CN112394380A - 一种数据处理方法、装置及系统 - Google Patents
一种数据处理方法、装置及系统 Download PDFInfo
- Publication number
- CN112394380A CN112394380A CN201910761935.4A CN201910761935A CN112394380A CN 112394380 A CN112394380 A CN 112394380A CN 201910761935 A CN201910761935 A CN 201910761935A CN 112394380 A CN112394380 A CN 112394380A
- Authority
- CN
- China
- Prior art keywords
- road section
- fitted
- track
- probability
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000001186 cumulative effect Effects 0.000 claims description 52
- 230000007704 transition Effects 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种数据处理方法装置及系统。其中所述方法,包括:获取目标对象的多个轨迹点;针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。采用本申请提供的方法,解决了现有技术不支持针对多种混合类轨迹点进行路径拟合的问题。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种数据处理方法、装置及系统。
背景技术
随着全球定位系统(GPS,Global Positioning System)的广泛使用,可以很容易地采集到汽车等移动设备的轨迹点数据。
根据这些轨迹数据进行路径拟合,可以获得移动设备的行进路线。现有技术中,路径拟合,一般以隐马尔可夫模型(HMM,Hidden Markov Model)中的维特比(Viterbi)算法作为其核心算法。该算法的实现步骤包括:首先,对轨迹序列中的每个GPS轨迹点计算其到相邻路网的发散概率;然后,计算道路之间的转移概率;接着,计算出所有可能路径的累积概率,找到累积概率最大的路径序列;进而,通过反向计算,得到完整的路径序列;最后,通过该完整的路径序列获得移动设备的行进路线。
但是,现有技术中,该方法只支持对GPS轨迹点进行路径拟合,不能够满足对于多种混合类轨迹点进行路径拟合的需求。
发明内容
本申请提供一种数据处理方法,以解决现有技术不支持针对多种混合类轨迹点进行路径拟合的问题。
本申请提供一种数据处理方法,包括:
获取目标对象的多个轨迹点;
针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;
根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;
根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
可选的,所述轨迹点包括第一来源轨迹点和第二来源轨迹点中的至少一种。
可选的,所述针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段,包括:
获取所述轨迹点的位置信息;
根据所述轨迹点的位置信息,计算所述轨迹点与预设路段之间的距离;
根据所述轨迹点与预设路段之间的距离,确定所述轨迹点的待拟合路段。
可选的,所述根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,包括:
如果所述轨迹点为第一来源轨迹点,则根据所述第一来源轨迹点的空间信息以及所述第一来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的发散概率。
可选的,所述根据所述第一来源轨迹点的空间信息以及所述第一来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的发散概率,包括:
根据所述第一来源轨迹点的空间信息以及所述第一来源轨迹点的待拟合路段,获得所述第一来源轨迹点与所述第一来源轨迹点的待拟合路段的距离;
针对所述距离进行幂律衰减处理,获得所述轨迹点到所述待拟合路段的发散概率。
可选的,所述根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,包括:
如果所述轨迹点为第二来源轨迹点,则根据所述第二来源轨迹点以及所述第二来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的距离;
将所述距离,作为阶跃函数的输入数据,获得所述轨迹点到所述待拟合路段的发散概率。
可选的,所述如果所述轨迹点为第二来源轨迹点,则根据所述第二来源轨迹点以及所述第二来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的距离,包括:
如果所述轨迹点为第二来源轨迹点,则获取所述第二来源轨迹点对应的第二来源轨迹点采集设备覆盖的地理哈希网格;
通过待拟合路段与所述地理哈希网格匹配程度,筛选出该地理哈希网格范围内的备选待拟合路段;
获得所述轨迹点到所述备选待拟合路段的距离。
可选的,还包括:
根据所述轨迹点,从缓存中获得所述轨迹点到所述待拟合路段的发散概率。
可选的,所述获得所述轨迹点到所述待拟合路段的发散概率,还包括:
如果从缓存中未获得所述轨迹点到所述待拟合路段的发散概率,则根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率。
可选的,还包括:
将获得的所述轨迹点到所述待拟合路段的发散概率,保存在所述缓存中。
可选的,所述根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线,包括:
获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的转移概率;
根据所述发散概率和所述转移概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
可选的,所述获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的转移概率,包括:
从路网数据中获取路段信息;
根据所述路段信息,获得路段分支信息和路段夹角余弦信息;
根据所述路段信息中的路段分支信息以及所述路段夹角余弦信息中的至少一种,获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的转移概率。
可选的,所述根据所述发散概率和所述转移概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线,包括:
将所述发散概率和所述转移概率进行乘法运算,获得所述待拟合路段中指定路段的累积概率;
根据所述累积概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
可选的,还包括:
根据所述待拟合路段中指定路段的累积概率,确定所述待拟合路段中累积概率最大的路段;
将所述累积概率最大的路段的信息保存在缓存中。
可选的,所述根据所述累积概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线,包括:
根据所述累积概率,确定由所述轨迹点构成的轨迹点序列中最后一个轨迹点的待拟合路段中累积概率最大的第一路段;
根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得与所述轨迹点序列匹配的路段序列;
根据所述路段序列,获得所述目标对象的移动路线。
可选的,所述根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得与所述轨迹点序列匹配的路段序列,包括:
根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得所述缓存中保存的所述轨迹点的待拟合路段中累积概率最大的第二路段的信息;
根据所述第一路段与所述第二路段的信息,获得与所述轨迹点序列匹配的路段序列。
可选的,还包括:
判断所述路段序列中包含的路段之间是否有断链;
若是,则获得存在断链的路段之间的最短连接路段;
将所述最短连接路段补入所述所述路段序列中,获得完整路段序列;
所述根据所述路段序列,获得所述目标对象的移动路线,包括:
根据所述完整路段序列,获得所述目标对象的移动路线。
此外,本申请还提供一种数据处理装置,其包括:
获取单元,用于获取目标对象的多个轨迹点;
确定单元,用于针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;
获得单元,用于根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;
获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段中路段之间的转移概率;
拟合单元,用于根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
此外,本申请还提供一种数据处理方法,其包括:
获得客户端查询目标对象的移动路线的请求,所述请求中包括所述目标对象的多个轨迹点;
针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;
根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;
根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线;
将所述移动路线提供给所述客户端。
此外,本申请还提供一种数据处理系统,包括路径拟合服务器和客户端;
所述路径拟合服务器用于,获取目标对象的多个轨迹点;针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线;
所述客户端用于,根据所述目标对象的轨迹点,构建查询目标物体的移动路线的请求;将所述查询目标对象的移动路线的请求发送给所述路径拟合服务器;获取所述路径拟合服务器返回的所述目标对象的行进路线。
此外,本申请还提供一种电子设备,其包括:
处理器;
以及,
存储器,用于存储计算机程序,该设备通过所述处理器运行该计算机程序后,执行前述任意一项所述数据处理方法。
此外,本申请还提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,该程序被处理器运行,执行前述任意一项所述数据处理方法。
此外,本申请还提供一种数据处理方法,其包括:
获取目标对象的多个轨迹点;
针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;
通过阶跃函数计算所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;
根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线;
所述通过阶跃函数计算所述轨迹点到所述待拟合路段的发散概率包括:将所述轨迹点至待拟合路段的距离作为阶跃函数的输入,计算所述轨迹点到所述待拟合路段的发散概率。
与现有技术相比,本申请具有如下优点:
本申请提供的数据处理方法,获取目标对象的多个轨迹点;针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。采用本申请提供的方法,根据轨迹点类型,获得路径拟合过程中的发散概率,进而针对所述轨迹点进行路径拟合,解决了现有技术不支持针对多种混合类轨迹点进行路径拟合的问题。
附图说明
图1是本申请提供的一种路径拟合方法的应用场景实施例示意图;
图2是本申请第一实施例提供的一种路径拟合方法的流程图;
图3是本申请第二实施例提供的一种路径拟合装置的示意图;
图4是本申请第三实施例提供的一种路径拟合方法的流程图;
图5是本申请第五实施例涉及的一个应用系统的流程示意图;
图6是本申请提供的一种路径拟合方法的应用场景实施例示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
为了使本领域的技术人员更好的理解本申请方案,首先对本申请的一个具体应用场景实施例进行详细描述。如图1所示,其为本申请提供的一种数据处理方法的应用场景的实施例示意图。在具体实施过程中,可以由客户端102向路径拟合服务器101发送用于查询目标物体的行进路线的请求信息;路径拟合服务器101针对该请求信息进行解析,获得目标物体的轨迹点序列;根据轨迹点序列,路径拟合服务器101经过处理,获得目标物体的行进路线。
本申请第一实施例提供一种数据处理方法,请参看图2,该图为本申请第一实施例的流程图。以下结合图2对本申请第一实施例提供的一种数据处理进行详细说明。所述方法包括如下步骤:
步骤S201:获取目标对象的多个轨迹点。
本步骤用于获取目标对象的多个轨迹点。
所述目标物体可以是监控中的移动设备,如汽车、飞行器、船只等。所述轨迹点包括第一来源轨迹点和第二来源轨迹点,其中,第一来源轨迹点包括例如通过GPS、北斗等通过卫星导向获得的高精度的轨迹点,本实施例中也称为非采集设备类型轨迹点。第二来源轨迹点包括通过采集基站、卡口摄像头或WIFI设备的位置获得的轨迹点,本实施例中也称为采集设备类型轨迹点,该类轨迹点由于不是目标设备的实际位置,相对于卫星导航类设备轨迹点精度较低。故而,也可根据采集设备采集轨迹点的精度区分第一来源轨迹点和第二来源轨迹点,例如,将采集精度高于设定阈值的轨迹点称为第一来源轨迹点,反之,将精度不大于设定阈值的轨迹点称为第二来源轨迹点。
如上所述,本实施例中,所述轨迹点包括采集设备类型轨迹点和非采集设备类型轨迹点中的至少一种。
步骤S202:针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段。
本步骤用于针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段。
路段,是路网中的最小道路单位,即路网中的线段。路段包含两个端点以及路段中各个途经点的结合,一个路段除了两个端点外不与其他路段相交。路网,是指一个区域内所有路段的集合,路网数据也包含了路段之间的连接关系。可以根据路径拟合的精度需要选择使用不同的路网数据,例如,针对需要高精度拟合的情形,可以选择具有更多细化路段的路网数据。
所述轨迹点的待拟合路段,可以为所述轨迹点的相邻路段。所述根据所述轨迹点的位置信息,确定所述轨迹点的待拟合路段,包括:
获取所述轨迹点的位置信息;
根据所述轨迹点的位置信息,计算所述轨迹点与预设路段之间的距离;
根据所述轨迹点与预设路段之间的距离,确定所述轨迹点的待拟合路段。
例如,获取GPS轨迹点的经度信息和维度信息等地理位置信息,以及基站轨迹点的经度信息和维度信息等地理位置信息,然后计算所述轨迹点与数据库中记录的路段之间的距离;根据所述轨迹点与数据库中记录的路段之间的距离,判断该距离是否在规定的距离阈值内,如果该距离在规定的距离阈值内,则将满足该条件的所有路段确定为相邻路段。
步骤S203:根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率。
本步骤用于获得所述轨迹点到所述相邻路段的发散概率,所述发散概率用于表征从所述轨迹点获得所述待拟合路段的概率。
在Viterbi算法中,发散概率(emission probability)代表针对观察值(observation)得到隐藏状态(hidden state)的概率。具体本实施例而言,观察值对应着轨迹点,隐藏状态对应着路段。
本实施例提供的路径拟合方法,根据不同的轨迹点类型,采用不同的方法获得所述轨迹点到所述相邻路段的发散概率。本实施例中,将所述轨迹点分为两类,分别为第一来源轨迹点和第二来源轨迹点。下面对于这两种类型的轨迹点到所述相邻路段的发散概率的计算方法进行详细说明。
所述根据所述轨迹点的类型,获得所述轨迹点到所述相邻路段的发散概率,包括:
如果所述轨迹点为第一来源轨迹点,则根据所述第一来源轨迹点的空间信息以及所述第一来源轨迹点的相邻路段,获得所述轨迹点到所述相邻路段的发散概率。
所述第一来源轨迹点的空间信息,可以为第一来源轨迹点的地理位置信息,如经度和维度等信息。
所述根据所述第一来源轨迹点的空间信息以及所述非采集设备类型轨迹点的相邻路段,获得所述轨迹点到所述相邻路段的发散概率,包括:
根据所述第一来源轨迹点的空间信息以及所述第一来源轨迹点的相邻路段,获得所述第一来源轨迹点与所述第一来源轨迹点的相邻路段的距离;
针对所述距离进行幂律衰减处理,获得所述轨迹点到所述相邻路段的发散概率。
在获得所述第一来源轨迹点与所述第一来源轨迹点的相邻路段的距离x后,可以根据幂律函数
y=xk
来计算所述轨迹点到所述相邻路段的发散概率y,其中,k为一个常数(例如,k=-2)。
例如,所述第一来源轨迹点与所述第一来源轨迹点的相邻路段1的距离为5千米,常数k取-2,则该轨迹点到相邻路段1的发散概率y的计算过程为:
y=5-2=0.04。
又如,所述第一来源轨迹点与所述第一来源轨迹点的相邻路段1的距离为10千米,常数k取-2,则该轨迹点到相邻路段1的发散概率的计算过程为:
y=10-2=0.01。
所述根据所述轨迹点的类型,获得所述轨迹点到所述相邻路段的发散概率,包括:
如果所述轨迹点为第二来源轨迹点,则根据所述第二来源轨迹点以及所述第二来源轨迹点的相邻路段,获得所述轨迹点到所述相邻路段的距离;
将所述距离,作为阶跃函数的输入数据,获得所述轨迹点到所述相邻路段的发散概率。
本实施例中,第二来源轨迹点的发散概率可以使用阶跃函数来计算。例如,可以使用下面的阶跃函数来计算所述轨迹点到所述相邻路段的发散概率。其中,k为距离阈值,x为所述轨迹点到所述相邻路段的距离,p1和p2分别为各种条件下的概率。
对于上述公式,如果k=5(km),p1=0.2,p2=0.01,则f(10)=0.01,f(1)=0.2。可以看出,在距离小于距离阈值时,该发散概率为等概率分布,在距离大于距离阈值时为一个较小的概率。上述概率p1和p2值根据通常根据设备自身的参数信息以及设备所处的环境信息确定。例如,对于基站、WIFI等设备,通过由设备设置位置、发射功率及功率分布确定,摄像头通过根据其固定位置、分辨率等参数确定。相同型号的设备一般具有相同的发散概率分布。
此外,采集设备类型轨迹点的发散概率可以用分段函数来计算,即采集点在不同的分段区间内,对应于不同的发散概率,在一个分段区间内,具有相同的概率值P,P值的确定方式与前述p1和p2值确定方式相同,在此不再赘述。
此外,所述如果所述轨迹点为第二来源轨迹点,则根据所述第二来源轨迹点以及所述第二来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的距离,包括:如果所述轨迹点为第二来源轨迹点,则获取所述第二来源轨迹点对应的第二来源轨迹点采集设备覆盖的地理哈希网格;通过待拟合路段与根据所述地理哈希网格匹配程度,筛选出该地理哈希网格范围内的备选待拟合路段;获得所述轨迹点到所述备选待拟合路段的距离。
具体而言,对于第二来源轨迹点产生设备,生成以设备为基点的网格,通过哈希算法将网格经纬度信息转换为二维字符串,每一个字符串代表一个网格,将相邻路段(端点和/或中间点)的经纬度也转换为字符串,比较网格对应字符串与路段对应字符串的匹配程度,将满足匹配条件的路段认为是在网格范围内的路段,从而筛选出备选相邻路段的集合。针对每一个筛选出的备选相邻路段,再计算采集设备到该路段的距离。然后在后续通过前述阶跃函数方式计算发散概率。通过哈希地理网格可以筛选出备选相邻路段,减少后续计算距离及概率的计算量。
本实施例中,所述路径拟合方法,还包括:根据所述轨迹点,在缓存中检索所述轨迹点到所述相邻路段的发散概率;
所述获得所述轨迹点到所述相邻路段的发散概率,包括:
如果在缓存中检索到所述轨迹点到所述相邻路段的第一发散概率,则获得缓存中检索到的所述轨迹点到所述相邻路段的第一发散概率。
如果在缓存中未检索到所述轨迹点到所述相邻路段的第一发散概率,则根据所述轨迹点的类型,获得所述轨迹点到所述相邻路段的发散概率。
本实施例中,首先要根据所述轨迹点,在缓存中检索所述轨迹点到所述相邻路段的发散概率,如果找到,则直接获取缓存中的发散概率。如果没有找到,再进行计算获取。通过使用缓存,极大提高了发散概率的获取效率。
所述路径拟合方法,还包括:
将获得的所述轨迹点到所述相邻路段的发散概率,保存在缓存中。
在获得所述轨迹点到所述相邻路段的发散概率后,将所述发散概率保存在缓存中,后续如果再查询该发散概率,则直接从缓存中获取。
此外,需要说明的是,若在同一时间,同时采集了设备类型轨迹点和非采集设备类型轨迹点,则以精度更高的轨迹点为准进行计算,例如,本实施例中,通过GPS、北斗导航等获得的非采集设备轨迹点具有更高的精度,而摄像头、基站等由于距离轨迹点位置不固定,而不具有稳定的精度,故通常优先采用GPS或北斗导航等卫星导航获得的轨迹点。
步骤S204:根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
本步骤用于根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
所述根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线,包括:
获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的转移概率;
根据所述发散概率和所述转移概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
所述转移概率,可以是所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的直连路段的转移概率,也可以是所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的非直连路段的转移概率。
在在Viterbi算法中,转移概率(transition probability)代表马尔科夫链中隐藏状态(hidden state)之间的转换概率。
所述获得所述相邻路段中直连路段之间的转移概率,包括:
从路网数据中获取路段信息;
根据所述路段信息,获得路段分支信息和路段夹角余弦信息;
根据所述路段信息中的路段分支信息以及所述路段信息中的路段夹角余弦信息中的至少一种,获得所述相邻路段中直连路段之间的转移概率。
首先,从路网数据中获取路段信息;然后,根据所述路段信息,获得路段分支信息和路段夹角余弦信息;最后,可以根据所述路段信息中的路段分支信息以及所述路段信息中的路段夹角余弦信息进行计算,获得所述相邻路段中直连路段之间的转移概率。
所述根据所述发散概率和所述转移概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线,包括:
将所述发散概率和所述转移概率进行乘法运算,获得所述相邻路段中指定路段的累积概率;
根据所述累积概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
例如,首先计算轨迹序列中每个轨迹点对应相邻路段的转移概率,并计算整体的累积概率,对相邻路段中的任意一个路段,只保留到他概率最大的累积概率,并且记录此累积概率的来源(即其前一个路段)。
累积概率按照如下公式进行计算:
SPh·i=SPk·i-1*TPk*h*Ph·i
其中,SP表示累积概率,SPh·i表示计算第i个轨迹点时候选路段为h的累积概率,TP表示转移概率,TPk*h表示由路段k到路段h的转移概率,p为发散概率,ph·i表示第i个轨迹点到路段h的发散概率。
例如,轨迹点序列中第一个轨迹点对应3个路段,第二个轨迹点对应5个路段,则对应的转移概率阵为3x5矩阵,再配合第一个轨迹点到其对应的3个路段的发散概率以及第二个轨迹点到其对应的5个路段的发散概率,即可得到第二步时的累积概率。以此类推,即可计算出到最后一步的累积概率。在计算累积概率时,对任意一步的候选集中的路段,记录前一步到达其概率最大的路段,则回溯时不需要很大的计算量,即可得到全路径的回溯结果。需要说明的是,本申请实施例中的路径不仅仅包括陆路路径,还包括海上航道及空中航道,以及上述的组合。本实施例中以陆路路径进行说明。
所述路径拟合方法,还包括:
根据所述相邻路段中指定路段的累积概率,确定所述相邻路段中累积概率最大的路段;
将所述累积概率最大的路段的信息保存在缓存中。
根据轨迹序列中所有轨迹点的累积概率,确定最终累积概率最大的路段,并将该路段保存在缓存中。
所述根据所述累积概率,针对所述轨迹点进行路径拟合,获得所述目标物体的行进路线,包括:
根据所述累积概率,确定由所述轨迹点构成的轨迹点序列中最后一个轨迹点的相邻路段中累积概率最大的第一路段;
根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得与所述轨迹点序列匹配的路段序列;
根据所述路段序列,获得所述目标物体的行进路线。
首先,根据轨迹序列整体的累积概率,选择最终累积概率最大的路段;然后,使用缓存数据对整个序列进行回溯,得到匹配的路段序列;最后,根据所述路段序列,获得所述目标物体的行进路线。
所述根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得与所述轨迹点序列匹配的路段序列,包括:
根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得所述缓存中保存的所述轨迹点的相邻路段中累积概率最大的第二路段的信息;
根据所述第一路段与所述第二路段的信息,获得与所述轨迹点序列匹配的路段序列。
本实施例中,通过直接读取在缓存保存的第二路段的信息,提高了路径拟合的计算效率。
所述路径拟合方法,还包括:
判断所述路段序列中包含的路段之间是否有断链;
若是,则获得存在断链的路段之间的最短连接路段;
将所述最短连接路段补入所述所述路段序列中,获得完整路段序列;
所述根据所述路段序列,获得所述目标物体的行进路线,包括:
根据所述完整路段序列,获得所述目标物体的行进路线。
本实施例中,获取的路段序列可能存在断链,在这种情况下,需要通过最短路径算法,获得存在断链的路段之间的最短连接路段;将所述最短连接路段补入所述所述路段序列中,获得完整路段序列。最后,根据所述完整路段序列,获得所述目标对象的移动路线。
本实施例中,根据轨迹点类型,获得路径拟合过程中的发散概率,进而针对所述轨迹点进行路径拟合,解决了现有技术不支持针对多种混合类轨迹点进行路径拟合的问题。
进一步的,若存在目标对象实际经过某路段而未包含在路径拟合结果中的情形,还可以根据该结果调整该路段对应轨迹点发散概率计算,或者调整对该路段转移概率的计算等方式,对路径拟合方法进行优化。
在上述的实施例中,提供了一种路径拟合方法,与之相对应的,本申请还提供一种路径拟合装置。请参看图3,其为本申请的一种路径拟合装置实施例的流程图。由于本实施例,即第二实施例,基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供的一种数据处理装置,包括:
获取单元301,用于获取目标对象的多个轨迹点;
确定单元302,用于针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;
获得单元303,用于根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;
拟合单元305,用于根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
本实施例中,所述轨迹点包括第一来源轨迹点和第二来源轨迹点中的至少一种。
本实施例中,所述确定单元,具体用于:
获取所述轨迹点的位置信息;
根据所述轨迹点的位置信息,计算所述轨迹点与预设路段之间的距离;
根据所述轨迹点与预设路段之间的距离,确定所述轨迹点的待拟合路段。
本实施例中,所述获得单元,还用于:
如果所述轨迹点为第一来源轨迹点,则根据所述第一来源轨迹点的空间信息以及所述第一来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的发散概率。
本实施例中,所述获得单元,还用于:
根据所述第一来源轨迹点的空间信息以及所述第一来源轨迹点的待拟合路段,获得所述第一来源轨迹点与所述第一来源轨迹点的待拟合路段的距离;
针对所述距离进行幂律衰减处理,获得所述轨迹点到所述待拟合路段的发散概率。
本实施例中,所述获得单元,还用于:
如果所述轨迹点为第二来源轨迹点,则根据所述第二来源轨迹点以及所述第二来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的距离;
将所述距离,作为阶跃函数的输入数据,获得所述轨迹点到所述待拟合路段的发散概率。
本实施例中,所述路径拟合装置,还包括检索单元,所述检索单元用于:
根据所述轨迹点,在缓存中检索所述轨迹点到所述待拟合路段的发散概率;
所述检索单元,还用于:
如果在缓存中未检索到所述轨迹点到所述待拟合路段的发散概率,则根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率。
本实施例中,所述路径拟合装置,还包括保存单元,所述保存单元用于:
将获得的所述轨迹点到所述相邻路段的发散概率,保存在缓存中。
本实施例中,所述拟合单元,具体用于:
获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的转移概率;
根据所述发散概率和所述转移概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
本实施例中,所述拟合单元,具体用于:
从路网数据中获取路段信息;
根据所述路段信息,获得路段分支信息和路段夹角余弦信息;
根据所述路段信息中的路段分支信息以及所述路段信息中的路段夹角余弦信息中的至少一种,获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的转移概率。
本实施例中,所述拟合单元具体用于:
将所述发散概率和所述转移概率进行乘法运算,获得所述待拟合路段中指定路段的累积概率;
根据所述累积概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
本实施例中,所述路径拟合装置,还包括第一保存单元,所述第一保存单元用于:
根据所述待拟合路段中指定路段的累积概率,确定所述待拟合路段中累积概率最大的路段;
将所述累积概率最大的路段的信息保存在缓存中。
本实施例中,所述拟合单元还用于:
根据所述累积概率,确定由所述轨迹点构成的轨迹点序列中最后一个轨迹点的待拟合路段中累积概率最大的第一路段;
根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得与所述轨迹点序列匹配的路段序列;
根据所述路段序列,获得所述目标对象的移动路线。
本实施例中,所述拟合单元还用于:
根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得所述缓存中保存的所述轨迹点的待拟合路段中累积概率最大的第二路段的信息;
根据所述第一路段与所述第二路段的信息,获得与所述轨迹点序列匹配的路段序列。
本实施例中,所述路径拟合装置,还包括第三获得单元,所述第三获得单元用于:
判断所述路段序列中包含的路段之间是否有断链;
若是,则获得存在断链的路段之间的最短连接路段;
将所述最短连接路段补入所述所述路段序列中,获得完整路段序列;
所述拟合单元还用于:
根据所述完整路段序列,获得所述目标对象的移动路线。
本申请第三实施例提供一种路径拟合方法,请参看图4,该图为本申请第三实施例的流程图。由于本实施例基本类似于第一实施例,这里仅做简要说明。详细说明请参考第一实施例。所述方法包括如下步骤:
步骤S401:获得客户端查询目标对象的移动路线的请求,所述请求中包括所述目标对象的多个轨迹点。
步骤S402:针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段。
步骤S403:根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率。
步骤S404:根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
步骤S405:根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
步骤S406:将所述移动路线提供给所述客户端。
本实施例中,计算发散概率以及路径拟合的方法可参考前述实施例中的具体描述,在此不再赘述。此外,本实施例中,还可以根据发出查询请求用户的等级以及是否付费等属性,在进行路径拟合时执行不同精度的轨迹点采集以及路径拟合,例如,向高等级或付费高的用户提供更高精度的路径拟合结果,例如可以在同时可以采集高精度轨迹点和低精度轨迹点时,采用高精度轨迹点进行计算。反之,对于等级较低或付费较低用户提供相对较低精度的路径拟合结果。
此外,本实施例中的轨迹点拟合结果除了向请求客户端反馈之外,也可以根据用户选择推送至相关人员或对象,比如野外救援的参与人员。
客户端或相关人员可以根据收到的路径拟合结果所呈现的运动轨迹,结合轨迹点位置信息,确定目标对象行进路线以及可能所在位置,例如,对户外运动参与者(驴友)救险时,即可通过本实施例方法确定其轨迹及可能所在位置。
本申请第四实施例提供一种数据处理系统,请再参考图1,其为本申请第四实施例提供一种数据处理系统的示意图。所述数据处理系统包括路径拟合服务器101和客户端102;
所述路径拟合服务器用于,获取目标对象的多个轨迹点;针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线;
所述客户端用于,根据所述目标对象的轨迹点,构建查询目标物体的移动路线的请求;将所述查询目标对象的移动路线的请求发送给所述路径拟合服务器;获取所述路径拟合服务器返回的所述目标对象的行进路线。
图5是采用本申请第四实施例提供的路径拟合系统方案的一个应用系统的工作流程示意图。该应用系统的工作流程主要包括如下步骤:
步骤S501:根据地图服务商提供的路网数据,在内部计算平台上对路网数据进行预处理,对每个路段的起始点赋予唯一的节点标识,根据路段之间的分支数、夹角余弦等特征计算直连路段之间的转移概率。
然后,将预处理好的路网数据部署在路径拟合服务器上,所述路径拟合服务器启动后,加载路网数据到缓存中。
步骤S502:路径拟合服务器接收到客户端发送的目标物体的行进路线的请求后,解析获得目标物体的轨迹点序列,判断请求中各个轨迹点的类型,如果是第一来源轨迹点(例如GPS轨迹点),则根据轨迹点的空间信息,计算其到相邻路段的发散概率;如果是第二来源轨迹点(例如基站轨迹点、mac轨迹点等),则会先在缓存中查找,如果缓存中没有,则进行计算,并将计算结果存入到缓存中。对于每一个轨迹点,都存在一个对应的相邻路段集合,即每个轨迹点周围都会有N个相邻路段。GPS轨迹点的发散概率可以直接按照GPS轨迹点到路段的距离进行幂律衰减,第二来源轨迹点的发散概率使用阶跃函数计算,在距离小于阈值时等概率分布,在距离大于阈值时为一个较小的概率。
步骤S503:计算轨迹序列中每个轨迹点对应相邻路段集合的转移概率,并计算整体的累积概率,对相邻路段集合中的任意一个路段,只保留到他概率最大的累积概率,并且记录此累积概率的来源(即其前一个路段)。
累积概率的计算方法为:
SPh·i=SPk·i-1*TPk*h*ph·i
其中,SP表示累积概率,SPh·i表示计算第i个轨迹点时候选路段为h的累积概率,TP表示转移概率,TPk*h表示由路段k到路段h的转移概率,p为发散概率,Ph·i表示第i个轨迹点到路段h的发散概率。
步骤S504:根据轨迹点序列整体的累积概率,选择最终累积概率最大的路段,使用缓存数据对整个序列进行回溯,得到匹配的路段序列。对所述匹配的路段序列进行轨迹补全、路段时间计算等操作,得到最终的路径拟合结果。
本申请第五实施例提供一种电子设备,包括:
处理器;
以及,
存储器,用于存储计算机程序,该设备通过所述处理器运行该计算机程序后,执行本申请第一实施例或者第三实施例提供的路径拟合方法。
本申请第六实施例提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,该程序被处理器运行,执行本申请第一实施例或者第三实施例提供的路径拟合方法。
图6给出了本申请提供的一种路径拟合方法的应用场景实施例示意图。图6包括路径拟合服务器600、网络605、客户端607以及轨迹点采集设备606。
其中,轨迹点采集设备606用于目标对象的轨迹点,例如由基站采集的基站轨迹点、道路监控头采集的监控头轨迹点、卫星采集的GPS轨迹点等。客户端607通过网络605从轨迹点采集设备606获取轨迹点序列。客户端607将获得的轨迹点序列通过网络605传送到路径拟合服务器600。所述路径拟合服务器600通过获取单元601,获取目标对象的多个轨迹点;利用确定单元602,针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;使用获得单元603,根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;最后,通过拟合单元604,根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个操作器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (23)
1.一种数据处理方法,其特征在于,包括:
获取目标对象的多个轨迹点;
针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;
根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;
根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
2.根据权利要求1所述的数据处理方法,其特征在于,所述轨迹点包括第一来源轨迹点和第二来源轨迹点中的至少一种。
3.根据权利要求1所述的数据处理方法,其特征在于,所述针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段,包括:
获取所述轨迹点的位置信息;
根据所述轨迹点的位置信息,计算所述轨迹点与预设路段之间的距离;
根据所述轨迹点与预设路段之间的距离,确定所述轨迹点的待拟合路段。
4.根据权利要求1所述的数据处理方法,其特征在于,所述根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,包括:
如果所述轨迹点为第一来源轨迹点,则根据所述第一来源轨迹点的空间信息以及所述第一来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的发散概率。
5.根据权利要求4所述的数据处理方法,其特征在于,所述根据所述第一来源轨迹点的空间信息以及所述第一来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的发散概率,包括:
根据所述第一来源轨迹点的空间信息以及所述第一来源轨迹点的待拟合路段,获得所述第一来源轨迹点与所述第一来源轨迹点的待拟合路段的距离;
针对所述距离进行幂律衰减处理,获得所述轨迹点到所述待拟合路段的发散概率。
6.根据权利要求1所述的数据处理方法,其特征在于,所述根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,包括:
如果所述轨迹点为第二来源轨迹点,则根据所述第二来源轨迹点以及所述第二来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的距离;
将所述距离,作为阶跃函数的输入数据,获得所述轨迹点到所述待拟合路段的发散概率。
7.根据权利要求6所述的数据处理方法,其特征在于,所述如果所述轨迹点为第二来源轨迹点,则根据所述第二来源轨迹点以及所述第二来源轨迹点的待拟合路段,获得所述轨迹点到所述待拟合路段的距离,包括:
如果所述轨迹点为第二来源轨迹点,则获取所述第二来源轨迹点对应的第二来源轨迹点采集设备覆盖的地理哈希网格;
通过待拟合路段与所述地理哈希网格匹配程度,筛选出该地理哈希网格范围内的备选待拟合路段;
获得所述轨迹点到所述备选待拟合路段的距离。
8.根据权利要求1所述的数据处理方法,其特征在于,还包括:
根据所述轨迹点,从缓存中获得所述轨迹点到所述待拟合路段的发散概率。
9.根据权利要求8所述的数据处理方法,其特征在于,所述获得所述轨迹点到所述待拟合路段的发散概率,还包括:
如果从缓存中未获得所述轨迹点到所述待拟合路段的发散概率,则根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率。
10.根据权利要求9所述的数据处理方法,其特征在于,还包括:
将获得的所述轨迹点到所述待拟合路段的发散概率,保存在所述缓存中。
11.根据权利要求1所述的数据处理方法,其特征在于,所述根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线,包括:
获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的转移概率;
根据所述发散概率和所述转移概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
12.根据权利要求11所述的数据处理方法,其特征在于,所述获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的转移概率,包括:
从路网数据中获取路段信息;
根据所述路段信息,获得路段分支信息和路段夹角余弦信息;
根据所述路段信息中的路段分支信息以及所述路段夹角余弦信息中的至少一种,获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段之间的转移概率。
13.根据权利要求11所述的数据处理方法,其特征在于,所述根据所述发散概率和所述转移概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线,包括:
将所述发散概率和所述转移概率进行乘法运算,获得所述待拟合路段中指定路段的累积概率;
根据所述累积概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
14.根据权利要求13所述的数据处理方法,其特征在于,还包括:
根据所述待拟合路段中指定路段的累积概率,确定所述待拟合路段中累积概率最大的路段;
将所述累积概率最大的路段的信息保存在缓存中。
15.根据权利要求14所述的数据处理方法,其特征在于,所述根据所述累积概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线,包括:
根据所述累积概率,确定由所述轨迹点构成的轨迹点序列中最后一个轨迹点的待拟合路段中累积概率最大的第一路段;
根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得与所述轨迹点序列匹配的路段序列;
根据所述路段序列,获得所述目标对象的移动路线。
16.根据权利要求15所述的数据处理方法,其特征在于,所述根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得与所述轨迹点序列匹配的路段序列,包括:
根据所述第一路段,针对所述轨迹点序列进行回溯处理,获得所述缓存中保存的所述轨迹点的待拟合路段中累积概率最大的第二路段的信息;
根据所述第一路段与所述第二路段的信息,获得与所述轨迹点序列匹配的路段序列。
17.根据权利要求15所述的数据处理方法,其特征在于,还包括:
判断所述路段序列中包含的路段之间是否有断链;
若是,则获得存在断链的路段之间的最短连接路段;
将所述最短连接路段补入所述所述路段序列中,获得完整路段序列;
所述根据所述路段序列,获得所述目标对象的移动路线,包括:
根据所述完整路段序列,获得所述目标对象的移动路线。
18.一种数据处理装置,其特征在于,包括:
获取单元,用于获取目标对象的多个轨迹点;
确定单元,用于针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;
获得单元,用于根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;
获得所述轨迹点的待拟合路段与相邻轨迹点的待拟路段中路段之间的转移概率;
拟合单元,用于根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线。
19.一种数据处理方法,其特征在于,包括:
获得客户端查询目标对象的移动路线的请求,所述请求中包括所述目标对象的多个轨迹点;
针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;
根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;
根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线;
将所述移动路线提供给所述客户端。
20.一种数据处理系统,其特征在于,包括路径拟合服务器和客户端;
所述路径拟合服务器用于,获取目标对象的多个轨迹点;针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;根据所述轨迹点的类型,获得所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线;
所述客户端用于,根据所述目标对象的轨迹点,构建查询目标物体的移动路线的请求;将所述查询目标对象的移动路线的请求发送给所述路径拟合服务器;获取所述路径拟合服务器返回的所述目标对象的行进路线。
21.一种电子设备,其特征在于,包括:
处理器;
以及,
存储器,用于存储计算机程序,该设备通过所述处理器运行该计算机程序后,执行如权利要求1-17、19任意一项所述方法。
22.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,该程序被处理器运行,执行如权利要求1-17、19任意一项所述方法。
23.一种数据处理方法,其特征在于,包括:
获取目标对象的多个轨迹点;
针对所述多个轨迹点中的每一轨迹点,确定所述轨迹点的待拟合路段;
通过阶跃函数计算所述轨迹点到所述待拟合路段的发散概率,所述发散概率表征将所述轨迹点拟合至所述待拟合路段的概率;
根据所述发散概率,针对所述轨迹点进行路径拟合,获得所述目标对象的移动路线;
所述通过阶跃函数计算所述轨迹点到所述待拟合路段的发散概率包括:将所述轨迹点至待拟合路段的距离作为阶跃函数的输入,计算所述轨迹点到所述待拟合路段的发散概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910761935.4A CN112394380B (zh) | 2019-08-16 | 2019-08-16 | 一种数据处理方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910761935.4A CN112394380B (zh) | 2019-08-16 | 2019-08-16 | 一种数据处理方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112394380A true CN112394380A (zh) | 2021-02-23 |
CN112394380B CN112394380B (zh) | 2024-04-02 |
Family
ID=74603221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910761935.4A Active CN112394380B (zh) | 2019-08-16 | 2019-08-16 | 一种数据处理方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112394380B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004325083A (ja) * | 2003-04-21 | 2004-11-18 | I Transport Lab Co Ltd | 経路決定装置、経路決定方法および経路決定プログラム |
JP2010033331A (ja) * | 2008-07-29 | 2010-02-12 | Sumitomo Electric System Solutions Co Ltd | 交通情報生成装置、コンピュータプログラム、及び交通情報の生成方法 |
CN101750090A (zh) * | 2009-12-30 | 2010-06-23 | 东软集团股份有限公司 | 利用轨迹点导航的导航装置 |
US20100235020A1 (en) * | 2009-03-12 | 2010-09-16 | Lockheed Martin Corporation | Database For Efficient Storage of Track Geometry and Feature Locations |
US20150198449A1 (en) * | 2012-08-10 | 2015-07-16 | Clarion Co., Ltd. | Route Calculation System, Navigation Device, and Route Calculation Method |
CN105444769A (zh) * | 2015-11-26 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
CN106227726A (zh) * | 2016-06-30 | 2016-12-14 | 北京航空航天大学 | 一种基于车辆轨迹数据的路径提取方法 |
CN106912018A (zh) * | 2017-02-28 | 2017-06-30 | 上海讯飞瑞元信息技术有限公司 | 基于信令轨迹的地图匹配方法及系统 |
US20180066957A1 (en) * | 2016-09-08 | 2018-03-08 | Here Global B.V. | Method and apparatus for providing trajectory bundles for map data analysis |
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
CN108053645A (zh) * | 2017-09-12 | 2018-05-18 | 同济大学 | 一种基于轨迹数据的信号交叉口周期流量估计方法 |
US20180257660A1 (en) * | 2015-10-15 | 2018-09-13 | Faroog Ibrahim | Long Range Path Prediction and Target Classification Algorithm using connected vehicle data and others |
US20190056235A1 (en) * | 2015-09-30 | 2019-02-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Path querying method and device, an apparatus and non-volatile computer storage medium |
CN109493592A (zh) * | 2017-09-11 | 2019-03-19 | 腾讯科技(深圳)有限公司 | 路径推荐方法及装置 |
CN109686090A (zh) * | 2019-01-17 | 2019-04-26 | 中南大学 | 一种基于多源数据融合的虚拟交通流量计算方法 |
CN109919518A (zh) * | 2019-03-29 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 地图轨迹匹配数据的质量确定方法、装置、服务器及介质 |
US20190204096A1 (en) * | 2017-12-29 | 2019-07-04 | Uber Technologies, Inc. | Measuring the accuracy of map matched trajectories |
US20190250622A1 (en) * | 2018-02-09 | 2019-08-15 | Nvidia Corporation | Controlling autonomous vehicles using safe arrival times |
-
2019
- 2019-08-16 CN CN201910761935.4A patent/CN112394380B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004325083A (ja) * | 2003-04-21 | 2004-11-18 | I Transport Lab Co Ltd | 経路決定装置、経路決定方法および経路決定プログラム |
JP2010033331A (ja) * | 2008-07-29 | 2010-02-12 | Sumitomo Electric System Solutions Co Ltd | 交通情報生成装置、コンピュータプログラム、及び交通情報の生成方法 |
US20100235020A1 (en) * | 2009-03-12 | 2010-09-16 | Lockheed Martin Corporation | Database For Efficient Storage of Track Geometry and Feature Locations |
CN101750090A (zh) * | 2009-12-30 | 2010-06-23 | 东软集团股份有限公司 | 利用轨迹点导航的导航装置 |
US20150198449A1 (en) * | 2012-08-10 | 2015-07-16 | Clarion Co., Ltd. | Route Calculation System, Navigation Device, and Route Calculation Method |
US20190056235A1 (en) * | 2015-09-30 | 2019-02-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Path querying method and device, an apparatus and non-volatile computer storage medium |
US20180257660A1 (en) * | 2015-10-15 | 2018-09-13 | Faroog Ibrahim | Long Range Path Prediction and Target Classification Algorithm using connected vehicle data and others |
CN105444769A (zh) * | 2015-11-26 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
CN106227726A (zh) * | 2016-06-30 | 2016-12-14 | 北京航空航天大学 | 一种基于车辆轨迹数据的路径提取方法 |
US20180066957A1 (en) * | 2016-09-08 | 2018-03-08 | Here Global B.V. | Method and apparatus for providing trajectory bundles for map data analysis |
CN106912018A (zh) * | 2017-02-28 | 2017-06-30 | 上海讯飞瑞元信息技术有限公司 | 基于信令轨迹的地图匹配方法及系统 |
CN109493592A (zh) * | 2017-09-11 | 2019-03-19 | 腾讯科技(深圳)有限公司 | 路径推荐方法及装置 |
CN108053645A (zh) * | 2017-09-12 | 2018-05-18 | 同济大学 | 一种基于轨迹数据的信号交叉口周期流量估计方法 |
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
US20190204096A1 (en) * | 2017-12-29 | 2019-07-04 | Uber Technologies, Inc. | Measuring the accuracy of map matched trajectories |
US20190250622A1 (en) * | 2018-02-09 | 2019-08-15 | Nvidia Corporation | Controlling autonomous vehicles using safe arrival times |
CN109686090A (zh) * | 2019-01-17 | 2019-04-26 | 中南大学 | 一种基于多源数据融合的虚拟交通流量计算方法 |
CN109919518A (zh) * | 2019-03-29 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 地图轨迹匹配数据的质量确定方法、装置、服务器及介质 |
Non-Patent Citations (2)
Title |
---|
乔少杰;金琨;韩楠;唐常杰;格桑多吉;LOUIS ALBERTO GUTIERREZ;: "一种基于高斯混合模型的轨迹预测算法", 软件学报, no. 05, 15 May 2015 (2015-05-15) * |
程元晖;温熙华;韦学武;刘彦斌;: "基于时空贝叶斯模型的快速地图匹配算法", 黑龙江交通科技, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
CN112394380B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10323948B2 (en) | GPS data repair | |
CN106649331B (zh) | 商圈识别方法及设备 | |
US8359156B2 (en) | Map generation system and map generation method by using GPS tracks | |
US9086288B2 (en) | Method and system for finding paths using GPS tracks | |
CN109670010B (zh) | 轨迹数据补充方法及装置 | |
KR102386786B1 (ko) | 위치 기반 경로 데이터베이스의 관리 방법 및 이를 수행하는 서버 | |
CN110968791A (zh) | 货源路线的数据处理方法、装置、设备及存储介质 | |
CN106855878B (zh) | 基于电子地图的历史行车轨迹显示方法和装置 | |
US20230273040A1 (en) | System and method of creating custom dynamic neighborhoods for individual drivers | |
CN114563003A (zh) | 路径规划方法及装置、电子设备、存储介质 | |
JP2015158799A (ja) | 時空間クラスタリング処理装置、方法及びプログラム | |
CN111641924B (zh) | 位置数据生成方法、装置和电子设备 | |
KR20190029411A (ko) | 이미지 검색 방법, 및 이미지 검색 방법을 실행시키는 프로그램이 기록된 기록 매체 | |
CN113108806A (zh) | 路径规划方法、装置、设备及介质 | |
Lucks et al. | Improving trajectory estimation using 3D city models and kinematic point clouds | |
CN113093240A (zh) | 一种定位修正方法、装置、设备及计算机可读存储介质 | |
CN112394380B (zh) | 一种数据处理方法、装置及系统 | |
JP5358534B2 (ja) | 行動経路推定方法及びプログラム | |
CN115098799A (zh) | 轨迹相似度确定、风险评估、风险溯源方法及装置 | |
Jametoni et al. | A Study on Autonomous Drone Positioning Method | |
CN115235482A (zh) | 地图更新方法、装置、计算机设备及介质 | |
CN113701768A (zh) | 一种路径确定方法、装置及电子设备 | |
CN111912415A (zh) | 道路信息确定方法、装置、服务器和存储介质 | |
TWI579528B (zh) | 導航方法、導航系統以及記錄媒體 | |
US11835340B2 (en) | GPS-denied geolocation |
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 |