CN112399348B - 一种移动轨迹的确定方法及装置、存储介质 - Google Patents
一种移动轨迹的确定方法及装置、存储介质 Download PDFInfo
- Publication number
- CN112399348B CN112399348B CN201910754336.XA CN201910754336A CN112399348B CN 112399348 B CN112399348 B CN 112399348B CN 201910754336 A CN201910754336 A CN 201910754336A CN 112399348 B CN112399348 B CN 112399348B
- Authority
- CN
- China
- Prior art keywords
- determining
- base station
- terminal
- candidate
- probability
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例公开了一种移动轨迹的确定方法及装置、存储介质,该方法包括:获取终端信令数据和路网数据;根据所述终端信令数据确定终端在各间隔时刻接入的基站;将所述基站的位置,确定为初始位置;根据所述路网数据,确定各所述基站的覆盖范围内道路上的至少一点为候选位置;确定各候选位置与对应的所述初始位置间的距离;根据所述距离,确定每一所述候选位置的初始概率;根据所述初始概率符合设定条件的候选位置,确定拟合轨迹。通过该方法,可以通过移动终端与基站的通信相关数据和路网数据,确定精细化的拟合轨迹。
Description
技术领域
本申请实施例涉及无线通信技术,涉及但不限于一种移动轨迹的确定方法及装置、存储介质。
背景技术
目前,随着移动通信技术的不断发展,对移动终端的移动轨迹的拟合在大数据领域及用户出行研究、精准营销、嫌犯追踪等场景下有着重要的应用。如何构建精细化的移动轨迹拟合模型是本领域的重要研究方向。
发明内容
有鉴于此,本申请实施例为解决现有技术中存在的至少一个问题而提供一种移动轨迹的确定方法及装置、存储介质。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种移动轨迹的确定方法,该方法包括:
获取终端信令数据和路网数据;
根据所述终端信令数据确定终端在各间隔时刻接入的基站;
将所述基站的位置,确定为初始位置;
根据所述路网数据,确定各所述基站的覆盖范围内道路上的至少一点为候选位置;
确定各候选位置与对应的所述初始位置间的距离;
根据所述距离,确定每一所述候选位置的初始概率;
根据所述初始概率符合设定条件的候选位置,确定拟合轨迹。
本申请实施例还提供一种移动轨迹的确定装置,该装置包括:
获取单元,用于获取终端信令数据和路网数据;
第一确定单元,用于根据所述终端信令数据确定终端在各间隔时刻接入的基站;
第二确定单元,用于将所述基站的位置,确定为初始位置;
第三确定单元,用于根据所述路网数据,确定各所述基站的覆盖范围内道路上的至少一点为候选位置;
第四确定单元,用于确定各候选位置与对应的所述初始位置间的距离;
第五确定单元,用于根据所述距离,确定每一所述候选位置的初始概率;
第六确定单元,用于根据所述初始概率符合设定条件的候选位置,确定拟合轨迹。
本申请实施例还提供另一种移动轨迹的确定装置,该装置至少包括:
处理器和用于存储能够在所述处理器上运行的可执行指令的存储器,其中:
处理器用于运行所述可执行指令时,所述可执行指令执行上述移动轨迹的确定方法中的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现上述移动轨迹的确定方法中的步骤。
本申请实施例中,通过将终端接入的基站作为初始位置,再根据路网数据对终端的移动轨迹进行确定。如此,可以在充分考虑到终端出现在各候选位置的概率的基础上,更加准确地确定出终端的移动轨迹。
附图说明
图1为本申请实施例中应用的网络架构的组成结构示意图;
图2为本申请实施例一种移动轨迹的确定方法的实现流程示意图;
图3为本申请实施例另一种移动轨迹的确定方法的实现流程示意图;
图4为本申请实施例中驻留权重的计算模型示意图;
图5为本申请实施例中泰森多边形网络的示意图;
图6为本申请实施例中确定轨迹路径的实现流程示意图;
图7为本申请实施例移动轨迹的确定装置的组成结构示意图;
图8为本申请实施例计算机设备的一种硬件实体示意图。
具体实施方式
相关技术中,对于构建移动终端的轨迹拟合模型主要有两种方式:
第一、利用GPS(Global Positioning System,全球定位系统)辅助定位的轨迹拟合方案,利用集成在移动终端中的GPS芯片和网络中的GPS卫星实现对移动终端的自动定位,获得时间序列下的终端位置信息。最终,基于时间序列的定位结果展现出的移动轨迹即可作为移动终端的运动轨迹。
但是,该方法虽然采用了精度较高的GPS辅助定位,但是采用这种方式得到的定位结果中通常会包含大量的随机误差,导致运动轨迹不能与实际轨迹完全符合,拟合的轨迹不够精细。
此外,这种方法还需要在移动终端中安装额外的GPS硬件芯片,并保证其与GPS卫星的实时通讯。在未安装GPS芯片时,或者在GPS卫星信号不佳的场景下,如复杂地形、封闭空间等,该方法无法实施。
第二、基于LTE(Long Term Evolution,长期演进)信令数据的轨迹拟合方法,使用LTE信令数据中的TA值(Time advanced,时间提前量),通过隐马尔科夫模型进行道路匹配,确定移动终端的位置,最终实现移动终端的运动轨迹的计算。
这种方法虽然采用了路网的约束,但是在利用隐马尔科夫模型进行道路匹配的过程中没有充分考虑先验和后验观测信息。因为它没有对初始候选位置进行合理的估计,所以轨迹拟合结果不能充分反映终端的运动轨迹。
下面结合附图和实施例对本申请的技术方案进一步详细阐述。
本实施例提出一种移动轨迹的确定方法,该方法应用于移动轨迹的确定装置,例如,计算机设备、服务器或其他具有信息处理能力的设备,该方法所实现的功能可以通过移动轨迹的确定装置中的处理器调用程序代码来实现,当然程序代码可以保存在计算机存储介质中,可见,该计算机设备至少包括处理器和存储介质。
本实施例先提供一种确定移动轨迹的系统的网络架构,图1为本申请实施例网络架构的组成结构示意图,如图1所示,该网络架构包括至少一个计算机设备11至1N,还可以包括服务器31,其中计算机设备11至1N与服务器31之间可以通过网络21进行交互。一般来说,计算机设备在实施的过程中可以为各种类型的具有信息处理能力的设备,例如所述计算机设备可以包括手机、平板电脑、台式机、个人数字助理、导航仪、数字电话、视频电话、电视机、传感设备等。
图2为本申请实施例一种移动轨迹的确定方法的实现流程示意图,如图2所示,该方法包括:
步骤101、获取终端信令数据和路网数据;
步骤102、根据所述终端信令数据确定终端在各间隔时刻接入的基站;
步骤103、将所述基站的位置,确定为初始位置;
步骤104、根据所述路网数据,确定各所述基站的覆盖范围内道路上的至少一点为候选位置;
步骤105、确定各候选位置与对应的所述初始位置间的距离;
步骤106、根据所述距离,确定每一所述候选位置的初始概率;
步骤107、根据所述初始概率符合设定条件的候选位置,确定拟合轨迹。
这里的终端信令数据是终端与基站发生通信时产生的,可以通过向各基站发送请求的方式来获取,也可以通过终端来获取。终端信令数据中包含有终端在每一时刻所接入的基站、以及其他的通信信息。而路网数据可以通过网络中已有的地图或通过卫星定位系统等来获得,路网数据中包括道路的起始点、终点和交点等关键点的位置信息。
将基站的位置设定为初始位置,可以估算终端大致的运动轨迹,然后再结合路网数据,将道路中的关键点作为候选位置,并计算每个候选位置的初始概率,最后根据初始概率,就可以确定出最接近实际移动轨迹的路线。
本申请实施例提供一种移动轨迹的确定方法,该方法包括:
步骤201、获取终端信令数据和路网数据;
步骤202、根据所述终端信令数据确定终端在各间隔时刻接入的基站;
步骤203、将所述基站的位置,确定为初始位置;
步骤204、根据所述路网数据,确定各所述基站的覆盖范围内道路上的至少一点为候选位置;
步骤205、确定各候选位置与对应的所述初始位置间的距离;
步骤206、根据所述基站的位置,构建泰森多边形网络;其中,每一所述基站对应一个泰森多边形;
步骤207、根据所述终端信令数据,确定终端在各所述泰森多边形中的驻留时长;
步骤208、根据所述驻留时长,确定各所述泰森多边形的驻留权重;
步骤209、根据所述驻留权重和所述距离,确定每一候选位置的初始概率;
步骤210、根据所述初始概率符合设定条件的候选位置,确定拟合轨迹。
上述步骤205至步骤209提供了步骤105的一种实现方式,通过构建泰森多边形,确定终端在每一基站的覆盖范围内与该基站连接的过程中的驻留时长、即泰森多变形的驻留时长。驻留时长较长的泰森多边形,则说明终端在对应的路网中的候选位置的驻留概率更大。因此,通过每个泰森多边形的初始权重和候选位置与对应的初始位置间的距离,就可以确定每个候选位置的初始概率。
本申请实施例提供一种移动轨迹的确定方法,该方法包括:
步骤301、获取终端信令数据和路网数据;
步骤302、根据所述终端信令数据确定终端在各间隔时刻接入的基站;
步骤303、将所述基站的位置,确定为初始位置;
步骤304、根据所述路网数据,确定各所述基站的覆盖范围内道路上的至少一点为候选位置;
步骤305、确定各候选位置与对应的所述初始位置间的距离;
步骤306、根据所述距离,确定每一所述候选位置的初始概率;
步骤307、根据各间隔时刻对应的候选位置集合,依次确定相邻两个时刻候选位置集合之间的转移概率矩阵;
步骤308、根据所述各转移概率矩阵中的每一转移概率和所述初始概率,确定各时刻的后验概率矩阵;
步骤309、根据所述后验概率矩阵,确定各时刻具有最大后验概率的候选位置;
步骤310、根据具有最大后验概率的各候选位置,确定拟合轨迹。
上述步骤307到步骤310提供了上述实施例中步骤107的一种实现方式,确定每一时刻的所有候选位置构成的候选位置集合,然后相邻两个间隔时刻的候选位置集合之间,可以确定出每个元素之间的转移概率,从而形成转移概率矩阵。通过转移概率矩阵和驻留概率,就可以计算出各时刻各候选位置的后验概率矩阵。进而从候选位置集合中确定出具有最大后验概率的候选位置,并认为具有最大后验概率的候选位置为该时刻终端最有可能驻留的位置。
在其他实施例中,上述根据具有最大后验概率的各候选位置,确定拟合轨迹,包括:
步骤11、根据具有最大后验概率的候选位置,确定位置序列;
步骤12、将所述位置序列中相邻的两个候选位置加入轨迹子集中;
步骤13、根据最短路径算法,确定所述两个候选位置之间的节点;
步骤14、将所述两个候选位置之间的节点加入轨迹子集;
步骤15、根据每两个候选位置形成的轨迹子集,确定拟合轨迹集合。
考虑到上述实施例的方案中,是以一段间隔时间作为采样的时间,将道路的关键点作为候选位置,而要形成更加精细的轨迹图形,需要将各个具有最大后验概率的候选位置连接起来。然而,仅通过直线连接不能体现路网中的实际路线。因此,这里在每两个相邻的候选位置之间,确定其他可能的节点,并通过最短路径算法,确定轨迹中的节点。这里,设定轨迹子集,用于确定每两个相邻的候选位置之间的轨迹中的节点。确定每一轨迹子集中的每一节点后,将所有轨迹子集形成的集合,作为最终轨迹的节点集合,这些节点可以形成终端的移动轨迹。
本申请实施例提供一种移动轨迹的确定方法,该方法包括:
步骤401、获取终端信令数据和路网数据;
步骤402、根据所述终端信令数据确定终端在各间隔时刻接入的基站;
步骤403、将所述基站的位置,确定为初始位置;
步骤404、根据设定条件确定当前时刻终端接入的基站为异常位置基站;
步骤405、重新确定当前时刻的所述初始位置;
步骤406、根据所述路网数据,确定各所述基站的覆盖范围内道路上的至少一点为候选位置;
步骤407、确定各候选位置与对应的所述初始位置间的距离;
步骤408、根据所述距离,确定每一所述候选位置的初始概率;
步骤409、根据初始概率符合设定条件的候选位置,确定拟合轨迹。
上述步骤404和步骤405还提供了一种排除异常位置基站的实现方式,由于终端与基站的通信过程中,可能会出现乒乓切换或基站漂移的现象。出现这些情况时,根据终端信令数据确定的该终端所接入的基站可能并不是与终端距离最近的基站。因此,当发生上述异常时,确定出的初始位置偏差较大,需要进行重新确定。
在其他实施例中,上述根据设定条件确定当前时刻终端接入的基站为异常位置基站,包括:
步骤21、确定所述终端在上一时刻和下一时刻接入的基站相同;
步骤22、确定所述终端在当前时刻接入的基站不同于所述上一时刻和下一时刻接入的基站;
步骤23、将当前时刻接入的基站,确定为异常位置基站;
上述重新确定当前时刻的初始位置,包括:将所述上一时刻和下一时刻接入的基站的位置,确定为当前时刻的初始位置。
这里,提供了终端发生乒乓切换时确定异常位置基站的方法。当发生乒乓切换时,终端会在短时间内来回接入两个不同的基站,因此,当发现当前时刻接入的基站与上一时刻不同,而下一时刻接入的基站,又与上一时刻接入的基站相同时,可以认为发生了乒乓切换。此时,将上一时刻终端接入的基站重新确定为当前时刻的初始位置。
在其他实施例中,上述根据设定条件确定当前时刻终端接入的基站为异常位置基站,包括:
步骤31、确定上一时刻与当前时刻的所述初始位置之间的第一距离;
步骤32、根据所述第一距离,确定所述终端在上一时刻到当前时刻的第一移动速度;
步骤33、确定当前时刻与下一时刻的所述初始位置之间的第二距离;
步骤34、根据所述第二距离,确定所述终端在当前时刻到下一时刻的第二移动速度;
步骤35、确定所述第一移动速度大于设定速度阈值,且所述第二移动速度大于所述设定速度阈值;
步骤36、将所述当前时刻终端接入的基站确定为异常位置基站;
上述重新确定当前时刻的初始位置,包括:将所述当前时刻的所述初始位置删除。
根据每一基站的位置与对应时刻终端所接入的基站,可以估算出终端的运动速度。由于这里是将基站位置确定为终端的近似位置,而实际终端可能距离基站的位置较远,因此,估算出的终端的运动速度可能会超过实际可能的速度值。例如,当终端以汽车的运动为准,则速度一般不会超出120千米每小时,如果估算出的运动速度大于120千米每小时,则对应的初始位置的误差较大,需要将该初始位置删除。
通过上述方案,排除了误差较大的初始位置,从而在后续的计算中得到更加准确的结果。
本申请实施例提供一种移动轨迹的确定方法,如图3所示,该方法包括:
步骤301、获取基站位置数据、终端信令数据和路网数据;
(1)获取路网数据;
路网数据为道路的路线数据,包括每一条道路的起点和终点的经纬度坐标。这里,可以通过查询已知的地图等方式来获取路网数据。
(2)获取基站位置数据;
根据基站的广播消息,获取基站位置数据。基站位置数据包括基站的LAC(Location Area Code,位置区码)和CELL值,CELL值是指DVB-T(Digital VideoBroadcasting,数字视频广播)信号覆盖的地理区域单元。
(3)获取终端信令数据;
这里的终端是指进行轨迹拟合的目标终端。终端信令数据是指终端与基站通信过程中产生的信令,可以通过向基站发送请求来获取终端信令数据,也可以直接通过终端发出的信号来获取终端信令数据。根据终端信令数据,可以确定在每一时间段终端与哪个位置的基站进行了通信,从而根据基站的位置数据确定估计的终端的初始位置。
步骤302、对基站位置数据、终端信令数据和路网数据进行预处理。
(1)对基站位置数据进行预处理,确定基站的地理位置;
根据基站位置信息,查找每一对LAC和CELL对应的经纬度坐标。这里的经纬度坐标均以WGS84坐标系为参考。也就是根据基站的实际经纬度坐标,确定基站的地理位置。
(2)对终端信令数据进行预处理,将终端在不同时刻连接的基站的地理位置,确定为终端在对应时刻的初始位置;
设定间隔一定长度的时间作为采样的间隔时间,在每一间隔时间后的时刻对终端的通信信令进行一次采样、确定终端信令数据,并根据终端信令数据确定终端连接的基站所对应的基站位置数据。根据通信发生的时刻下终端对应连接的基站的基站位置数据,将该基站的经纬度坐标确定为终端的初始位置。由于实际的终端位置与基站位置并不相同,后续步骤还需要进一步确定终端的位置,这里先将基站的位置确定为近似的终端位置,也就是上述初始位置,因此属于对终端位置的初始化处理。
(3)对路网数据进行预处理,确定道路的关键点。
根据路网数据中每一条道路的起点和终点的经纬度坐标,就可以确定两点之间的连线,将该连线作为该道路的路线,然后确定任意两条道路的交点,计算交点的经纬度坐标。也就是获取每一条道路的起点、终点以及任意两条道路的交点的位置,并存储。这里,将每一条道路的起点、终点以及任意两条道路的交点统称为道路的关键点。
由于终端是用户在实际的道路场景中使用,基本上会沿着道路进行移动,而并不会在基站位置之间跳跃。因此,确定路网数据的目的是为了在上述初始位置后在后续步骤进行进一步的处理,确定在道路中终端可能出现的位置,从而实现更加精细化的轨迹拟合。
步骤303、去除终端信令数据中异常的观测点数据。
观测异常包括两个方面:乒乓切换和基站漂移。
乒乓切换是指:当终端位于基站的交界处时,终端可能在相邻的两个基站之间快速跳变,无法始终连接其中一个基站。此时,无法直接将终端距离最近的基站位置预处理为终端的位置。这里,通过以下方式来初始化终端的位置。
如果终端在相邻的三个时刻进行通信的基站分别为基站A(xa,ya)、基站B(xb,yb)和基站A(xa,ya),那么就确定终端在这三个时刻出现了乒乓切换。这三个时刻终端的位置(x,y)的确定方式为:
也就是将两个基站连线的中点位置初始化为终端在这三个时刻的位置。
基站漂移是指:由于地形因素导致终端无法连接最近的基站,导致移动终端的定位异常。例如,在道路两边都有高楼的场景下,信号会在高楼之间沿着道路方向反射向前传播,从而导致终端与距离较远的基站建立连接,而未与距离最近的基站建立连接。此时,终端信令数据中对应的LAC和CELL值不能正确反映实际上与终端距离最近的基站位置及其覆盖范围,进而对后续轨迹拟合的结果产生不利影响,所以要采取如下方法去除这些异常的观测点数据:
(1)根据终端的运动方式设定速度阈值。例如,移动终端的运动通常包括驾车和步行的方式,最大速度一般不超过v0=120km/h。因此,可以将速度阈值设定为v0=120km/h。在实际应用中,也可以根据实际情况确定上述速度阈值。
(2)计算终端在两段相邻时间区间内的移动距离。终端在相邻的三个时刻t1、t2和t3,先后与基站A(x1,y1)、基站B(x2,y2)和基站C(x3,y3)建立通信。通过如下球体表面两点间的距离公式来确定终端在t1时刻至t2时刻和t2时刻至t3时刻这两个时间区间内终端的移动距离S1,2和S2,3:
Ci,i+1=sin xi×sin xi+1+cos xi×cosxi+1×cos(yi-yi+1) (公式4)
其中,R为地球半径(约为6371千米);i为序列号,分别表示第一个时刻与第二个时刻;例如S1,2表示终端在t1时刻至t2时刻的时间段内的移动距离,S2,3表示终端在t2时刻至t3时刻的时间段内的移动距离。Ci,i+1表示中间参数,将Ci,i+1代入公式3中即为在地球表面两点之间的距离计算公式。
(3)计算终端在两段相邻时间区间内的移动速度v1,2和v2,3:
(4)剔除漂移的异常的观测点数据:
当终端在两段相邻时间区间内的移动速度均大于设定的速度阈值时,即v1,2>v0且v2,3>v0,也就是计算出的终端在t2时刻的移动速度远超出实际可能的移动速度,说明在t2时刻,与终端建立通信的基站并非与终端距离最近的基站,其位置大大偏离基站实际可能的位置,不能将该基站的位置预处理为终端的位置,否则会造成后续拟合结果的偏差,因此,这里将t2时刻的观测数据剔除。
上述步骤中确定的终端移动距离是根据基站位置来确定的,也就是根据上述初始化的终端位置来确定的。终端的实际位置与初始化的位置存在偏差的基础上,上述乒乓切换和基站漂移会造成更大的偏差。因此,需要将这些异常的位置剔除。这里,将上述初始化的终端位置的相关数据称为观测点数据。
通过上述几个步骤,可以初步确定终端的运动轨迹,也就是将终端在各个时刻进行通信的基站位置作为终端的大概位置,实现初始的轨迹拟合。但是,由于基站的架设距离一般为200米到500米,也就是确定的终端位置的精确度在500米的范围内,而无法更加确定到更准确的位置。而城市道路复杂,两个相邻基站之间往往存在多条道路,通过这种粗略的拟合是无法将终端位置准确定位到道路的,不能满足精细化的轨迹拟合需求。因此,还需要如下步骤进行更精细化的轨迹拟合。
步骤304、根据路网数据,确定候选位置集及初始化候选位置概率。
候选位置集是指:终端可能驻留的位置集合。
候选位置概率是指:终端驻留在每个候选位置的概率。
下面结合附图说明确定候选位置及初始化候选位置概率的方法。
1)构建附有驻留权重的泰森多边形。
移动终端与基站建立通信说明终端处于基站的覆盖范围内,理论上终端在一个时刻有且仅有一个基站建立通信,因此需要构建附有权重的泰森多边形,从而确定通信时终端可能的活动范围。
1.1)统计终端在每一个基站覆盖范围内的驻留时长,计算驻留权重。
△ti=ti+1-ti (公式7)
其中,驻留权重函数11为公式8所体现的曲线。
1.2)构建附有驻留权重的泰森多边形构成的泰森多边形网。
将所有的基站两两连接,形成相互连接的多个三角形;作这些三角形每条边的垂直平分线,再将每个三角形三条边垂直平分线的交点连接起来得到多个多边形,这里形成的各多边形被称为泰森多边形。图5为泰森多边形网的示意图,此时每个多边形内终端的驻留权重即为泰森多边形的驻留权重。
2)初始化候选位置集及候选位置概率。
2.1)构建候选位置集。
在步骤302中对路网数据预处理后得到了各个道路的关键点的集合,在每一个泰森多边形中,这些关键点就构成了候选位置集。
2.2)初始化候选位置概率。
因为终端在不同时刻分别驻留在不同的泰森多边形中、对应不同的基站,所以每一个候选位置的初始概率与前后两个时刻的驻留概率有关。如图5所示,假设前一时刻终端驻留的泰森多边形中的基站为基站j-1,驻留时间为:Δti-1,驻留概率为下一时刻驻留的泰森多边形对应的基站为基站j+1,驻留时间为:Δti+1,驻留概率为则候选位置为k的初始候选位置概率bk通过如下公式计算得到:
其中,Sk,j-1表示候选位置k与前一时刻驻留的泰森多边形中基站的位置之间的距离;Sk,j+1表示候选位置k与下一时刻驻留的泰森多边形中基站的位置之间的距离。在第i时刻,由各候选位置的候选位置概率构成的矩阵,称为候选位置概率矩阵B。
步骤305、计算具有最大后验概率的位置序列。
1)构建基于路网约束的隐马尔科夫模型。
精细化的终端位置属于候选位置集合,是一条隐藏的状态序列;对终端位置的观测体现为一系列的候选位置集合。因此,该问题可描述为一个隐马尔科夫模型。
1.1)首先,基于路网的约束构建候选集合的状态转移矩阵A:
假设第i时刻的候选位置集合为Mi=(mi,1,mi,2,mi,3,...,mi,M),第i+1时刻的候选集合为Ni+1=(ni+1,1,ni+1,2,ni+1,3,...,ni+1,N)。考虑终端在运动过程中总是遵循花费的距离最短的原则,则相邻的候选位置集合中元素之间的转移概率与他们之间的距离成反比,即候选位置集合Mi中各位置到候选位置集Ni+1中各位置的转移概率,与他们之间的距离成反比。因此Mi中的第M个元素mi,M与Ni+1中的第N个元素ni+1,N之间的转移概率由如下公式计算:
其中,SM,N为mi,M与ni+1,N之间的距离,这里,将由aM,N构成的矩阵称为状态转移矩阵A。
1.2)确定模型的其他参数。
上述步骤304中的候选位置概率矩阵B,即为隐马尔科夫模型中,在第i时刻的观测概率矩阵Bπ为初始状态的概率分布,初始时刻的概率分布为均匀分布;I为隐藏状态序列,即待求解的精细化终端位置;O为观测状态序列,即一系列候选位置集合。
2)计算具有最大后验概率的精细化位置序列。
2.1)计算第i+1时刻的后验概率。第i时刻的后验概率为ki',第i+1时刻的后验概率由如下公式确定:
k'i+1=k'i*ai,i+1*bi+1 (公式11)
其中,ai,i+1为状态转移矩阵A中的元素,bi+1为观测概率矩阵B中的元素。
2.2)利用回溯算法找到精细化位置序列。经过上述步骤后得到一系列后验概率矩阵,在最后一个后验概率矩阵中找到最大的概率,并执行回溯算法得到时间范围内的精细化位置序列。这里的回溯算法可以使用维比特回溯算法。
步骤306、补全轨迹结果。
经过上述步骤305,在每一个泰森多边形中都确定了一个具有最大后验概率的位置,他们构成了位置序列(L1,L2,...,Ln),现在需要把他们连接起来形成完整的轨迹。由于上述运算中,仅根据道路的起点、终点和交点作为关键点确定了位置序列,而实际运动轨迹中,还包括道路的其他节点作为关键点。这里,采用如下方式确定Li和Li+1之间的路径:
选择两个相邻位置Li和Li+1作为输入;在路网的约束下,应用最短路径算法,如迪克斯特拉方法计算Li和Li+1之间的最短路径,并将路径中的节点加入轨迹子集hi,i+1中,算法的过程如图6所示:
S11、选择起始节点Li和结束节点Li+1,标记Li到hi,i+1;
S12、添加未标记节点,并计算未标记节点与已标记节点的距离;
S13、把距离最小的未标记节点添加至轨迹子集hi,i+1;
S14、判断Li是否在轨迹子集hi,i+1中,若否,则回到S12;若是,则进入S15;
S15、形成轨迹子集hi,i+1。
此时,就形成了Li和Li+1之间的轨迹,采用上述过程确定序列(L1,L2,...,Ln)中每两个位置之间的轨迹,循环所有位置序列,得到每一时刻的轨迹子集,最终得到拟合轨迹集合H=(h1,2,h2,3,...,hn-1,n)。
本申请上述实施例中提出了一种精细化的初始化候选位置集并确定候选位置概率的方法,确定最终的终端位置和轨迹。基于各基站位置构建了泰森多边形网络;计算每个多边形中的驻留时间并确定驻留权重;考虑先验和后验观测信息、如先验概率和后验概率建立隐马尔科夫模型。在充分考虑先验和后验观测信息的前提下,精细化地计算终端出现概率最大的位置序列,并根据位置序列来确定终端的运动轨迹。
在此基础上,本申请上述实施例还提供了通用的移动终端轨迹拟合的方法,通过以时序的基站位置为观测对象,在路网的约束下构建轨迹拟合模型。
本申请实施例采用观测重构和速度阈值检测的技术方法,达到了剔除移动终端初始观测中因乒乓切换和基站漂移导致的异常值的效果。然后,采用了构建附有权重的泰森多边形和初始化概率估计模型的技术方法,达到了确定候选位置集的效果。最后,在候选位置集上采用了基于路网约束的隐马尔科夫模型,和迪克斯特拉最短路计算的技术方法,达到了精细化终端轨迹拟合的效果。
上述方法采用了以时序的基站位置为观测对象结合路网的约束,来进行轨迹拟合,在移动终端的轨迹拟合中具有通用性,不依赖于额外的硬件成本,例如GPS芯片等,也不局限于LTE的信令数据,适用于各种与基站建立通信的移动终端设备。
基于前述的实施例,本申请实施例提供一种移动轨迹的确定装置,该装置包括所包括的各单元、以及各单元所包括的各模块,可以通过计算机设备中的处理器来实现;当然也可通过具体的逻辑电路实现;在实施的过程中,处理器可以为中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)等。
图7为本申请实施例的一种移动轨迹的确定装置的组成结构示意图,如图7所示,所述装置700包括获取单元701、第一确定单元702、第二确定单元703、第三确定单元704、第四确定单元705、第五确定单元706和第六确定单元707,其中:
获取单元701,用于获取终端信令数据和路网数据;
第一确定单元702,用于根据所述终端信令数据确定终端在各间隔时刻接入的基站;
第二确定单元703,用于将所述基站的位置,确定为初始位置;
第三确定单元704,用于根据所述路网数据,确定各所述基站的覆盖范围内道路上的至少一点为候选位置;
第四确定单元705,用于确定各候选位置与对应的所述初始位置间的距离;
第五确定单元706,用于根据所述距离,确定每一所述候选位置的初始概率;
第六确定单元707,用于根据所述初始概率符合设定条件的候选位置,确定拟合轨迹。
在其他实施例中,所述第五确定单元,包括:
构建模块,用于根据所述基站的位置,构建泰森多边形网络;其中,每一所述基站对应一个泰森多边形;
第一确定模块,用于根据所述终端信令数据,确定终端在各所述泰森多边形中的驻留时长;
第二确定模块,用于根据所述驻留时长,确定各所述泰森多边形的驻留权重;
第三确定模块,用于根据所述驻留权重和所述距离,确定每一候选位置的初始概率。
在其他实施例中,所述第六确定单元,包括:
第四确定模块,用于根据各间隔时刻对应的候选位置集合,依次确定相邻两个时刻候选位置集合之间的转移概率矩阵;
第五确定模块,用于根据所述各转移概率矩阵中的每一转移概率和所述初始概率,确定各时刻的后验概率矩阵;
第六确定模块,用于根据所述后验概率矩阵,确定各时刻具有最大后验概率的候选位置;
第七确定模块,用于根据具有最大后验概率的各候选位置,确定拟合轨迹。
在其他实施例中,所述第七确定模块,包括:
第一确定子模块,用于根据具有最大后验概率的候选位置,确定位置序列;
第一添加子模块,用于将所述位置序列中相邻的两个候选位置加入轨迹子集中;
第二确定子模块,用于根据最短路径算法,确定所述两个候选位置之间的节点;
第二添加子模块,用于将所述两个候选位置之间的节点加入轨迹子集;
第三确定子模块,用于根据每两个候选位置形成的轨迹子集,确定拟合轨迹集合。
在其他实施例中,所述装置还包括:
第七确定单元,用于根据设定条件确定当前时刻终端接入的基站为异常位置基站;
第八确定单元,用于重新确定当前时刻的所述初始位置。
在其他实施例中,所述第七确定单元,包括:
第一确定子单元,用于确定所述终端在上一时刻和下一时刻接入的基站相同;
第二确定子单元,用于确定所述终端在当前时刻接入的基站不同于所述上一时刻和下一时刻接入的基站;
第三确定子单元,用于将当前时刻接入的基站,确定为异常位置基站;
所述第八确定单元,还用于将所述上一时刻和下一时刻接入的基站的位置,确定为当前时刻的初始位置。
在其他实施例中,所述第七确定单元,包括:
第四确定子单元,用于确定上一时刻与当前时刻的所述初始位置之间的第一距离;
第五确定子单元,用于根据所述第一距离,确定所述终端在上一时刻到当前时刻的第一移动速度;
第六确定子单元,用于确定当前时刻与下一时刻的所述初始位置之间的第二距离;
第七确定子单元,用于根据所述第二距离,确定所述终端在当前时刻到下一时刻的第二移动速度;
第八确定子单元,用于确定所述第一移动速度大于设定速度阈值,且所述第二移动速度大于所述设定速度阈值;
第九确定子单元,用于将当前时刻终端接入的基站确定为异常位置基站;
所述第八确定单元,还用于将所述当前时刻的所述初始位置删除。
以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的移动轨迹的确定方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例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中,包括若干指令用以使得一台移动轨迹的确定装置(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
对应地,本申请实施例提供一种移动轨迹的确定装置,该装置移动轨迹的确定装置至少包括:处理器和用于存储能够在所述处理器上运行的可执行指令的存储器,其中:处理器用于运行所述可执行指令时,所述可执行指令执行上述任一实施例所提供的移动轨迹拟合方法中的步骤。
对应地,本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现上述任一实施例所提供的移动轨迹的确定方法中的步骤。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,图8为本申请实施例移动轨迹的确定装置的一种硬件实体示意图,如图8所示,该装置800的硬件实体包括:处理器801、通信接口802和存储器803,其中
处理器801通常控制装置800的总体操作。
通信接口802可以使装置通过网络与其他终端或服务器通信。
存储器803配置为存储由处理器801可执行的指令和应用,还可以缓存待处理器801以及装置800中各模块待处理或已经处理的数据(例如,图像数据、音频数据、语音通信数据和视频通信数据),可以通过闪存(FLASH)或随机访问存储器(Random Access Memory,RAM)实现。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例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中,包括若干指令用以使得一台移动轨迹的确定装置(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种移动轨迹的确定方法,其特征在于,所述方法包括:
获取终端信令数据和路网数据;
根据所述终端信令数据确定终端在各间隔时刻接入的基站;
将所述基站的位置,确定为初始位置;
根据所述路网数据,确定各所述基站的覆盖范围内道路上的至少一点为候选位置;
确定各候选位置与对应的所述初始位置间的距离;
根据所述距离,确定每一所述候选位置的初始概率;
根据所述初始概率符合设定条件的候选位置,确定拟合轨迹;
所述根据所述距离,确定每一所述候选位置的初始概率,包括:
根据所述基站的位置,构建泰森多边形网络;其中,每一所述基站对应一个泰森多边形;
根据所述终端信令数据,确定终端在各所述泰森多边形中的驻留时长;
根据所述驻留时长,确定各所述泰森多边形的驻留权重;
根据所述驻留权重和所述距离,确定每一候选位置的所述初始概率;
所述根据所述初始概率符合设定条件的候选位置,确定拟合轨迹,包括:
确定各时刻具有最大后验概率的候选位置;
根据具有最大后验概率的各候选位置和最短路径算法,确定拟合轨迹。
2.根据权利要求1所述的方法,其特征在于,所述确定各时刻具有最大后验概率的候选位置,包括:
根据各间隔时刻对应的候选位置集合,依次确定相邻两个时刻候选位置集合之间的转移概率矩阵;
根据所述各转移概率矩阵中的每一转移概率和所述初始概率,确定各时刻的后验概率矩阵;
根据所述后验概率矩阵,确定各时刻具有最大后验概率的候选位置。
3.根据权利要求1所述的方法,其特征在于,所述根据具有最大后验概率的候选位置和最短路径算法,确定拟合轨迹,包括:
根据具有最大后验概率的候选位置,确定位置序列;
将所述位置序列中相邻的两个候选位置加入轨迹子集中;
根据最短路径算法,确定所述两个候选位置之间的节点;
将所述两个候选位置之间的节点加入轨迹子集;
根据每两个候选位置形成的轨迹子集,确定拟合轨迹集合。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据设定条件确定当前时刻终端接入的基站为异常位置基站;
重新确定当前时刻的所述初始位置。
5.根据权利要求4所述的方法,其特征在于,所述根据设定条件确定当前时刻终端接入的基站为异常位置基站,包括:
确定所述终端在上一时刻和下一时刻接入的基站相同;
确定所述终端在当前时刻接入的基站不同于所述上一时刻和下一时刻接入的基站;
将当前时刻接入的基站,确定为异常位置基站;
所述重新确定当前时刻的初始位置,包括:将所述上一时刻和下一时刻接入的基站的位置,确定为当前时刻的初始位置。
6.根据权利要求4所述的方法,其特征在于,所述根据设定条件确定当前时刻终端接入的基站为异常位置基站,包括:
确定上一时刻与当前时刻的所述初始位置之间的第一距离;
根据所述第一距离,确定所述终端在上一时刻到当前时刻的第一移动速度;
确定当前时刻与下一时刻的所述初始位置之间的第二距离;
根据所述第二距离,确定所述终端在当前时刻到下一时刻的第二移动速度;
确定所述第一移动速度大于设定速度阈值,且所述第二移动速度大于所述设定速度阈值;
将所述当前时刻终端接入的基站确定为异常位置基站;
所述重新确定当前时刻的初始位置,包括:将所述当前时刻的所述初始位置删除。
7.一种移动轨迹的确定装置,其特征在于,包括:
获取单元,用于获取终端信令数据和路网数据;
第一确定单元,用于根据所述终端信令数据确定终端在各间隔时刻接入的基站;
第二确定单元,用于将所述基站的位置,确定为初始位置;
第三确定单元,用于根据所述路网数据,确定各所述基站的覆盖范围内道路上的至少一点为候选位置;
第四确定单元,用于确定各候选位置与对应的所述初始位置间的距离;
第五确定单元,用于根据所述距离,确定每一所述候选位置的初始概率;
第六确定单元,用于根据所述初始概率符合设定条件的候选位置,确定拟合轨迹;
所述第五确定单元,包括:
构建模块,用于根据所述基站的位置,构建泰森多边形网络;其中,每一所述基站对应一个泰森多边形;
第一确定模块,用于根据所述终端信令数据,确定终端在各所述泰森多边形中的驻留时长;
第二确定模块,用于根据所述驻留时长,确定各所述泰森多边形的驻留权重;
第三确定模块,用于根据所述驻留权重和所述距离,确定每一候选位置的初始概率;
所述第六确定单元,包括:
第六确定模块,用于确定各时刻具有最大后验概率的候选位置;
第七确定模块,用于根据具有最大后验概率的各候选位置和最短路径算法,确定拟合轨迹。
8.一种移动轨迹的确定装置,其特征在于,所述移动轨迹的确定装置至少包括:
处理器和用于存储能够在所述处理器上运行的可执行指令的存储器,其中:
处理器用于运行所述可执行指令时,所述可执行指令执行上述权利要求1至6任一项所述移动轨迹的确定方法中的步骤。
9.一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中存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现上述权利要求1至6任一项提供的移动轨迹的确定方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910754336.XA CN112399348B (zh) | 2019-08-15 | 2019-08-15 | 一种移动轨迹的确定方法及装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910754336.XA CN112399348B (zh) | 2019-08-15 | 2019-08-15 | 一种移动轨迹的确定方法及装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112399348A CN112399348A (zh) | 2021-02-23 |
CN112399348B true CN112399348B (zh) | 2022-07-01 |
Family
ID=74601644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910754336.XA Active CN112399348B (zh) | 2019-08-15 | 2019-08-15 | 一种移动轨迹的确定方法及装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112399348B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113099470B (zh) * | 2021-03-14 | 2023-04-14 | 长安通信科技有限责任公司 | 一种基站探测方法及系统、计算机可读存储介质 |
CN113487858B (zh) * | 2021-06-25 | 2022-05-10 | 大连海事大学 | 一种面向路网数据的异常轨迹检测方法 |
CN114040462B (zh) * | 2021-12-03 | 2022-10-14 | 智慧足迹数据科技有限公司 | 基于手机信令的出行链识别方法及相关装置 |
CN114708731B (zh) * | 2022-04-06 | 2023-04-14 | 江苏欣网视讯软件技术有限公司 | 路网匹配方法、装置与系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108955693A (zh) * | 2018-08-02 | 2018-12-07 | 吉林大学 | 一种路网匹配的方法及系统 |
CN109710714A (zh) * | 2018-12-21 | 2019-05-03 | 西安交通大学 | 一种隐马尔可夫模型改进的路网匹配方法 |
-
2019
- 2019-08-15 CN CN201910754336.XA patent/CN112399348B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108955693A (zh) * | 2018-08-02 | 2018-12-07 | 吉林大学 | 一种路网匹配的方法及系统 |
CN109710714A (zh) * | 2018-12-21 | 2019-05-03 | 西安交通大学 | 一种隐马尔可夫模型改进的路网匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112399348A (zh) | 2021-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112399348B (zh) | 一种移动轨迹的确定方法及装置、存储介质 | |
CN111091708B (zh) | 车辆轨迹预测方法及装置 | |
KR102296507B1 (ko) | 트래킹 네트워크를 포함한 cnn을 사용하여 객체를 트래킹하는 방법 및 이를 이용한 장치 | |
CN106912018B (zh) | 基于信令轨迹的地图匹配方法及系统 | |
US11037445B2 (en) | Road matching based positioning method, chip subsystem, and electronic device | |
CN110852342B (zh) | 一种路网数据的获取方法、装置、设备及计算机存储介质 | |
JP6928722B2 (ja) | 車両動作のための位置特定の決定 | |
Mohamed et al. | Accurate real-time map matching for challenging environments | |
EP4152204A1 (en) | Lane line detection method, and related apparatus | |
CN106781478B (zh) | 一种基于lte信令数据的轨迹跟踪方法 | |
CN106101993B (zh) | 用于移动网络地理定位的方法和系统 | |
CN112035591B (zh) | 一种路网匹配方法、装置、设备和存储介质 | |
CN111121785A (zh) | 一种基于图搜索的无道路路径规划方法 | |
CN103180753B (zh) | 用于定位信息报告的方法和装置 | |
Thomaidis et al. | Multiple hypothesis tracking for data association in vehicular networks | |
CN112219225A (zh) | 定位方法、系统及可移动平台 | |
Karimi et al. | A methodology for predicting performances of map-matching algorithms | |
CN116045964A (zh) | 高精地图更新方法及装置 | |
CN115767435A (zh) | 基于信令数据的时空轨迹确定方法及设备 | |
CN112771352B (zh) | 车辆定位方法和装置 | |
CN115339473A (zh) | 一种多障碍物全模态预测场景的处理方法和装置 | |
CN115456060A (zh) | 一种预测轨迹的处理方法和装置 | |
CN114842207A (zh) | 路网生成方法、装置、可读存储介质及电子设备 | |
CN114490904A (zh) | 停车场入口生成方法、装置、设备及存储介质 | |
JP2021076593A (ja) | 構築及び位置特定技術分野に焦点を当てた動的マップ生成 |
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 |