CN112530161A - 道路数据处理方法、装置、设备及计算机存储介质 - Google Patents

道路数据处理方法、装置、设备及计算机存储介质 Download PDF

Info

Publication number
CN112530161A
CN112530161A CN202011309560.7A CN202011309560A CN112530161A CN 112530161 A CN112530161 A CN 112530161A CN 202011309560 A CN202011309560 A CN 202011309560A CN 112530161 A CN112530161 A CN 112530161A
Authority
CN
China
Prior art keywords
path
road
road section
sampling point
unit
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
CN202011309560.7A
Other languages
English (en)
Other versions
CN112530161B (zh
Inventor
盛展辉
王亦乐
杨宁
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011309560.7A priority Critical patent/CN112530161B/zh
Publication of CN112530161A publication Critical patent/CN112530161A/zh
Application granted granted Critical
Publication of CN112530161B publication Critical patent/CN112530161B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications

Abstract

本申请公开了道路数据处理方法、装置、设备及计算机存储介质,涉及大数据及人工智能技术领域。具体实现方案为:根据对第一道路网的操作信息,获取所述第一道路网上的多个采样点,将所述多个采样点组成第一路径;根据所述多个采样点,获取第二道路网上的至少一个第二路径,每个所述第二路径经过每个所述采样点的位置的预设范围内的区域;计算第一路径与每个所述第二路径的相似度;根据所述相似度,在所述至少一个第二路径中确定所述第一路径的映射路径。本申请实施例能够将第一道路网和第二道路网上的相同路径进行映射,具有较高的准确性,能够为用户使用道路网的数据提供便利。

Description

道路数据处理方法、装置、设备及计算机存储介质
技术领域
本申请涉及计算机技术领域,尤其涉及大数据和智能交通技术领域。
背景技术
随着科技的进步,人们的衣食住行各方面都越来越舒适。在出行方面,交通越来越便利,使得世界给人们呈现缩小的感觉。同时,随着网络技术的发展,交通与计算机技术、网络技术的结合,以及大数据在智能交通中的应用,使得交通便利程度越来越高。
随着城市的迅速发展,交通拥堵、交通污染日益严重,交通事故频繁发生,这些都是各大城市亟待解决的问题。如何更好地应用交通大数据,是交通领域发展的一个重点。
发明内容
本申请提供了一种用于道路数据处理方法、装置、设备以及存储介质。
根据本申请的一方面,提供了一种道路数据处理方法,包括:
根据对第一道路网的操作信息,获取第一道路网上的多个采样点,将多个采样点组成第一路径;
根据多个采样点,获取第二道路网上的至少一个第二路径,每个第二路径经过每个采样点的位置的预设范围内的区域;
计算第一路径与每个第二路径的相似度;
根据相似度,在至少一个第二路径中确定第一路径的映射路径。
根据本申请的另一方面,提供了一种道路数据处理装置,包括:
第一路径模块,用于根据对第一道路网的操作信息,获取第一道路网上的多个采样点,将多个采样点组成第一路径;
第二路径模块,用于根据多个采样点,获取第二道路网上的至少一个第二路径,每个第二路径经过每个采样点的位置的预设范围内的区域;
相似度模块,用于计算第一路径与每个第二路径的相似度;
映射模块,用于根据相似度,在至少一个第二路径中确定第一路径的映射路径。
根据本申请的又一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。
根据本申请的又一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。根据本申请实施例,能够将不同来源的交通大数据进行结合,使得用户能够通过道路网获得更加丰富和全面的信息,在交通出行时得到更多的便利。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请一实施例的道路数据处理方法示意图;
图2A-C是根据本申请一种示例的路径灰度图的示意图;
图2D是根据本申请一种示例中根据灰度图计算相似度的示意图;
图3是根据本申请另一实施例的道路数据处理方法示意图;
图4是根据本申请一实施例的道路数据处理装置示意图;
图5是根据本申请另一实施例的道路数据处理装置示意图;
图6是根据本申请又一实施例的道路数据处理装置示意图;
图7是根据本申请又一实施例的道路数据处理装置示意图;
图8是用来实现本申请实施例的道路数据处理的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本申请实施例提供一种道路数据处理方法,如图1所示,包括:
步骤S11:根据对第一道路网的操作信息,获取第一道路网上的多个采样点,将多个采样点组成第一路径;
步骤S12:根据多个采样点,获取第二道路网上的至少一个第二路径,每个第二路径经过每个采样点的位置的预设范围内的区域;
步骤S13:计算第一路径与每个第二路径的相似度;
步骤S14:根据相似度,在至少一个第二路径中确定第一路径的映射路径。
道路网可以指在一定区域内,由各种道路组成的相互联络、交织成网状分布的道路系统。可以包括在城市范围内由各种道路组成的城市道路网。
第一道路网和第二道路网可以包括统一地理位置范围的路网,且第一道路网和第二道路网的数据来源、道路划分方式等可以不同。
比如,第一道路网和第二道路网可以为不同机构采集的道路数据形成的道路网。
再如,第一道路网和第二道路网可以为不同的地图应用对应的道路网。
在本实施例中,对第一道路网的操作信息可以是用户对第一道路网进行操作时产生,使得能够根据操作获得多个采样点的信息。
比如,对第一道路网的操作信息,可以是用户直接在第一道路网的操作界面上选定采样点的信息。
再如,对第一道路网的操作信息,可以是用户在第一道路网的操作界面上圈定选择范围的信息。在用户在第一道路网上圈定选择范围后,可根据默认的采样点生成方式,在选择范围内确定多个采样点。
一般情况下,用户可以在第一道路网中的路径上进行采样点的选择,比如,用户在第一道路网的第一路径上点击多次,根据用户的点击操作确定对应的多个采样点。
在另一种实施方式中,用户还可以在第一道路网的非路径区域进行采样点的选择,将偏离第一道路网中的路径的选择点拟合到路径上,使得采样点经过第一路网中已存在的路径。
多个采样点组成第一路径,可以指多个采样点与第一路径重合。
根据多个采样点,获取第二道路网上的至少一个第二路径,可以指根据多个采样点的具体位置,获取第二道路网上与之相对应的第二路径。第二路径与多个采样点重合或者接近。
每个第二路径经过每个采样点的位置的预设范围内的区域,具体可以是第二路径一次经过每个采样点或者每个采样点的预设范围内的区域。比如,在第一道路网中确定了4个采样点1-4,第二路径依次经过采样点1、采样点2预设范围内的区域、采样点3和采样点4。
本实施例中,第二路径可以有多个。
第一路径与每个第二路径的相似度,可以是第一路径与每个第二路径的形状相似度或者几何相似度等。
根据相似度,在至少一个第二路径中确定第一路径的映射路径,可以指选择相似度最大的第二路径为第一路径的映射路径。
根据相似度,在至少一个第二路径中确定第一路径的映射路径,还可以指根据相似度以及其它必要参数进行进一步计算,并根据计算结果在第二路径中选择第一路径的映射路径。
映射路径可以为与第一路径具有映射关系的路径,即在实际地理环境中,第一路径与其映射路径(或与其具有映射关系的路径)为同一条实际路径。
在将第二路径映射到第一路径之后,用户使用第一道路网时,可以在获得第一道路网中与第一路径相关的数据的同时,获得第二路网中与第一路径映射的第二路径的相关数据,从而能够将不同来源的交通大数据进行结合,使得用户能够通过道路网获得更加丰富和全面的信息,在交通出行时得到更多的便利。
在一种实施方式中,根据多个采样点,获取第二道路网上的至少一个第二路径,包括:
针对每个采样点,获取采样点的位置的预设范围内的所有路段单元,作为采样点的相关路段单元;
从每个采样点的相关路段单元中,选择至少一个路段单元,组成每个采样点的相关路段单元组;
将所有相关路段单元组中相邻的路段单元连接,获得至少一个第二路径。
本实施例中,针对多个采样点中的每个采样点,分别获取采样点的位置的预设范围内的所有路段单元。比如,在第一道路网中按照第一路径的延伸方向依次选择了4个采样点1-4,则分别针对采样点1-4,确定4个相关路段单元组依次和采样点1-4相关。不同的采样点对应的相关路段单元组中,可以存在相同的路段单元。
比如,采样点1对应的路段单元组包括{A、B、C};
采样点2对应的路段单元包括{E、D、F};
采样点3对应的路段单元包括{E、D、G};
采样点4对应的路段单元包括{G、H、I}。
相邻的路段单元,具体可以是端点具有连接关系的路段单元。比如,A、E、G、H依次连接,则A、E、G和H可以连接成一个第二路径。若B、D、G、I之间不存在依次的连接关系,则B、D、G、I不能够连接成一个第二路径。
本实施例中,能够分别针对每个采样点确定相关路段单元组,然后将所有路段单元组中的相邻路段单元连接,从而能够获得与各采样点均相关的第二路径,后续能够从至少一个第二路径中准确地确定与第一路径具有映射关系的路径。
在一种实施方式中,从每个采样点的相关路段单元中,选择至少一个路段单元,组成每个采样点的相关路段单元组,包括:
针对每个采样点,根据采样点的每个相关路段单元到采样点的距离、采样点的每个相关路段单元的属性,对采样点的每个相关路段单元打分;
针对每个采样点,选择打分结果高于设定值的相关路段单元,组成采样点的相关路段单元组。
本实施例中,考虑到采样点周围的设定范围可能区域较大,在道路密集的城市区域,可能会针对每个采样点确定出数量较多的相关路段。而若在每个采样点的相关路段都存在相邻连接关系的情况下,可根据排列组合的方式确定数量较多的第二路径,从而增加计算量。
比如,在第一道路网中确定了两个采样点,分别是采样点1和采样点2,若采样点1具有3个相关路段单元,采样点2具有2个相关路段单元,且采样点1的每个相关路段单元和采样点2的每个相关路段单元均具有相邻连接关系,从而,第二路径可能存在6条。若采样点数量增多以及相关路段单元数量增多,第二路径则可能存在更多的组成方式。
因此,在本实施例中,针对每个采样单元对相关路段单元进行打分,选择打分较高的路段单元组成路段单元组,过滤掉打分较低的路段单元,从而能够过滤掉明显不能够存在于第一路径的映射路径中的路段单元,减少不必要的计算量,提高计算效率。
在一种实施方式中,计算第一路径与每个第二路径的相似度,包括:
计算第一路径与第二路径上的多个角点;
根据多个角点,计算第一路径与第二路径的相似度。
本实施例中,角点具体可以是线条的几何极值点。比如,第一路径上存在两个极值点,则第一路径具有两个角点。第二路径上存在三个极值点,则第二路径具有三个角点。
本实施例中,角点具体可以是SIFT(Scale-invariant feature transform,尺度不变特征变换)特征点。
本实施例中,根据多个交点,计算第一路径与第二路径的相似度,具体可以是根据角点法计算公式,确定第一路径和第二路径的线条的几何相似度。
本实施例中,能够根据第一路径和第二路径上的多个交点,计算第一路径和第二路径的相似度,从而,能够对第一路径与第二路径的映射关系进行准确的判断。
由于一般情况下,不同的道路网的位置信息可能存在偏差,在实际环境中的同一条路径,可能在不同的道路网中的集合形状不完全相同,或多或少存在偏差,但是同一条路径,即便在不同的道路网中,也应当具有较高的相似度。通过本申请实施例提供的方法,能够更为准确地确定不同路网中的相似路径是否具有映射关系,使得用户能够更充分地利用不同数据来源的道路网数据,提高交通的智能化。
在一种实施方式中,计算第一路径与第二路径上的多个角点,包括:
根据第一路径,生成第一路径灰度图;并根据第二路径,生成第二路径灰度图;
根据第一路径灰度图和第二路径灰度图,计算第一路径与第二路径上的多个角点。
在一种示例中,第一路径灰度图比如可以如图2A-2C所示。
第一路径灰度图、第二路径灰度图,可以是第一路径、第二路径的灰度线条图或者灰度线条图。
在另一种示例中,如图2D所示,可以根据多个第二路径灰度图和第一路径灰度图21,分别计算各第二路径和第一路径的相似度。计算获得第一条第二路径灰度图22与第一路径灰度图21的相似度为95%,第二条第二路径灰度图23与第一路径灰度图21的相似度为50%,第三条第二路径灰度图24与第一路径灰度图21的相似度为20%,则基于当前结果,可以选择相似度95%的第一条第二路径,为与第一路径具有映射关系的路径。图2D中的小圆圈可表示角点。
本实施例中,根据第一路径灰度图和第二路径灰度图,计算角点,能够提高角点的计算速度。
在本申请一种示例中,道路数据处理方法包括图3所示的步骤,具体如下:
步骤S31:采样点附近路段单元召回和排序。
本步骤中,可以提取第一道路网的第一路径的采样点的坐标等相关信息,并获取在第二道路网上的可能的候选Link(路段单元)。
在本实施例中,可以通过KD Tree(K-dimensional树,K维树)建立Link和采样点的二维平面坐标的关系,借助KD Tree的快速范围搜索能力,把采样点附近的Link加入到候选路段集合(相关路段单元组),由于第一道路网和第二道路网的偏移会很大,在具体示例中可以取较大的召回半径值,例如,取召回半径为3公里。
由于召回半径取较大值,每个采样点对应的相关的路段单元较多,能够组成的第二路径的数量也呈几何规模增长。为了提升后续路径搜索的性能,可以针对每个采样点,对路段单元进行打分,只保留X分以上的Link,加速路径查找的性能。
在具体示例中,Link的分数计算可以采用如下方式:
scorelink=dis×disfactor+main×mainfactor+side×sidefactor+viaduct×viaductfactor+tunnal×tunnalfactor
scorelink为路段单元的分数。
disfactor为采样点到相关的路段单元的距离,即距离权重。比如,采样点1相关的路段单元包括{A、B、C},则针对采样点1,A路段单元的距离权重为根据采样点1到A的投影距离计算。
mainfactor可以为主路权重。比如,对于位于主路的路段单元,该权重值为1;对于非主路的路段单元,该权重值为0。
sidefactor可以为辅路权重。比如,对于非辅路的路段单元,该权重值为0;对于辅路的路段单元,该权重值为1。
viaductfactor可以为高架权重。比如,对于高架的路段单元,该权重值为1;对于非高架的路段单元,该权重值为0。
tunnalfactor可以为隧道权重。比如,对于隧道的路段单元,该权重值为1;对于非隧道的路段单元,该权重值为0。
步骤S32:针对每个采样点,确定至少一条第二路径。
本步骤中,根据每个采样点对应的相关路段单元组,确定至少一个第二路径。具体可以通过投票法获得第二路径,然后将第一路径和第二路径转换为图像。具体可以包括:
基于路网拓扑、用户经验轨迹等提取第二道路网的常用候选路径,候选路径为Link序列形式,如,Link1->Link2->Link3->Link4,这些Link信息包含其Link的ID和几何信息。
对候选的第二路径打分,候选路径的得分为第(1)步中Link的得分累加。
步骤S33:将得分最高(Top)的N个候选路径,基于几何信息转换成灰度图像。
步骤S34:相似度计算。
在实际应用中可能存在第一路径和第二路径的偏差很大的情况(如偏移量较大、路径相对旋转等),但是转换为图像后,利用SIFT特征的平移不变性、旋转不变性、尺度不变性,可以规避第一道路网和第二道路网之间的路径相对偏移、精度不一致等问题。
在本申请一种示例中,如图4所示,相似度计算的过程可以包括:
步骤S41:获得第一路径的灰度图和第二路径的灰度图。
步骤S42:计算第一路径的灰度图和第二路径的灰度图的SIFT特征点。
步骤S43:基于SIFT特征点,通过相似度判定第二路径中,与第一路径具有映射关系的映射路径。
步骤S44:基于映射路径在第二道路网中的路段单元的信息获得第一道路网的第一路径的最优映射路径的信息。
本申请实施例还提供一种道路数据处理装置,如图5所示,包括:
第一路径模块51,用于根据对第一道路网的操作信息,获取第一道路网上的多个采样点,将多个采样点组成第一路径;
第二路径模块52,用于根据多个采样点,获取第二道路网上的至少一个第二路径,每个第二路径经过每个采样点的位置的预设范围内的区域;
相似度模块53,用于计算第一路径与每个第二路径的相似度;
映射模块54,用于根据相似度,在至少一个第二路径中确定第一路径的映射路径。
在一种实施方式中,如图6所示,第二路径模块52包括:
路段单元获取单元61,用于针对每个采样点,获取采样点的位置的预设范围内的所有路段单元,作为采样点的相关路段单元;
相关路段单元组单元62,用于从每个采样点的相关路段单元中,选择至少一个路段单元,组成每个采样点的相关路段单元组;
连接单元63,用于将所有相关路段单元组中相邻的路段单元连接,获得至少一个第二路径。
在一种实施方式中,相关路段单元组单元还用于:
针对每个采样点,根据采样点的每个相关路段单元到采样点的距离、采样点的每个相关路段单元的属性,对采样点的每个相关路段单元打分;
针对每个采样点,选择打分结果高于设定值的相关路段单元,组成采样点的相关路段单元组。
在一种实施方式中,如图7所示,相似度模块53包括:
角点单元71,用于计算第一路径与第二路径上的多个角点;
计算单元72,用于根据多个角点,计算第一路径与第二路径的相似度。
在一种实施方式中,角点单元还用于:
根据第一路径,生成第一路径灰度图;并根据第二路径,生成第二路径灰度图;
根据第一路径灰度图和第二路径灰度图,计算第一路径与第二路径上的多个角点。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图8所示,是根据本申请实施例的道路数据处理的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的道路数据处理的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的道路数据处理的方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的道路数据处理的方法对应的程序指令/模块(例如,附图5所示的第一路径模块51、第二路径模块52、相似度模块53和映射模块54)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的道路数据处理的方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据道路数据处理的电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至道路数据处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
道路数据处理的方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与道路数据处理的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS)服务中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
在具体应用中,常常会存在不同制作精度、制作工艺的道路网。比如,企业外部道路网和用户道侧路网(内部道路网)因为地图采集精度、地图制作工艺的不同,偏差较大,形态可能不一致,导致匹配的效果不好,特别是在平行路或者复杂道路拓扑的情况。
根据本申请实施例的技术方案,针对内部道路网和外部道路网明显偏差(偏移、旋转)很大的情况,具有更好的映射效果,相应的计算代价则增长不大,极好的适配用户侧路网和外部路网的映射,满足交通大数据在交通规划的应用。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。

Claims (12)

1.一种道路数据处理方法,包括:
根据对第一道路网的操作信息,获取所述第一道路网上的多个采样点,将所述多个采样点组成第一路径;
根据所述多个采样点,获取第二道路网上的至少一个第二路径,每个所述第二路径经过每个所述采样点的位置的预设范围内的区域;
计算第一路径与每个所述第二路径的相似度;
根据所述相似度,在所述至少一个第二路径中确定所述第一路径的映射路径。
2.根据权利要求1所述的方法,其中,所述根据所述多个采样点,获取第二道路网上的至少一个第二路径,包括:
针对每个所述采样点,获取所述采样点的位置的预设范围内的所有路段单元,作为所述采样点的相关路段单元;
从每个所述采样点的相关路段单元中,选择至少一个路段单元,组成每个所述采样点的相关路段单元组;
将所有相关路段单元组中相邻的路段单元连接,获得所述至少一个第二路径。
3.根据权利要求2所述的方法,其中,所述从每个所述采样点的相关路段单元中,选择至少一个路段单元,组成每个所述采样点的相关路段单元组,包括:
针对每个采样点,根据所述采样点的每个相关路段单元到所述采样点的距离、所述采样点的每个相关路段单元的属性,对所述采样点的每个相关路段单元打分;
针对每个采样点,选择打分结果高于设定值的相关路段单元,组成所述采样点的相关路段单元组。
4.根据权利要求1所述的方法,其中,所述计算第一路径与每个所述第二路径的相似度,包括:
计算所述第一路径与第二路径上的多个角点;
根据所述多个角点,计算所述第一路径与所述第二路径的相似度。
5.根据权利要求4所述的方法,其中,所述计算所述第一路径与所述第二路径上的多个角点,包括:
根据所述第一路径,生成第一路径灰度图;并根据所述第二路径,生成第二路径灰度图;
根据所述第一路径灰度图和所述第二路径灰度图,计算所述第一路径与所述第二路径上的多个角点。
6.一种道路数据处理装置,包括:
第一路径模块,用于根据对第一道路网的操作信息,获取所述第一道路网上的多个采样点,将所述多个采样点组成第一路径;
第二路径模块,用于根据所述多个采样点,获取第二道路网上的至少一个第二路径,每个所述第二路径经过每个所述采样点的位置的预设范围内的区域;
相似度模块,用于计算第一路径与每个所述第二路径的相似度;
映射模块,用于根据所述相似度,在所述至少一个第二路径中确定所述第一路径的映射路径。
7.根据权利要求6所述的装置,其中,所述第二路径模块包括:
路段单元获取单元,用于针对每个所述采样点,获取所述采样点的位置的预设范围内的所有路段单元,作为所述采样点的相关路段单元;
相关路段单元组单元,用于从每个所述采样点的相关路段单元中,选择至少一个路段单元,组成每个所述采样点的相关路段单元组;
连接单元,用于将所有相关路段单元组中相邻的路段单元连接,获得所述至少一个第二路径。
8.根据权利要求7所述的装置,其中,所述相关路段单元组单元还用于:
针对每个采样点,根据所述采样点的每个相关路段单元到所述采样点的距离、所述采样点的每个相关路段单元的属性,对所述采样点的每个相关路段单元打分;
针对每个采样点,选择打分结果高于设定值的相关路段单元,组成所述采样点的相关路段单元组。
9.根据权利要求6所述的装置,其中,所述相似度模块包括:
角点单元,用于计算所述第一路径与第二路径上的多个角点;
计算单元,用于根据所述多个角点,计算所述第一路径与所述第二路径的相似度。
10.根据权利要求9所述的装置,其中,所述角点单元还用于:
根据所述第一路径,生成第一路径灰度图;并根据所述第二路径,生成第二路径灰度图;
根据所述第一路径灰度图和所述第二路径灰度图,计算所述第一路径与所述第二路径上的多个角点。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
CN202011309560.7A 2020-11-20 2020-11-20 道路数据处理方法、装置、设备及计算机存储介质 Active CN112530161B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011309560.7A CN112530161B (zh) 2020-11-20 2020-11-20 道路数据处理方法、装置、设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011309560.7A CN112530161B (zh) 2020-11-20 2020-11-20 道路数据处理方法、装置、设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN112530161A true CN112530161A (zh) 2021-03-19
CN112530161B CN112530161B (zh) 2022-05-03

Family

ID=74981897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011309560.7A Active CN112530161B (zh) 2020-11-20 2020-11-20 道路数据处理方法、装置、设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN112530161B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0887622A1 (de) * 1997-06-10 1998-12-30 Alcatel Verfahren zur Ermittlung von Streckendaten
US20160178377A1 (en) * 2014-12-19 2016-06-23 Hyundai Motor Company Navigation system, path prediction method thereof and computer readable medium for performing the same
US20170328727A1 (en) * 2014-12-24 2017-11-16 Aisin Aw Co., Ltd. Route search system, method, and program
US20190005719A1 (en) * 2017-06-29 2019-01-03 Open Space Labs, Inc. Automated spatial indexing of images based on floorplan features
CN109710708A (zh) * 2018-12-07 2019-05-03 北京掌行通信息技术有限公司 一种电子地图映射方法及装置
CN110617831A (zh) * 2019-09-27 2019-12-27 百度在线网络技术(北京)有限公司 生成导航路线的方法、装置及设备
CN110702136A (zh) * 2019-10-29 2020-01-17 北京百度网讯科技有限公司 车辆的路线规划方法、装置、电子设备及可读存储介质
CN110926486A (zh) * 2019-11-26 2020-03-27 百度在线网络技术(北京)有限公司 一种路线确定方法、装置、设备和计算机存储介质
CN111597282A (zh) * 2020-04-24 2020-08-28 汉海信息技术(上海)有限公司 挖掘路网数据的方法、装置及电子设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0887622A1 (de) * 1997-06-10 1998-12-30 Alcatel Verfahren zur Ermittlung von Streckendaten
US20160178377A1 (en) * 2014-12-19 2016-06-23 Hyundai Motor Company Navigation system, path prediction method thereof and computer readable medium for performing the same
US20170328727A1 (en) * 2014-12-24 2017-11-16 Aisin Aw Co., Ltd. Route search system, method, and program
US20190005719A1 (en) * 2017-06-29 2019-01-03 Open Space Labs, Inc. Automated spatial indexing of images based on floorplan features
CN109710708A (zh) * 2018-12-07 2019-05-03 北京掌行通信息技术有限公司 一种电子地图映射方法及装置
CN110617831A (zh) * 2019-09-27 2019-12-27 百度在线网络技术(北京)有限公司 生成导航路线的方法、装置及设备
CN110702136A (zh) * 2019-10-29 2020-01-17 北京百度网讯科技有限公司 车辆的路线规划方法、装置、电子设备及可读存储介质
CN110926486A (zh) * 2019-11-26 2020-03-27 百度在线网络技术(北京)有限公司 一种路线确定方法、装置、设备和计算机存储介质
CN111597282A (zh) * 2020-04-24 2020-08-28 汉海信息技术(上海)有限公司 挖掘路网数据的方法、装置及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陶璐: "高精度自动驾驶地图与传统导航地图路网匹配方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN112530161B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
US11361005B2 (en) Method for processing map data, device, and storage medium
CN110726418B (zh) 兴趣点区域确定方法、装置、设备及存储介质
CN111695488B (zh) 兴趣面识别方法、装置、设备以及存储介质
CN110926486B (zh) 一种路线确定方法、装置、设备和计算机存储介质
CN112013865B (zh) 确定交通卡口的方法、系统、电子设备以及介质
CN113155141A (zh) 地图的生成方法、装置、电子设备及存储介质
CN112131335B (zh) 车道级地图数据处理方法、装置、电子设备及存储介质
CN110765227A (zh) 道路交通网络模型构建方法及装置
CN111553844A (zh) 用于更新点云的方法及装置
KR20210040879A (ko) 교차로 가상 차도를 표기하는 방법 및 장치
CN113160693B (zh) 一种道路路口的处理方法、装置、设备和存储介质
US20230130901A1 (en) Method for constructing three-dimensional map in high-definition map, device and storage medium
CN111597986B (zh) 用于生成信息的方法、装置、设备和存储介质
CN111652112A (zh) 一种车道流向的识别方法、装置、电子设备及存储介质
CN111210490A (zh) 电子地图构建方法、装置、设备和介质
CN111291681B (zh) 车道线变化信息的检测方法、装置及设备
CN111597287A (zh) 地图生成方法、装置及设备
CN113672688A (zh) 路网数据更新方法、装置和电子设备
CN112527163B (zh) 一种路口检索方法、装置、设备及存储介质
CN113011298A (zh) 截断物体样本生成、目标检测方法、路侧设备和云控平台
CN112530161B (zh) 道路数据处理方法、装置、设备及计算机存储介质
CN111597987A (zh) 用于生成信息的方法、装置、设备和存储介质
CN111324616A (zh) 车道线变化信息的检测方法、装置及设备
CN110781657A (zh) 导航播报的管理方法、装置及设备
CN111782748B (zh) 地图检索方法、信息点poi语义向量的计算方法和装置

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