条道路被车辆经过的次数；
步骤3：设定任意两个GPS轨迹数据，基于步骤1的地图拓扑结构进行道路路径推断，将推断出的道路路径添加进入候选路径集合中；
步骤4:对候选路径集合中的道路路径基于链路惩罚原理进行过滤，确定最终的道 路路径推断结果集合；
所述步骤3包括如下步骤：
步骤3.1：给定两个轨迹数据，判断轨迹数据是否属于同一辆车，如果不属于同一辆车则流程终止，路径推断不返回结果，并根据轨迹数据中的采样时间判定起始路段和终点路段；
步骤3.2：用PATH字符表示记录走过的路径，PPATH表示记录当前路径的选择概率，T表示记录车辆在当前路径中行驶的时间；
步骤3.3：根据两个轨迹数据中的经纬度信息，计算两个轨迹点之间的地球大圆距离；
步骤3.4：取出起点路段中车辆行驶方向与正北方向的夹角，判断车辆与匹配路段之间的夹角，进行确定车辆在当前路段上的下游路段集合；
步骤3.5：遍历下游路段集合，取出下游路段集合中任一路段，如果该路段距离大于距离阈值则进入步骤3.6，否则判断当前路段是否正在远离终点路段，如果正在远离终点路段则放弃当前路段，继续遍历下游路段集合，直到找到接近终点路段的路段，进入步骤3.6；
步骤3.6：计算当前路段被选择的概率，
Figure BDA0002613128650000021
其中ni为当前路段被经过的次数，α为平滑参数，
Figure BDA0002613128650000022
为当前路段集合中所有路段被经过的次数之和，k为当前路段集合中路段的数量，其中PPATH＝PPATH*Pi；判断当前路段集合中路段数量，确定车辆在当前路径中行驶的时间，进入步骤3.7；
步骤3.7：判断PATH中是否包含终点路段，如果包含终点路段则将PATH以及PPATH添加进入候选路径集合中，否则进入步骤3.8；
步骤3.8：通过PATH中已经走过的路径，判断道路路径中最后一个路段的上一路段相对位置，即可得到车辆在当前路段上的下游行驶路段集合，进入步骤3.5；
进一步地，所述步骤1根据车辆所在城市的路段数据构建地图拓扑结构，地图拓扑结构至少包括如下内容：路段Id，路段起点经度坐标、路段起点纬度坐标、与路段起点直接相连的路段Id集合、路段终点经度坐标、路段终点纬度坐标、与路段终点直接相连的路段Id集合、路段长度。
进一步地，所述的步骤2包括如下步骤：
步骤2.1：对轨迹数据进行预处理；
步骤2.2：对已经进行预处理的轨迹数据计算所有路段被车辆经过的次数。
进一步地，所述的步骤3.4中下游路段集合为车辆在行驶方向上与该路段的起点或终点直接相连的路段集合。
进一步地，所述的步骤3.6中判断当前路段集合中路段数量，确定车辆在当前路径中行驶的时间，判断标准为：如果当前路段集合中路段数量不为1则T＝T+Length/speed+5，否则T＝T+Length/speed，speed为城市高峰平均行驶速度，Length为当前路段的长度。
进一步地，所述步骤4包括如下步骤：
步骤4.1:将候选路径集合中的道路路径按照概率进行升序排序，选出概率最大的路径添加进入路径推断结果集合中，并从候选路径集合中删除这条路径，进入步骤4.2；
步骤4.2：判断路径推断结果集合中的道路路径数量是否大于N条，如果大于N条则方法执行完毕，否则进入步骤4.3；
步骤4.3：遍历候选路径集合中所有的道路路径路径，得到所有道路路径路径中的路段，为其中的每个路段设置其权重值w＝1，进入步骤4.4；
步骤4.4：得到路径推断结果集合中最后一条路径的所有路段，按照如下规则计算每个路段的权值，将正在处理的道路记为r,将r的起点和终点分别记为a,b，以起点GPS轨迹数据中的起点记为s点，以终点GPS轨迹数据中的终点记为e点，计算s点和a点的地球大圆距离，记为d(s,a)，计算b点和e点的地球大圆距离，记为d(b,e)，计算s点和e点的地球大圆距离，记为d(s,e)，得到r的权重值，然后更新r的权重值
Figure BDA0002613128650000031
然后执行步骤4.5；
步骤4.5：对候选路径集合中的所有道路路径重新计算路径的联合选择概率，对路道路路径径中的每个路段用其选择概率乘以每个路段的新的权重值，更新候选路径的选择概率，然后执行步骤4.1。
本发明的技术方案还可以应用于包括收发器、存储器和处理器，所述的存储器中存储有计算机可读指令，所述计算机可读指令被处理器执行时，使得处理器执行本发明总体技术构思中涉及的面向低频车辆轨迹数据进行路径推断的方法。
本发明还可以应用制成任意一种计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行执行本发明总体技术构思中涉及的面向低频车辆轨迹数据进行路径推断的方法。
本发明与现有技术相比，具备有益的技术效果：
(1)本发明基于地图拓扑结构进行路径推断，可以推断出车辆的行驶路径，并保证路径之间是相互联通的。
(2)本发明与传统的路径推断方法不同，传统的路径推断方法往往只能按照局部最短路径进行推断，或者在采样的GPS点之间创建插值轨迹，但是这种方法对于低频率采样并不适用，本发明可以提供多条路径搜索结果用来分析，每条路径重合程度不高。
(3)本发明的方法适用于分析城市道路负载均衡、分析车辆载客状况等情况，在GPS轨迹数据处理技术领域有重要的应用价值。
附图说明
图1为本发明推断出的一些路径的效果图；
图2为具体实施方式中步骤3.4示意图；
图3为具体实施方式中步骤4.4示意图；
图4本发明实施例中计算机设备的结构示意图。
以下结合说明书附图及具体实施方式，对本发明的技术内容作详细说明。
具体实施方式
本发明面向车辆低频GPS轨迹数据，基于地图拓扑结构对车辆走过的路径进行推断，采用Java语言实现，对于分析城市道路负载均衡、分析车辆载客状况等情况有很好地支持作用。本发明的详细步骤如下：
步骤1：获得车辆所在城市的路段数据，使用城市路段数据构建城市地图拓扑结构；
步骤2：根据车辆轨迹数据结合其对应的城市地图，对车辆轨迹数据进行预处理并计算车辆轨迹数据对应的城市地图中各条道路被车辆经过的次数。然后建立一个Map结构，用来存储道路被走过的次数，Map结构如下：(RoadId，RoadNumber)；
步骤3：给定两个GPS轨迹数据，基于步骤1的地图拓扑结构进行路径推断，将推断出的路径记为PATH，并保存在PATH字符串中，将PATH及其联合后验选择概率添加进入候选路径集合中，候选路径集合记为CandidateMap；
步骤4:对CandidateMap中的路径基于链路惩罚原理进行过滤，确定最终的路径推断结果集合，结果集合记为ResultArray。
具体的，城市中路段的路段数据格式如下所述：
51480500016；108.716209,34.079511、108.716824,34.055262
其中，51480500016为RoadId，108.716209,34.079511为道路起点GPS经度和纬度坐标，108.716824,34.055262为道路终点GPS经度和纬度坐标；
车辆轨迹数据如下所示：
XXX,2016-09-0123:17:47,108.869105,34.183308,42,180,51482603440
其中XXX为车辆车牌号，2016-09-0123:17:47为数据采集时间，108.869105,34.183308为车辆的经度和纬度坐标，42为车辆行驶速度，180为车辆行驶方向与正北方向的夹角，51482603440为经过车辆的匹配路段；
具体的，所述步骤1包括如下步骤：
步骤1.1：遍历城市所有路段的路段数据构建地图拓扑结构，构建Map结构，Map结构如下(RoadId,路段拓扑信息)，将这个Map记为CityMap，其中路段拓扑信息如下：
Figure BDA0002613128650000051
从第一行数据开始，取出RoadId作为Key添加进Map结构中，取出起点经纬度坐标添加进路段拓扑信息中，然后依次与其他的路段数据的起点、终点经纬度坐标进行比较，若是相同，则将其他路段数据的RoadId添加进入与当前路段起点直接相连的路段Id集合中，然后取出终点经纬度坐标，然后依次与其他的路段数据的起点、终点经纬度坐标进行比较，若是相同，则将其他路段数据的Id添加进入与当前路段终点直接相连的路段Id集合中，然后以起点和终点经纬度做地球大圆距离计算，添加进入Distance字段中，然后取出第二行数据做上面的操作，一直到所有的路段数据都构成地图拓扑结构则结束，进入步骤2。
具体的，所述步骤2包含如下步骤：
步骤2.1：对轨迹数据进行预处理，将轨迹数据中重复的数据和经纬度坐标超出车辆所在城市坐标范围的数据过滤掉；
步骤2.2：遍历所有的轨迹数据，构建路段走过的次数Map结构，Map结构记为RoadNumberMap，Map结构如下：(RoadId,RoadNumber),依次取出所有的轨迹数据，对其中的匹配路段进行计数，并填充进入RoadNumberMap结构中，进入步骤3.
具体的，所述步骤3包含如下子步骤：
步骤3.1：给定两个轨迹数据，根据车牌号判断车辆是否属于同一辆车，如果不属于同一辆车则流程终止，路径推断不返回结果，根据轨迹数据中的采样时间判定哪个轨迹数据为起点数据，哪个轨迹数据为终点数据，数据如下：XXX,2016-09-01 23:17:47,108.869105,34.183308,180,51482603440,XXX,2016-09-01 23:22:48,108.846352,34.175013,180,51482603430数据格式为车牌号、采样点时间、采样点经度、采样点纬度、车辆实时方向角以及采样点匹配路段Id，通过采样数据的时间判断第一行数据为起点数据，将对应的匹配路段记为ei，第二行数据为终点数据，将对应的匹配路段记为ej；
步骤3.2：初始化PATH字符串为空，用来记录走过的路径，初始化PPATH＝1，用来记录当前路径的选择概率，初始化T＝0，用来记录车辆在当前路径中行驶的时间；
步骤3.3：通过两个轨迹数据中采样点的经纬度信息，计算两个采样点之间的地球大圆距离，记为distance，判断distance是否大于距离阈值Dis tan cethreshold，将结果记录在标志位1中，标志位1用Flag表示，如果distance>Dis tan cethreshold,则将Flag设置为True,反之则为False；
步骤3.4：取出起点数据中车辆行驶方向与正北方向的夹角，判断车辆与匹配路段之间的夹角，进而确定车辆在当前路段上的下游路段集合。下游路段集合为在车辆行驶方向上与路段的起点或终点直接相连的路段集合，参见图2所示。
具体的，步骤3.4分为以下步骤：
步骤3.4.1：取出起点轨迹数据，得到数据中的车辆实时方向角，这个角度是与地图正北方向的夹角，记为CarAngle，取出车辆匹配路段Id，然后去CityMap中用车辆匹配路段Id得到匹配路段的起点和终点GPS点，起点GPS点记为Start(lon,lat),终点GPS点记为End(lon,lat)，使用起点和终点GPS点可以计算得到路段与正北方向的夹角，使用∠Start(lon,lat)→End(lon,lat)代表路段起点到终点的方向与正北方向的夹角，如果
Figure BDA0002613128650000071
步骤3.4.2：CarAngle与路段夹角∠Start(lon,lat)→End(lon,lat)呈垂直状态，说明司机有可能向路段的起点行驶，也可能向路段的终点行驶，则进入步骤3.4.3，之后进入步骤3.4.4；
步骤3.4.3：
Figure BDA0002613128650000072
说明车辆瞬时行驶方向是向匹配路段的终点方向行驶，将ei添加进入PATH中，通过其在路段中行驶的方向得到其将要经过的下游路段集合，在这里是EndArray集合，进入步骤3.5；
步骤3.4.4：
Figure BDA0002613128650000073
说明车辆瞬时行驶方向是与匹配路段的起点方向行驶的，将ei添加进入PATH中，通过其在路段中行驶的方向得到其将要经过的下游路段集合，在这里是StartArray集合，进入步骤3.5；
步骤3.5：遍历路段集合，取出集合中任一路段，如果Flag为False则进入步骤3.6，之后继续遍历路段集合，否则判断当前路段是否正在远离终点路段ej，如果正在远离终点路段则放弃当前路段，继续遍历下一路段，直到找到接近终点路段的路段，进入步骤3.6，之后继续遍历路段集合；
步骤3.6：使用如下公式计算当前路段被选择的概率，
Figure BDA0002613128650000074
其中ni为当前路段被经过的次数，可以在步骤2中得到，α为平滑参数，
Figure BDA0002613128650000075
为当前路段集合中所有路段被经过的次数之和，k为当前路段集合中路段的数量，其中PPATH＝PPATH*Pi，如果当前路段集合中路段数量不为1则T＝T+Length/speed+5，否则T＝T+Length/speed，其中Length为当前路段的长度，speed为城市车辆高峰平均行驶速度，进入步骤3.7；本申请采用高德地图2019中国主要城市交通分析报告统计数据，具体数据来源(https://report.amap.com/ share.do？id＝8b04ff737067a78601707b2ba0542d72)，本申请采用数据值为：26.55Km/h。
步骤3.7：判断PAHT中是否包含终点路段ej，如果包含则将PATH以及PPATH添加进入候选路段集合CandidateMap中，否则判断PPATH是否大于概率阈值,以及T是否大于时间阈值，如果二者都不满足，则进入步骤3.8，反之则返回；
步骤3.8：通过PATH中已经走过的路径，判断路径中最后一个路段的上一路段在其哪个端点，即可得到车辆在当前路段上的下游行驶路段集合，进入步骤3.5；
具体的，所述步骤4包含如下步骤：
步骤4.1：将CandidateMap中的所有路径按照路径的联合选择概率进行升序排序，选出概率最大的一条路径作为第一条候选路径，添加进入ResultArray中，并从CandidateMap中删除这条路径，进入步骤4.2；
步骤4.2：判断ResultArray中的路径数量是否大于N条，如果大于N条则方法执行完毕，否则进入步骤4.3；
步骤4.3：遍历CandidateMap中所有的路径，得到所有路径中的路段，为其中的每个路段设置其权重值w＝1，进入步骤4.4；
步骤4.4：得到ResultArray中最后一条路径的所有路段，按照如下规则计算每个路段的权值，将正在处理的道路记为r,将r的起点和终点分别记为a,b，以起点GPS轨迹数据中的起点记为s点，以终点GPS轨迹数据中的终点记为e点，计算s点和a点的地球大圆距离，记为d(s,a)，计算b点和e点的地球大圆距离，记为d(b,e)，计算s点和e点的地球大圆距离，记为d(s,e)，得到r的权重值，然后更新r的权重值
Figure BDA0002613128650000081
然后执行步骤4.5，参见图3。
步骤4.5：对CandidateMap中的所有路径重新计算路径的联合选择概率，对路径中的每个路段用其选择概率乘以每个路段的新的权重值，更新候选路径的选择概率，然后执行步骤4.1。
参见图4，本发明的技术方案还可以应用于计算机设备之中，包括收发器、存储器和处理器，所述的存储器中存储有计算机可读指令，所述计算机可读指令被处理器执行时，使得处理器执行面向低频车辆轨迹数据进行路径推断的方法。
本发明还可以应用制成任意一种计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行本发明总体的面向低频车辆轨迹数据进行路径推断的方法。
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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请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，该计算机软件产品存储在一个存储介质如(ROM/RAM)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本申请的保护之内。

Claims (8)

1.一种面向低频车辆轨迹数据进行路径推断的方法，其特征在于，包括如下步骤：
步骤1：获得车辆所在城市的路段数据，使用城市路段数据构建城市地图拓扑结构；
步骤2：根据车辆轨迹数据结合其对应的城市地图，对车辆轨迹数据进行预处理并计算车辆轨迹数据对应的城市地图中各条道路被车辆经过的次数；
步骤3：设定任意两个GPS轨迹数据，基于步骤1的地图拓扑结构进行道路路径推断，将推断出的道路路径添加进入候选路径集合中；
步骤4:对候选路径集合中的道路路径基于链路惩罚原理进行过滤，确定最终的道路路径推断结果集合；
所述步骤3包括如下步骤：
步骤3.1：给定两个轨迹数据，判断轨迹数据是否属于同一辆车，如果不属于同一辆车则流程终止，路径推断不返回结果，并根据轨迹数据中的采样时间判定起始路段和终点路段；
步骤3.2：用PATH字符表示记录走过的路径，PPATH表示记录当前路径的选择概率，T表示记录车辆在当前路径中行驶的时间；
步骤3.3：根据两个轨迹数据中的经纬度信息，计算两个轨迹点之间的地球大圆距离；
步骤3.4：取出起点路段中车辆行驶方向与正北方向的夹角，判断车辆与匹配路段之间的夹角，进而确定车辆在当前路段上的下游路段集合；
步骤3.5：遍历下游路段集合，取出下游路段集合中任一路段，如果两个轨迹点之间的地球大圆距离大于距离阈值则进入步骤3.6，否则判断当前路段是否正在远离终点路段，如果正在远离终点路段则放弃当前路段，继续遍历下游路段集合，直到找到接近终点路段的路段，进入步骤3.6；
步骤3.6：计算当前路段被选择的概率，
Figure FDA0002613128640000011
其中ni为当前路段被经过的次数，α为平滑参数，
Figure FDA0002613128640000012
为当前路段集合中所有路段被经过的次数之和，k为当前路段集合中路段的数量，其中PPATH＝PPATH*Pi；判断当前路段集合中路段数量，确定车辆在当前路径中行驶的时间，进入步骤3.7；
步骤3.7：判断PATH中是否包含终点路段，如果包含终点路段则将PATH以及PPATH添加进入候选路径集合中，否则判断PPATH是否大于概率阈值,以及T是否大于时间阈值，如果二者都不满足,进入步骤3.8；
步骤3.8：通过PATH中已经走过的路径，判断道路路径中最后一个路段的上一路段相对位置，即可得到车辆在当前路段上的下游行驶路段集合，进入步骤3.5。
2.如权利要求1所述的一种面向低频车辆轨迹数据进行路径推断的方法，其特征在于，所述步骤1根据车辆所在城市的路段数据构建地图拓扑结构，地图拓扑结构至少包括如下内容：路段Id，路段起点经度坐标、路段起点纬度坐标、与路段起点直接相连的路段Id集合、路段终点经度坐标、路段终点纬度坐标、与路段终点直接相连的路段Id集合、路段长度。
3.如权利要求1或2所述的一种面型低频车辆轨迹数据的路径推断方法，其特征在于，所述的步骤2包括如下步骤：
步骤2.1：对轨迹数据进行预处理；
步骤2.2：对已经进行预处理的轨迹数据计算所有路段被车辆经过的次数。
4.如权利要求1或2所述的一种面型低频车辆轨迹数据的路径推断方法，其特征在于，所述的步骤3.4中下游路段集合为车辆在行驶方向上与该路段的起点或终点直接相连的路段集合。
5.如权利要求1或2所述的一种面型低频车辆轨迹数据的路径推断方法，其特征在于，所述的步骤3.6中判断当前路段集合中路段数量，确定车辆在当前路径中行驶的时间，判断标准为：如果当前路段集合中路段数量不为1则T＝T+Length/speed+5，否则T＝T+Length/speed，speed为城市车辆高峰平均行驶速度，Length为当前路段的长度。
6.如权利要求1或2所述的一种面向车辆低频轨迹数据的路径推断方法，其特征在于，所述步骤4包括如下步骤：
步骤4.1:将候选路径集合中的道路路径按照概率进行升序排序，选出概率最大的路径添加进入路径推断结果集合中，并从候选路径集合中删除这条路径，进入步骤4.2；
步骤4.2：判断路径推断结果集合中的道路路径数量是否大于N条，如果大于N条则方法执行完毕，否则进入步骤4.3；
步骤4.3：遍历候选路径集合中所有的道路路径路径，得到所有道路路径中的路段，为其中的每个路段设置其权重值w＝1，进入步骤4.4；
步骤4.4：得到路径推断结果集合中最后一条路径的所有路段，按照如下规则计算每个路段的权值，将正在处理的道路记为r,将r的起点和终点分别记为a,b，以起点GPS轨迹数据中的起点记为s点，以终点GPS轨迹数据中的终点记为e点，计算s点和a点的地球大圆距离，记为d(s,a)，计算b点和e点的地球大圆距离，记为d(b,e)，计算s点和e点的地球大圆距离，记为d(s,e)，得到r的权重值，然后更新r的权重值
Figure FDA0002613128640000031
然后执行步骤4.5；
步骤4.5：对候选路径集合中的所有道路路径重新计算路径的联合选择概率，对路道路路径径中的每个路段用其选择概率乘以每个路段的新的权重值，更新候选路径的选择概率，然后执行步骤4.1。
7.一种计算机设备，其特征在于：包括收发器、存储器和处理器，所述的存储器中存储有计算机可读指令，所述计算机可读指令被处理器执行时，使得处理器执行如权利要求1-6任意所述的面向低频车辆轨迹数据进行路径推断的方法。
8.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1-6中的任意所述的面向低频车辆轨迹数据进行路径推断的方法。
CN202010761192.3A 2020-07-31 2020-07-31 一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质 Active CN111982141B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010761192.3A CN111982141B (zh) 2020-07-31 2020-07-31 一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010761192.3A CN111982141B (zh) 2020-07-31 2020-07-31 一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111982141A true CN111982141A (zh) 2020-11-24
CN111982141B CN111982141B (zh) 2022-09-13

Family

ID=73444975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010761192.3A Active CN111982141B (zh) 2020-07-31 2020-07-31 一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111982141B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112579921A (zh) * 2020-12-16 2021-03-30 长安大学 基于倒排序索引及前缀树的轨迹索引和查询方法及系统
CN113295177A (zh) * 2021-04-30 2021-08-24 长安大学 基于实时路况信息的动态路径规划方法及系统
CN113525354A (zh) * 2021-07-28 2021-10-22 �田�浩 停车导航的绕行路径规划与控制系统
CN114234975A (zh) * 2021-11-23 2022-03-25 深圳市跨越新科技有限公司 低频的实时轨迹匹配方法、系统、计算机设备及存储介质
CN114898559A (zh) * 2022-05-26 2022-08-12 中国科学院深圳先进技术研究院 一种城市车辆移动感知能力测定方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6125323A (en) * 1996-04-28 2000-09-26 Aisin Aw Co., Ltd. Device for processing road data or intersection data
US20110208426A1 (en) * 2010-02-25 2011-08-25 Microsoft Corporation Map-Matching for Low-Sampling-Rate GPS Trajectories
CN103162702A (zh) * 2013-03-05 2013-06-19 中山大学 稀疏采样下基于多重概率匹配的车辆行驶轨迹重构方法
CN108362293A (zh) * 2018-02-24 2018-08-03 中电福富信息科技有限公司 一种基于关键点技术的车辆轨迹匹配方法
CN109029472A (zh) * 2018-07-10 2018-12-18 天津大学 基于低采样率gps轨迹点的地图匹配方法
CN109459045A (zh) * 2018-09-29 2019-03-12 杭州电子科技大学 一种针对低频gps轨迹的改进交互式投票匹配方法
KR102027313B1 (ko) * 2019-05-28 2019-11-04 주식회사 아이에스앤로드테크 지능형 다차로 영상분석 시스템
CN110443311A (zh) * 2019-08-07 2019-11-12 长安大学 一种基于形状因素调整的交通轨迹聚类相似性计算方法
CN110555992A (zh) * 2019-09-11 2019-12-10 中国矿业大学(北京) 一种基于gps轨迹数据的出租车行驶路径信息提取方法
US20200018607A1 (en) * 2018-07-16 2020-01-16 Here Global B.V. Map matched aggregation for k-anonymity in trajectory data
CN110736471A (zh) * 2019-09-24 2020-01-31 武汉大学 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法
CN110986965A (zh) * 2019-11-28 2020-04-10 武汉大学 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法
CN111368881A (zh) * 2020-02-19 2020-07-03 浙江工业大学 基于多维数据融合分析的低频gps轨迹路网匹配方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6125323A (en) * 1996-04-28 2000-09-26 Aisin Aw Co., Ltd. Device for processing road data or intersection data
US20110208426A1 (en) * 2010-02-25 2011-08-25 Microsoft Corporation Map-Matching for Low-Sampling-Rate GPS Trajectories
CN103162702A (zh) * 2013-03-05 2013-06-19 中山大学 稀疏采样下基于多重概率匹配的车辆行驶轨迹重构方法
CN108362293A (zh) * 2018-02-24 2018-08-03 中电福富信息科技有限公司 一种基于关键点技术的车辆轨迹匹配方法
CN109029472A (zh) * 2018-07-10 2018-12-18 天津大学 基于低采样率gps轨迹点的地图匹配方法
US20200018607A1 (en) * 2018-07-16 2020-01-16 Here Global B.V. Map matched aggregation for k-anonymity in trajectory data
CN109459045A (zh) * 2018-09-29 2019-03-12 杭州电子科技大学 一种针对低频gps轨迹的改进交互式投票匹配方法
KR102027313B1 (ko) * 2019-05-28 2019-11-04 주식회사 아이에스앤로드테크 지능형 다차로 영상분석 시스템
CN110443311A (zh) * 2019-08-07 2019-11-12 长安大学 一种基于形状因素调整的交通轨迹聚类相似性计算方法
CN110555992A (zh) * 2019-09-11 2019-12-10 中国矿业大学(北京) 一种基于gps轨迹数据的出租车行驶路径信息提取方法
CN110736471A (zh) * 2019-09-24 2020-01-31 武汉大学 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法
CN110986965A (zh) * 2019-11-28 2020-04-10 武汉大学 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法
CN111368881A (zh) * 2020-02-19 2020-07-03 浙江工业大学 基于多维数据融合分析的低频gps轨迹路网匹配方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MOHAMMED QUDDUS，SIMON WASHINGTON: "Shortest path and vehicle trajectory aided map-matching for low frequency GPS data", 《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》 *
刘张等: "面向复杂城市道路网络的GPS轨迹匹配算法", 《电子科技大学学报》 *
姚恩建，左婷: "基于低频浮动车数据的实时地图匹配算法", 《北京工业大学学报》 *
王兴等: "基于概率后缀树的移动对象轨迹预测", 《计算机应用》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112579921A (zh) * 2020-12-16 2021-03-30 长安大学 基于倒排序索引及前缀树的轨迹索引和查询方法及系统
CN112579921B (zh) * 2020-12-16 2023-03-10 长安大学 基于倒排序索引及前缀树的轨迹索引和查询方法及系统
CN113295177A (zh) * 2021-04-30 2021-08-24 长安大学 基于实时路况信息的动态路径规划方法及系统
CN113295177B (zh) * 2021-04-30 2022-08-19 长安大学 基于实时路况信息的动态路径规划方法及系统
CN113525354A (zh) * 2021-07-28 2021-10-22 �田�浩 停车导航的绕行路径规划与控制系统
CN114234975A (zh) * 2021-11-23 2022-03-25 深圳市跨越新科技有限公司 低频的实时轨迹匹配方法、系统、计算机设备及存储介质
CN114898559A (zh) * 2022-05-26 2022-08-12 中国科学院深圳先进技术研究院 一种城市车辆移动感知能力测定方法
CN114898559B (zh) * 2022-05-26 2023-08-15 中国科学院深圳先进技术研究院 一种城市车辆移动感知能力测定方法

Also Published As

Publication number Publication date
CN111982141B (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN111982141B (zh) 一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质
CN109405839B (zh) 一种基于多路径的交通网络离线地图匹配算法
KR102378859B1 (ko) 맵 궤적 매칭 데이터의 품질을 결정하는 방법, 장치, 서버 및 매체
CN104751631B (zh) 基于gps定位和模糊理论判断出行链交通方式的方法
KR100653036B1 (ko) 회전 금지, 유-턴, 피-턴을 고려한 다익스트라 알고리즘또는 플로이드-워셜 알고리즘을 이용한 최단경로 산출방법
CN108763558B (zh) 一种基于地图匹配的众包地图道路质量改进方法
CN112015835B (zh) Geohash压缩的地图匹配方法
US20090138188A1 (en) Method, device and system for modeling a road network graph
CN101957208B (zh) 一种基于浮动车技术的新增道路发现方法
US8260532B2 (en) Traffic probe in-vehicle map-based process to reduce data communications and improve accuracy
CN111341103B (zh) 车道信息提取方法、装置、设备及存储介质
CN109813327A (zh) 一种车辆行驶轨迹缺失补偿方法
CN110751831B (zh) 出行方式识别方法、装置、计算机设备和存储介质
CN113932821A (zh) 基于连续窗口平均方向特征的轨迹地图匹配方法
KR101728447B1 (ko) 차량의 예측 교통량을 이용한 차량경로 탐색 장치 및 그 방법
CN109307513B (zh) 一种基于行车记录的实时道路匹配方法及系统
CN112351394A (zh) 一种基于手机信令数据的交通出行模型构建方法
CN113611115B (zh) 一种基于路网敏感特征的车辆轨迹聚类方法
CN108955704B (zh) 一种道路识别方法及装置以及导航路线规划方法及装置
Efentakis et al. Crowdsourcing turning restrictions for OpenStreetMap.
CN116558521A (zh) 轨迹定位方法、设备以及计算机可读存储介质
CN113295177B (zh) 基于实时路况信息的动态路径规划方法及系统
CN114993325A (zh) 一种车辆gps地图道路匹配方法、装置及存储介质
CN113380064B (zh) 一种高效的高速公路通行系统及方法
Kang et al. Bayesian path inference using sparse GPS samples with spatio-temporal constraints

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