CN112683286A - 拓扑路网地图的建立方法、系统、存储介质及电子设备 - Google Patents
拓扑路网地图的建立方法、系统、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112683286A CN112683286A CN202110282226.5A CN202110282226A CN112683286A CN 112683286 A CN112683286 A CN 112683286A CN 202110282226 A CN202110282226 A CN 202110282226A CN 112683286 A CN112683286 A CN 112683286A
- Authority
- CN
- China
- Prior art keywords
- data
- network map
- road network
- topological
- track
- 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.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种拓扑路网地图的建立方法、系统、存储介质及电子设备,用于建立拓扑路网地图,方法包括:获取基于交通车辆GPS数据的轨迹数据集;对轨迹数据集进行分段、压缩处理,获取拐点信息;分析拐点信息获取交叉口节点;根据拐点信息和交叉口节点,分析获取道路中心线和道路向量信息,组成拓扑路网地图;本申请通过对交通车辆GPS数据的轨迹数据集进行分段、压缩处理,再进行分析,可快速精准地识别道路交叉口,进而提取道路中心线和道路向量,建立高精度可视化的拓扑路网地图,该建立过程基于大批量的交通车辆GPS数据的轨迹数据集进行分析处理,对GPS采样设备的精度要求不高,且数据获取途径、方式便利,有效节省人力资源、成本。
Description
技术领域
本发明涉及智能交通技术领域,主要涉及拓扑路网地图的建立方法、系统、存储介质及电子设备。
背景技术
智能交通系统是在现有的交通设施和运输工具的基础上,将信息技术、通信技术和自动化控制技术等进行集成,形成一种安全、实时、高效的综合运输管理体系,已经成为当今交通运输领域发展的重点和热点方向。
其中智能导航系统作为智能交通系统中的重要组成部分,早已成为人们日常生活必备的出行工具之一。
路网地图作为智能导航系统中不可或缺的部分,在实时定位和路由规划等应用中发挥至关重要的作用,地图的实时性和精准度与导航成功与否存在较大的关联性。
传统构建路网地图的做法主要还是利用人工测绘、地理信息采集与卫星图像处理等技术,现实情况是:不仅需要消耗大量人力物力,而且地图绘制过程缓慢,效率较低。
因此,现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足,本申请实施例的目的在于提供一种拓扑路网地图的建立方法、系统、存储介质及电子设备,可快速、精准地完成路网地图的建立,并有效节省人力资源、成本。
第一方面,本申请实施例提供一种拓扑路网地图的建立方法,用于建立拓扑路网地图,包括以下步骤:
S1、获取基于交通车辆GPS数据的轨迹数据集;
S2、对轨迹数据集进行分段、压缩处理,获取拐点信息;
S3、分析拐点信息获取交叉口节点;
S4、根据拐点信息和交叉口节点,分析获取道路中心线和道路向量信息,组成基础拓扑路网地图。
本申请实施例提供的一种拓扑路网地图的建立方法,通过对交通车辆GPS数据的轨迹数据集进行分段、压缩处理,并对处理后的数据集进行分析,可快速精准地识别道路交叉口,进而提取道路中心线和道路向量,建立高精度可视化的基础拓扑路网地图,与传统构建路网地图的方法相比,本申请实施例的拓扑路网地图的建立方法基于大数据分析,即基于大批量的交通车辆GPS数据的轨迹数据集进行分析处理,对GPS采样设备的精度要求不高,且数据获取途径、方式便利,有效节省人力资源、成本。
所述的拓扑路网地图的建立方法,其中,所述轨迹数据集包括车辆编号信息、行车日期信息、经纬度信息、时间间隔信息、车辆距离信息和转向角信息。
所述的拓扑路网地图的建立方法,其中,还包括:步骤S5、结合历史数据补充和/或修正基础拓扑路网地图而生成最终拓扑路网地图。
所述的拓扑路网地图的建立方法,其中,步骤S5中的历史数据包括最近一天以上的基础拓扑路网地图。
所述的拓扑路网地图的建立方法,其中,步骤S2包括以下子步骤:
S22、根据轨迹数据集计算每辆车相邻数据之间的时间间隔和距离,并以此为依据,将交通车辆的轨迹数据集进行分段形成轨迹段;
S23、对轨迹段进行数据压缩处理,获取拐点信息。
所述的拓扑路网地图的建立方法,其中,步骤S2还包括执行于步骤S22之前的子步骤:
S21、对轨迹数据集中数据进行数据清理和数据降噪,筛除原始数据中的缺失数据和异常数据。
所述的拓扑路网地图的建立方法,其中,步骤S3包括以下子步骤:
S31、根据分段、压缩处理后的轨迹数据集,提取拐点信息附近的所有路径点,对拐点信息和路径点进行密度聚类,形成数据点簇;
S32、过滤密度低于预设阈值的数据点簇;
S33、对余下的数据点簇进行收敛处理;
S34、提取数据点簇收敛后形成的数据点作为交叉口节点。
所述的拓扑路网地图的建立方法,其中,步骤S4包括以下子步骤:
S41、根据轨迹数据集,连接各个交叉口节点,形成并提取初始中心线;
S42、将初始中心线朝两侧等距扩充缓冲区,形成矩形区块;
S43、将矩形区块叠加,并从叠加图形中提取道路中心线;
S45、根据交叉口节点的连接方向确定道路向量;
S46、结合道路中心线和道路向量获得基础拓扑路网地图。
所述的拓扑路网地图的建立方法,其中,步骤S43和步骤S45之间还包括步骤:
S44、筛除道路中心线中的短线和悬挂线。
第二方面,本申请实施例提供一种拓扑路网地图的建立系统,其所述系统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上述的拓扑路网地图的建立方法。
本申请实施例提供的一种拓扑路网地图的建立系统,通过对交通车辆GPS数据的轨迹数据集进行分段、压缩处理,并对处理后的数据集进行分析,可快速精准地识别道路交叉口,进而提取道路中心线和道路向量,建立高精度可视化的拓扑路网地图,与传统构建路网地图的方法相比,本申请实施例的拓扑路网地图的建立方法基于大数据分析,即基于大批量的交通车辆GPS数据的轨迹数据集进行分析处理,对GPS采样设备的精度要求不高,且数据获取途径、方式便利,有效节省人力资源、成本。
第三方面,本申请实施例提供一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行上述的拓扑路网地图的建立方法。
第四方面,本申请实施例提供一种电子设备,所述电子设备包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被处理器执行时,使所述处理器执行上述的拓扑路网地图的建立方法。
由上可知,本申请实施例提供的拓扑路网地图的建立方法、系统、存储介质及电子设备,用于建立拓扑路网地图,通过对交通车辆GPS数据的轨迹数据集进行分段、压缩处理,再进行分析,可快速精准地识别道路交叉口,进而提取道路中心线和道路向量,建立高精度可视化的拓扑路网地图,该建立过程基于大批量的交通车辆GPS数据的轨迹数据集进行分析处理,对GPS采样设备的精度要求不高,且数据获取途径、方式便利,有效节省人力资源、成本。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本发明提供的拓扑路网地图的建立方法较佳实施例的流程图。
图2为本发明提供的拓扑路网地图的建立系统较佳实施例的硬件结构示意图。
图3为某一车辆行驶过程产生的由轨迹数据点构成的轨迹图。
图4为道格拉斯-普克算法对图3轨迹图进行压缩处理后获得的轨迹点图。
图5为对图4轨迹点图进行连线获得的复原轨迹图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
第一方面,如图1所示,本申请实施例提供了一种拓扑路网地图的建立方法,用于建立拓扑路网地图,包括以下步骤:
S1、获取基于交通车辆GPS数据的轨迹数据集;
S2、对轨迹数据集进行分段、压缩处理,获取拐点信息;
S3、分析拐点信息获取交叉口节点;
S4、根据拐点信息和交叉口节点,分析获取道路中心线和道路向量信息,组成基础拓扑路网地图。
本申请实施例提供的一种拓扑路网地图的建立方法,通过对交通车辆GPS数据的轨迹数据集进行分段、压缩处理,并对处理后的数据集进行分析,可快速精准地识别道路交叉口,进而提取道路中心线和道路向量,建立高精度可视化的基础拓扑路网地图,该基础拓扑路网地图可作为地图服务于智能交通系统、智慧出行等应用场景。
与传统构建路网地图的方法相比,本申请实施例的拓扑路网地图的建立方法基于大数据分析,即基于大批量的交通车辆GPS数据的轨迹数据集进行分析处理,对GPS采样设备的精度要求不高,且数据获取途径、方式便利,有效节省人力资源、成本。
值得一提的是,拐点信息指的车辆行驶拐弯时形成的轨迹数据分段、压缩处理后所形成的数据点,可反映出车辆在该拐角/弯道上位移时的行驶特性;交叉口节点指的是拓扑路网地图中对应实际道路中交叉路口的节点。
本申请实施例的拓扑路网地图的建立方法对轨迹数据集进行分段处理,可将交通工具的轨迹数据分段成数据段,然后对数据段进行压缩处理,可将数据段压缩成数据点,由于交通车辆在拐点转角附近行驶速度较慢,因此交通车辆经过拐点并在拐点处进行转弯会在拐点附近留下较多的轨迹数据,因而轨迹数据集分段、压缩处理后会过滤掉大量的直线数据,并在道路交叉口节点处留下更多的数据点,大幅度地削减了数据量,便于从数据点中获取拐点信息,可有效且准确地保留道路交叉口附近的有效数据的同时,提高路网地图的构建速率;比如在实际的车辆行驶过程中,以一车辆的轨迹数据作为参考,以该车辆的相邻数据之间的时间间隔和距离作为分段基础,则可将该车辆行驶轨迹划分成轨迹段,然后通过压缩处理,将每个轨迹段压缩成数据点,数据点的分布情况可反映出该车辆在交通道路上位移特点;如数据点的陈列方向可反映该车辆的行驶方向,可反映出道路拐点的分布情况,邻近的数据点之间距离越大则代表该车辆经过该路段时的车速越快,可压缩直线道路的数据量;由于车辆实际行驶过程中,经过道路交叉口时需减速行驶或减速转向,因而在交叉路口处产生的数据点较为密集,结合数据点的陈列方向,可判断出道路拐点信息;若以多台车辆的轨迹数据进行参考时,根据车辆的行驶情况进行轨迹合并、分段,考虑到现实路况的复杂性,同一路段上的各段车辆的行驶轨迹会在保证行驶方向一致的前提下相互重合或交错,即车辆在同一道路行驶过程中由于具有多条车道会产生不同的行驶轨迹,因此需要将这些重合或交错的轨迹段进行合并,如同一路段的轨迹则可以合并等,合并后的轨迹可以初步反映出道路中心线的分布情况,也有利于后续道路中心线的提取,将合并后的轨迹压缩可形成更多的数据点,道路拐点处也会产生不同的拐点信息,如T型路口会产生两个陈列方向延伸的数据点,即该T型路口具有更多的拐点信息,可以此为依据分析确定交叉口节点。
在某些优选的实施方式中,步骤S1获取轨迹数据集的过程为通过出租车公司或者智能交通相关科研单位获取海量交通工具的GPS数据的轨迹数据集,GPS采样设备的精度要求不高,适用于大部分交通工具,且数据量较少、抗干扰能力强,对服务器造成负荷低,可确保数据获取的精准度,从而使得构建的路网地图具有代表性,并可有效节约资源成本;其次,轨迹数据集的获取依赖出租车公司或者智能交通相关科研单位提取,可确保获取的数据集覆盖了该区域大量样本,具有相对全面的覆盖率,即地图构建过程是基于区域化的大数据采样、分析进行地,使得构建的路网地图具有代表性。
在某些优选的实施方式中,GPS数据的轨迹数据集的载体交通工具为出租车,出租车穿梭于城市各个角度,可确保所采集的轨迹数据集能有效覆盖待构建路网地图的区域内的交通路线,另外,出租车属于统一化管理交通工具,其产生的GPS数据直接上传汇总至出租车公司或者智能交通相关科研单位中,有效降低轨迹数据集的获取难度。
在某些优选的实施方式中,轨迹数据集包括车辆编号信息、行车日期信息、经纬度信息、时间间隔信息、车辆距离信息和转向角信息;其中,车辆编号信息为对应车辆的唯一识别码,可为车辆的车牌号,也可为轨迹数据集中对其排序命名的序列号等;行车日期信息和经纬度信息对应于该车辆的运行时间节点和位置;时间间隔信息为同一辆车的当前数据时刻与前一个数据时刻的时间间隔,车辆行驶过程中,GPS传感器根据预设时间间隔进行数据点的上传,由于实际行驶过程中存在丢包或信号干扰等原因会引起数据点上传失败,从而使得同一车辆两个邻近的数据点的时间间隔与GPS传感器的上传时间间隔不相称,缺失的数据点会影响车辆行驶轨迹,因此需记录时间间隔信息并以此作为轨迹分段基础之一;车辆距离信息为车辆当前位置与前一个位置之间的欧氏距离,即GPS传感器上传的两个邻近数据点之间的距离,由于实际行驶过程中存在丢包或信号干扰等原因会引起数据点上传失败或由于车辆行驶速度过快,会得同一车辆两个邻近的数据点的距离间隔过大,过大的间隔会影响车辆行驶轨迹的连贯性,因此需记录车辆距离信息并以此作为轨迹分段基础之一;转向角信息为当前车辆位移方向的转向角度,如车辆直线运行时则转向角为0°;由上述轨迹数据集信息内容可清楚有效地反映出区域内车辆对象的行驶轨迹、行驶情况。
在某些优选的实施方式中,步骤S1获取基于交通车辆GPS数据的轨迹数据集后,还需对其包含的车辆编号信息、行车日期信息、经纬度信息、时间间隔信息、车辆距离信息和转向角信息提取并表格化处理,从而有利于后续数据处理、分析。
在某些优选的实施方式中,由于交通车辆不能保证每天跑遍某个城市的所有道路,也有可能由于施工原因导致短期的道路封闭,因此该拓扑路网地图的建立方法还包括:步骤S5、结合历史数据补充和/或修正基础拓扑路网地图而生成最终拓扑路网地图;结合历史数据对构建的基础拓扑路网地图进行补充和/或修正生成的最终拓扑路网地图,以最终拓扑路网地图作为导航地图的依据,可以保证构建的拓扑路网地图具有实时性,以使该地图应用于导航时具有准确性的特点。
在某些优选的实施方式中,步骤S5中的历史数据包括最近一天以上的基础拓扑路网地图;使用最近一天以上的轨迹数据集建立的基础拓扑路网地图补充和/或修正当前构建的基础拓扑路网地图生成可用的最终拓扑路网地图,可兼顾路网地图的准确性和实时性,同时路段建立的日期越新,则导航时使用此路段的优先级越高,此方案可以保证路网的实时性,提高该路网地图应用于导航时的准确性。
在某些优选的实施方式中,历史数据包括最近三天的基础拓扑路网地图。
在某些优选的实施方式中,最近三天的基础拓扑路网地图可为以最近三天的轨迹数据集建立的一个基础拓扑路网地图,也可为以最近三天每天的轨迹数据集分别建立的三个基础拓扑路网地图。
在某些优选的实施方式中,历史数据通过融合的方式对构建的路网地图进行补充,能最大程度同时兼顾路网地图的完整性和实时性。
在某些优选的实施方式中,相比单一车辆的整体轨迹划分,获取海量车辆轨迹数据后,可对轨迹进行短时分段、压缩,因而步骤S2包括以下子步骤:
S22、根据轨迹数据集计算每辆车相邻数据之间的时间间隔和距离,并以此为依据,将交通车辆的轨迹数据集进行分段形成轨迹段;其中,时间间隔和距离来自于轨迹数据集中的时间间隔信息、车辆距离信息进行获取,时间间隔和距离均设有阈值,若同一车辆相邻数据之间的时间间隔或者距离超过阈值则,则表明该相邻数据关联程度较低,将该车辆的轨迹在该两个相邻数据之间的位置分段间隔,否则合成为一数据段,形成连续的数据段轨迹;通过该分段方式,可将当前轨迹数据集包含的车辆数据划分成一段一段的轨迹数据;如时间间隔阈值为5s、相邻距离阈值为10m,每台车的行驶轨迹中的任两个邻近数据之间的时间间隔或距离任一超过阈值即可进行轨迹段划分,例如某车辆上两个邻近数据点之间的距离为15m,该值大于10m则可进行分段;又例如某车辆两个邻近数据点之间的时间间隔为10s,该值大于5s则可进行分段,,从而可将海量车辆的轨迹数据集划分成一段一段的轨迹数据;其中,设置时间间隔阈值主要是为了保证同一段轨迹上的数据之间具有较强的关联性,以此为基础进行分段的轨迹能更准确地反映路网分布情况,设置距离阈值则可一定程度保留直线道路上的数据点,以确定车辆的行驶方向,即确定道路向量的延展方向,利于后续拓扑路网地图的构建。
S23、对轨迹段进行数据压缩处理,可将轨迹段压缩成轨迹点,从轨迹点中获取拐点信息。
在某些优选的实施方式中,在步骤S22轨迹数据集分段处理过程中,阈值的计算采用动态计算法,该阈值比对当前所有车辆的时间间隔信息、车辆距离信息进行确定,包含时间间隔阈值和车辆距离阈值,两者均依据囊括全体车辆中的四分之三车辆数据进行确定,即超过该时间间隔阈值的车辆时间间隔信息占全体车辆数量的四分之一,超过该车辆距离阈值的车辆距离信息占全体车辆数量的四分之一,当车辆的时间间隔超过时间间隔阈值或距离超过车辆距离阈值即可将该数据进行分段处理;如某一车辆的GPS传感器依次上传了A、B、C、D四个数据点,其中相邻数据点之间的距离依次为5m、10m、15m、20m,则相邻距离阈值需大于其中四分之三的距离数据,在此情况下,车辆距离阈值设置为15m,则仅有20m这个数据大于15m,因而将ABCD的数据点构成的轨迹划分成ABC和D两段;时间间隔阈值的设置于车辆距离阈值的设置同理;此分段方法可保证分段出的轨迹数据具有较强的关联性,轨迹的连贯性较好。
在某些优选的实施方式中,在步骤S22轨迹数据集分段处理过程中,可参考车辆的车辆编号信息和行车日期信息进行顺序处理,使得分段处理过程能有序化进行,逐级地将数据集进行划分。
在某些优选的实施方式中,在步骤S23轨迹段进行数据压缩处理中,压缩处理采用道格拉斯-普克算法(Douglas–Peucker algorithm,亦称为拉默-道格拉斯-普克算法、迭代适应点算法、分裂与合并算法),该算法是将曲线近似表示为一系列点,并减少点的数量的一种算法;它的优点是具有平移和旋转不变性。因此,采用该算法可将轨迹段压缩并减少一系列的轨迹点,压缩处理将会过滤掉直线轨迹段中的中间数据,并能保留轨迹拐点信息;该压缩处理不仅可以在保持原有轨迹不发生较大变化的情况下大幅度减少数据量,提高运算效率,还有利于拐点信息的提取,利于后续交叉口节点的获取;具体地,由前述的分段方法将轨迹数据集进行分段后,数据轨迹集会划分成多个轨迹段,采用道格拉斯-普克算法将轨迹段压缩成轨迹点,可快速过滤掉直线轨迹段中的中间数据,将呈曲线陈列的位移实际道路路口或拐弯口处的轨迹段压缩成用于表达相应曲线形式的轨迹点;为方便理解数据压缩处理过程,基于图3-5所示,以一车辆的原始数据进行直接压缩进行处理效果的演示:如图3所示,以一段由数据点表示的车辆轨迹数据进行压缩,将该车辆轨迹数据通过道格拉斯-普克算法压缩后可获得如图4所示的由少量轨迹点构成的轨迹点图,该图中的轨迹点可有效过滤掉直线轨迹段中的中间数据,并能保留轨迹拐点信息,若以该轨迹点图进行连线可获得如图5所示的复原轨迹图,可见图5和图3的轨迹能充分重合,因而反过来证明了,图3获取的轨迹点图仍可有效反映轨迹变化情况,证明了该压缩处理不仅可以在保持原有轨迹不发生较大变化的情况下大幅度减少数据量,提高运算效率,也有利于拐点信息的提取,利于后续交叉口节点的获取。
在某些优选的实施方式中,由于车辆行驶过程中会产生一些空白数据和异常数据,如受外界干扰导致GPS信号获取失败、车辆长时间停顿等所产生的数据,故若原始获取的轨迹数据集中具有缺失数据和异常数据,会影响构建路网地图的精度,因此,步骤S2还包括执行于步骤S22之前的子步骤:
S21、对轨迹数据集中数据进行数据清理和数据降噪,筛除原始数据中的缺失数据和异常数据。
其中,数据清理主要用于清除缺失数据,即车辆由于外界干扰等原因导致GPS数据缺失或异常、行车日期信息缺失或异常等;其中GPS数据异常是指GPS信号接收器在接收不到GPS数据时输出经纬度为0的无效数据,以及设备本身获得的数据有误造成相邻数据之间出现巨大的漂移,需清理掉此类数据。
其中,数据降噪主要用于清除噪声数据,例如当车辆在某一个地点长时间停滞时,该段时间内的经纬度信息会在停滞点附近波动,对后续的轨迹分段和聚类提取操作产生较大影响,因此需要删除此类数据。
数据筛除后,再对轨迹数据集进行分段,可确保分段生成的轨迹段更具代表性,从而提高后续构建的拓扑路网地图的精度。
现有技术中,判断拐点的普遍方法是判断车辆行驶的转向角大小配合预设阈值进行确定的,这种判断方式不能识别夹角较小的拐点,并且对局部数据较为敏感;而本申请实施例采用步骤S22-S23进行分段、压缩处理数据再进行拐点信息提取的方法则综合了车辆行驶时产生的经纬度信息、时间间隔信息、车辆距离信息和转向角信息进行综合判断,能有效识别出实际道路中存在的拐点信息,也利于后续交叉口节点的确定。
在某些优选的实施方式中,步骤S3包括以下子步骤:
S31、根据分段、压缩处理后的轨迹数据集,在分段、压缩处理后的轨迹数据集形成的轨迹点中,提取拐点信息附近的轨迹点作为路径点,对拐点信息和路径点进行密度聚类,形成数据点簇,对应的数据点簇的密度越低,则代表该数据点簇的拐点信息位置为交叉口节点的概率越低;
S32、过滤密度低于预设阈值的数据点簇,即过滤掉较低概率为交叉口节点的数据点簇;
S33、对余下的数据点簇进行收敛处理,该收敛过程为按密度进行收敛,最终将数据点簇收敛成数据点;
S34、提取数据点簇收敛后形成的数据点作为交叉口节点。
本申请实施例采用步骤S31-S34,通过数据点的聚类、收敛提取交叉口节点的方式,是基于大数据统计收敛的手段确定出道路中的交叉口节点,具有快速、精确的特点。
在某些优选的实施方式中,步骤S31中,密度聚类的过程再用DBSCAN (Density-Based Spatial Clustering of Applications with Noise)算法进行,该算法与划分和层次聚类方法不同,它将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,并可在噪声的空间数据库中发现任意形状的聚类,适用于错综复杂的道路情况,使得本申请的拓扑路网地图的建立方法具有适用范围广的特点,确保该聚类方法产生的数据点簇能清楚反映数据点的分散情况。
在某些优选的实施方式中,步骤S32中,过滤数据点簇所用的密度的预设阈值可根据实际区域的车辆总量进行设定。
在某些优选的实施方式中,步骤S33中,数据点簇的收敛处理采用Mean-shift(均值偏移,也叫均值漂移或均值平移)算法进行,该算法一种无参估计算法,沿着概率梯度的上升方向寻找分布的峰值,仅依靠数据点簇自身的特性即可收敛提取出聚类中心的数据点。
值得一提的是,步骤S34中提取的交叉口节点并非指的是该交叉路口的唯一节点,在实际车辆行驶中,在交叉路口中车辆可进行左转、右转、直行、掉头等行驶方式,因此在聚类收敛后,同一交叉路口中会产生多个交叉口节点,而若用该多个交叉口节点连线生成地图则会使得同一交叉口处连接有多条道路线,因此需要进行步骤S4进行分析处理而确定道路中心线和道路向量信息。
在某些优选的实施方式中,步骤S4包括以下子步骤:
S41、根据轨迹数据集,即基于交通车辆的行驶方向,以该行驶方向为连接方向,连接各个交叉口节点,形成并提取初始中心线;
S42、将初始中心线朝两侧等距扩充缓冲区,形成矩形区块;
S43、将矩形区块叠加,并从叠加图形中提取道路中心线;
S45、根据交叉口节点的连接方向确定道路向量;
S46、结合道路中心线和道路向量获得基础拓扑路网地图。
在某些优选的实施方式中,步骤S42中扩充缓冲区按照预设值γ进行扩充,γ的设定值应综合考虑城市道路密度进行设定,避免相近的道路重叠影响中心线提取。
在某些优选的实施方式中,步骤S43中提取后的道路中心线之间为建立的基础拓扑路网地图的交叉口位置。
另外,步骤S45中,交叉口节点的连线方向与实际车辆行驶方向一致,因此可以代表道路向量。
值得一提的是,根据轨迹数据集获取行驶方向的过程,是基于压缩后的各轨迹段,按照车辆编号和采样时间顺序确定的行驶方向。
在某些优选的实施方式中,步骤S43和步骤S45之间还包括步骤:
S44、筛除道路中心线中的短线和悬挂线。
在实际的城市交通运输过程中,偶有司机慌不择路而选择一些非正常路线,如乡间小路等,会产生一些与城市规划道路不符的行驶轨迹,从而产生使得建立的拓扑路网地图产生短线和悬挂线,因此需要筛除短线和悬挂线,避免本方法建立的拓扑路网地图应用在导航中时产生错误的导向。
在某些优选的实施方式中,步骤S44中筛除道路中心线中的短线和悬挂线的过程采用人工判别的方式进行。
本申请通过步骤S41-S46完成交叉口节点到路网地图的构建,相比传统方法中利用最小二乘法或局部加权散点平滑等算法进行主成分分析和求解回归线的处理过程,具有计算量小、中心线提取准确的特点。
第二方面,本申请实施例还提供一种拓扑路网地图的建立系统,如图2所示,系统10包括:
一个或多个处理器110以及存储器120,图2中以一个处理器110为例进行介绍,处理器110和存储器120可以通过总线或者其他方式连接,图2中以通过总线连接为例。
处理器110用于完成系统10的各种控制逻辑,其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有,处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核、或任何其它这种配置。
存储器120作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的拓扑路网地图的建立方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元,从而执行系统10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拓扑路网地图的建立方法。
存储器120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系统10使用所创建的数据等。此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器120可选包括相对于处理器110远程设置的存储器,这些远程存储器可以通过网络连接至系统10。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。
一个或者多个单元存储在存储器120中,当被一个或者多个处理器110执行时,执行上述任意方法实施例中的拓扑路网地图的建立方法,例如,执行以上描述的图1中的方法步骤S1至步骤S5。
第三方面,本申请实施例还提供一种非易失性计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如,执行以上描述的图1中的拓扑路网地图的建立方法步骤S1至步骤S5。
作为示例,非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。RAM可以以诸如同步RAM(SRAM)、动态RAM (DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、SynchlinkDRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
第四方面,本申请实施例还提供一种电子设备,电子设备包括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被处理器执行时,使处理器执行上述方法实施例的拓扑路网地图的建立方法。例如,执行以上描述的图1中的方法步骤S1至步骤S5。
综上所述,由上可知,本申请实施例提供的拓扑路网地图的建立方法、系统、存储介质及电子设备,用于建立拓扑路网地图,方法包括:获取基于交通车辆GPS数据的轨迹数据集;对轨迹数据集进行分段、压缩处理,获取拐点信息;分析拐点信息获取交叉口节点;根据拐点信息和交叉口节点,分析获取道路中心线和道路向量信息,组成拓扑路网地图;本申请实施例通过对交通车辆GPS数据的轨迹数据集进行分段、压缩处理,并对处理后的数据集进行分析,可快速精准地识别道路交叉口,进而提取道路中心线和道路向量,建立高精度可视化的拓扑路网地图,该建立过程基于大批量的交通车辆GPS数据的轨迹数据集进行分析处理,对GPS采样设备的精度要求不高,且数据获取途径、方式便利,有效节省人力资源、成本。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (12)
1.一种拓扑路网地图的建立方法,用于建立拓扑路网地图,其特征在于,包括以下步骤:
S1、获取基于交通车辆GPS数据的轨迹数据集;
S2、对轨迹数据集进行分段、压缩处理,获取拐点信息;
S3、分析拐点信息获取交叉口节点;
S4、根据拐点信息和交叉口节点,分析获取道路中心线和道路向量信息,组成基础拓扑路网地图。
2.根据权利要求1所述的拓扑路网地图的建立方法,其特征在于,所述轨迹数据集包括车辆编号信息、行车日期信息、经纬度信息、时间间隔信息、车辆距离信息和转向角信息。
3.根据权利要求1所述的拓扑路网地图的建立方法,其特征在于,还包括:步骤S5、结合历史数据补充和/或修正基础拓扑路网地图而生成最终拓扑路网地图。
4.根据权利要求3所述的拓扑路网地图的建立方法,其特征在于,步骤S5中的历史数据包括最近一天以上的基础拓扑路网地图。
5.根据权利要求1所述的拓扑路网地图的建立方法,其特征在于,步骤S2包括以下子步骤:
S22、根据轨迹数据集计算每辆车相邻数据之间的时间间隔和距离,并以此为依据,将交通车辆的轨迹数据集进行分段形成轨迹段;
S23、对轨迹段进行数据压缩处理,获取拐点信息。
6.根据权利要求5所述的拓扑路网地图的建立方法,其特征在于,步骤S2还包括执行于步骤S22之前的子步骤:
S21、对轨迹数据集中数据进行数据清理和数据降噪,筛除原始数据中的缺失数据和异常数据。
7.根据权利要求1所述的拓扑路网地图的建立方法,其特征在于,步骤S3包括以下子步骤:
S31、根据分段、压缩处理后的轨迹数据集,提取拐点信息附近的所有路径点,对拐点信息和路径点进行密度聚类,形成数据点簇;
S32、过滤密度低于预设阈值的数据点簇;
S33、对余下的数据点簇进行收敛处理;
S34、提取数据点簇收敛后形成的数据点作为交叉口节点。
8.根据权利要求1所述的拓扑路网地图的建立方法,其特征在于,步骤S4包括以下子步骤:
S41、根据轨迹数据集,连接各个交叉口节点,形成并提取初始中心线;
S42、将初始中心线朝两侧等距扩充缓冲区,形成矩形区块;
S43、将矩形区块叠加,并从叠加图形中提取道路中心线;
S45、根据交叉口节点的连接方向确定道路向量;
S46、结合道路中心线和道路向量获得基础拓扑路网地图。
9.根据权利要求8所述的拓扑路网地图的建立方法,其特征在于,步骤S43和步骤S45之间还包括步骤:
S44、筛除道路中心线中的短线和悬挂线。
10.一种拓扑路网地图的建立系统,其特征在于,所述系统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1-9任一项所述的拓扑路网地图的建立方法。
11.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行权利要求1-9任一项所述的拓扑路网地图的建立方法。
12.一种电子设备,其特征在于,所述电子设备包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被处理器执行时,使所述处理器执行权利要求1-9任一项所述的拓扑路网地图的建立方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110282226.5A CN112683286A (zh) | 2021-03-16 | 2021-03-16 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110282226.5A CN112683286A (zh) | 2021-03-16 | 2021-03-16 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112683286A true CN112683286A (zh) | 2021-04-20 |
Family
ID=75455651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110282226.5A Pending CN112683286A (zh) | 2021-03-16 | 2021-03-16 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112683286A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113253319A (zh) * | 2021-04-29 | 2021-08-13 | 汉纳森(厦门)数据股份有限公司 | 基于车辆gps的路网提取和轨迹纠偏方法和系统 |
CN113256759A (zh) * | 2021-06-03 | 2021-08-13 | 京东鲲鹏(江苏)科技有限公司 | 无人配送车行车地图更新方法、装置、配送车及存储介质 |
CN113554891A (zh) * | 2021-07-19 | 2021-10-26 | 江苏南大苏富特智能交通科技有限公司 | 一种基于公交gps轨迹构建电子地图路网的方法 |
CN113593218A (zh) * | 2021-06-28 | 2021-11-02 | 北京百度网讯科技有限公司 | 交通异常事件的检测方法、装置、电子设备及存储介质 |
CN113611107A (zh) * | 2021-07-15 | 2021-11-05 | 北京汇通天下物联科技有限公司 | 一种非联网路口交通提醒方法 |
CN113656979A (zh) * | 2021-08-26 | 2021-11-16 | 浙江数智交院科技股份有限公司 | 路网数据生成方法、装置、电子设备及存储介质 |
CN113724385A (zh) * | 2021-07-30 | 2021-11-30 | 深圳市普渡科技有限公司 | 机器人拓扑地图生成系统、方法、计算机设备及存储介质 |
CN113720341A (zh) * | 2021-07-29 | 2021-11-30 | 深圳市跨越新科技有限公司 | 车辆行驶路线生成方法、系统、计算机设备及存储介质 |
CN113822190A (zh) * | 2021-09-16 | 2021-12-21 | 北京中交兴路信息科技有限公司 | 一种厂区路网数据拟合方法、装置、电子设备和存储介质 |
CN113902830A (zh) * | 2021-12-08 | 2022-01-07 | 腾讯科技(深圳)有限公司 | 轨迹路网生成方法 |
CN114103995A (zh) * | 2021-11-24 | 2022-03-01 | 智道网联科技(北京)有限公司 | 用于交通路口场景下的无人车的控制方法、装置及无人车 |
CN114399124A (zh) * | 2022-03-24 | 2022-04-26 | 腾讯科技(深圳)有限公司 | 路径数据处理、路径规划方法、装置和计算机设备 |
CN114580574A (zh) * | 2022-04-27 | 2022-06-03 | 新石器慧通(北京)科技有限公司 | 一种构建高精地图的方法及装置 |
CN114708478A (zh) * | 2022-06-06 | 2022-07-05 | 季华实验室 | 事件相机与标准相机的数据融合方法、装置、设备及介质 |
CN115265559A (zh) * | 2022-06-21 | 2022-11-01 | 北京百度网讯科技有限公司 | 地图自动生成方法、装置、设备及介质 |
CN115311759A (zh) * | 2022-07-08 | 2022-11-08 | 东风汽车集团股份有限公司 | 一种车辆耐久目标获取方法、装置、设备及存储介质 |
CN115878737A (zh) * | 2022-10-26 | 2023-03-31 | 中国电子科技集团公司第五十四研究所 | 一种基于路网数据的交叉口提取及拓扑结构描述方法 |
CN116052453A (zh) * | 2022-12-30 | 2023-05-02 | 广州小鹏自动驾驶科技有限公司 | 道路路口确定方法、装置、电子设备以及存储介质 |
CN116346289A (zh) * | 2023-05-30 | 2023-06-27 | 泰山学院 | 一种用于计算机网络中心的数据处理方法 |
CN116465394A (zh) * | 2023-06-19 | 2023-07-21 | 西安深信科创信息技术有限公司 | 基于车辆轨迹数据的路网结构生成方法及装置 |
CN116778292A (zh) * | 2023-08-18 | 2023-09-19 | 深圳前海中电慧安科技有限公司 | 多模态车辆时空轨迹的融合方法、装置、设备及存储介质 |
CN117496476A (zh) * | 2024-01-02 | 2024-02-02 | 安徽蔚来智驾科技有限公司 | 路网生成方法、可读存储介质及智能设备 |
WO2024120212A1 (zh) * | 2022-12-08 | 2024-06-13 | 华为技术有限公司 | 高尔夫球场中距离的确定方法、电子设备及存储介质 |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101608926A (zh) * | 2009-07-24 | 2009-12-23 | 厦门大学 | 多层次多模态寻径导航方法 |
CN104598621A (zh) * | 2015-02-02 | 2015-05-06 | 南京邮电大学 | 一种基于滑动窗口的轨迹压缩方法 |
CN104700617A (zh) * | 2015-04-02 | 2015-06-10 | 武汉大学 | 基于低精度gps轨迹数据的高精度车道信息提取方法 |
CN105957342A (zh) * | 2016-05-30 | 2016-09-21 | 武汉大学 | 基于众包时空大数据的车道级道路测图方法及系统 |
CN105973206A (zh) * | 2016-04-27 | 2016-09-28 | 武汉讯图科技有限公司 | 一种基于道格拉斯—普克算法的航带划分方法 |
CN106960006A (zh) * | 2017-02-24 | 2017-07-18 | 河海大学 | 一种不同轨迹间相似度度量系统及其度量方法 |
CN106970945A (zh) * | 2017-02-24 | 2017-07-21 | 河海大学 | 一种出租车数据集的轨迹预处理方法 |
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 |
CN109186617A (zh) * | 2018-08-13 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 一种基于视觉众包数据自动生成车道级拓扑关系的方法、系统及存储器 |
CN110139231A (zh) * | 2019-04-09 | 2019-08-16 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于行车数据的车联网社交方法 |
CN110634291A (zh) * | 2019-09-17 | 2019-12-31 | 武汉中海庭数据技术有限公司 | 基于众包大数据的高精度地图拓扑自动构建方法及系统 |
CN110749329A (zh) * | 2019-10-26 | 2020-02-04 | 武汉中海庭数据技术有限公司 | 一种基于结构化道路的车道级拓扑构建方法及装置 |
CN111159321A (zh) * | 2019-12-13 | 2020-05-15 | 智慧航海(青岛)科技有限公司 | 船舶轨迹数据筛选方法和装置 |
CN111291790A (zh) * | 2020-01-19 | 2020-06-16 | 华东师范大学 | 一种基于轨迹相似度的转向路径提取及路网拓扑变化检测框架方法 |
CN111399493A (zh) * | 2018-12-29 | 2020-07-10 | 北京奇虎科技有限公司 | 一种智能设备的路径展示方法和装置 |
CN111708855A (zh) * | 2020-05-28 | 2020-09-25 | 哈尔滨工程大学 | 一种简化船舶轨迹的方法 |
CN112052547A (zh) * | 2020-09-04 | 2020-12-08 | 东南大学 | 一种基于人工智能的城市道路网络自动生成方法 |
CN112148811A (zh) * | 2019-06-26 | 2020-12-29 | 陕西汽车集团有限责任公司 | 一种车载gps轨迹路径压缩方法 |
CN112148812A (zh) * | 2019-06-26 | 2020-12-29 | 丰图科技(深圳)有限公司 | 提取道路中心线方法、装置、设备及其存储介质 |
CN112182410A (zh) * | 2020-11-05 | 2021-01-05 | 西南交通大学 | 基于时空轨迹知识图谱的用户出行模式挖掘方法 |
CN112328718A (zh) * | 2020-10-31 | 2021-02-05 | 武汉中海庭数据技术有限公司 | 一种基于车辆动态轨迹跟踪的道路拓扑构建系统和方法 |
CN112350733A (zh) * | 2020-11-23 | 2021-02-09 | 中国人民解放军96901部队22分队 | 一种基于有效距离的快速轨迹压缩方法 |
CN112382121A (zh) * | 2020-10-30 | 2021-02-19 | 河南工业大学 | 一种基于滑动平均算法的车辆轨迹优化方法 |
CN112509356A (zh) * | 2020-10-30 | 2021-03-16 | 深圳市跨越新科技有限公司 | 一种车辆行驶路线生成方法及系统 |
-
2021
- 2021-03-16 CN CN202110282226.5A patent/CN112683286A/zh active Pending
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101608926A (zh) * | 2009-07-24 | 2009-12-23 | 厦门大学 | 多层次多模态寻径导航方法 |
CN104598621A (zh) * | 2015-02-02 | 2015-05-06 | 南京邮电大学 | 一种基于滑动窗口的轨迹压缩方法 |
CN104700617A (zh) * | 2015-04-02 | 2015-06-10 | 武汉大学 | 基于低精度gps轨迹数据的高精度车道信息提取方法 |
CN105973206A (zh) * | 2016-04-27 | 2016-09-28 | 武汉讯图科技有限公司 | 一种基于道格拉斯—普克算法的航带划分方法 |
CN105957342A (zh) * | 2016-05-30 | 2016-09-21 | 武汉大学 | 基于众包时空大数据的车道级道路测图方法及系统 |
CN106960006A (zh) * | 2017-02-24 | 2017-07-18 | 河海大学 | 一种不同轨迹间相似度度量系统及其度量方法 |
CN106970945A (zh) * | 2017-02-24 | 2017-07-21 | 河海大学 | 一种出租车数据集的轨迹预处理方法 |
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 |
CN109186617A (zh) * | 2018-08-13 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 一种基于视觉众包数据自动生成车道级拓扑关系的方法、系统及存储器 |
CN111399493A (zh) * | 2018-12-29 | 2020-07-10 | 北京奇虎科技有限公司 | 一种智能设备的路径展示方法和装置 |
CN110139231A (zh) * | 2019-04-09 | 2019-08-16 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于行车数据的车联网社交方法 |
CN112148812A (zh) * | 2019-06-26 | 2020-12-29 | 丰图科技(深圳)有限公司 | 提取道路中心线方法、装置、设备及其存储介质 |
CN112148811A (zh) * | 2019-06-26 | 2020-12-29 | 陕西汽车集团有限责任公司 | 一种车载gps轨迹路径压缩方法 |
CN110634291A (zh) * | 2019-09-17 | 2019-12-31 | 武汉中海庭数据技术有限公司 | 基于众包大数据的高精度地图拓扑自动构建方法及系统 |
CN110749329A (zh) * | 2019-10-26 | 2020-02-04 | 武汉中海庭数据技术有限公司 | 一种基于结构化道路的车道级拓扑构建方法及装置 |
CN111159321A (zh) * | 2019-12-13 | 2020-05-15 | 智慧航海(青岛)科技有限公司 | 船舶轨迹数据筛选方法和装置 |
CN111291790A (zh) * | 2020-01-19 | 2020-06-16 | 华东师范大学 | 一种基于轨迹相似度的转向路径提取及路网拓扑变化检测框架方法 |
CN111708855A (zh) * | 2020-05-28 | 2020-09-25 | 哈尔滨工程大学 | 一种简化船舶轨迹的方法 |
CN112052547A (zh) * | 2020-09-04 | 2020-12-08 | 东南大学 | 一种基于人工智能的城市道路网络自动生成方法 |
CN112382121A (zh) * | 2020-10-30 | 2021-02-19 | 河南工业大学 | 一种基于滑动平均算法的车辆轨迹优化方法 |
CN112509356A (zh) * | 2020-10-30 | 2021-03-16 | 深圳市跨越新科技有限公司 | 一种车辆行驶路线生成方法及系统 |
CN112328718A (zh) * | 2020-10-31 | 2021-02-05 | 武汉中海庭数据技术有限公司 | 一种基于车辆动态轨迹跟踪的道路拓扑构建系统和方法 |
CN112182410A (zh) * | 2020-11-05 | 2021-01-05 | 西南交通大学 | 基于时空轨迹知识图谱的用户出行模式挖掘方法 |
CN112350733A (zh) * | 2020-11-23 | 2021-02-09 | 中国人民解放军96901部队22分队 | 一种基于有效距离的快速轨迹压缩方法 |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113253319B (zh) * | 2021-04-29 | 2023-07-18 | 汉纳森(厦门)数据股份有限公司 | 基于车辆gps的路网提取和轨迹纠偏方法和系统 |
CN113253319A (zh) * | 2021-04-29 | 2021-08-13 | 汉纳森(厦门)数据股份有限公司 | 基于车辆gps的路网提取和轨迹纠偏方法和系统 |
CN113256759A (zh) * | 2021-06-03 | 2021-08-13 | 京东鲲鹏(江苏)科技有限公司 | 无人配送车行车地图更新方法、装置、配送车及存储介质 |
CN113593218A (zh) * | 2021-06-28 | 2021-11-02 | 北京百度网讯科技有限公司 | 交通异常事件的检测方法、装置、电子设备及存储介质 |
CN113611107A (zh) * | 2021-07-15 | 2021-11-05 | 北京汇通天下物联科技有限公司 | 一种非联网路口交通提醒方法 |
CN113554891B (zh) * | 2021-07-19 | 2022-07-01 | 江苏南大苏富特智能交通科技有限公司 | 一种基于公交gps轨迹构建电子地图路网的方法 |
CN113554891A (zh) * | 2021-07-19 | 2021-10-26 | 江苏南大苏富特智能交通科技有限公司 | 一种基于公交gps轨迹构建电子地图路网的方法 |
CN113720341A (zh) * | 2021-07-29 | 2021-11-30 | 深圳市跨越新科技有限公司 | 车辆行驶路线生成方法、系统、计算机设备及存储介质 |
CN113724385A (zh) * | 2021-07-30 | 2021-11-30 | 深圳市普渡科技有限公司 | 机器人拓扑地图生成系统、方法、计算机设备及存储介质 |
CN113656979A (zh) * | 2021-08-26 | 2021-11-16 | 浙江数智交院科技股份有限公司 | 路网数据生成方法、装置、电子设备及存储介质 |
CN113656979B (zh) * | 2021-08-26 | 2024-05-14 | 浙江数智交院科技股份有限公司 | 路网数据生成方法、装置、电子设备及存储介质 |
CN113822190A (zh) * | 2021-09-16 | 2021-12-21 | 北京中交兴路信息科技有限公司 | 一种厂区路网数据拟合方法、装置、电子设备和存储介质 |
CN113822190B (zh) * | 2021-09-16 | 2024-02-20 | 北京中交兴路信息科技有限公司 | 一种厂区路网数据拟合方法、装置、电子设备和存储介质 |
CN114103995A (zh) * | 2021-11-24 | 2022-03-01 | 智道网联科技(北京)有限公司 | 用于交通路口场景下的无人车的控制方法、装置及无人车 |
CN113902830A (zh) * | 2021-12-08 | 2022-01-07 | 腾讯科技(深圳)有限公司 | 轨迹路网生成方法 |
CN114399124A (zh) * | 2022-03-24 | 2022-04-26 | 腾讯科技(深圳)有限公司 | 路径数据处理、路径规划方法、装置和计算机设备 |
CN114580574A (zh) * | 2022-04-27 | 2022-06-03 | 新石器慧通(北京)科技有限公司 | 一种构建高精地图的方法及装置 |
CN114708478A (zh) * | 2022-06-06 | 2022-07-05 | 季华实验室 | 事件相机与标准相机的数据融合方法、装置、设备及介质 |
CN114708478B (zh) * | 2022-06-06 | 2022-09-02 | 季华实验室 | 事件相机与标准相机的数据融合方法、装置、设备及介质 |
CN115265559A (zh) * | 2022-06-21 | 2022-11-01 | 北京百度网讯科技有限公司 | 地图自动生成方法、装置、设备及介质 |
CN115311759B (zh) * | 2022-07-08 | 2023-09-05 | 东风汽车集团股份有限公司 | 一种车辆耐久目标获取方法、装置、设备及存储介质 |
CN115311759A (zh) * | 2022-07-08 | 2022-11-08 | 东风汽车集团股份有限公司 | 一种车辆耐久目标获取方法、装置、设备及存储介质 |
CN115878737A (zh) * | 2022-10-26 | 2023-03-31 | 中国电子科技集团公司第五十四研究所 | 一种基于路网数据的交叉口提取及拓扑结构描述方法 |
CN115878737B (zh) * | 2022-10-26 | 2023-09-01 | 中国电子科技集团公司第五十四研究所 | 一种基于路网数据的交叉口提取及拓扑结构描述方法 |
WO2024120212A1 (zh) * | 2022-12-08 | 2024-06-13 | 华为技术有限公司 | 高尔夫球场中距离的确定方法、电子设备及存储介质 |
CN116052453A (zh) * | 2022-12-30 | 2023-05-02 | 广州小鹏自动驾驶科技有限公司 | 道路路口确定方法、装置、电子设备以及存储介质 |
CN116346289B (zh) * | 2023-05-30 | 2023-08-04 | 泰山学院 | 一种用于计算机网络中心的数据处理方法 |
CN116346289A (zh) * | 2023-05-30 | 2023-06-27 | 泰山学院 | 一种用于计算机网络中心的数据处理方法 |
CN116465394A (zh) * | 2023-06-19 | 2023-07-21 | 西安深信科创信息技术有限公司 | 基于车辆轨迹数据的路网结构生成方法及装置 |
CN116465394B (zh) * | 2023-06-19 | 2023-11-03 | 西安深信科创信息技术有限公司 | 基于车辆轨迹数据的路网结构生成方法及装置 |
CN116778292A (zh) * | 2023-08-18 | 2023-09-19 | 深圳前海中电慧安科技有限公司 | 多模态车辆时空轨迹的融合方法、装置、设备及存储介质 |
CN116778292B (zh) * | 2023-08-18 | 2023-11-28 | 深圳前海中电慧安科技有限公司 | 多模态车辆时空轨迹的融合方法、装置、设备及存储介质 |
CN117496476B (zh) * | 2024-01-02 | 2024-03-26 | 安徽蔚来智驾科技有限公司 | 路网生成方法、可读存储介质及智能设备 |
CN117496476A (zh) * | 2024-01-02 | 2024-02-02 | 安徽蔚来智驾科技有限公司 | 路网生成方法、可读存储介质及智能设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112683286A (zh) | 拓扑路网地图的建立方法、系统、存储介质及电子设备 | |
US10430659B2 (en) | Method and apparatus for urban road recognition based on laser point cloud, storage medium, and device | |
WO2018133851A1 (zh) | 一种点云数据处理方法、装置及计算机存储介质 | |
CN107784084B (zh) | 基于车辆定位数据的路网生成方法及系统 | |
CN109190481B (zh) | 一种遥感影像道路材质提取方法和系统 | |
CN110276950B (zh) | 一种基于卡口视频数据的城市交通出行链重构方法 | |
WO2023274229A1 (zh) | 车辆轨迹纠偏方法、装置及电子设备 | |
CN105139434B (zh) | 露天矿山道路网自动构建方法及系统 | |
CN104422451A (zh) | 一种道路识别方法及装置 | |
CN114065364B (zh) | 基于无人机遥感测绘的城市工程规划方法及系统 | |
CN105509753A (zh) | 一种基于浮动车卫星定位数据的地图匹配方法及系统 | |
CN110415517B (zh) | 一种基于车辆行驶轨迹的道路拥堵精准预警系统及方法 | |
CN112380312A (zh) | 基于栅格检测的激光地图更新方法、终端及计算机设备 | |
CN112184625A (zh) | 一种基于视频深度学习的路面缺陷识别方法和系统 | |
CN105469599A (zh) | 车辆轨迹跟踪和车辆行为预测方法 | |
CN105096590A (zh) | 交通信息生成方法和交通信息生成设备 | |
CN113902830B (zh) | 轨迹路网生成方法 | |
CN115112146A (zh) | 用于生成自动驾驶地图的方法、计算机系统及介质 | |
CN111260521A (zh) | 一种城市边界获取方法、装置、智能终端及存储介质 | |
CN117011413B (zh) | 道路图像重建方法、装置、计算机设备和存储介质 | |
CN112052339A (zh) | 基于知识图谱的目标轨迹预测方法、系统及存储介质 | |
CN115188195A (zh) | 一种城市全向交叉口的车辆轨迹实时提取方法和系统 | |
CN112507977B (zh) | 一种车道线定位方法、装置及电子设备 | |
CN114116854A (zh) | 轨迹数据处理方法、装置、设备和存储介质 | |
CN115060249A (zh) | 电子地图的构建方法、装置、设备和介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210420 |
|
RJ01 | Rejection of invention patent application after publication |