CN112985440B - 行驶轨迹偏移的检测方法、装置、存储介质及程序产品 - Google Patents
行驶轨迹偏移的检测方法、装置、存储介质及程序产品 Download PDFInfo
- Publication number
- CN112985440B CN112985440B CN202110192840.2A CN202110192840A CN112985440B CN 112985440 B CN112985440 B CN 112985440B CN 202110192840 A CN202110192840 A CN 202110192840A CN 112985440 B CN112985440 B CN 112985440B
- Authority
- CN
- China
- Prior art keywords
- chain
- current
- area
- determining
- chains
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000012216 screening Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本公开的实施例提供一种行驶轨迹偏移的检测方法、装置、存储介质及程序产品,该方法包括:获取目标车辆的当前行驶轨迹;确定所述当前行驶轨迹对应的当前区域链,所述当前区域链由所述当前行驶轨迹中每个目标定位数据映射到的区域块按照所述当前行驶轨迹的行驶方向连接而成;计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度;根据各所述相似度确定当前行驶轨迹是否发生偏移。区域链频繁项集能够更加准确地表示常用行驶轨迹,并且计算当前区域链与每个常用区域链的相似度的方式,能够有效减少转弯,变道,路网复杂性的影响造成的误差,所以能够有效提高检测行驶轨迹是否偏移的准确性。
Description
技术领域
本公开的实施例涉及数据处理技术领域,尤其涉及一种行驶轨迹偏移的检测方法、装置、存储介质及程序产品。
背景技术
随着移动互联网的发展,人们对于基于位置的服务也越来越依赖。如打车服务,代驾服务,货运服务,导航服务等。为了提高用户在各种行车相关服务的服务体验,保证用户在行车相关服务中的人身安全,需要对车辆当前行驶轨迹是否与对应的常用行驶路线间发生偏移进行检测。
发明内容
本公开的实施例提供一种行驶轨迹偏移的检测方法、装置、存储介质及程序产品,解决了一些技术方案中检测出的行驶轨迹是否发生偏移的准确度较低的技术问题。
第一方面,本公开的实施例提供一种行驶轨迹偏移的检测方法,包括:
获取目标车辆的当前行驶轨迹;
确定所述当前行驶轨迹对应的当前区域链,所述当前区域链由所述当前行驶轨迹中每个目标定位数据映射到的区域块按照所述当前行驶轨迹的行驶方向连接而成;
计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度;
根据各所述相似度确定当前行驶轨迹是否发生偏移。
第二方面,本公开的实施例提供一种行驶轨迹偏移的检测装置,包括:
获取模块,用于获取目标车辆的当前行驶轨迹;
确定模块,用于确定所述当前行驶轨迹对应的当前区域链,所述当前区域链由所述当前行驶轨迹中每个目标定位数据映射到的区域块按照所述当前行驶轨迹的行驶方向连接而成;
计算模块,用于计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度;
偏移判断模块,用于根据各所述相似度确定当前行驶轨迹是否发生偏移。
第三方面,本公开的实施例提供一种服务器,包括:存储器和处理器;
所述存储器用于存储程序指令;
所述处理器用于调用所述存储器中的程序指令执行如第一方面任一项所述的方法。
第四方面,本公开的实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序;所述计算机程序被执行时,实现如第一方面任一项所述的方法。
第五方面,本公开的实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面任一项所述的方法的步骤。
本公开的实施例提供的行驶轨迹偏移的检测方法、装置、存储介质及程序产品,通过获取目标车辆的当前行驶轨迹;确定所述当前行驶轨迹对应的当前区域链,所述当前区域链由所述当前行驶轨迹中每个目标定位数据映射到的区域块按照所述当前行驶轨迹的行驶方向连接而成;计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度;根据各所述相似度确定当前行驶轨迹是否发生偏移。由于频繁项集中的多个常用区域链能够代表行驶轨迹包含的绝大多数情况,所以能够更加准确地表示常用行驶轨迹,并且计算当前区域链与每个常用区域链的相似度的方式,能够有效减少转弯,变道,路网复杂性的影响造成的误差,所以能够有效提高检测行驶轨迹是否偏移的准确性。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是可以实现本公开实施例的行驶轨迹偏移的检测方法的一种应用场景图;
图2是本公开一实施例提供的行驶轨迹偏移的检测方法的流程示意图;
图3是本公开另一实施例提供的行驶轨迹偏移的检测方法的流程示意图;
图4是本公开又一实施例提供的行驶轨迹偏移的检测方法的流程示意图;
图5是本公开一实施例提供的行驶轨迹偏移的检测装置的结构示意图;
图6是用来实现本公开实施例的行驶轨迹偏移的检测方法的服务器的第一框图;
图7是用来实现本公开实施例的行驶轨迹偏移的检测方法的服务器的第二框图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
首先对本公开实施例所涉及的名词进行解释:
区域块(简称:Geo块):GeoHash是空间索引的一种方式,其基本原理是将地球理解成一个二维平面,将平面递归分解成更小的子块,每个子块在一定经纬度范围内拥有相同的编。该子块称为区域块。GeoHash将二维的经纬度转换成字符串,每一个字符串代表了某一矩形区域。也就是说,这个矩形区域内所有的经纬度坐标都共享相同的GeoHash字符串,这样每个区域块只表示大概区域位置而不是具体的点,既可以保护隐私,又比较容易做缓存。所以只需要获取到经纬度信息,就可以将经纬度映射成对应的区域块。
为了清楚理解本公开的技术方案,首先对一些技术方案中的方案进行详细介绍。
一些技术方案中行驶轨迹偏移的检测的方法主要为将当前行驶路线与常用行驶路线进行匹配的方式来确定行驶轨迹是否发生偏移。或者由服务器实时获取目标车辆的行驶指标,进而确定行驶轨迹是否发生偏移。
具体地,在采用将当前行驶路线与常用行驶路线进行匹配的方式来确定行驶轨迹是否发生偏移时,首先根据历史行驶轨迹构建包括所有起终点间的行驶轨迹的频繁项集。在行驶轨迹的频繁项集中包括常用的行驶轨迹。在确定当前行程已结束时,获取当前行程对应的当前行驶路线。将当前行驶路线与常用行驶路线进行匹配,确定当前行驶路线与每个常用行驶路线间的相似度,进而确定当前行驶轨迹是否发生偏移。
由于行驶轨迹的频繁项集是根据行驶轨迹中每个定位数据的出现频次确定的。而在历史行驶轨迹中,在起点和终点之间往往存在很多条路线,中间路线会重现高度重叠的情况,所以频繁项集中常用行驶路线的选择,中间路线的影响较大,而削弱了前端路线和后端路线对常用行驶路线的影响,选取出的常用行驶路线并不能包含绝大多数情况,所以导致常用行驶路线确定的准确度较低。而且该种方式只适用于离线检测的场景,并不适用于对行驶轨迹偏移情况进行实时监测。
具体地,在采用由服务器实时获取目标车辆的行驶指标,进而确定行驶轨迹是否发生偏移时,首先服务器实时监测车辆行驶方向和目的地的夹角,若确定行驶方向与目的地的夹角大于预设夹角阈值,并且持续时间大于预设时间,则确定发生了偏航,确定当前时间与预算时间之间的时间差值,根据偏航次数和时间差值来实时判断是否发生了行驶轨迹偏移。
由于在确定行驶轨迹是否发生偏移时,是根据确定的行驶方向,预估时间,偏航次数等行驶指标确定的。每个指标确定的准确性无法保证。例如行驶方向会由于实际行驶过程中遇到转弯,变道,路网复杂性的影响,导致行驶方向确定准确率较低。而预估时间会受到道路拥堵情况的影响。偏航次数的多少也不能明确表明当前行驶轨迹的偏离程度,所以该种方式由于目标车辆的行驶指标检测的准确度较低,导致检测出的行驶轨迹是否发生偏移的准确度较低。
所以在面对一些技术方案中的技术问题时,发明人通过创造性的研究后发现区域块能表示大概区域位置并不表示具体的定位点,而由区域块按照行驶方向形成的区域链,能表示多个有细微区别但相似度很高的行驶轨迹,所以为了能够保证频繁项集中的行驶轨迹能够准确的表示常用行驶轨迹,降低中间路线的影响,增强前端路线和后端路线对常用行驶路线的作用,在频繁项集中预先构建出多个常用区域链来表示常用行驶轨迹。该频繁项集为区域链频繁项集。在获取到车辆的当前行驶轨迹后,确定当前行驶轨迹对应的当前区域链,将当前区域链与区域链频繁项集中的每个常用区域链进行对比,进而根据相似度确定当前行驶轨迹是否发生偏移。由于该行驶轨迹偏移的检测方法采用常用区域链能够更加准确的表示常用行驶轨迹,代表行驶轨迹包含的绝大多数情况,并且计算当前区域链与每个常用区域链的相似度的方式,能够有效减少转弯,变道,路网复杂性的影响造成的误差,所以能够有效提高检测行驶轨迹是否偏移的准确性。
下面对本公开实施例提供的行驶轨迹偏移的检测方法对应的应用场景进行介绍。如图1所示,在该应用场景中可以包括:用户终端1和服务器2。在用户通过用户终端1的行车相关服务应用程序的操作界面启动行车相关服务后,用户终端1周期性的将目标定位数据发送给服务器,服务器2获取多个目标定位数据,来获取目标车辆的当前行驶轨迹。确定当前行驶轨迹对应的当前区域链,计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度,根据各相似度确定当前行驶轨迹是否发生偏移,若确定当前行驶轨迹发生偏移,则向用户终端1发送对应的偏移提醒信息,用户终端向用户发出对应的偏移提醒信息。如偏移提醒信息可以为“您已发生行驶轨迹偏移,请尽快进行纠正”。
下面以具体地实施例对本公开的实施例的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本公开的实施例的实施例进行描述。
实施例一
图2是本公开一实施例提供的行驶轨迹偏移的检测方法的流程示意图,如图2所示,本实施例提供的行驶轨迹偏移的检测方法的执行主体为行驶轨迹偏移的检测装置,该行驶轨迹偏移的检测装置可以集成在服务器中。则本实施例提供的行驶轨迹偏移的检测方法包括以下步骤:
步骤101,获取目标车辆的当前行驶轨迹。
本实施例中,目标车辆为进行行驶轨迹偏移的车辆。该目标车辆为提供行车相关服务的车辆。行车相关服务可以为打车服务代驾服务,货运服务,导航服务等。
本实施例中,在用户通过行车相关服务应用程序的操作界面启动行车相关服务后,用户终端周期性的发送目标车辆的定位数据,该定位数据为目标定位数据,可以为GPS定位数据。GPS定位数据可采用经纬度表示。在服务器接收到目标定位数据后,对目标定位数据进行曲线拟合,进而获取到当前行驶轨迹。
步骤102,确定当前行驶轨迹对应的当前区域链,当前区域链由当前行驶轨迹中每个目标定位数据映射到的区域块按照当前行驶轨迹的行驶方向连接而成。
本实施例中,地球被预先表示为了多个区域块,每个区域块表示一个矩形区域,所以将当前行驶轨迹中的每个目标定位数据映射到对应的区域块中,形成了多个区域块。并根据当前行驶轨迹的起点位置和终点位置确定当前行驶轨迹的行驶方向,按照行驶方向将多个区域块连接起来,形成当前行驶轨迹的当前区域链,当前区块链简称Geo链。
步骤103,计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度。
本实施例中,预先根据多个历史行驶轨迹确定对应的候选区域链,从候选区域链中筛选出多个常用区域链,进而构建包括多个常用区域链的区域链频繁项集。
本实施例中,将当前区域链分别与每个常用区域链进行对比,计算当前区域链与每个常用区域链的相似度。其中,在计算当前区域链与每个常用区域链的相似度时可采用匹配算法或采用其他算法,本实施例中对此不作限定。
步骤104,根据各相似度确定当前行驶轨迹是否发生偏移。
可以理解的是,本实施例中,当前区域链与某常用区域链的相似度越高,说明该区域链越接近于常用区域链,当前行驶轨迹发生偏移的概率越小。反之,当前区域链与各常用区域链的相似度越低,则说明当前行驶轨迹发生偏移的概率越大。
所以可选地,可确定出最大相似度,将最大相似度与预设偏离性相似度阈值进行对比,若确定最大相似度小于预设偏离相似度阈值,则确定当前行驶轨迹发生偏移。若确定最大相似度大于预设偏离相似度阈值,则确定当前行驶轨迹未发生偏移。
可以理解的是,根据各相似度确定当前行驶轨迹是否发生偏移的方式还可以为其他方式,本实施例中对此不作限定。
本实施例提供的行驶轨迹偏移的检测方法,通过获取目标车辆的当前行驶轨迹;确定当前行驶轨迹对应的当前区域链,当前区域链由当前行驶轨迹中每个目标定位数据映射到的区域块按照当前行驶轨迹的行驶方向连接而成;计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度;根据各相似度确定当前行驶轨迹是否发生偏移。由于频繁项集中的多个常用区域链能够代表行驶轨迹包含的绝大多数情况,所以能够更加准确地表示常用行驶轨迹,并且计算当前区域链与每个常用区域链的相似度的方式,能够有效减少转弯,变道,路网复杂性的影响造成的误差,所以能够有效提高检测行驶轨迹是否偏移的准确性。
实施例二
图3是本公开另一实施例提供的行驶轨迹偏移的检测方法的流程示意图,如图3所示,本实施例提供的行驶轨迹偏移的检测方法,是在实施例一提供的行驶轨迹偏移的检测方法的基础上,还包括了构建区域链频繁项集的步骤,则本实施例提供的行驶轨迹偏移的检测方法还包括以下步骤:
步骤201,获取满足预设条件的多个历史行驶轨迹。
其中,满足预设条件可以为满足预设时间范围和/或满足预设区域范围和/或满足预设车辆范围。如预设条件可以为最近两年某省会城市的出租车。
其中,历史行驶轨迹为已经提供了行车相关服务后形成的行驶轨迹。
本实施例中,在车辆提供行车相关服务后,可将每次提供行车相关服务的行驶轨迹存储到服务器对应的数据库中,则通过访问数据库,获取满足预设条件的多个历史行驶轨迹。
其中,每个历史行驶轨迹包括多个历史定位数据,历史定位数据可以为GPS定位数据,可采用经纬度进行表示。
可选地,本实施例中,步骤201之后,还包括:
确定历史行驶轨迹的历史定位数据中的漂移定位数据;对漂移定位数据进行平滑处理。
本实施例中,为了减少历史行驶轨迹中漂移定位数据的影响,从每个历史行驶轨迹的历史定位数据中提取出漂移定位数据,对漂移定位数据进行平滑处理。在对漂移定位数据进行平滑处理时,可删除漂移定位数据后,采用插值的方式进行平滑。或者减小漂移定位数据的漂移幅度,形成正常的历史定位数据,本实施例中,对漂移定位数据进行平滑处理的方式不作限定。
本实施例中,确定历史行驶轨迹的历史定位数据中的漂移定位数据;对漂移定位数据进行平滑处理,能够有效减少漂移定位数据对历史行驶轨迹的影响,进而有效减少对确定常用区域链的影响,使确定出的常用区域链更加准确。
本实施例中,可将多个进行漂移定位数据平滑处理后的历史行驶轨迹形成数据集U0。
步骤202,确定各历史行驶轨迹对应的候选区域链,候选区域链由历史行驶轨迹中每个历史定位数据映射到的区域块按照历史行驶轨迹的行驶方向连接而成。
本实施例中,确定每个历史行驶轨迹的历史定位数据,并将历史行驶轨迹中每个历史定位数据映射到区域块中,并按照历史行驶轨迹的起点和终点位置确定历史行驶轨迹的行驶方向,按照行驶方向将同一历史行驶轨迹对应的区域块进行连接,形成各候选区域链。
本实施例中,将各候选区域链形成数据集U1。
步骤203,从候选区域链中筛选出多个常用区域链。
作为一种可选实施方式,本实施例中,步骤203包括以下步骤:
步骤2031,根据候选区域链构建对应的有向无环图。
可选地,步骤2031包括以下步骤:
步骤2031a,根据候选区域链确定任意相邻两个区域块构成的点对的出现频次。
本实施例中,将所有候选区域链按照相邻的两个区域块进行划分,每两个相邻区域块构成点对,如表示为Geo-pair,对每个Geo-pair的出现频次进行统计。
步骤2031b,根据出现频次确定任意点对对应的第二概率值。
本实施例中,确定所有Geo-pair出现的总频次,然后计算每个Geo-pair出现的频次与总频次的比值,将该比值确定为第二概率值。
步骤2031c,将各区域块作为节点,将点对的第二概率值作为节点之间边的权重值构建对应的有向无环图。
本实施例中,由于每个区域链的起点和终点不同,所以以区域块为节点,以点对的第二概率值作为节点边的权重值的图是一个有向无环图,方向为从起点指向终点的方向。
步骤2032,将有向无环图输入到深度优先搜索模型中,以通过深度优先搜索模型输出各候选区域链对应的第一概率值。
本实施例中,将有向无环图输入到深度优先搜索模型中,深度优先搜索模型以点对的第二概率值连乘的方式确定各候选区域链对应的概率值,并输出各候选区域链对应的概率值,该概率值为第一概率值。
步骤2033,根据各第一概率值筛选出多个常用区域链。
作为一种可选实施方式,本实施例中,步骤2033包括以下步骤:
步骤2033a,将各候选区域链按照第一概率值由大到小的顺序进行排序。
步骤2033b,将排序在前预设个数的候选区域链确定为多个常用区域链,预设个数为大于1的数值。
本实施例中,将各候选区域链按照第一概率值排序后,排在前N个的候选区域链说明出现的概率最大,确定为常用区域链。其中,N为预设个数,N为大于1的数值。
可选地,在步骤2033b后还包括步骤2033c和2033d。
步骤2033c,计算任意两个常用区域链之间的相似度。
步骤2033d,若确定某两个常用区域链之间的相似度大于预设合并阈值,则将该两个常用区域链进行合并。
本实施例中,可采用Jacccard算法计算任意两个常用区域链之间的相似度,若确定某两个常用区域链之间的相似度大于预设合并阈值,则说明该两个区域链高度相似,可将该两个常用区域链进行合并。形成一个常用区域链。
其中,预设合并阈值如可以为98%,或95%,或其他适宜的数值,本实施例中对此不作限定。
步骤204,根据多个常用区域链构建区域链频繁项集。
本实施例中,将常用区域链存储到区域链频繁项集中,形成区域链频繁项集。该区域链频繁项集可表示为U2。
本实施例提供的行驶轨迹偏移的检测方法,获取满足预设条件的多个历史行驶轨迹,确定历史行驶轨迹的历史定位数据中的漂移定位数据,对漂移定位数据进行平滑处理,能够有效减少漂移定位数据对历史行驶轨迹的影响,进而有效减少对确定常用区域链的影响,使确定出的常用区域链更加准确。
本实施例提供的行驶轨迹偏移的检测方法,在从候选区域链中筛选出多个常用区域链时,根据候选区域链构建对应的有向无环图;将有向无环图输入到深度优先搜索模型中,以通过深度优先搜索模型输出各候选区域链对应的第一概率值;根据各第一概率值筛选出多个常用区域链。由于深度优先搜索模型是以点对的第二概率值连乘的方式确定各候选区域链对应的概率值,所以能够有效减少中间区域块的影响,增强前端区域块和后端区域块对常用区域链的影响,能够使多个常用区域链更加准确地代表行驶轨迹包含的绝大多数情况,进而更加准确地表示常用行驶轨迹。
实施例三
图4是本公开又一实施例提供的行驶轨迹偏移的检测方法的流程示意图,如图4所示,本实施例提供的行驶轨迹偏移的检测方法在实施例一或实施例二提供的行驶轨迹偏移的检测方法的基础上,对步骤103-步骤104的进一步细化,并且还包括了其他步骤,则本实施例提供的行驶轨迹偏移的检测方法包括以下步骤:
步骤301,获取目标车辆当前定位数据对应的最新区域块。
本实施例中,接收用户终端发送的当前定位数据,该当前定位数据可以为当前GPS定位数据,将当前GPS定位数据映射到区域块中,映射到的区域块为最新区域块。
步骤302,判断区域链频繁项集中是否存在包括最新区域块的常用区域链,若否,则执行步骤303,否则执行步骤304。
步骤303,确定当前行驶轨迹对应的偏移级别为轻微偏移级别。
本实施例中,当前行驶轨迹为以当前定位数据为最后一个定位数据的行驶轨迹。
本实施例中,可根据最新区域块所表示的矩形区域或最新区域块的标识信息在链频繁项集中每个常用区域链中查找是否存在该最新区域块,若确定存在该最新区域块,则需要对当前行驶轨迹是否发生偏移需要进行进一步检测。若确定不存在该最新区域块,则说明当前行驶轨迹已经发生偏移,由于只确定出当前行驶轨迹的最后一个定位数据发生了偏移,所以确定当前行驶轨迹对应的偏移级别为轻微偏移级别。
步骤304,获取目标车辆的当前行驶轨迹。
步骤305,确定当前行驶轨迹对应的当前区域链。
其中,当前区域链由当前行驶轨迹中每个目标定位数据映射到的区域块按照当前行驶轨迹的行驶方向连接而成。
本实施例中,步骤304-步骤305的实现方式与本公开实施例一中的步骤101-步骤102的实现方式类似,在此不再一一赘述。
步骤306,计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度。
作为一种可选实施方式,本实施例中,步骤306包括以下步骤:
步骤3061,根据当前区域链中的最新区域块确定至少一个常用区域链中对应的局部区域链。
本实施例中,在包括最新区域块的常用区域链中确定出对应的局部区域链。其中,局部链是以最新区域块作为结尾区域块的常用区域链。
步骤3062,根据Jacccard算法计算当前区域链与各局部区域链的相似度。
本实施例中,在据Jacccard算法计算当前区域链与各局部区域链的相似度时,确定出当前区域链分别与各局部区域链的区域块的交集,并确定当前区域链分别与各局部区域链的区域块的并集。针对每个局部区域链,计算交集区域块的个数与并集区域块的比值,将比值确定为对应的相似度。
步骤307,根据各相似度确定当前行驶轨迹是否发生偏移。
作为一种可选实施方式,本实施例中,步骤307包括以下步骤:
步骤3071,确定各相似度中的最大相似度。
步骤3072,将最大相似度与预设偏离相似度阈值进行对比。
步骤3073,若确定最大相似度小于预设偏离相似度阈值,则确定当前行驶轨迹发生偏移。
本实施例中,预设偏离相似度阈值表示偏移和为偏移界限的值,如可以为70%,75%等,本实施例中,对该预设偏离相似度阈值的取值不作限定。
本实施例中,获取到当前区域链与各局部区域链的相似度中最大的相似度,将该最大相似度与预设偏离相似度阈值进行对比,若确定大于或等于预设偏离相似度阈值,则确定当前行驶轨迹未发生偏移。若确定小于预设偏离相似度阈值,则确定当前行驶轨迹发生了偏移。
步骤308,若确定当前行驶轨迹发生偏移,则根据最大相似度确定偏移级别。
本实施例中,可直接根据最大相似度确定偏移级别。即偏移级别值与最大相似度相关。则预先配置多个偏移级别及每个偏移级别对应的相似度范围。如配置的偏移级别可包括:轻微偏移,中度偏移及重度偏移。对应的相似度范围如分别可以为重度偏移:[0,30%],中度偏移[30%,50%],轻度偏移[50%,75%]。可以理解的是,偏移级别还可以为其他级别。偏移级别的相似度范围还可以为其他数值范围,本实施例中对此不作限定。
本实施例中,将最大相似度与各偏移级别的相似度范围进行对比,若落入某偏移级别的相似度范围内,则确定当前行驶轨迹的偏移级别为落入该偏移级别的相似度范围的偏移级别。
作为一种可选实施方式,本实施例中,步骤308包括以下步骤:
步骤3081,获取当前行驶轨迹对应的偏航次数。
本实施例中,在目标车辆行驶过程中实时确定行驶指标,该行驶指标包括偏航次数。可以理解的是,确定偏航次数的方式与一些技术方案中的方式类似,在此不再一一赘述。
步骤3082,根据最大相似度和偏航次数确定偏移级别。
本实施例中,预先构建相似度范围,偏航次数与偏移级别的映射关系。则在获取到最大相似度和偏航次数后,根据该映射关系确定对应的偏移级别。
可以理解的是,最大相似度越大,偏航次数越小,则对应的偏移级别越轻微。反之,最大相似度越小,偏航次数越大,则对应的偏移级别越严重。
步骤309,根据偏移级别向用户终端发送对应的偏移提醒信息。
本实施例中,预先根据不同的偏移级别配置不同的偏移提醒信息。则在确定出当前行驶轨迹的偏移级别后,获取对应的偏移提醒信息,并对应的偏移提醒信息发送给用户终端,以使用户终端显示和/或发出对应的偏移提醒信息,对用户进行偏移提醒。
本实施例提供的行驶轨迹偏移的检测方法,在获取目标车辆的当前行驶轨迹之前,获取目标车辆当前定位数据对应的最新区域块,判断区域链频繁项集中是否存在包括最新区域块的常用区域链,若确定区域链频繁项集中不存在包括最新区域块的常用区域链,则确定当前行驶轨迹对应的偏移级别为轻微偏移级别。能够更加及时的发现当前行驶轨迹是否发生偏移,并可在发生轻微偏移时就可及时进行提醒,以及时对当前行驶轨迹的偏移情况进行纠正。
本实施例提供的行驶轨迹偏移的检测方法,在计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度时,根据当前区域链中的最新区域块确定至少一个常用区域链中对应的局部区域链,根据Jacccard算法计算当前区域链与各局部区域链的相似度,计算当前区域链与各局部区域链的相似度,能够减少常用区域链中最新区域块后续区域块对相似度的影响,使计算出的相似度增加准确。
本实施例提供的行驶轨迹偏移的检测方法,根据最大相似度确定偏移级别时,获取当前行驶轨迹对应的偏航次数,根据最大相似度和偏航次数确定偏移级别,能够在确定当前行驶轨迹发生偏移后,多维度的考虑对偏移造成影响的因素,能够使偏移级别确定的更加准确。
实施例四
图5是本公开一实施例提供的行驶轨迹偏移的检测装置的结构示意图,如图5所示,本实施例提供的行驶轨迹偏移的检测装置位于服务器中,则本实施例提供的行驶轨迹偏移的检测装置40包括:获取模块41,确定模块42,计算模块43及偏移判断模块44。
其中,获取模块41,用于获取目标车辆的当前行驶轨迹。确定模块42,用于确定当前行驶轨迹对应的当前区域链,当前区域链由当前行驶轨迹中每个目标定位数据映射到的区域块按照当前行驶轨迹的行驶方向连接而成。计算模块43,用于计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度。偏移判断模块44,用于根据各相似度确定当前行驶轨迹是否发生偏移。
本实施例提供的行驶轨迹偏移的检测装置可以执行图2所示方法实施例的技术方案,其实现原理和技术效果与图2所示方法实施例类似,在此不再一一赘述。
可选地,本实施例中,行驶轨迹偏移的检测装置,还包括:筛选模块和构建模块。
其中,获取模块41,还用于获取满足预设条件的多个历史行驶轨迹。确定模块42,还用于确定各历史行驶轨迹对应的候选区域链,候选区域链由历史行驶轨迹中每个历史定位数据映射到的区域块按照历史行驶轨迹的行驶方向连接而成。筛选模块,用于从候选区域链中筛选出多个常用区域链。构建模块,用于根据多个常用区域链构建区域链频繁项集。
可选地,筛选模块,具体用于:
根据候选区域链构建对应的有向无环图;将有向无环图输入到深度优先搜索模型中,以通过深度优先搜索模型输出各候选区域链对应的第一概率值;根据各第一概率值筛选出多个常用区域链。
可选地,筛选模块,在根据候选区域链构建对应的有向无环图时,具体用于:
根据候选区域链确定任意相邻两个区域块构成的点对的出现频次;根据出现频次确定任意点对对应的第二概率值;将各区域块作为节点,将点对的第二概率值作为节点之间边的权重值构建对应的有向无环图。
可选地,筛选模块,在根据各第一概率值筛选出多个常用区域链时,具体用于:
将各候选区域链按照第一概率值由大到小的顺序进行排序;将排序在前预设个数的候选区域链确定为多个常用区域链,预设个数为大于1的数值。
可选地,本实施例中,行驶轨迹偏移的检测装置,还包括:合并模块。
其中,合并模块,用于计算任意两个常用区域链之间的相似度;若确定某两个常用区域链之间的相似度大于预设合并阈值,则将该两个常用区域链进行合并。
可选地,本实施例中,行驶轨迹偏移的检测装置,还包括:平滑处理模块。
其中,平滑处理模块,用于确定历史行驶轨迹的历史定位数据中的漂移定位数据;对漂移定位数据进行平滑处理。
可选地,计算模块43,具体用于:
根据当前区域链中的最新区域块确定至少一个常用区域链中对应的局部区域链;根据Jacccard算法计算当前区域链与各局部区域链的相似度。
可选地,偏移判断模块44,具体用于:
确定各相似度中的最大相似度;将最大相似度与预设偏离相似度阈值进行对比;若确定最大相似度小于预设偏离相似度阈值,则确定当前行驶轨迹发生偏移。
可选地,本实施例中,行驶轨迹偏移的检测装置,还包括:发送模块。
其中,确定模块42,还用于根据最大相似度确定偏移级别。发送模块,用于根据偏移级别向用户终端发送对应的偏移提醒信息。
可选地,确定模块42,在根据最大相似度确定偏离级别时,具体用于:
获取当前行驶轨迹对应的偏航次数;根据最大相似度和偏航次数确定偏移级别。
可选地,获取模块41,还用于获取目标车辆当前定位数据对应的最新区域块。确定模块42,还用于若确定区域链频繁项集中不存在包括最新区域块的常用区域链,则确定当前行驶轨迹对应的偏移级别为轻微偏移级别。
本实施例提供的行驶轨迹偏移的检测装置可以执行图3和4图所示方法实施例的技术方案,其实现原理和技术效果与图3和图4所示方法实施例类似,在此不再一一赘述。
实施例五
图6是用来实现本公开实施例的行驶轨迹偏移的检测方法的服务器的第一框图,如图6所示,本实例提供的服务器50包括:存储器51和处理器52。
其中,存储器51用于存储程序指令;处理器52用于调用存储器中的程序指令执行上述实施例一至实施例三中任意一个实施例中的方法。
实施例六
图7是用来实现本公开实施例的行驶轨迹偏移的检测方法的服务器的第二框图,如图7所示,本实施例提供的服务器600可以包括以下一个或多个组件:处理组件602,存储器604,电源组件606,输入/输出(I/O)接口612,传感器组件614,以及通信组件616。
处理组件602通常控制装置600的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件602可以包括一个或多个模块,便于处理组件602和其他组件之间的交互。
存储器604被配置为存储各种类型的数据以支持在装置600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件606为装置600的各种组件提供电力。电源组件606可以包括电源管理系统,一个或多个电源,及其他与为装置600生成、管理和分配电力相关联的组件。
I/O接口612为处理组件602和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器,用于为装置600提供各个方面的状态评估。例如,传感器组件614可以检测到装置600的打开/关闭状态,组件的相对定位,例如组件为装置600的显示器和小键盘,传感器组件614还可以检测装置600或装置600一个组件的位置改变,用户与装置600接触的存在或不存在,装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件614还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件616还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器604,上述指令可由装置600的处理器620执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当该存储介质中的指令由服务器的处理器执行时,使得服务器能够执行上述服务器的方法。
在示例性实施例中,还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述实施例一至实施例三中任意一个实施例的方法的步骤。
本公开还提供如下实施例:
实施例1、一种行驶轨迹偏移的检测方法,其中,包括:
获取目标车辆的当前行驶轨迹;
确定所述当前行驶轨迹对应的当前区域链,所述当前区域链由所述当前行驶轨迹中每个目标定位数据映射到的区域块按照所述当前行驶轨迹的行驶方向连接而成;
计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度;
根据各所述相似度确定当前行驶轨迹是否发生偏移。
实施例2、根据实施例1所述的方法,其中,所述计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度之前,还包括:
获取满足预设条件的多个历史行驶轨迹;
确定各所述历史行驶轨迹对应的候选区域链,所述候选区域链由历史行驶轨迹中每个历史定位数据映射到的区域块按照所述历史行驶轨迹的行驶方向连接而成;
从所述候选区域链中筛选出多个常用区域链;
根据多个常用区域链构建区域链频繁项集。
实施例3、根据实施例2所述的方法,其中,所述从所述候选区域链中筛选出多个常用区域链,包括:
根据所述候选区域链构建对应的有向无环图;
将所述有向无环图输入到深度优先搜索模型中,以通过所述深度优先搜索模型输出各候选区域链对应的第一概率值;
根据各所述第一概率值筛选出多个常用区域链。
实施例4、根据实施例3所述的方法,其中,所述根据所述候选区域链构建对应的有向无环图,包括:
根据所述候选区域链确定任意相邻两个区域块构成的点对的出现频次;
根据所述出现频次确定任意点对对应的第二概率值;
将各区域块作为节点,将点对的第二概率值作为节点之间边的权重值构建对应的有向无环图。
实施例5、根据实施例3所述的方法,其中,所述根据各所述第一概率值筛选出多个常用区域链,包括:
将各候选区域链按照所述第一概率值由大到小的顺序进行排序;
将排序在前预设个数的候选区域链确定为多个常用区域链,所述预设个数为大于1的数值。
实施例6、根据实施例5所述的方法,其中,所述将排序在前预设个数的候选区域链确定为多个常用区域链之后,还包括:
计算任意两个常用区域链之间的相似度;
若确定某两个常用区域链之间的相似度大于预设合并阈值,则将该两个常用区域链进行合并。
实施例7、根据实施例2所述的方法,其中,所述获取满足预设条件的多个历史行驶轨迹之后,还包括:
确定所述历史行驶轨迹的历史定位数据中的漂移定位数据;
对所述漂移定位数据进行平滑处理。
实施例8、根据实施例1-7任一项所述的方法,其中,所述计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度,包括:
根据当前区域链中的最新区域块确定至少一个常用区域链中对应的局部区域链;
根据Jacccard算法计算所述当前区域链与各局部区域链的相似度。
实施例9、根据实施例1-7任一项所述的方法,其中,所述根据各所述相似度确定当前行驶轨迹是否发生偏移,包括:
确定各相似度中的最大相似度;
将所述最大相似度与预设偏离相似度阈值进行对比;
若确定所述最大相似度小于预设偏离相似度阈值,则确定当前行驶轨迹发生偏移。
实施例10、根据实施例9所述的方法,其中,所述确定当前行驶轨迹发生偏移之后,还包括:
根据所述最大相似度确定偏移级别;
根据所述偏移级别向用户终端发送对应的偏移提醒信息。
实施例11、根据实施例10所述的方法,其中,所述根据所述最大相似度确定偏离级别,包括:
获取所述当前行驶轨迹对应的偏航次数;
根据所述最大相似度和所述偏航次数确定偏移级别。
实施例12、根据实施例10所述的方法,其中,所述获取目标车辆的当前行驶轨迹之前,还包括:
获取目标车辆当前定位数据对应的最新区域块;
若确定区域链频繁项集中不存在包括所述最新区域块的常用区域链,则确定所述当前行驶轨迹对应的偏移级别为轻微偏移级别。
实施例13、一种行驶轨迹偏移的检测装置,其中,包括:
获取模块,用于获取目标车辆的当前行驶轨迹;
确定模块,用于确定所述当前行驶轨迹对应的当前区域链,所述当前区域链由所述当前行驶轨迹中每个目标定位数据映射到的区域块按照所述当前行驶轨迹的行驶方向连接而成;
计算模块,用于计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度;
偏移判断模块,用于根据各所述相似度确定当前行驶轨迹是否发生偏移。
实施例14、根据实施例13所述的装置,其中,还包括:筛选模块和构建模块;
所述获取模块,还用于获取满足预设条件的多个历史行驶轨迹;
所述确定模块,还用于确定各所述历史行驶轨迹对应的候选区域链,所述候选区域链由历史行驶轨迹中每个历史定位数据映射到的区域块按照所述历史行驶轨迹的行驶方向连接而成;
所述筛选模块,用于从所述候选区域链中筛选出多个常用区域链;
所述构建模块,用于根据多个常用区域链构建区域链频繁项集。
实施例15、根据实施例14所述的装置,其中,所述筛选模块,具体用于:
根据所述候选区域链构建对应的有向无环图;将所述有向无环图输入到深度优先搜索模型中,以通过所述深度优先搜索模型输出各候选区域链对应的第一概率值;根据各所述第一概率值筛选出多个常用区域链。
实施例16、根据实施例15所述的装置,其中,所述筛选模块,在根据所述候选区域链构建对应的有向无环图时,具体用于:
根据所述候选区域链确定任意相邻两个区域块构成的点对的出现频次;
根据所述出现频次确定任意点对对应的第二概率值;将各区域块作为节点,将点对的第二概率值作为节点之间边的权重值构建对应的有向无环图。
实施例17、根据实施例15所述的装置,其中,所述筛选模块,在所述根据各所述第一概率值筛选出多个常用区域链时,具体用于:
将各候选区域链按照所述第一概率值由大到小的顺序进行排序;将排序在前预设个数的候选区域链确定为多个常用区域链,所述预设个数为大于1的数值。
实施例18、根据实施例17所述的装置,其中,还包括:
合并模块,用于计算任意两个常用区域链之间的相似度;若确定某两个常用区域链之间的相似度大于预设合并阈值,则将该两个常用区域链进行合并。
实施例19、根据实施例14所述的装置,其中,还包括:
平滑处理模块,用于确定所述历史行驶轨迹的历史定位数据中的漂移定位数据;对所述漂移定位数据进行平滑处理。
实施例20、根据实施例13-19任一项所述的装置,其中,所述计算模块,具体用于:
根据当前区域链中的最新区域块确定至少一个常用区域链中对应的局部区域链;根据Jacccard算法计算所述当前区域链与各局部区域链的相似度。
实施例21、根据实施例13-19任一项所述的装置,其中,所述偏移判断模块,具体用于:
确定各相似度中的最大相似度;将所述最大相似度与预设偏离相似度阈值进行对比;若确定所述最大相似度小于预设偏离相似度阈值,则确定当前行驶轨迹发生偏移。
实施例22、根据实施例21所述的装置,其中,还包括:发送模块;
所述确定模块,还用于根据所述最大相似度确定偏移级别;
所述发送模块,用于根据所述偏移级别向用户终端发送对应的偏移提醒信息。
实施例23、根据实施例22所述的装置,其中,所述确定模块,在根据所述最大相似度确定偏离级别时,具体用于:
获取所述当前行驶轨迹对应的偏航次数;根据所述最大相似度和所述偏航次数确定偏移级别。
实施例24、根据实施例22所述的装置,其中,所述获取模块,还用于获取目标车辆当前定位数据对应的最新区域块;
所述确定模块,还用于若确定区域链频繁项集中不存在包括所述最新区域块的常用区域链,则确定所述当前行驶轨迹对应的偏移级别为轻微偏移级别。
实施例25、一种服务器,其中,包括:存储器和处理器;
所述存储器用于存储程序指令;
所述处理器用于调用所述存储器中的程序指令执行如实施例1-12任一项所述的方法。
实施例26、一种计算机可读存储介质,其中,所述计算机可读存储介质上存储有计算机程序;所述计算机程序被执行时,实现如实施例1-12任一项所述的方法。
实施例27、一种计算机程序产品,包括计算机程序,其中,该计算机程序被处理器执行时实现实施例1-12任一项所述的方法的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开的实施例旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开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。本公开的范围仅由所附的权利要求书来限制。
Claims (25)
1.一种行驶轨迹偏移的检测方法,其特征在于,包括:
获取目标车辆的当前行驶轨迹;
确定所述当前行驶轨迹对应的当前区域链,所述当前区域链由所述当前行驶轨迹中每个目标定位数据映射到的区域块按照所述当前行驶轨迹的行驶方向连接而成;
计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度;
根据各所述相似度确定当前行驶轨迹是否发生偏移;
所述计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度,包括:
根据当前区域链中的最新区域块确定至少一个常用区域链中对应的局部区域链;
根据Jacccard算法计算所述当前区域链与各局部区域链的相似度。
2.根据权利要求1所述的方法,其特征在于,所述计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度之前,还包括:
获取满足预设条件的多个历史行驶轨迹;
确定各所述历史行驶轨迹对应的候选区域链,所述候选区域链由历史行驶轨迹中每个历史定位数据映射到的区域块按照所述历史行驶轨迹的行驶方向连接而成;
从所述候选区域链中筛选出多个常用区域链;
根据多个常用区域链构建区域链频繁项集。
3.根据权利要求2所述的方法,其特征在于,所述从所述候选区域链中筛选出多个常用区域链,包括:
根据所述候选区域链构建对应的有向无环图;
将所述有向无环图输入到深度优先搜索模型中,以通过所述深度优先搜索模型输出各候选区域链对应的第一概率值;
根据各所述第一概率值筛选出多个常用区域链。
4.根据权利要求3所述的方法,其特征在于,所述根据所述候选区域链构建对应的有向无环图,包括:
根据所述候选区域链确定任意相邻两个区域块构成的点对的出现频次;
根据所述出现频次确定任意点对对应的第二概率值;
将各区域块作为节点,将点对的第二概率值作为节点之间边的权重值构建对应的有向无环图。
5.根据权利要求3所述的方法,其特征在于,所述根据各所述第一概率值筛选出多个常用区域链,包括:
将各候选区域链按照所述第一概率值由大到小的顺序进行排序;
将排序在前预设个数的候选区域链确定为多个常用区域链,所述预设个数为大于1的数值。
6.根据权利要求5所述的方法,其特征在于,所述将排序在前预设个数的候选区域链确定为多个常用区域链之后,还包括:
计算任意两个常用区域链之间的相似度;
若确定某两个常用区域链之间的相似度大于预设合并阈值,则将该两个常用区域链进行合并。
7.根据权利要求2所述的方法,其特征在于,所述获取满足预设条件的多个历史行驶轨迹之后,还包括:
确定所述历史行驶轨迹的历史定位数据中的漂移定位数据;
对所述漂移定位数据进行平滑处理。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述根据各所述相似度确定当前行驶轨迹是否发生偏移,包括:
确定各相似度中的最大相似度;
将所述最大相似度与预设偏离相似度阈值进行对比;
若确定所述最大相似度小于预设偏离相似度阈值,则确定当前行驶轨迹发生偏移。
9.根据权利要求1所述的方法,其特征在于,所述确定当前行驶轨迹发生偏移之后,还包括:
根据最大相似度确定偏移级别;
根据所述偏移级别向用户终端发送对应的偏移提醒信息。
10.根据权利要求9所述的方法,其特征在于,所述根据所述最大相似度确定偏离级别,包括:
获取所述当前行驶轨迹对应的偏航次数;
根据所述最大相似度和所述偏航次数确定偏移级别。
11.根据权利要求9所述的方法,其特征在于,所述获取目标车辆的当前行驶轨迹之前,还包括:
获取目标车辆当前定位数据对应的最新区域块;
若确定区域链频繁项集中不存在包括所述最新区域块的常用区域链,则确定所述当前行驶轨迹对应的偏移级别为轻微偏移级别。
12.一种行驶轨迹偏移的检测装置,其特征在于,包括:
获取模块,用于获取目标车辆的当前行驶轨迹;
确定模块,用于确定所述当前行驶轨迹对应的当前区域链,所述当前区域链由所述当前行驶轨迹中每个目标定位数据映射到的区域块按照所述当前行驶轨迹的行驶方向连接而成;
计算模块,用于计算当前区域链与预先构建的区域链频繁项集中每个常用区域链的相似度;
偏移判断模块,用于根据各所述相似度确定当前行驶轨迹是否发生偏移;
所述计算模块,具体用于根据当前区域链中的最新区域块确定至少一个常用区域链中对应的局部区域链;根据Jacccard算法计算所述当前区域链与各局部区域链的相似度。
13.根据权利要求12所述的装置,其特征在于,还包括:筛选模块和构建模块;
所述获取模块,还用于获取满足预设条件的多个历史行驶轨迹;
所述确定模块,还用于确定各所述历史行驶轨迹对应的候选区域链,所述候选区域链由历史行驶轨迹中每个历史定位数据映射到的区域块按照所述历史行驶轨迹的行驶方向连接而成;
所述筛选模块,用于从所述候选区域链中筛选出多个常用区域链;
所述构建模块,用于根据多个常用区域链构建区域链频繁项集。
14.根据权利要求13所述的装置,其特征在于,所述筛选模块,具体用于:
根据所述候选区域链构建对应的有向无环图;将所述有向无环图输入到深度优先搜索模型中,以通过所述深度优先搜索模型输出各候选区域链对应的第一概率值;根据各所述第一概率值筛选出多个常用区域链。
15.根据权利要求14所述的装置,其特征在于,所述筛选模块,在根据所述候选区域链构建对应的有向无环图时,具体用于:
根据所述候选区域链确定任意相邻两个区域块构成的点对的出现频次;
根据所述出现频次确定任意点对对应的第二概率值;将各区域块作为节点,将点对的第二概率值作为节点之间边的权重值构建对应的有向无环图。
16.根据权利要求14所述的装置,其特征在于,所述筛选模块,在所述根据各所述第一概率值筛选出多个常用区域链时,具体用于:
将各候选区域链按照所述第一概率值由大到小的顺序进行排序;将排序在前预设个数的候选区域链确定为多个常用区域链,所述预设个数为大于1的数值。
17.根据权利要求16所述的装置,其特征在于,还包括:
合并模块,用于计算任意两个常用区域链之间的相似度;若确定某两个常用区域链之间的相似度大于预设合并阈值,则将该两个常用区域链进行合并。
18.根据权利要求13所述的装置,其特征在于,还包括:
平滑处理模块,用于确定所述历史行驶轨迹的历史定位数据中的漂移定位数据;对所述漂移定位数据进行平滑处理。
19.根据权利要求12-18任一项所述的装置,其特征在于,所述偏移判断模块,具体用于:
确定各相似度中的最大相似度;将所述最大相似度与预设偏离相似度阈值进行对比;若确定所述最大相似度小于预设偏离相似度阈值,则确定当前行驶轨迹发生偏移。
20.根据权利要求19所述的装置,其特征在于,还包括:发送模块;
所述确定模块,还用于根据所述最大相似度确定偏移级别;
所述发送模块,用于根据所述偏移级别向用户终端发送对应的偏移提醒信息。
21.根据权利要求20所述的装置,其特征在于,所述确定模块,在根据所述最大相似度确定偏离级别时,具体用于:
获取所述当前行驶轨迹对应的偏航次数;根据所述最大相似度和所述偏航次数确定偏移级别。
22.根据权利要求20所述的装置,其特征在于,所述获取模块,还用于获取目标车辆当前定位数据对应的最新区域块;
所述确定模块,还用于若确定区域链频繁项集中不存在包括所述最新区域块的常用区域链,则确定所述当前行驶轨迹对应的偏移级别为轻微偏移级别。
23.一种服务器,其特征在于,包括:存储器和处理器;
所述存储器用于存储程序指令;所述处理器用于调用所述存储器中的程序指令执行如权利要求1-11任一项所述的方法。
24.一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上存储有计算机程序;所述计算机程序被执行时,实现如权利要求1-11任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-11任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110192840.2A CN112985440B (zh) | 2021-02-20 | 2021-02-20 | 行驶轨迹偏移的检测方法、装置、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110192840.2A CN112985440B (zh) | 2021-02-20 | 2021-02-20 | 行驶轨迹偏移的检测方法、装置、存储介质及程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112985440A CN112985440A (zh) | 2021-06-18 |
CN112985440B true CN112985440B (zh) | 2024-02-23 |
Family
ID=76394253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110192840.2A Active CN112985440B (zh) | 2021-02-20 | 2021-02-20 | 行驶轨迹偏移的检测方法、装置、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112985440B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673403B (zh) * | 2021-08-12 | 2022-10-11 | 深圳普捷利科技有限公司 | 行驶环境检测方法、系统、装置、计算机设备、计算机可读存储介质及汽车 |
CN113847925A (zh) * | 2021-09-15 | 2021-12-28 | 北京中交兴路车联网科技有限公司 | 基于轨迹数据检测车辆偏航的方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011103115A (ja) * | 2009-10-16 | 2011-05-26 | Denso Corp | 車載ナビゲーション装置 |
CN107507294A (zh) * | 2017-08-31 | 2017-12-22 | 深圳市元征科技股份有限公司 | 行车轨迹监控方法及终端设备 |
CN109697221A (zh) * | 2018-11-22 | 2019-04-30 | 东软集团股份有限公司 | 轨迹规律的挖掘方法、装置、存储介质及电子设备 |
CN110570456A (zh) * | 2019-07-26 | 2019-12-13 | 南京理工大学 | 基于yolo目标检测算法和光流追踪算法融合的机动车轨迹提取方法 |
CN110609881A (zh) * | 2019-08-28 | 2019-12-24 | 中山大学 | 车辆轨迹偏离检测方法、系统和存储介质 |
CN111553849A (zh) * | 2020-03-28 | 2020-08-18 | 中国人民解放军战略支援部队信息工程大学 | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 |
CN111598923A (zh) * | 2020-05-08 | 2020-08-28 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、装置、计算机设备及存储介质 |
-
2021
- 2021-02-20 CN CN202110192840.2A patent/CN112985440B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011103115A (ja) * | 2009-10-16 | 2011-05-26 | Denso Corp | 車載ナビゲーション装置 |
CN107507294A (zh) * | 2017-08-31 | 2017-12-22 | 深圳市元征科技股份有限公司 | 行车轨迹监控方法及终端设备 |
CN109697221A (zh) * | 2018-11-22 | 2019-04-30 | 东软集团股份有限公司 | 轨迹规律的挖掘方法、装置、存储介质及电子设备 |
CN110570456A (zh) * | 2019-07-26 | 2019-12-13 | 南京理工大学 | 基于yolo目标检测算法和光流追踪算法融合的机动车轨迹提取方法 |
CN110609881A (zh) * | 2019-08-28 | 2019-12-24 | 中山大学 | 车辆轨迹偏离检测方法、系统和存储介质 |
CN111553849A (zh) * | 2020-03-28 | 2020-08-18 | 中国人民解放军战略支援部队信息工程大学 | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 |
CN111598923A (zh) * | 2020-05-08 | 2020-08-28 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112985440A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2634365C2 (ru) | Способ и устройство для обработки информации о дорожном движении | |
US10663305B2 (en) | Map matched aggregation for K-anonymity in trajectory data | |
Hashemi et al. | A weight-based map-matching algorithm for vehicle navigation in complex urban networks | |
Hashemi et al. | A critical review of real-time map-matching algorithms: Current issues and future directions | |
US20200082561A1 (en) | Mapping objects detected in images to geographic positions | |
US20180306600A1 (en) | Method and apparatus for providing point of interest information | |
US10731995B2 (en) | Generating a road network from location data | |
US20200173788A1 (en) | Correcting location information using map data | |
CN112985440B (zh) | 行驶轨迹偏移的检测方法、装置、存储介质及程序产品 | |
WO2017113706A1 (zh) | 一种个性化导航的方法及系统 | |
CN111882907B (zh) | 交通工具的导航预警方法、装置、设备和存储介质 | |
US20150168161A1 (en) | Method and system for finding paths using gps tracks | |
Li et al. | Robust inferences of travel paths from GPS trajectories | |
US20210144526A1 (en) | Method, apparatus, and system for detecting joint motion | |
US20220338014A1 (en) | Trustworthiness evaluation for gnss-based location estimates | |
US8918282B1 (en) | Turn restriction determination | |
US20200035097A1 (en) | Parking lot information management system, parking lot guidance system, parking lot information management program, and parking lot guidance program | |
EP4002763A1 (en) | Method, apparatus, and computer program product for identifying privacy risks in datasets | |
US20240096211A1 (en) | Processing apparatus and method for generating route navigation data | |
CN112381078B (zh) | 基于高架的道路识别方法、装置、计算机设备和存储介质 | |
CN114234991A (zh) | 导航路径规划方法、装置、计算机设备和存储介质 | |
CN116698075B (zh) | 路网数据处理方法、装置、电子设备及存储介质 | |
Yilmaz et al. | Cloud-assisted mobile crowd sensing for route and congestion monitoring | |
JP2018132595A (ja) | エリア抽出システムおよびエリア抽出方法 | |
Van Dijk et al. | Post-processing GPS-tracks in reconstructing travelled routes in a GIS-environment: Network subset selection and attribute adjustment |
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 |