CN112699203B - 路网数据的处理方法和装置 - Google Patents

路网数据的处理方法和装置 Download PDF

Info

Publication number
CN112699203B
CN112699203B CN202110049484.9A CN202110049484A CN112699203B CN 112699203 B CN112699203 B CN 112699203B CN 202110049484 A CN202110049484 A CN 202110049484A CN 112699203 B CN112699203 B CN 112699203B
Authority
CN
China
Prior art keywords
road
positioning track
points
road network
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110049484.9A
Other languages
English (en)
Other versions
CN112699203A (zh
Inventor
任皓
袁理攀
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202110049484.9A priority Critical patent/CN112699203B/zh
Publication of CN112699203A publication Critical patent/CN112699203A/zh
Application granted granted Critical
Publication of CN112699203B publication Critical patent/CN112699203B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23Updating

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本申请的实施例提供了一种路网数据的处理方法和装置。本申请实施例中的路网数据的处理方法包括:获取历史路网上的历史道路的多个位置点;基于多个位置点,生成模拟行驶对象在历史道路上行驶的行驶轨迹序列,行驶轨迹序列包括多个行驶时间上的定位轨迹点,定位轨迹点通过在位置点中添加行驶轨迹属性而预生成;针对行驶轨迹序列中的每个定位轨迹点,计算定位轨迹点对应的观测概率以及转移概率;针对行驶轨迹序列中的每个定位轨迹点,基于定位轨迹点对应的观测概率以及转移概率,在候选道路中确定定位轨迹点在目标路网上所属的目标道路。本申请实施例的技术方案可以有效提高对路网数据进行更新的效率。

Description

路网数据的处理方法和装置
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种路网数据的处理方法和装置。
背景技术
路网数据是将真实的道路情况抽象成点线信息,并储存起来,以作为互联网地图提供各种业务的基础数据。
由于真实的道路是不断更新的,因此互联网地图中的路网数据也需要不断更新。在应对路网数据的更新问题时,相关技术中一般采用人工比对新旧版本的路网数据,并将存在差异的地方进行标注的方式来实现路网数据的更替,该方式的工作量较大,且在路网数据更新频次高的情况下,存在网路数据更新效率较低的技术问题。
发明内容
本申请的实施例提供了一种路网数据的处理方法和装置,可以解决相关技术中提出的网路数据更新效率较低的技术问题。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种路网数据的处理方法,包括:获取历史路网上的历史道路的多个位置点;基于多个所述位置点,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列,所述行驶轨迹序列包括多个行驶时间上的定位轨迹点,所述定位轨迹点通过在所述位置点中添加行驶轨迹属性而预生成;针对所述行驶轨迹序列中的每个定位轨迹点,计算所述定位轨迹点对应的观测概率以及转移概率,其中,所述观测概率为所述定位轨迹点映射到目标路网上的候选道路的概率,所述转移概率为所述行驶对象从前序定位轨迹点映射到的候选道路转移到所述定位轨迹点映射到的候选道路的概率,所述前序定位轨迹点为行驶时间位于所述定位轨迹点的行驶时间之前的定位轨迹点;针对所述行驶轨迹序列中的每个定位轨迹点,基于所述定位轨迹点对应的观测概率以及转移概率,在所述候选道路中确定所述定位轨迹点在所述目标路网上所属的目标道路;基于所述定位轨迹点在所述目标路网上所属的目标道路以及所述定位轨迹点在所述历史路网所属的历史道路,确定所述目标路网与所述历史路网之间的道路转换信息。
根据本申请实施例的一个方面,提供了一种路网数据的处理装置,包括:获取单元,用于获取历史路网上的历史道路的多个位置点;生成单元,用于基于多个所述位置点,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列,所述行驶轨迹序列包括多个行驶时间上的定位轨迹点,所述定位轨迹点通过在所述位置点中添加行驶轨迹属性而预生成;计算单元,用于针对所述行驶轨迹序列中的每个定位轨迹点,计算所述定位轨迹点对应的观测概率以及转移概率,其中,所述观测概率为所述定位轨迹点映射到目标路网上的候选道路的概率,所述转移概率为所述行驶对象从前序定位轨迹点映射到的候选道路转移到所述定位轨迹点映射到的候选道路的概率,所述前序定位轨迹点为行驶时间位于所述定位轨迹点的行驶时间之前的定位轨迹点;第一执行单元,用于针对所述行驶轨迹序列中的每个定位轨迹点,基于所述定位轨迹点对应的观测概率以及转移概率,在所述候选道路中确定所述定位轨迹点在所述目标路网上所属的当前道;第二执行单元,用于基于所述定位轨迹点在所述目标路网上所属的目标道路以及所述定位轨迹点在所述历史路网所属的历史道路,确定所述目标路网与所述历史路网之间的道路转换信息。
在本申请的一些实施例中,基于前述方案,所述生成单元被配置为:第一添加子单元,用于按照多个所述位置点在所述历史道路的道路延伸方向上的分布顺序,分别为每个所述位置点添加行驶时间以及定位精度;第一执行子单元,用于基于相邻两个位置点之间的距离差以及相邻两个位置点对应的行驶时间之间的时间差,确定在所述位置点中添加的行驶速度;第二执行子单元,用于基于连接相邻两个位置点之间的最短直线的延伸方向,确定在所述位置点添加的行驶方向;第一生成子单元,用于基于所确定的行驶速度和行驶方向,在所述位置点中添加行驶速度以及行驶方向,生成与所述多个位置点对应的定位轨迹点;第二生成子单元,用于按照行驶时间从小到大的顺序对所述定位轨迹点进行排序,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列。
在本申请的一些实施例中,基于前述方案,所述第一执行子单元被配置为:确定相邻两个位置点之间的距离差与相邻两个位置点对应的行驶时间之间的时间差的比值;若相邻两个位置点对应的行驶时间是行驶时间最大的两个位置点,则将所述比值作为分别在相邻两个位置点中添加的行驶速度;若相邻两个位置点对应的行驶时间不是行驶时间最大的两个位置点,则所述比值作为在较小位置点中添加的行驶速度,所述较小位置点为相邻两个位置点中行驶时间较小的位置点;所述第二执行子单元被配置为:若相邻两个位置点对应的行驶时间是行驶时间最大的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为分别在相邻两个位置点中添加的行驶方向;若相邻两个位置点对应的行驶时间不是行驶时间最大的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为在较小位置点中添加的行驶方向,所述较小位置点为相邻两个位置点中行驶时间较小的位置点。
在本申请的一些实施例中,基于前述方案,所述生成单元被配置为:第二添加子单元,用于若检测到相邻两个位置点之间的距离差大于预定距离阈值,则在相邻两个位置点之间添加新的位置点。
在本申请的一些实施例中,基于前述方案,所述路网数据的处理装置还包括:第三执行单元,用于确定所述行驶轨迹序列中的定位轨迹点在所述目标路网中所处的周边范围区域;第四执行单元,用于将所述周边范围区域内的道路作为所述候选道路。
在本申请的一些实施例中,基于前述方案,所述计算单元被配置为:提取所述行驶轨迹序列中的每个定位轨迹点的行驶轨迹属性;提取所述候选道路的道路属性;基于所述行驶轨迹序列中的每个定位轨迹点的行驶轨迹属性与所述候选道路的道路属性,确定所述定位轨迹点映射到目标路网上的候选道路的观测概率特征以及所述行驶对象从前序定位轨迹点映射到的候选道路转移到所述定位轨迹点映射到的候选道路的转移概率特征;基于所述观测概率特征,确定所述定位轨迹点映射到目标路网上的候选道路的观测概率,以及基于所述转移概率特征,确定所述行驶对象从前序定位轨迹点映射到的候选道路转移到所述定位轨迹点映射到的候选道路的转移概率。
在本申请的一些实施例中,基于前述方案,所述第一调节单元被配置为:针对所述行驶轨迹序列中的每个定位轨迹点,基于所述定位轨迹点对应的观测概率以及转移概率,计算所述定位轨迹点映射到所述目标路网上的候选道路的目标概率;针对所述行驶轨迹序列中的每个定位轨迹点,基于所述目标概率在所述候选道路中确定所述定位轨迹点在所述目标路网上所属的目标道路。
在本申请的一些实施例中,基于前述方案,所述第一执行单元被配置为:获取前序定位轨迹点映射到所述目标路网上的候选道路的前序目标概率;基于所述定位轨迹点对应的观测概率和转移概率、以及所述前序目标概率,计算所述定位轨迹点映射到所述目标路网上的候选道路的目标概。
在本申请的一些实施例中,基于前述方案,所述第二执行单元被配置为:基于所述定位轨迹点在所述目标路网上所属的目标道路,确定所述目标道路上包含所述定位轨迹点的路段对应的第一道路长度;基于所述定位轨迹点在所述历史路网所属的历史道路,确定所述历史道路上包含所述定位轨迹点的路段对应的第二道路长度;基于所述第一道路长度以及所述第二道路长度,确定所述历史道路与所述目标道路之间的道路转换类别以及道路转换偏移量;基于所述历史道路与所述目标道路之间的道路转换类别以及道路转换偏移量,确定所述目标路网与所述历史路网之间的道路转换信息。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的路网数据的处理方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的路网数据的处理方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实施例中提供的路网数据的处理方法。
在本申请的一些实施例所提供的技术方案中,基于历史道路上的多个位置点,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列;并针对行驶轨迹序列中的每个定位轨迹点,计算定位轨迹点对应的观测概率以及转移概率,以及基于定位轨迹点对应的观测概率以及转移概率,在候选道路中确定定位轨迹点在目标路网上所属的目标道路,根据相同的定位轨迹点在历史路网以及目标路网上的道路的分布情况,即可确定目标路网与历史路网之间的道路差异,从而实现自适应地确定目标路网与历史路网之间的道路转换信息,可以有效提高对网路数据进行更新的效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
图2示出了根据本申请的一个实施例的路网数据的处理方法的流程图。
图3示出了根据本申请的一个实施例的路网数据的处理方法的步骤 S220的具体流程图。
图4示出了根据本申请的一个实施例的路网数据的处理方法的步骤 S320的具体流程图。
图5示出了根据本申请的一个实施例的路网数据的处理方法的步骤 S330的具体流程图。
图6示出了根据本申请的一个实施例的HMM模型的结构示意图。
图7示出了根据本申请的一个实施例的路网数据的处理方法的步骤 S230的具体流程图。
图8示出了根据本申请的一个实施例的计算定位轨迹点对应的观测概率以及转移概率的具体流程图。
图9示出了根据本申请的一个实施例的基于定位轨迹点对应的观测概率以及转移概率,在候选道路中确定定位轨迹点在目标路网上所属的目标道路的具体流程图。
图10示出了根据本申请的一个实施例的路网数据的处理方法的步骤 S910的具体流程图。
图11示出了根据本申请的一个实施例的路网数据的处理方法的步骤 S250的具体流程图。
图12示出了根据本申请的一个实施例的路网数据的处理装置的框图。
图13示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
机器学习(ML,Machine Learning)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
如图1所示,系统架构可以包括客户端101、网络102和服务器103。客户端101和服务器103之间通过网络102连接,并基于网络102进行数据交互,该网络可以包括各种连接类型,例如有线通信链路、无线通信链路等等。
应该理解,图1中的客户端101、网络102和服务器103。客户端101 和服务器103的数目仅仅是示意性的。根据实现需要,可以具有任意数目的客户端101、网络102和服务器103。
服务器103获取历史路网上的历史道路的多个位置点;基于多个位置点,生成模拟行驶对象在历史道路上行驶的行驶轨迹序列,行驶轨迹序列包括多个行驶时间上的定位轨迹点,定位轨迹点通过在位置点中添加行驶轨迹属性而预生成;针对行驶轨迹序列中的每个定位轨迹点,计算定位轨迹点对应的观测概率以及转移概率,其中,观测概率为定位轨迹点映射到目标路网上的候选道路的概率,转移概率为行驶对象从前序定位轨迹点映射到的候选道路转移到定位轨迹点映射到的候选道路的概率,前序定位轨迹点为行驶时间位于定位轨迹点的行驶时间之前的定位轨迹点;针对行驶轨迹序列中的每个定位轨迹点,基于定位轨迹点对应的观测概率以及转移概率,在候选道路中确定定位轨迹点在目标路网上所属的目标道路;基于定位轨迹点在目标路网上所属的目标道路以及定位轨迹点在历史路网所属的历史道路,确定目标路网与历史路网之间的道路转换信息。
以上可以看出,根据相同的定位轨迹点在历史路网以及目标路网上的道路的分布情况,即可确定目标路网与历史路网之间的道路差异,从而实现自适应地确定目标路网与历史路网之间的道路转换信息,可以有效提高对网路数据进行更新的效率。
需要说明的是,本申请实施例所提供的路网数据的处理方法一般由服务器103执行,相应地,路网数据的处理装置一般设置于服务器103中,但是,在本申请的其它实施例中,客户端101也可以与服务器103具有相似的功能,从而执行本申请实施例所提供的路网数据的处理方法的方案。。
以下对本申请实施例的技术方案的实现细节进行详细阐述。
图2示出了根据本申请的一个实施例的路网数据的处理方法的流程图,该路网数据的处理方法可以由服务器来执行,该服务器可以是图1中所示的服务器103。参照图2所示,该路网数据的处理方法至少包括步骤S210 至步骤S250,以下针对这些步骤进行描述。
在步骤S210中,获取历史路网上的历史道路的多个位置点。
在一个实施例中,路网数据是将真实的道路情况抽象成点线信息,并储存起来,以作为互联网地图等路网数据平台提供各种业务的基础数据。历史路网是指路网数据平台在某个历史路网版本下的路网数据,由于真实的道路情况是不断变化的,因此,路网数据平台中的路网数据也会不断地更新变化。路网数据平台通常以数据版本的形式对路网数据进行更新,不同的数据版本对应不同时间点的路网数据,历史路网则对应某个历史数据版本下的路网数据。可以理解的是,目标路网作为历史路网进行比对的数据版本,目标路网一般为数据版本更高的路网数据。
在一个实施例中,在路网数据中,每个道路包括多种道路属性,这些道路属性用于反映每个道路的相关特性。道路属性可以包括道路中一系列位置点的位置信息,该位置信息包括经度、纬度。需要指出的是,这些位置点通常包括道路的起点处的位置点、终端处的位置点以及位于起点处和终端处之间的位置点。道路属性还可以包括道路等级、道路类别、道路通行类别、道路长度、道路方向、限速、车道数、是否收费等用于反映其它道路特性的属性。
在步骤S220中,基于多个位置点,生成模拟行驶对象在历史道路上行驶的行驶轨迹序列,行驶轨迹序列包括多个行驶时间上的定位轨迹点,定位轨迹点通过在位置点中添加行驶轨迹属性而预生成。
在一个实施例中,轨迹匹配是通过获取用户的定位轨迹点,并将用户的定位轨迹点映射到路网上的道路的一种方法。为了确定目标路网与历史路网之间所存在的道路信息差异,可以基于历史路网上的历史道路的多个位置点,生成模拟行驶对象在历史道路上行驶的行驶轨迹序列,并将行驶轨迹序列通过轨迹匹配的方式将各个定位轨迹点匹配到目标路网的道路中,比对已知的各个轨迹点在历史路网上的道路的分布情况以及匹配得到的各个定位轨迹点在目标路网上的道路的分布情况,即可确定目标路网与历史路网之间的道路差异。
在一个实施例中,模拟行驶对象在历史道路上行驶的行驶轨迹序列包括多个不同行驶时间上的定位轨迹点,由于历史道路上的每个位置点只包含位置信息,因此,为了进行轨迹匹配,需要在每个位置点中添加行驶轨迹属性从而将位置点构造成定位轨迹点,行驶轨迹属性是指可以反映行驶轨迹的一些属性参数。
参考图3,图3示出了根据本申请的一个实施例的路网数据的处理方法的步骤S220的具体流程图,该步骤S220具体可以包括步骤S310至步骤 S350,详细描述如下。
在步骤S310中,按照多个位置点在历史道路的道路延伸方向上的分布顺序,分别为每个位置点添加行驶时间以及定位精度。
在一个实施例中,行驶轨迹属性可以包括行驶时间、行驶速度、行驶方向和定位精度,为每个位置点添加行驶时间、行驶速度、行驶方向和定位精度等信息,即可构造得到与每个位置点对应的定位轨迹点,以生成模拟用户在历史道路上行驶的定位轨迹点。
在一个实施例中,定位精度是指定位轨迹点进行定位时的精度,为了生成模拟行驶对象在历史道路上行驶的行驶轨迹点,需要为每个定位轨迹点添加定位精度,所添加的定位精度可以预设为一个固定值,即按照固定值为每个定位轨迹点添加定位精度。
在一个实施例中,在为历史道路的每个位置点添加定位时间时,可以按照多个位置点在历史道路的道路延伸方向上的分布顺序,依次为每个位置点添加行驶时间。可以理解,为每个位置点添加的行驶时间是逐渐递增的,这样可以使得生成的行驶轨迹序列中各个定位轨迹点是按照历史道路的道路延伸方向上进行分布的,这样可以符合行驶对象在道路上行驶时是沿着道路进行行驶的场景。
在一个实施例中,在步骤S310分别为每个位置点添加行驶时间以及定位精度之前,步骤S220基于多个位置点,生成模拟行驶对象在历史道路上行驶的行驶轨迹序列,还包括;若检测到相邻两个位置点之间的距离差大于定阈值,则在相邻两个位置点之间添加新的位置点。
在一个实施例中,为了提高进行轨迹匹配的准确度,可以检测相邻两个位置点之间的距离差是否大于预定距离阈值,若检测到相邻两个位置点之间的距离差小于预定距离阈值,则说明在相邻两个位置点对应的路段之间的定位点分布较为稀疏,这样进行轨迹匹配时的准确度较低,因此可以在相邻两个位置点之间添加新的位置点。
具体的,在相邻两个位置点中添加新的位置点时,可以以相邻两个位置点中的一个位置点作为参考点,每隔预定距离值添加一个新的位置点,预定距离值是小于预定距离阈值的,直到在相邻两个位置点中添加新的位置点后,这些位置点中的任意相邻两个位置点之间的距离差都是小于预定距离阈值的。可以理解,新添加的定位点都是在处于历史道路上的。
可选地,在相邻两个位置点中添加新的位置点时,还可以直接在相邻两个位置点的中间位置处不断添加新的位置点,直到在相邻两个位置点中添加新的位置点后,这些位置点中的任意相邻两个位置点之间的距离差是小于预定距离阈值的。
在本实施例的技术方案中,通过在历史道路的位置点数量稀疏的路段中添加新的位置点,可以增加所生成的定位轨迹点在部分路段过于稀疏,有利于提高进行轨迹匹配的准确度。
在步骤S320中,基于相邻两个位置点之间的距离差以及相邻两个位置点对应的行驶时间之间的时间差,确定在位置点中添加的行驶速度。
在一个实施例中,如图4所示,示出了根据本申请的一个实施例的路网数据的处理方法的步骤S320的具体流程图,步骤S320包括步骤S410至步骤S430,详细介绍如下。
在步骤S410中,确定相邻两个位置点之间的距离差与相邻两个位置点对应的行驶时间之间的时间差的比值。
在步骤S420中,若相邻两个位置点对应的行驶时间是行驶时间最大的两个位置点,则将比值作为分别在相邻两个位置点中添加的行驶速度。
在步骤S430中,若相邻两个位置点对应的行驶时间不是行驶时间最大的两个位置点,则比值作为在较小位置点中添加的行驶速度,较小位置点为相邻两个位置点中行驶时间较小的位置点。
在一个实施例中,在确定为位置点所添加的行驶速度时,可以通过计算相邻两个位置点之间的距离差与相邻两个位置点对应的行驶时间的时间差,并将距离差与时间差的比值作为在对应的位置点中添加的行驶速度。在计算相邻两个位置点之间的距离差时,可以通过相邻两个位置点的经度以及纬度来计算相邻两个位置点之间的距离差。
若相邻两个位置点对应的行驶时间是行驶时间最大的两个位置点,则将计算得到的比值作为分别在相邻两个位置点中添加的行驶速度,若相邻两个位置点对应的行驶时间不是行驶时间最大的两个位置点,则将计算得到的比值作为在较小位置点中添加的行驶速度,较小位置点为相邻两个位置点中行驶时间较小的位置点。
图4所示实施例的技术方案,可以实现在每个位置点中添加行驶速度这一行驶轨迹属性,以便于构造得到每个位置点对应的定位轨迹点。
在一个实施例中,在确定为位置点所添加的行驶速度时,在计算距离差与时间差之间的比值后,若相邻两个位置点对应的行驶时间是行驶时间最小的两个位置点,则将计算得到的比值作为分别在相邻两个位置点中添加的行驶速度,若相邻两个位置点对应的行驶时间不是行驶时间最小的两个位置点,则计算得到的比值作为在较大位置点中添加的行驶速度,较大位置点为相邻两个位置点中行驶时间较大的位置点。
在其它实施例中,也可以直接基于预设的行驶速度范围,随机为每个位置点生成一个用于添加的行驶速度。
步骤S330,基于连接相邻两个位置点之间的最短直线的延伸方向,确定在位置点添加的行驶方向。
在一个实施例中,如图5所示,示出了根据本申请的一个实施例的路网数据的处理方法的步骤S330的具体流程图,步骤S330包括步骤S510至步骤S520,详细介绍如下。
在步骤S510中,若相邻两个位置点对应的行驶时间是行驶时间最大的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为分别在相邻两个位置点中添加的行驶方向。
在步骤S520中,若相邻两个位置点对应的行驶时间不是行驶时间最大的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为在较小位置点中添加的行驶方向,较小位置点为相邻两个位置点中行驶时间较小的位置点。
在一个实施例中,在确定为位置点所添加的行驶方向时,可以将连接相邻两个位置点之间的最短直线的延伸方向作为在对应的位置点中添加的行驶方向。
若相邻两个位置点对应的行驶时间是行驶时间最大的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为分别在相邻两个位置点中添加的行驶方向。若相邻两个位置点对应的行驶时间不是行驶时间最大的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为在较小位置点中添加的行驶方向,较小位置点为相邻两个位置点中行驶时间较小的位置点。
图5所示实施例的技术方案,可以实现在每个位置点中添加行驶方向这一行驶轨迹属性,以便于实现构造得到每个位置点对应的定位轨迹点。
在一个实施例中,在确定为位置点所添加的行驶方向时,在确定连接相邻两个位置点之间的最短直线的延伸方向后,若相邻两个位置点对应的行驶时间是行驶时间最小的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为分别在相邻两个位置点中添加的行驶速度,若相邻两个位置点对应的行驶时间不是行驶时间最小的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为在较大位置点中添加的行驶速度,较大位置点为相邻两个位置点中行驶时间较大的位置点。
还请继续参考图3,在步骤S340中,基于所确定的行驶速度和行驶方向,在位置点中添加行驶速度以及行驶方向,生成与多个位置点对应的定位轨迹点。
在一个实施例中,在确定为各个位置点所添加的行驶速度以及行驶方向后,则基于所确定的行驶速度和行驶方向,在每个位置点中添加行驶速度以及行驶方向,实现为每个位置点添加所需的行驶轨迹属性,以生成与每个位置点对应的定位轨迹点。所生成的定位轨迹点的行驶轨迹属性包括经度、纬度、行驶时间、行驶速度、行驶方向和定位精度等参数。
在步骤S350中,按照行驶时间从小到大的顺序对定位轨迹点进行排序,生成模拟行驶对象在历史道路上行驶的行驶轨迹序列。
在一个实施例中,按照行驶时间从小到大的顺序对定位轨迹点进行排序,以使得各个定位轨迹点是按照历史道路的道路延伸方向上进行排布的,进而生成模拟行驶对象在历史道路上行驶的行驶轨迹序列。
图3所示的实施例的技术方案中,通过为位置点添加行驶时间、行驶速度、行驶方向和定位精度等行驶轨迹属性,可以实现根据位置点构造模拟行驶对象在历史道路上行驶的定位轨迹点,进而生成模拟行驶对象在历史道路上行驶的行驶轨迹序列。
还请继续参考图2,在步骤S230中,针对行驶轨迹序列中的每个定位轨迹点,计算定位轨迹点对应的观测概率以及转移概率,其中,观测概率为定位轨迹点映射到目标路网上的候选道路的概率,转移概率为行驶对象从前序定位轨迹点映射到的候选道路转移到定位轨迹点映射到的候选道路的概率,前序定位轨迹点为行驶时间位于定位轨迹点的行驶时间之前的定位轨迹点。
在一个实施例中,在预测行驶轨迹序列中的每个定位轨迹点映射到目标路网上的道路的概率时,可以采用隐马尔可夫模型(HMM,Hidden Markov Model)的算法思想来解决预测问题(也称解码问题),即给定该模型和观测序列X={x1,x2,...,xn}的情况下,如何根据观测序列推断出隐藏状态,即如何找到与观测序列最匹配的状态转移序列Y={y1,y2,...,yn}。
HMM模型是关于时序的概率模型,参见图6,HMM模型中的箭头表示了变量间的前后依赖关系,即:在任一时刻,观测序列中观测变量的取值仅依赖于状态变量,与其他状态变量及观测变量的取值无关,即xt由yt确定;同时,t时刻的状态变量yt仅依赖于t-1时刻的状态变量yt-1,与此前时刻t-2的状态无关。需要说明的是,本申请实施例中,当前时刻的状态变量可以依赖于前一时刻、或者前几个时刻的状态变量,为了降低计算的复杂度,则以“t时刻的状态变量yt仅依赖于t-1时刻的状态变量yt-1,与此前时刻t-2的状态无关”为例来进行说明。
在一个实施例中,观测序列对应模拟行驶对象在历史道路上行驶的行驶轨迹序列,依据此思想,本方案所要解决的问题,则是如何根据行驶轨迹序列,在目标路网上确定出与该行驶轨迹序列最匹配的目标道路,即根据对象行驶的各个定位轨迹点,确定出各个定位轨迹点映射到目标路网上的目标道路,也即定位轨迹点在目标路网上所属的目标道路。其中,确定隐马尔可夫模型所需要的参数主要包括观测概率以及转移概率。相对应的,观测概率为定位轨迹点映射到目标路网上的候选道路的概率,转移概率为行驶对象从前序定位轨迹点映射到的候选道路转移到定位轨迹点映射到的候选道路的概率,前序定位轨迹点为行驶时间位于定位轨迹点的行驶时间之前的定位轨迹点。
在一个实施例中,候选道路为目标路网上存在的道路,因此,候选道路可以从目标路网上已有的道路中选取。
在一个实施例中,如图7所示,示出了根据本申请的一个实施例的路网数据的处理方法的步骤S230的具体流程图,步骤S230还可以包括步骤 S710至步骤S720,以下详细描述这些步骤。
在步骤S710中,确定行驶轨迹序列中的定位轨迹点在目标路网中所处的周边范围区域。
在一个实施例中,在确定各个轨迹点在目标路网中所属的候选道路,可以确定行驶轨迹序列中的定位轨迹点在目标路网中所处的周边范围区域,周边范围区域是指以定位轨迹点为中心的预设范围区域。
具体的,可以根据定位轨迹点的经度、纬度确定一个中心点,并将该中心点作为圆心确定一个预设半径范围内的圆形区域,所确定的圆形区域即为定位轨迹点在目标路网中所处的周边范围区域。
在步骤S720中,将周边范围区域内的道路作为候选道路。
在一个实施例中,在确定定位轨迹点在目标路网中所处的周边范围区域后,则可以将周边范围区域内的所有道路都作为定位轨迹点可以映射的候选道路。
在图7所示实施例中的技术方案中,通过定位轨迹点在目标路网中所处的周边范围区域,并将周边范围区域内的道路作为定位轨迹点可以映射的候选道路,避免将定位轨迹点与目标路网上的所有道路进行映射匹配,可以有效减少计算量,提高轨迹匹配的效率。
在一个实施例中,如图8所示,示出了根据本申请的一个实施例的计算定位轨迹点对应的观测概率以及转移概率的具体流程图,计算定位轨迹点对应的观测概率以及转移概率具体可以包括步骤S810至步骤S840,详细介绍如下。
在步骤S810中,提取行驶轨迹序列中的每个定位轨迹点的行驶轨迹属性。
在一个实施例中,对于行驶轨迹序列中的每个轨迹点,需要提取每个定位轨迹点对应的行驶轨迹属性,即提取定位轨迹点对应的经度、纬度、行驶时间、行驶速度、行驶方向和定位精度。
在步骤S820中,提取候选道路的道路属性。
在一个实施例中,对于候选道路的道路属性,可以从目标路网中提取该候选道路的道路属性,所提取的道路属性具体可以包括道路长度、道路方向、道路等级、道路类型、道路宽度、车道数量以及是否限速等。
在步骤S830中,基于行驶轨迹序列中的每个定位轨迹点的行驶轨迹属性与候选道路的道路属性,确定定位轨迹点映射到目标路网上的候选道路的观测概率特征以及行驶对象从前序定位轨迹点映射到的候选道路转移到定位轨迹点映射到的候选道路的转移概率特征。
在一个实施例中,转移概率特征作为反映定位轨迹点映射到目标路网上的候选道路的特征信息。在获取到行驶轨迹序列中的每个定位轨迹点的行驶轨迹属性与候选道路的道路属性后,即可以确定定位轨迹点映射到目标路网上的候选道路的观测概率特征。其中,在确定定位轨迹点与候选道路之间的观测概率特征时,可以是根据定位轨迹点的行驶轨迹属性与候选道路的道路属性进行计算而确定的,所计算得到的观测概率特征可以如表 1所示。可以理解的是,在观测概率特征中,若垂足距离越小,则观测概率越大;若垂足类型为垂足落在候选道路上,则观测概率越大;若行驶速度与限速值之间的比值越小,则观测概率越大;若定位道路方向与行驶方向之间的夹角越小,则观测概率越大;若候选道路包含定位轨迹点,则观测概率越大。
表1
Figure BDA0002898707200000151
Figure BDA0002898707200000161
在一个实施例中,在获取到行驶轨迹序列中的每个定位轨迹点的行驶轨迹属性与候选道路的道路属性后,即可以行驶对象从前序定位轨迹点映射到的候选道路转移到定位轨迹点映射到的候选道路的转移概率特征。其中,在确定定位轨迹点与候选道路之间的转移概率特征时,可以是根据定位轨迹点和其前序定位轨迹点与两个定位轨迹各自对应的候选道路的道路属性进行计算而确定的,所计算得到的转移概率特征可以如表2所示。可以理解的是,在转移概率特征中,若两个定位轨迹点之间的方向变化夹角与各自对应的候选道路的道路方向变化夹角之间的差值越小,则转移概率越大;若两个定位轨迹点之间的通行距离与各自对应的候选道路之间的连通距离之间的差值越小,则转移概率越大;若两个定位轨迹点各自的行驶速度与对应的候选道路的限速值之间的差值越小,则转移概率越大;若两个定位轨迹点分别距离对应的候选道路的距离值之间的距离差值越小,则转移概率越大。
表2
Figure BDA0002898707200000162
在步骤S840中,基于观测概率特征,确定定位轨迹点映射到目标路网上的候选道路的观测概率,以及基于转移概率特征,确定行驶对象从前序定位轨迹点映射到的候选道路转移到定位轨迹点映射到的候选道路的转移概率。
在一个实施例中,在确定定位轨迹点与候选道路之间的观测概率特征后,再根据所确定的观测概率特征,即可计算定位轨迹点映射到目标路网上的候选道路的观测概率。可以理解的是,可以依据不同的观测概率特征在计算观测概率所起到的不同作用,为各个观测概率特征分配不同的权重,由此可以使得所计算得到的观测概率也更加符合客观实际。
在一个实施例中,在定位轨迹点与候选道路之间的转移概率特征后,再根据所确定的转移概率特征,计算行驶对象从前序定位轨迹点映射到的候选道路转移到定位轨迹点映射到的候选道路的转移概率。可以理解的是,可以依据不同的转移概率特征在计算转移概率所起到的不同作用,为各个转移概率特征分配不同的权重,由此可以使得所确定的转移概率也更加符合客观实际。
在步骤S240中,针对行驶轨迹序列中的每个定位轨迹点,基于定位轨迹点对应的观测概率以及转移概率,在候选道路中确定定位轨迹点在目标路网上所属的目标道路。
在一个实施例中,如图9所示,基于定位轨迹点对应的观测概率以及转移概率,在候选道路中确定定位轨迹点在目标路网上所属的目标道路可以包括步骤S910至步骤S920,详细介绍如下。
在步骤S910中,针对行驶轨迹序列中的每个定位轨迹点,基于定位轨迹点对应的观测概率以及转移概率,计算定位轨迹点映射到目标路网上的候选道路的目标概率。
在一个实施例中,针对行驶轨迹序列中的每个定位轨迹点,在确定定位轨迹点映射到目标路网上的候选道路的目标概率,可以是根据定位轨迹点对应的观测概率与转移概率的和,来计算定位轨迹点映射到目标路网上的候选道路的目标概率。
在一个实施例中,可以是根据定位轨迹点对应的观测概率与转移概率的加权和,来计算定位轨迹点映射到目标路网上的候选道路的目标概率。
在一个实施例中,如图10所示,示出了根据本申请的一个实施例的路网数据的处理方法的步骤S910的具体流程图,步骤S910可以包括步骤S1010至步骤S1020,详细介绍如下。
在步骤S1010中,获取前序定位轨迹点映射到目标路网上的候选道路的前序目标概率。
在步骤S1020中,基于定位轨迹点对应的观测概率和转移概率、以及前序目标概率,计算定位轨迹点映射到目标路网上的候选道路的目标概率。
在一个实施例中,针对行驶轨迹序列中的每个定位轨迹点,可以先获取前序定位轨迹点映射到目标路网上的候选道路的前序目标概率,并根据定位轨迹点对应的观测概率、定位轨迹点对应的转移概率以及前序目标概率,计算定位轨迹点映射到目标路网上的候选道路的目标概率。具体的,可以是根据观测概率、定位轨迹点对应的转移概率以及前序目标概率的加权和,来计算定位轨迹点映射到目标路网上的候选道路的目标概率。
在步骤S920中,针对行驶轨迹序列中的每个定位轨迹点,基于目标概率在候选道路中确定定位轨迹点在目标路网上所属的目标道路。
在一个实施例中,针对行驶轨迹序列中的每个定位轨迹点,在确定定位轨迹点映射到目标路网上的候选道路的目标概率后,可以将目标概率最大的候选道路确定为定位轨迹点在目标路网上所属的目标道路。
还请继续参考图2,在步骤S250中,基于定位轨迹点在目标路网上所属的目标道路以及定位轨迹点在历史路网所属的历史道路,确定目标路网与历史路网之间的道路转换信息。
在一个实施例中,定位轨迹点在目标路网上所属的目标道路以及定位轨迹点在历史路网所属的历史道路,可以反映相同的定位轨迹点在历史路网以及目标路网上的道路的分布情况,比对相同的定位轨迹点在历史路网以及目标路网上的道路的分布情况,即可确定目标路网与历史路网之间的道路差异,目标路网与历史路网之间的道路差异作为目标路网与历史路网之间的道路转换信息,道路转换信息作为反映道路之间的转换关系的一种特性信息,它可以作为目标路网与历史路网之间进行更新转换时的标注信息。
在一个实施例中,如图11所示,示出了根据本申请的一个实施例的路网数据的处理方法的步骤S250的具体流程图,步骤S250可以包括步骤 S1110至步骤S1140,详细介绍如下。
在步骤S1110中,基于定位轨迹点在目标路网上所属的目标道路,确定目标道路上包含定位轨迹点的路段对应的第一道路长度。
在一个实施例中,第一道路长度是目标道路上包含定位轨迹点的路段之间的道路长度之和。例如,当目标道路上包含定位轨迹点为五个,那么在五个定位轨迹点中,所有相邻两个定位轨迹点之间的道路间距之和即为第一道路长度。
在步骤S1120中,基于定位轨迹点在历史路网所属的历史道路,确定历史道路上包含定位轨迹点的路段对应的第二道路长度。
在一个实施例中,第二道路长度是历史道路上包含定位轨迹点的路段之间的道路长度之和。例如,当历史道路上包含定位轨迹点为四个,那么在四个定位轨迹点中,所有相邻两个定位轨迹点之间的道路间距之和即为第二道路长度。
在步骤S1130中,基于第一道路长度以及第二道路长度,确定历史道路与目标道路之间的道路转换类别以及道路转换偏移量。
在一个实施例中,道路转换信息可以包括道路转换类别以及道路转换偏移量。道路转换类别是指历史道路上的道路与目标道路上的道路之间的转换类别,可以包括删除、合并和拆分等,道路转换偏移量是指历史道路上的道路与目标道路上的道路之间进行转换时的具体差异量。在确定第一道路长度以及第二道路长度后,通过将第一道路长度以及第二道路长度进行比较,确定历史道路与目标道路之间的道路转换类别以及道路转换偏移量。
如在历史路网中,道路A包括1000个定位轨迹点,根据1000个定位轨迹点所计算的道路A对应的第二道路长度为100公里;在1000个定位轨迹点中,有540个定位轨迹点在目标路网中属于道路B以及有460个定位轨迹点在目标路网中属于道路C,而根据540个定位轨迹点所计算的道路B对应的第二道路长度为60公里,根据460个定位轨迹点所计算的道路 C对应的第二道路长度为60公里,那么道路A与道路B以及道路A与道路C的道路转换类别均为拆分,而道路A与道路B之间的道路转换偏移量为0.6以及道路A与道路C之间的道路转换偏移量为0.4,因此历史路网上的道路A与目标路网上的道路B和道路C之间的道路转换信息为“道路A 拆分为道路B和道路C,道路A与道路B的道路转换偏移量为0.6,道路 A与道路C的道路转换偏移量为0.4”。
在步骤S1140中,基于历史道路与目标道路之间的道路转换类别以及道路转换偏移量,确定目标路网与历史路网之间的道路转换信息。
在一个实施例中,在确定历史道路与目标道路之间的道路转换类别以及道路转换偏移量后,即可根据道路转换类别以及道路转换偏移量生成目标路网与历史路网之间的道路转换信息。
以上可以看出,基于历史道路上的多个位置点,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列;并针对行驶轨迹序列中的每个定位轨迹点,计算定位轨迹点对应的观测概率以及转移概率,以及基于定位轨迹点对应的观测概率以及转移概率,在候选道路中确定定位轨迹点在目标路网上所属的目标道路,根据相同的定位轨迹点在历史路网以及目标路网上的道路的分布情况,即可确定目标路网与历史路网之间的道路差异,从而实现自适应地确定目标路网与历史路网之间的道路转换信息,可以有效提高对网路数据进行更新的效率。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的问题分类方法。对于本申请装置实施例中未披露的细节,请参照本申请上述的问题分类方法的实施例。
图12示出了根据本申请的一个实施例的路网数据的处理装置的框图。参照图12所示,根据本申请的一个实施例的路网数据的处理装置1200,包括:获取单元1210、生成单元1220、计算单元1230、第一执行单元 1240以及第二执行单元1250。
在本申请的一些实施例中,基于前述方案,所述生成单元1220被配置为:第一添加子单元,用于按照多个所述位置点在所述历史道路的道路延伸方向上的分布顺序,分别为每个所述位置点添加行驶时间以及定位精度;第一执行子单元,用于基于相邻两个位置点之间的距离差以及相邻两个位置点对应的行驶时间之间的时间差,确定在所述位置点中添加的行驶速度;第二执行子单元,用于基于连接相邻两个位置点之间的最短直线的延伸方向,确定在所述位置点添加的行驶方向;第一生成子单元,用于基于所确定的行驶速度和行驶方向,在所述位置点中添加行驶速度以及行驶方向,生成与所述多个位置点对应的定位轨迹点;第二生成子单元,用于按照行驶时间从小到大的顺序对所述定位轨迹点进行排序,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列。
在本申请的一些实施例中,基于前述方案,所述第一执行子单元被配置为:确定相邻两个位置点之间的距离差与相邻两个位置点对应的行驶时间之间的时间差的比值;若相邻两个位置点对应的行驶时间是行驶时间最大的两个位置点,则将所述比值作为分别在相邻两个位置点中添加的行驶速度;若相邻两个位置点对应的行驶时间不是行驶时间最大的两个位置点,则所述比值作为在较小位置点中添加的行驶速度,所述较小位置点为相邻两个位置点中行驶时间较小的位置点;所述第二执行子单元被配置为:若相邻两个位置点对应的行驶时间是行驶时间最大的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为分别在相邻两个位置点中添加的行驶方向;若相邻两个位置点对应的行驶时间不是行驶时间最大的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为在较小位置点中添加的行驶方向,所述较小位置点为相邻两个位置点中行驶时间较小的位置点。
在本申请的一些实施例中,基于前述方案,所述生成单元1220被配置为:第二添加子单元,用于若检测到相邻两个位置点之间的距离差大于预定距离阈值,则在相邻两个位置点之间添加新的位置点。
在本申请的一些实施例中,基于前述方案,所述路网数据的处理装置还包括:第三执行单元,用于确定所述行驶轨迹序列中的定位轨迹点在所述目标路网中所处的周边范围区域;第四执行单元,用于将所述周边范围区域内的道路作为所述候选道路。
在本申请的一些实施例中,基于前述方案,所述计算单元被配置为:提取所述行驶轨迹序列中的每个定位轨迹点的行驶轨迹属性;提取所述候选道路的道路属性;基于所述行驶轨迹序列中的每个定位轨迹点的行驶轨迹属性与所述候选道路的道路属性,确定所述定位轨迹点映射到目标路网上的候选道路的观测概率特征以及所述行驶对象从前序定位轨迹点映射到的候选道路转移到所述定位轨迹点映射到的候选道路的转移概率特征;基于所述观测概率特征,确定所述定位轨迹点映射到目标路网上的候选道路的观测概率,以及基于所述转移概率特征,确定所述行驶对象从前序定位轨迹点映射到的候选道路转移到所述定位轨迹点映射到的候选道路的转移概率。
在本申请的一些实施例中,基于前述方案,所述第一执行单元被配置为:针对所述行驶轨迹序列中的每个定位轨迹点,基于所述定位轨迹点对应的观测概率以及转移概率,计算所述定位轨迹点映射到所述目标路网上的候选道路的目标概率;针对所述行驶轨迹序列中的每个定位轨迹点,基于所述目标概率在所述候选道路中确定所述定位轨迹点在所述目标路网上所属的目标道路。
在本申请的一些实施例中,基于前述方案,所述第一执行单元1240被配置为:获取前序定位轨迹点映射到所述目标路网上的候选道路的前序目标概率;基于所述定位轨迹点对应的观测概率和转移概率、以及所述前序目标概率,计算所述定位轨迹点映射到所述目标路网上的候选道路的目标概率 。
在本申请的一些实施例中,基于前述方案,所述第二执行单元1250被配置为:基于所述定位轨迹点在所述目标路网上所属的目标道路,确定所述目标道路上包含所述定位轨迹点的路段对应的第一道路长度;基于所述定位轨迹点在所述历史路网所属的历史道路,确定所述历史道路上包含所述定位轨迹点的路段对应的第二道路长度;基于所述第一道路长度以及所述第二道路长度,确定所述历史道路与所述目标道路之间的道路转换类别以及道路转换偏移量;基于所述历史道路与所述目标道路之间的道路转换类别以及道路转换偏移量,确定所述目标路网与所述历史路网之间的道路转换信息。
图13示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图13示出的电子设备的计算机系统1300仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图13所示,计算机系统1300包括中央处理单元(Central Processing Unit,CPU)1301,其可以根据存储在只读存储器(Read-Only Memory, ROM)1302中的程序或者从储存部分1308加载到随机访问存储器 (Random Access Memory,RAM)1303中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1303中,还存储有系统操作所需的各种程序和数据。CPU 1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(Input/Output,I/O)接口1305也连接至总线1304。
以下部件连接至I/O接口1305:包括键盘、鼠标等的输入部分1306;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1307;包括硬盘等的储存部分1308;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1309。通信部分1309经由诸如因特网的网络执行通信处理。驱动器1310也根据需要连接至I/O接口1305。可拆卸介质1311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1310上,以便于从其上读出的计算机程序根据需要被安装入储存部分1308。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1309从网络上被下载和安装,和/或从可拆卸介质1311被安装。在该计算机程序被中央处理单元(CPU)1301执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory, EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read- Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD- ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种路网数据的处理方法,其特征在于,包括:
获取历史路网上的历史道路的多个位置点;
基于多个所述位置点,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列,所述行驶轨迹序列包括多个行驶时间上的定位轨迹点,所述定位轨迹点通过在所述位置点中添加行驶轨迹属性而预生成;
针对所述行驶轨迹序列中的每个定位轨迹点,计算所述定位轨迹点对应的观测概率以及转移概率,其中,所述观测概率为所述定位轨迹点映射到目标路网上的候选道路的概率,所述转移概率为所述行驶对象从前序定位轨迹点映射到的候选道路转移到所述定位轨迹点映射到的候选道路的概率,所述前序定位轨迹点为行驶时间位于所述定位轨迹点的行驶时间之前的定位轨迹点;
针对所述行驶轨迹序列中的每个定位轨迹点,基于所述定位轨迹点对应的观测概率以及转移概率,在所述候选道路中确定所述定位轨迹点在所述目标路网上所属的目标道路;
基于所述定位轨迹点在所述目标路网上所属的目标道路以及所述定位轨迹点在所述历史路网所属的历史道路,确定所述目标路网与所述历史路网之间的道路转换信息。
2.根据权利要求1所述的路网数据的处理方法,其特征在于,所述行驶轨迹属性包括行驶时间、行驶速度、行驶方向和定位精度,所述基于多个所述位置点,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列,包括:
按照多个所述位置点在所述历史道路的道路延伸方向上的分布顺序,分别为每个所述位置点添加行驶时间以及定位精度;
基于相邻两个位置点之间的距离差以及相邻两个位置点对应的行驶时间之间的时间差,确定在所述位置点中添加的行驶速度;
基于连接相邻两个位置点之间的最短直线的延伸方向,确定在所述位置点添加的行驶方向;
基于所确定的行驶速度和行驶方向,在所述位置点中添加行驶速度以及行驶方向,生成与所述多个位置点对应的定位轨迹点;
按照行驶时间从小到大的顺序对所述定位轨迹点进行排序,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列。
3.根据权利要求2所述的路网数据的处理方法,其特征在于,所述基于相邻两个位置点之间的距离差以及相邻两个位置点对应的行驶时间之间的时间差,确定在所述位置点中添加的行驶速度,包括:
确定相邻两个位置点之间的距离差与相邻两个位置点对应的行驶时间之间的时间差的比值;
若相邻两个位置点对应的行驶时间是行驶时间最大的两个位置点,则将所述比值作为分别在相邻两个位置点中添加的行驶速度;
若相邻两个位置点对应的行驶时间不是行驶时间最大的两个位置点,则所述比值作为在较小位置点中添加的行驶速度,所述较小位置点为相邻两个位置点中行驶时间较小的位置点;
所述基于连接相邻两个位置点之间的最短直线的延伸方向,确定在所述位置点添加的行驶方向,包括:
若相邻两个位置点对应的行驶时间是行驶时间最大的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为分别在相邻两个位置点中添加的行驶方向;
若相邻两个位置点对应的行驶时间不是行驶时间最大的两个位置点,则将连接相邻两个位置点之间的最短直线的延伸方向作为在较小位置点中添加的行驶方向,所述较小位置点为相邻两个位置点中行驶时间较小的位置点。
4.根据权利要求2所述的路网数据的处理方法,其特征在于,在分别为每个所述位置点添加行驶时间以及定位精度之前,所述基于多个所述位置点,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列,还包括;
若检测到相邻两个位置点之间的距离差大于预定距离阈值,则在相邻两个位置点之间添加新的位置点。
5.根据权利要求1所述的路网数据的处理方法,其特征在于,在所述针对所述行驶轨迹序列中的每个定位轨迹点,计算所述定位轨迹点对应的观测概率以及转移概率之前,还包括:
确定所述行驶轨迹序列中的定位轨迹点在所述目标路网中所处的周边范围区域;
将所述周边范围区域内的道路作为所述候选道路。
6.根据权利要求1所述的路网数据的处理方法,其特征在于,所述计算所述定位轨迹点对应的观测概率以及转移概率,包括:
提取所述行驶轨迹序列中的每个定位轨迹点的行驶轨迹属性;
提取所述候选道路的道路属性;
基于所述行驶轨迹序列中的每个定位轨迹点的行驶轨迹属性与所述候选道路的道路属性,确定所述定位轨迹点映射到目标路网上的候选道路的观测概率特征以及所述行驶对象从前序定位轨迹点映射到的候选道路转移到所述定位轨迹点映射到的候选道路的转移概率特征;
基于所述观测概率特征,确定所述定位轨迹点映射到目标路网上的候选道路的观测概率,以及基于所述转移概率特征,确定所述行驶对象从前序定位轨迹点映射到的候选道路转移到所述定位轨迹点映射到的候选道路的转移概率。
7.根据权利要求1所述的路网数据的处理方法,其特征在于,所述基于所述定位轨迹点对应的观测概率以及转移概率,在所述候选道路中确定所述定位轨迹点在所述目标路网上所属的目标道路,包括:
针对所述行驶轨迹序列中的每个定位轨迹点,基于所述定位轨迹点对应的观测概率以及转移概率,计算所述定位轨迹点映射到所述目标路网上的候选道路的目标概率;
针对所述行驶轨迹序列中的每个定位轨迹点,基于所述目标概率在所述候选道路中确定所述定位轨迹点在所述目标路网上所属的目标道路。
8.根据权利要求7所述的路网数据的处理方法,其特征在于,所述基于所述定位轨迹点对应的观测概率以及转移概率,计算所述定位轨迹点映射到所述目标路网上的候选道路的目标概率,包括:
获取前序定位轨迹点映射到所述目标路网上的候选道路的前序目标概率;
基于所述定位轨迹点对应的观测概率和转移概率、以及所述前序目标概率,计算所述定位轨迹点映射到所述目标路网上的候选道路的目标概率。
9.根据权利要求1所述的路网数据的处理方法,其特征在于,所述基于所述定位轨迹点在所述目标路网上所属的目标道路以及所述定位轨迹点在所述历史路网所属的历史道路,确定所述目标路网与所述历史路网之间的道路转换信息,包括:
基于所述定位轨迹点在所述目标路网上所属的目标道路,确定所述目标道路上包含所述定位轨迹点的路段对应的第一道路长度;
基于所述定位轨迹点在所述历史路网所属的历史道路,确定所述历史道路上包含所述定位轨迹点的路段对应的第二道路长度;
基于所述第一道路长度以及所述第二道路长度,确定所述历史道路与所述目标道路之间的道路转换类别以及道路转换偏移量;
基于所述历史道路与所述目标道路之间的道路转换类别以及道路转换偏移量,确定所述目标路网与所述历史路网之间的道路转换信息。
10.一种路网数据的处理装置,其特征在于,包括:
获取单元,用于获取历史路网上的历史道路的多个位置点;
生成单元,用于基于多个所述位置点,生成模拟行驶对象在所述历史道路上行驶的行驶轨迹序列,所述行驶轨迹序列包括多个行驶时间上的定位轨迹点,所述定位轨迹点通过在所述位置点中添加行驶轨迹属性而预生成;
计算单元,用于针对所述行驶轨迹序列中的每个定位轨迹点,计算所述定位轨迹点对应的观测概率以及转移概率,其中,所述观测概率为所述定位轨迹点映射到目标路网上的候选道路的概率,所述转移概率为所述行驶对象从前序定位轨迹点映射到的候选道路转移到所述定位轨迹点映射到的候选道路的概率,所述前序定位轨迹点为行驶时间位于所述定位轨迹点的行驶时间之前的定位轨迹点;
第一执行单元,用于针对所述行驶轨迹序列中的每个定位轨迹点,基于所述定位轨迹点对应的观测概率以及转移概率,在所述候选道路中确定所述定位轨迹点在所述目标路网上所属的目标道路;
第二执行单元,用于基于所述定位轨迹点在所述目标路网上所属的目标道路以及所述定位轨迹点在所述历史路网所属的历史道路,确定所述目标路网与所述历史路网之间的道路转换信息。
CN202110049484.9A 2021-01-14 2021-01-14 路网数据的处理方法和装置 Active CN112699203B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110049484.9A CN112699203B (zh) 2021-01-14 2021-01-14 路网数据的处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110049484.9A CN112699203B (zh) 2021-01-14 2021-01-14 路网数据的处理方法和装置

Publications (2)

Publication Number Publication Date
CN112699203A CN112699203A (zh) 2021-04-23
CN112699203B true CN112699203B (zh) 2022-02-08

Family

ID=75515114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110049484.9A Active CN112699203B (zh) 2021-01-14 2021-01-14 路网数据的处理方法和装置

Country Status (1)

Country Link
CN (1) CN112699203B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113155139B (zh) * 2021-06-28 2021-11-16 中移(上海)信息通信科技有限公司 车辆轨迹纠偏方法、装置及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3358303A1 (en) * 2017-02-07 2018-08-08 HERE Global B.V. An apparatus and associated methods for use in updating map data
WO2019007437A1 (en) * 2017-07-07 2019-01-10 Beijing Didi Infinity Technology And Development Co., Ltd. SYSTEMS AND METHODS FOR DETERMINING POSITION OF MOBILE DEVICE
CN109974718A (zh) * 2019-04-09 2019-07-05 百度在线网络技术(北京)有限公司 地图匹配方法、装置、设备和介质
CN110260870A (zh) * 2019-07-18 2019-09-20 北京百度网讯科技有限公司 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质
CN112013862A (zh) * 2020-07-31 2020-12-01 深圳大学 一种基于众包轨迹的行人路网提取及更新方法
CN112131233A (zh) * 2020-08-28 2020-12-25 北京百度网讯科技有限公司 识别更新道路的方法、装置、设备和计算机存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10907976B2 (en) * 2018-06-26 2021-02-02 Uber Technologies, Inc. Detecting defects in map data

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3358303A1 (en) * 2017-02-07 2018-08-08 HERE Global B.V. An apparatus and associated methods for use in updating map data
WO2019007437A1 (en) * 2017-07-07 2019-01-10 Beijing Didi Infinity Technology And Development Co., Ltd. SYSTEMS AND METHODS FOR DETERMINING POSITION OF MOBILE DEVICE
CN109974718A (zh) * 2019-04-09 2019-07-05 百度在线网络技术(北京)有限公司 地图匹配方法、装置、设备和介质
CN110260870A (zh) * 2019-07-18 2019-09-20 北京百度网讯科技有限公司 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质
CN112013862A (zh) * 2020-07-31 2020-12-01 深圳大学 一种基于众包轨迹的行人路网提取及更新方法
CN112131233A (zh) * 2020-08-28 2020-12-25 北京百度网讯科技有限公司 识别更新道路的方法、装置、设备和计算机存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Inertia Mutation Energy Model to Extract Roads by Crowdsourcing Trajectories;Xinyan Zou等;《IEEE Access》;20191216;第7卷;186393-186408 *
利用道路网眼实现路网的增量式更新;沙宗尧等;《武汉大学学报(信息科学版)》;20190805;第44卷(第8期);1107-1114 *

Also Published As

Publication number Publication date
CN112699203A (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
CN111553480B (zh) 图像数据处理方法、装置、计算机可读介质及电子设备
CN112905801B (zh) 基于事件图谱的行程预测方法、系统、设备及存储介质
CN109658033B (zh) 货源路线相似度计算方法、系统、设备及存储介质
CN107463701B (zh) 基于人工智能推送信息流的方法和装置
CN111753076B (zh) 对话方法、装置、电子设备及可读存储介质
CN110663049A (zh) 神经网络优化器搜索
CN111651538B (zh) 一种位置映射方法、装置、设备及可读存储介质
CN114418035A (zh) 决策树模型生成方法、基于决策树模型的数据推荐方法
CN114639233B (zh) 一种拥堵状态预测方法、装置、电子设备及存储介质
KR20200046189A (ko) 생성적 적대 신경망에 기반한 협업 필터링을 위한 방법 및 시스템
CN113392317A (zh) 一种标签配置方法、装置、设备及存储介质
CN114663848A (zh) 一种基于知识蒸馏的目标检测方法和装置
CN103177177A (zh) 信息处理设备、估计器生成方法和程序
CN112699203B (zh) 路网数据的处理方法和装置
CN112884235A (zh) 出行推荐方法、出行推荐模型的训练方法、装置
CN116956116A (zh) 文本的处理方法和装置、存储介质及电子设备
Song et al. Accurate and fast path computation on large urban road networks: A general approach
CN111507499B (zh) 预测用模型的构建方法、测试方法、装置及系统
CN116295409A (zh) 路线处理方法、装置、计算机可读介质及电子设备
US20220405473A1 (en) Machine learning for training nlp agent
CN115599990A (zh) 一种知识感知结合深度强化学习的跨域推荐方法及系统
CN115540880A (zh) 一种导航路径匹配方法及装置、电子设备、存储介质
CN115210717A (zh) 硬件优化的神经架构搜索
CN115186096A (zh) 针对特定类型分词的识别方法、装置、介质及电子设备
CN111797183A (zh) 挖掘信息点的道路属性的方法、装置及电子设备

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40041942

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant