CN113176599A - 地理位置确定方法、装置、设备及存储介质 - Google Patents
地理位置确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113176599A CN113176599A CN202110550300.7A CN202110550300A CN113176599A CN 113176599 A CN113176599 A CN 113176599A CN 202110550300 A CN202110550300 A CN 202110550300A CN 113176599 A CN113176599 A CN 113176599A
- Authority
- CN
- China
- Prior art keywords
- candidate
- grid
- coordinate
- determining
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000014759 maintenance of location Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 39
- 230000008569 process Effects 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 239000002609 medium Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G01S19/42—Determining position
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开了地理位置确定方法、装置、设备及存储介质，该方法包括：根据目标车辆对应的行驶轨迹数据确定候选网格以及候选网格中包含的候选坐标点；对候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格；根据目标网格确定目标地理位置。通过采用上述技术方案得到的网格边界，并对网格边界所形成的网格内的坐标点进行分析可确定目标地理位置。该方法实现对用户常去地理位置的快速判定，同时将现有技术中复杂的经纬度距离计算转换为坐标值相关的简单逻辑计算，可以达到简化计算过程，方便对海量数据进行分析的技术效果。
Description
技术领域
本发明实施例涉及计算机技术领域，尤其涉及地理位置确定方法、装置、设备及存储介质。
背景技术
从海量车辆全球定位系统(Global Positioning System，简称GPS)的轨迹数据中准确识别、提取用户的常去地理位置，挖掘数据潜在价值，以实现个性化服务用户，已经成为发展趋势。
现有技术中研究客户的常去地理位置是通过计算GPS坐标点两两之间的空间距离，然后比较距离大小的方式获得的。但是，现有方法中经纬度距离计算相对复杂，需耗费大量计算资源，效率低，无法支持大量数据下位置的识别。
发明内容
本发明实施例提供了地理位置确定方法、装置、设备及存储介质，可以优化现有的地理位置确定方案。
第一方面，本发明实施例提供了一种地理位置确定方法，包括：根据目标车辆对应的行驶轨迹数据确定候选网格以及所述候选网格中包含的候选坐标点，其中，所述行驶轨迹数据中包含多个以经纬度坐标表示的坐标点，所述候选网格的中心点包括所述行驶轨迹数据中的坐标点，所述候选网格的边界根据对应的中心点和经纬度增量阈值确定，所述候选坐标点为所述行驶轨迹数据中的坐标点；
对所述候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格；
根据所述目标网格确定目标地理位置。
第二方面，本发明实施例提供了一种地理位置确定装置，包括：候选网格确定模块、目标网确定模块和目标地理位置确定模块；
其中，所述候选网格确定模块，用于根据目标车辆对应的行驶轨迹数据确定候选网格以及所述候选网格中包含的候选坐标点，其中，所述行驶轨迹数据中包含多个以经纬度坐标表示的坐标点，所述候选网格的中心点包括所述行驶轨迹数据中的坐标点，所述候选网格的边界根据对应的中心点和经纬度增量阈值确定，所述候选坐标点为所述行驶轨迹数据中的坐标点；
所述目标网确定模块，用于对所述候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格；
所述目标地理位置确定模块，用于根据所述目标网格确定目标地理位置。
第三方面，本发明实施例提供了一种地理位置确定设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例提供的地理位置确定方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例提供的地理位置确定方法。
本发明实施例中提供的地理位置确定方法、装置、设备及存储介质，首先根据目标车辆对应的行驶轨迹数据确定候选网格以及候选网格中包含的候选坐标点，其中，行驶轨迹数据中包含多个以经纬度坐标表示的坐标点，候选网格的中心点包括行驶轨迹数据的坐标点，候选网格的边界根据对应的中心点和经纬度增量阈值确定，候选坐标点为行驶轨迹数据的坐标点。然后对候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格，最后根据目标网格确定目标地理位置。通过采用上述技术方案，将散乱无规律的大量行驶数据转换为坐标点，以候选网格的中心点为中心，使用经纬度增量阈值对大量坐标点进行网格形式划分，可得到网格边界，进一步对网格边界所形成的网格内的坐标点进行分析可确定目标地理位置。该方法实现对用户常去地理位置的快速判定，同时将现有技术中复杂的经纬度距离计算转换为坐标值相关的简单逻辑计算，可以达到简化计算过程，方便对海量数据进行分析的技术效果。
附图说明
图1为本发明实施例提供的一种地理位置确定方法的流程示意图；
图2为本发明实施例提供的又一种地理位置确定方法示意图；
图3为本发明实施例提供的另一种地理位置确定方法的流程示意图；
图4为本发明实施例提供的另一种地理位置确定方法的流程示意图；
图5为本发明实施例提供的一种地理位置确定装置的结构框图；
图6为本发明实施例提供的一种地理位置确定设备的结构框图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
随着车辆智能化和网联化的发展，大量用户车辆使用数据上传到云端，通过数据分析用户行为进而产生价值已成为发展趋势，基于用户数据的分析结果具有准确、高效、成本低等特点。利用用户行驶车辆的GPS轨迹数据识别用户常去地理位置，基于数据分析用户行为，为用户提供更精准的服务。但大量用户行驶轨迹数据具有海量、随机、无序等特点，对识别能力和计算效率提出更高要求。
现有识别用户常去地理位置的技术方案，首先计算GPS坐标点两两之间空间距离，然后通过比较距离大小的方式获得常去地理位置，但此方法中经纬度距离计算相对复杂，需耗费大量计算资源，效率低，无法支持大量数据的地理位置的识别。
因此，为改进现有技术缺点，本申请提供一种地理位置确定方法，通过确定网格的中心点及经纬度增量阈值的的方式，得到网格边界，将复杂的经纬度距离计算转换为坐标值相关的简单逻辑计算，实现快速高效的识别地理位置。
实施例一
图1为本发明实施例提供的一种地理位置确定方法的流程示意图，该方法可以由地理位置确定装置执行，其中该装置可由软件和/或硬件实现，一般可集成在地理位置确定设备中。其中，地理位置确定设备可以是计算机设备；地理位置确定设备也可以是车辆本身，也即地理位置确定装置可以集成在车辆中。
如图1所示，该方法包括：
S101、根据目标车辆对应的行驶轨迹数据确定候选网格以及候选网格中包含的候选坐标点。
其中，所述目标车辆表示装载有全球定位系统(Global Positioning System，简称GPS)的一辆或多辆车辆，该系统具有精准定时、导航以及定位等特点，可以实现每辆车辆目的地的精准定位。因此，目标车辆每去一个目的地便形成车辆对应的轨迹数据点，当目标车辆去往的目的地足够多时，便形成对应的行驶轨迹数据。
所述行驶轨迹数据中包含多个以经纬度坐标表示的坐标点，相应地，所述行驶轨迹数据可以是一辆或多辆车的行驶轨迹数据。GPS定位结果中的数据包含经纬度坐标，可以从GPS定位结果中筛选出需要参与计算的经纬度坐标数据，得到行驶轨迹数据。
所述候选网格的中心点包括所述行驶轨迹数据中的坐标点，该候选网格的中心点为行驶轨迹数据中的多个坐标点的其中一个，可以任意选择一个坐标点作为候选网格的中心点。在确定好候选网格的中心点后，需要确定候选网格的边界，所述候选网格的边界根据对应的中心点和经纬度增量阈值确定。
上述经纬度增量阈值确定方式一般为人为设定的，需从轨迹数据的密度和识别精度两个维度考虑经纬度增量阈值的大小。若轨迹数据较为密集，且识别要求精准，则经纬度增量阈值一般设置较小，反之，则设置较大。本实施例中确定经纬度增量阈值的设置方法及具体大小，在此不作限制。
一般地，为满足轨迹数据的密度和识别精度，经纬度增量阈值在取值时，研发人员根据研究经验一般取最小增量值作为经纬度增量阈值。将候选网格的中心点的经度坐标加上最小增量值，可得到最大经度边界，候选网格的中心点的经度坐标减去最小增量值，对应得到最小经度边界。同理，可得到最大纬度边界和最小纬度边界。从而得到以候选网格为中心点，以最小增量值为边界的候选网格。
所述候选坐标点为所述行驶轨迹数据中的坐标点，则每一个行驶轨迹数据中的坐标点都有作为候选坐标点的可能，具体行驶轨迹数据中的哪些坐标点可以作为候选坐标点需继续判断，本发明实施例提供的地理位置确定方法，将落在候选网格中的坐标点作为候选坐标点。
如前文所述，现有技术中需要计算GPS坐标点两两之间空间距离，也即，根据坐标点A的经纬度坐标值和坐标点B的经纬度坐标值计算A和B之间的空间距离，一种计算方式可以通过如下表达式实现：
D＝arc cos((sin北纬A×sin北纬B)+(cos北纬A×cos北纬B×cosAB两地经度差))×地球平均半径(Shormin)；
其中，地球平均半径为6371.004km，D表示A和B之间的空间距离，单位为km。
可见，上述计算方式非常复杂，当行驶轨迹数据中的坐标点数量较多时，计算量非常大，不仅耗费计算资源，而且效率低下。
本发明实施例中，不需要进行空间距离上的判定，可以直接根据行驶轨迹数据中各坐标点的经度值和/或纬度值确定坐标点是否落入候选网格对应的经纬度值边界中，进而确定不同坐标点之间距离远近程度，也即相当于通过网格边界的方式，将复杂的经纬度距离计算转换为坐标值相关的简单逻辑计算，可以降低计算量，节省计算资源，提高计算效率。
S102、对候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格。
对候选网格内的候选坐标进行分析的分析方法可以为：根据预设方法计算每个候选网格中包含的候选坐标的密集程度，若密集程度大于预设阈值，则将大于预设阈值的候选网格确定为目标网格。也可对候选网格中候选坐标的数量进行分析，若候选坐标数量大于一定数值，则可将大于一定数值的候选网格确定为目标网格。进一步地，还可对得到的候选网格中候选坐标数量的多少进行降序排列，将排列顺序靠前的候选网格作为目标网格等。其中，目标网格也可称为热点网格，可以理解为用户常去的热点区域。
S103、根据目标网格确定目标地理位置。
根据S102不同方式得到目标网格后，对目标网格中的坐标点进一步分析，并根据分析结果得到对应目标地理位置。其中，目标地理位置也可称为热点位置，可以理解为用户的常去热点。
根据目标网格确定目标地理位置的方式可以为：将目标网格中心点所在的位置确定为目标地理位置。也可以为，对目标网格中候选坐标点分布较为密集的坐标点计算经纬度平均值，最终获得的坐标点在GPS轨迹数据图中所对应的位置为目标位置。还可以为，对目标网格中包含的所有坐标点计算经纬度平均值，最终获得的坐标点在GPS轨迹数据图中所对应的位置为目标位置。
示例性的，本实施例提供的目标车辆为一辆或多辆时，根据目标网格确定到的目标地理位置，具有不同的研究意义。例如，当目标车辆为一辆时，将车辆用户的轨迹数据进行位置划分，如：家庭地址、公司地址、健身房地址等，若家庭地址和公司地址被确定为目标地理位置，则当用户驾驶车辆进行导航前，排列在导航历史选择地址栏则优先为家庭住址和公司地址，可帮助用户实现快速选择，无需在历史搜索栏里进行目的地址的寻找，节省时间，从车辆用户的角度可以实现地理位置的精准推荐。
另一方面，当目标车辆为多辆时，从大数据角度，可以判断多辆车辆的聚集地，进而根据聚集地点功能的不同，为用户实现目标功能地理位置的推荐。例如：经判断城市内某一公园的被确定为目标地理位置，则表明在同类型公园中，该公园较受大众欢迎，因此，当用户搜索“公园”关键词时，则优先推荐该被确定为目标地理位置的公园，以帮助用户实现精准推荐。
当然，在得到目标地理位置之后，还可以存在其他相关应用方式，上述仅作为举例说明，本发明实施例并不做限定。
本发明实施例中提供的地理位置确定方法，首先根据目标车辆对应的行驶轨迹数据确定候选网格以及候选网格中包含的候选坐标点，其中，行驶轨迹数据中包含多个以经纬度坐标表示的坐标点，候选网格的中心点包括行驶轨迹数据的坐标点，候选网格的边界根据对应的中心点和经纬度增量阈值确定，候选坐标点为行驶轨迹数据的坐标点。然后对候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格，最后根据目标网格确定目标地理位置。通过采用上述技术方案，将散乱无规律的大量行驶数据转换为坐标点，以候选网格的中心点为中心，使用经纬度增量阈值对大量坐标点进行网格形式划分，可得到网格边界，进一步对网格边界所形成的网格内的坐标点进行分析可确定目标地理位置。该方法实现对用户常去地理位置的快速判定，同时将现有技术中复杂的经纬度距离计算转换为坐标值相关的简单逻辑计算，可以达到简化计算过程，方便对海量数据进行分析的技术效果。
本发明实施例一还提供一种优化方案，在上述实施例的基础上本发明实施例提供的地理位置确定方法，还包括：获取第一预设距离阈值和第二预设距离阈值；将第一预设距离阈值转换为经纬度坐标对应的经度增量阈值，以及将第二预设距离阈值转换为经纬度坐标对应的纬度增量阈值，得到经纬度增量阈值。
其中，将第一预设距离阈值转换为经度增量阈值的具体方式不做限定。1°经度差对应的东西方向的距离是与其纬度有密切关系的，赤道上经度相差1°对应的弧长大约是111千米，例如纬度为20°时，1°经度差对应的东西距离是104公里。同理，将第二预设距离阈值转换为纬度增量阈值的具体方式也不做限定。在进行转换时，可以考虑中心点的经纬度坐标，进而选择相应的转换方法进行转换。可选的，可以预先针对目标车辆的行驶范围(如某个地区、某个城市、某个省份或某个国家等，具体根据实际情况设置)的设定数量的经纬度坐标点计算相应的经度增量阈值和纬度增量阈值，得到经纬度坐标点和经纬度增量阈值的对应关系表，在确定候选网格的中心点后，通过查询该对应关系表直接选择相应的经度增量阈值和纬度增量阈值，进而确定候选网格的边界。可选的，若行驶轨迹数据中的各坐标点的经纬度跨度较小的情况下，经纬度对上述转换方式的影响也可以忽略不计。
所述第一预设距离阈值与第二预设距离阈值可以是人为设定的。因此，为满足轨迹数据的密度和识别精度，将第一预设距离阈值设置为第一最小预设距离阈值，将第二预设距离阈值设置为第二最小预设距离阈值，则对应在经纬度坐标中，用确定好的候选网格的中心点作为网格中心，根据经度增量阈值和纬度增量阈值确定候选网格的边界。示例性的，在得到经度增量阈值和经纬度增量阈值之后，还包括：在候选网格的中心点的经度坐标加上经度增量阈值，可得到最大经度边界，候选网格的中心点的经度坐标减去经度增量阈值，对应得到最小经度边界。同理，可得到最大纬度边界和最小纬度边界，也即，使用候选网格的中心点的纬度坐标加上纬度增量阈值，可得到最大纬度边界，候选网格的中心点的纬度坐标减去纬度增量阈值，对应得到最小纬度边界。从而得到以候选网格的中心点，以第一最小距离阈值为经度边界，以第二最小阈值为纬度边界的候选网格。
可选地，根据实际精度需求不同，所述第一预设距离阈值可与第二预设阈值相等，此时所得的确定候选网格为正方形网格。
进一步地，请参照图2，图2为本发明实施例提供的又一种地理位置确定方法示意图。图2表示，以图中五角星为网格中心点时，以y作为第一预设距离阈值对应经度增量阈值，将x作为第二预设距离阈值对应的纬度增量阈值，得到的候选网格边界图。
例如，图中五角星为网格中心点时的坐标点为(a,b)，分别以y作为第一预设距离阈值对应经度增量阈值，以x作为第二预设距离阈值得到对应的纬度增量阈值，得到的以A、B、C、D坐标点所在直线为网格边界的网格图。进一步可得，A点坐标为(a-x,b+y)、B点的坐标为(a+x、b+y)、C点的坐标为(a-x、b-y)、D点的坐标为(a+x、b-y)。
根据得到候选网格边界坐标点所对应的经度值和/或纬度值与行驶轨迹数据中的其余坐标点的经纬度坐标值比较，判断其余坐标点是否落在候选网格内。
本实施例一提供的地理位置确定方法，根据实际判定情况，确定经纬度坐标中所对应的经度增量阈值和纬度增量阈值，该经度增量阈值和纬度增量阈值可决定落在候选网格内的坐标点的数量，同时可根据输入轨迹数据和算力情况，对阈值进行调整，具有良好的适应性和通用性。
实施例二
图3为本发明实施例提供的又一种地理位置确定方法的流程示意图，图4为本发明实施例提供的又一种地理位置确定方法的流程示意图。本实施例在上述实施例为基础进行优化，在本实施例二中，还优化了包括根据目标车辆对应的行驶轨迹数据确定候选网格以及所述候选网格中包含的候选坐标点的实现步骤：按照预设顺序依次将目标车辆对应的行驶轨迹数据中的第一坐标点确定为当前中心点；根据当前中心点和对应的经纬度增量阈值确定当前候选网格；对于当前候选网格对应的每个第二坐标点，依次判断当前第二坐标点是否处于当前候选网格内，若是，则将当前第二坐标点的所属网格标注为当前候选网格。
同时，本实施例二进一步对候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格优化为：分别统计各候选网格中包含的候选坐标点的数量；将所包含的候选坐标点的数量超过预设数量阈值的候选网格确定为目标网格。
此外，本实施例二还进一步对根据目标网格确定目标地理位置进行了优化：计算目标网格中包含的所有候选坐标点的平均坐标值，根据平均坐标值确定目标地理位置。
如图3所示，图4所示，图4表示本实施例二从获取的用户行驶轨迹数据得到地理位置判断的完整流程示意图，其中，图中m表示网络标注类别，N表示网格内形式轨迹数据点数量，N0表示预设判定数量阈值。
本实施例二提供一种地理位置确定方法，具体的，该方法包括如下步骤：
S201、按照预设顺序依次将目标车辆对应的行驶轨迹数据中的第一坐标点确定为当前中心点。
所述预设顺序可以表示在行驶轨迹数据坐标点中按照行驶时间顺序产生的第一个坐标点作为首个当前中心点。也可以为将分散在行驶轨迹数据对应的经纬度坐标系中的坐标点按照逐行逐列的方式产生的第一个坐标点作为首个当前中心点。
示例性的，若以行驶时间顺序确定当前中心点，依次将目标车辆的时间序列中的各时间点对应的行驶轨迹数据中的第一坐标点确定为当前中心点。
示例性的，由于轨迹数据为散落在经纬度坐标系中的大量无规律的点，为确保坐标系中的每个坐标点都能进行有效分析，可以轨迹数据对应的经纬度坐标系中的坐标点所在行和列确定当前中心点，可先从第一行第一列开始遍历第一行，再进行后续的逐行遍历，依遍历顺序确定当前中心点。
其中，所述第一坐标点包括所述行驶轨迹数据中当前未标注所属候选网格的坐标点。第一坐标点的选择方式为行驶轨迹数据中，目前未落入已确定的候选网格中的坐标点。
S202、根据当前中心点和对应的经纬度增量阈值确定当前候选网格。
需要知道的是，本实施例提供的地理位置确定方法会依次选择多个未被选定的轨迹数据中的坐标点作为中心点，因此，根据不同的中心点及经纬度增量阈值可得到多个候选网格。
需要说明的是，若当前中心点与经纬度增量阈值形成当前候选网格后，重新选择新的中心点与经纬度增量阈值形成另一个候选网格，这两个候选网格可能会存在重叠的情况，即当前候选网格与另一个候选网格会存在包含同样坐标点的情况。因此，本实施例提供的地理位置确定方法，对于已经分析过的坐标点将不会参与后续网格的分析计算，一直到所有坐标均被分析完成为止。
S203、对于当前候选网格对应的每个第二坐标点，依次判断当前第二坐标点是否处于当前候选网格内，若是，则将当前第二坐标点的所属网格标注为当前候选网格。
其中，第二坐标点包括行驶轨迹数据中当前未标注所属候选网格的坐标点。每个候选网格对应的需要进行判定的坐标点有多个，即多个坐标点均可作为第二坐标点，该多个坐标点可以是行驶轨迹数据中的全部或部分当前未标注所属候选网格的坐标点。经判断，若当前第二坐标点处于候选网格内，则将当前第二坐标点做为包含于当前候选网格的候选坐标点，并将候选坐标点所属网格标注为当前候选网格。
上述将候选坐标点所属网格标注为当前候选网格，同时也会对候选坐标点进行同类型标注，表示该候选坐标点已经被分析，若遇到另一个候选网格与当前候选网格重叠的情况，即包含已经被分析过的候选坐标点，后面产生的候选网格将不会在此对该候选坐标点进行分析。例如，经判断，将落在当前候选网格内的坐标点均标注为“m”，可表示第m类网格。标注完成后，再选择新的中心点，新的中心点与经纬度增量阈值可形成新的候选网格，对落在新的候选网格内的坐标点进行同一类标注，例如，将落在新的候选网格内的坐标点均标注为“m+1”，可表示第m+1类网格等，依此类推。
本发明实施例二还提供一种优选方案，判断当前第二坐标点是否处于当前候选网格内，包括：若当前第二坐标点的经度坐标处于当前候选网格的最小经度边界值和最大经度边界值之间，且当前第二坐标点的纬度坐标处于当前候选网格的最小纬度边界值和最大纬度边界值之间，则确定当前第二坐标点处于当前候选网格内。
若第二坐标点的经纬度坐标值同时满足上述条件，即确定当前第二坐标点处于候选网格内，则对第二坐标点所在的候选网格进行类型标注，表示对该坐标点已经进行分析。
若仅满足上述任一条件，即当前第二坐标点的经度坐标不处于当前候选网格的最小经度边界值和最大经度边界值之间，或当前第二坐标点的纬度坐标不处于当前候选网格的最小纬度边界值和最大纬度边界值之间，则确定当前第二坐标点不处于候选网格内，则放弃对当前第二坐标点的分析，不对当前第二坐标点作标注。本实施例提供的地理位置确定方法，从经度和纬度两个方向方向判别坐标点是否在候选网格内，其中一个方向不满足判定条件即可终止对当前坐标点判断，节省判断时间，计算效率高。
若第二坐标点不在候选网格内，终止对该坐标点的判断，重新选取新的第二坐标点，判断新的第二坐标点是否在当前候选网格内。
进一步地，判断第二坐标点所在的候选网格内其余坐标点是否完成判定，若完成判定，则当前网格判定结束，若未判定完成，则重新执行S203。
需要说明的是，第二坐标点可以是行驶轨迹数据中的部分当前未标注所属候选网格的坐标点。若按照轨迹数据对应的经纬度坐标系中的坐标点所在行和列依次确定第二坐标点，则可以根据各第二坐标点的判定结果动态调整需要被确定为第二坐标点的数量。例如，若当前第二坐标点的纬度坐标值已大于最大维度边界对应的纬度坐标值，则按照逐行逐列的遍历方式，与当前第二坐标点处于同一行的下一个坐标点也不会落入当前候选网格，则该行的剩余坐标点可以不作为第二坐标点进行后续的判定，以节省运算量，加快运算速度。
优选地，确定当前第二坐标点处于当前候选网格内，包括：确定当前第二坐标点对应的累计停留时间；若所述累计停留时间达到预设停留时间阈值，则确定当前第二坐标点处于当前候选网格内。
若累计停留时间t达到预设停留时间阈值t0，则确定当前第二坐标点处于当前候选网格内。若累计停留时间t小于预设停留时间阈值t0，则确定当前第二坐标点对于研究用户常去地理位置不具备价值信息，因此，即使当前第二坐标点位置落在候选网格内，但不对当前第二坐标点进行分析，减少运算量。
示例性的，行驶轨迹数据中还可以包括各坐标点对应的停留时间或累计停留时间，若包括停留时间，则需要进行累计停留时间的计算，若包括累计停留时间，则可直接从行驶轨迹数据中进行读取，进行后续的判定。
示例性的，当目标车辆为一辆车时，针对当前坐标点，计算该目标车辆在统计周期(例如，一周或一个月，也即行驶轨迹数据对应的采集周期)内在当前坐标点所停留的时间之和，若停留的时间之和大于预设停留时间阈值，则确定当前坐标点处于当前候选网格内。
相应地，当目标车辆为多辆车时，针对当前坐标点，计算多车辆在统计周期(例如，一周或一个月)内在当前坐标点的停留时间之和，若多辆车在当前坐标点停留的时间之和大于预设停留时间阈值，则确定当前地理位置处于当前候选网格内。
进一步地，在设置预设停留时间阈值t0时，面对不同类型地理位置，则预设停留时间阈值t0也不相同，具体t0的设置时长在此不作限制。
更进一步地，还需判断行驶轨迹坐标中有研究意义的所有坐标点是否全部完成标注，若完成则执行S204。若还有坐标点未被标注，则重新执行S201。
需要说明的是，本发明实施例提供的地理位置确定方法，判别候选坐标点与候选网格的方式为：链式判别计算与标注，即，在得到网格边界后，通过比较坐标值大小的方式，判断落在网格内的GPS点，判定标准为当候选坐标点的经度和纬度坐标同时在网格边界内，则判定为当前候选坐标点在网格区域内，并对当前网格内的坐标点作同一类别标注，但不同网格内的坐标点标注值不同。当所有数据判定后则该网格判定结束，以此方式在GPS轨迹数据中展开链式计算，不断将第一个未标注的坐标确定为新的中心坐标，已标注坐标将不会参与到后续判定计算，直到所有数据完成标注为止。
S204、分别统计各候选网格中包含的候选坐标点的数量。
对每个候选网格中标注的坐标点进行数量统计，以明确每个候选网格中包含的候选坐标点的个数。
S205、将所包含的候选坐标点的数量超过预设数量阈值的候选网格确定为目标网格。
经统计，每个候选网格中的候选坐标点均有一定的数目，若将落在候选网格中的候选坐标点记为数量N，若数量大于或等于预设数量阈值N0，则可将该候选网格确定为目标网格，若数量小于预设数量阈值N0，则不对数量小于预设数量阈值N0的候选网格进行分析。
S206、计算目标网格中包含的所有候选坐标点的平均坐标值，根据平均坐标值确定目标地理位置。
经过S205得到目标网格后，计算每个目标网格中包含的所有候选坐标点的平均坐标值。分别计算经度平均坐标，纬度平均坐标，GPS轨迹数据图中所对应的位置为目标位置。
本发明实施例二提供的地理位置确定方法，通过网络中心点及经纬度增量阈值确定当前候选网格，通过对任一坐标点与当前候选网格边界坐标点大小进行比较，判断该坐标点是否落在候选网格内并进行标注，且已经标注的坐标点进步会参与到后续网格的划分计算中，对具有研究意义的所有坐标点完成标注后，统计每个当前候选网格中存在的候选坐标点，若候选坐标点超过一定阈值，则将候选网格确定为目标网格，进一步将所有目标网格中的经纬度坐标点各自求坐标平均值，便可得到几个地理位置坐标，则该地理位置坐标即为用户的常去地理位置。本实施例提供的地理位置确定方法，通过网格边界的方式，将复杂的经纬度距离计算转换为比较坐标值大小的简单逻辑计算，降低计算复杂度。进一步地，通过分别从经度和纬度两个方向判别坐标点是否落在候选网格内，若一个方向不满足条件则可终止判断，提升计算效率。另一方面，根据数据质量和识别经度的需要，可任意调整经纬度距离阈值和数量阈值，以适应不同的应用和算力场景。
实施例三
图5为本发明实施例提供的一种地理位置确定装置的结构框图，该装置可由软件和/或硬件实现，一般可集成在地理位置确定设备中，可通过执行地理位置确定方法来进行地理位置确定。如图5所示，该装置包括：候选网格确定模块51、目标网格确定模块52和目标地理位置确定模块53。
其中，所述候选网格确定模块51，用于根据目标车辆对应的行驶轨迹数据确定候选网格以及所述候选网格中包含的候选坐标点，其中，所述行驶轨迹数据中包含多个以经纬度坐标表示的坐标点，所述候选网格的中心点包括所述行驶轨迹数据中的坐标点，所述候选网格的边界根据对应的中心点和经纬度增量阈值确定，所述候选坐标点为所述行驶轨迹数据中的坐标点；
所述目标网确定模块52，用于对所述候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格；
所述目标地理位置确定模块53，用于根据所述目标网格确定目标地理位置。
本发明实施例中提供的地理位置确定装置，，首先根据目标车辆对应的行驶轨迹数据确定候选网格以及候选网格中包含的候选坐标点，其中，行驶轨迹数据中包含多个以经纬度坐标表示的坐标点，候选网格的中心点包括行驶轨迹数据的坐标点，候选网格的边界根据对应的中心点和经纬度增量阈值确定，候选坐标点为行驶轨迹数据的坐标点。然后对候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格，最后根据目标网格确定目标地理位置。通过采用上述技术方案，将散乱无规律的大量行驶数据转换为坐标点，以候选网格的中心点为中心，使用经纬度增量阈值对大量坐标点进行网格形式划分，可得到网格边界，进一步对网格边界所形成的网格内的坐标点进行分析可确定目标地理位置。该方法实现对用户常去地理位置的快速判定，同时将现有技术中复杂的经纬度距离计算转换为比较坐标值大小的简单逻辑计算，可以达到简化计算过程，方便对海量数据进行分析的技术效果。
可选的，该装置还包括：距离阈值获取模块和距离阈值转换模块。
距离阈值获取模块，用于获取第一预设距离阈值和第二预设距离阈值；
距离阈值转换模块，用于将所述第一预设距离阈值转换为经纬度坐标对应的经度增量阈值，以及将所述第二预设距离阈值转换为经纬度坐标对应的纬度增量阈值，得到经纬度增量阈值。
可选地，该装置还包括：坐标点判断模块。
坐标点判断模块用于按照预设顺序依次将目标车辆对应的行驶轨迹数据中的第一坐标点确定为当前中心点，其中，所述第一坐标点包括所述行驶轨迹数据中当前未标注所属候选网格的坐标点；
候选网格确定模块51，还用于根据当前中心点和对应的经纬度增量阈值确定当前候选网格；对于当前候选网格对应的每个第二坐标点，依次判断当前第二坐标点是否处于当前候选网格内，若是，则将所述当前第二坐标点的所属网格标注为当前候选网格，其中，所述第二坐标点包括所述行驶轨迹数据中当前未标注所属候选网格的坐标点。
进一步地，候选网格确定模块51还用于若当前第二坐标点的经度坐标处于当前候选网格的最小经度边界值和最大经度边界值之间，且当前第二坐标点的纬度坐标处于当前候选网格的最小纬度边界值和最大纬度边界值之间，则确定当前第二坐标点处于当前候选网格内。
更进一步地，候选网格确定模块51还用于确定当前第二坐标点对应的累计停留时间；若所述累计停留时间达到预设停留时间阈值，则确定当前第二坐标点处于当前候选网格内。
可选地，该装置还包括：候选坐标点统计模块；
候选坐标点统计模块，用于分别统计各所述候选网格中包含的候选坐标点的数量；
目标网格确定模块52还用于将所包含的候选坐标点的数量超过预设数量阈值的候选网格确定为目标网格。
可选地，目标地理位置确定模块53，还用于计算所述目标网格中包含的所有候选坐标点的平均坐标值，根据所述平均坐标值确定目标地理位置。
实施例四
本发明实施例提供了一种地理位置确定设备，该设备中可集成本发明实施例提供的地理位置确定装置。图6为本发明实施例提供的一种地理位置确定设备的结构框图。地理位置确定设备可以包括：存储器901，处理器902及存储在存储器901上并可在处理器运行的计算机程序，所述处理器902执行所述计算机程序时实现如本发明实施例所述的地理位置确定方法。其中，地理位置确定设备可以是计算机设备；地理位置确定设备也可以是车辆本身，也即地理位置确定装置可以集成在车辆中。
本发明实施例提供的地理位置确定设备可用于执行上述任意实施例提供的地理位置确定方法，当执行上述实施例提供的地理位置确定方法时，当用户使用地理位置确定设备，如车辆时，可实现对用户目的地的精准推荐。
例如，将用户车辆的轨迹数据进行位置划分，如：家庭地址、公司地址、健身房地址等，若家庭地址和公司地址被确定为目标地理位置，则当用户驾驶车辆进行导航前，排列在导航历史选择地址栏则优先为家庭住址和公司地址，可帮助用户实现快速选择，无需在历史搜索栏里进行目的地址的寻找，节省时间，从车辆用户的角度可以实现地理位置的精准推荐。
上述提供的地理位置确定设备可用于执行上述任意实施例提供的地理位置确定方法，具备相应的功能和有益效果。
实施例五
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行地理位置确定方法，该方法包括：
根据目标车辆对应的行驶轨迹数据确定候选网格以及所述候选网格中包含的候选坐标点，其中，所述行驶轨迹数据中包含多个以经纬度坐标表示的坐标点，所述候选网格的中心点包括所述行驶轨迹数据中的坐标点，所述候选网格的边界根据对应的中心点和经纬度增量阈值确定，所述候选坐标点为所述行驶轨迹数据中的坐标点；
对所述候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格；
根据所述目标网格确定目标地理位置。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDRRAM、SRAM、EDORAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的地理位置确定操作，还可以执行本发明任意实施例所提供的地理位置确定方法中的相关操作。
上述实施例中提供的地理位置确定装置、设备及存储介质可执行本发明任意实施例所提供的地理位置确定方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的地理位置确定方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种地理位置确定方法，其特征在于，包括：
根据目标车辆对应的行驶轨迹数据确定候选网格以及所述候选网格中包含的候选坐标点，其中，所述行驶轨迹数据中包含多个以经纬度坐标表示的坐标点，所述候选网格的中心点包括所述行驶轨迹数据中的坐标点，所述候选网格的边界根据对应的中心点和经纬度增量阈值确定，所述候选坐标点为所述行驶轨迹数据中的坐标点；
对所述候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格；
根据所述目标网格确定目标地理位置。
2.根据权利要求1所述的方法，其特征在于，还包括：
获取第一预设距离阈值和第二预设距离阈值；
将所述第一预设距离阈值转换为经纬度坐标对应的经度增量阈值，以及将所述第二预设距离阈值转换为经纬度坐标对应的纬度增量阈值，得到经纬度增量阈值。
3.根据权利要求1所述的方法，其特征在于，所述根据目标车辆对应的行驶轨迹数据确定候选网格以及所述候选网格中包含的候选坐标点，包括：
按照预设顺序依次将目标车辆对应的行驶轨迹数据中的第一坐标点确定为当前中心点，其中，所述第一坐标点包括所述行驶轨迹数据中当前未标注所属候选网格的坐标点；
根据当前中心点和对应的经纬度增量阈值确定当前候选网格；
对于当前候选网格对应的每个第二坐标点，依次判断当前第二坐标点是否处于当前候选网格内，若是，则将所述当前第二坐标点的所属网格标注为当前候选网格，其中，所述第二坐标点包括所述行驶轨迹数据中当前未标注所属候选网格的坐标点。
4.根据权利要求3所述的方法，其特征在于，所述判断当前第二坐标点是否处于当前候选网格内，包括：
若当前第二坐标点的经度坐标处于当前候选网格的最小经度边界值和最大经度边界值之间，且当前第二坐标点的纬度坐标处于当前候选网格的最小纬度边界值和最大纬度边界值之间，则确定当前第二坐标点处于当前候选网格内。
5.根据权利要求4所述的方法，其特征在于，所述确定当前第二坐标点处于当前候选网格内，包括：
确定当前第二坐标点对应的累计停留时间；
若所述累计停留时间达到预设停留时间阈值，则确定当前第二坐标点处于当前候选网格内。
6.根据权利要求1所述的方法，其特征在于，所述对所述候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格，包括：
分别统计各所述候选网格中包含的候选坐标点的数量；
将所包含的候选坐标点的数量超过预设数量阈值的候选网格确定为目标网格。
7.根据权利要求1-6任一所述的方法，其特征在于，所述根据所述目标网格确定目标地理位置，包括：
计算所述目标网格中包含的所有候选坐标点的平均坐标值，根据所述平均坐标值确定目标地理位置。
8.一种地理位置确定装置，其特征在于，包括：候选网格确定模块、目标网格确定模块和目标地理位置确定模块；
其中，所述候选网格确定模块，用于根据目标车辆对应的行驶轨迹数据确定候选网格以及所述候选网格中包含的候选坐标点，其中，所述行驶轨迹数据中包含多个以经纬度坐标表示的坐标点，所述候选网格的中心点包括所述行驶轨迹数据中的坐标点，所述候选网格的边界根据对应的中心点和经纬度增量阈值确定，所述候选坐标点为所述行驶轨迹数据中的坐标点；
所述目标网格确定模块，用于对所述候选网格中包含的候选坐标点进行分析，并根据分析结果确定目标网格；
所述目标地理位置确定模块，用于根据所述目标网格确定目标地理位置。
9.一种地理位置确定设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110550300.7A CN113176599B (zh) | 2021-05-20 | 2021-05-20 | 地理位置确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110550300.7A CN113176599B (zh) | 2021-05-20 | 2021-05-20 | 地理位置确定方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113176599A true CN113176599A (zh) | 2021-07-27 |
| CN113176599B CN113176599B (zh) | 2024-03-15 |
Family
ID=76929394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110550300.7A Active CN113176599B (zh) | 2021-05-20 | 2021-05-20 | 地理位置确定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113176599B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115935118A (zh) * | 2022-12-27 | 2023-04-07 | 中科三清科技有限公司 | 数据处理方法、装置、存储介质及芯片 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102853840A (zh) * | 2012-09-10 | 2013-01-02 | 无锡坦程物联网科技有限公司 | 一种基于网格挖掘车辆常规停靠区域的方法 |
| JP2013089173A (ja) * | 2011-10-21 | 2013-05-13 | Zenrin Datacom Co Ltd | 日常圏設定システム、日常圏設定方法及び日常圏設定プログラム |
| US20140195144A1 (en) * | 2013-01-10 | 2014-07-10 | Fujitsu Limited | Analysis method, and analysis apparatus |
| US20150005013A1 (en) * | 2012-02-22 | 2015-01-01 | Nokia Corporation | Method and apparatus for determining significant places |
| CN104575075A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于北斗的城市路网车辆坐标校正方法及装置 |
| CN104615858A (zh) * | 2015-01-12 | 2015-05-13 | 北京中交兴路车联网科技有限公司 | 一种计算车辆起始地和目的地的方法 |
| US20150363508A1 (en) * | 2014-06-17 | 2015-12-17 | Naveen NANDAN | Grid-based analysis of geospatial trajectories |
| CN105279954A (zh) * | 2014-07-24 | 2016-01-27 | 深圳市锐明视讯技术有限公司 | 一种站点采集方法及装置 |
| CN106383868A (zh) * | 2016-09-05 | 2017-02-08 | 电子科技大学 | 一种基于道路网络的时空轨迹聚类方法 |
| KR20170078343A (ko) * | 2015-12-29 | 2017-07-07 | 인하대학교 산학협력단 | 방향벡터를 통한 안전한 경로 질의 처리 |
| CN110351665A (zh) * | 2019-07-31 | 2019-10-18 | 中国联合网络通信集团有限公司 | 用户惯常地的识别方法、设备及计算机可读存储介质 |
| CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技（深圳）有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
| CN112270460A (zh) * | 2020-09-30 | 2021-01-26 | 交通运输部规划研究院 | 一种基于多源数据的超重货车货源站点识别方法 |
| CN112330810A (zh) * | 2020-11-23 | 2021-02-05 | 中国人民解放军96901部队22分队 | 一种基于地理网格的移动目标活动热度图生成方法 |
| CN112784000A (zh) * | 2021-01-27 | 2021-05-11 | 长沙理工大学 | 基于出租车轨迹数据的寻客方法 |
-
2021
- 2021-05-20 CN CN202110550300.7A patent/CN113176599B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013089173A (ja) * | 2011-10-21 | 2013-05-13 | Zenrin Datacom Co Ltd | 日常圏設定システム、日常圏設定方法及び日常圏設定プログラム |
| US20150005013A1 (en) * | 2012-02-22 | 2015-01-01 | Nokia Corporation | Method and apparatus for determining significant places |
| CN102853840A (zh) * | 2012-09-10 | 2013-01-02 | 无锡坦程物联网科技有限公司 | 一种基于网格挖掘车辆常规停靠区域的方法 |
| US20140195144A1 (en) * | 2013-01-10 | 2014-07-10 | Fujitsu Limited | Analysis method, and analysis apparatus |
| US20150363508A1 (en) * | 2014-06-17 | 2015-12-17 | Naveen NANDAN | Grid-based analysis of geospatial trajectories |
| CN105279954A (zh) * | 2014-07-24 | 2016-01-27 | 深圳市锐明视讯技术有限公司 | 一种站点采集方法及装置 |
| CN104615858A (zh) * | 2015-01-12 | 2015-05-13 | 北京中交兴路车联网科技有限公司 | 一种计算车辆起始地和目的地的方法 |
| CN104575075A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于北斗的城市路网车辆坐标校正方法及装置 |
| KR20170078343A (ko) * | 2015-12-29 | 2017-07-07 | 인하대학교 산학협력단 | 방향벡터를 통한 안전한 경로 질의 처리 |
| CN106383868A (zh) * | 2016-09-05 | 2017-02-08 | 电子科技大学 | 一种基于道路网络的时空轨迹聚类方法 |
| CN110351665A (zh) * | 2019-07-31 | 2019-10-18 | 中国联合网络通信集团有限公司 | 用户惯常地的识别方法、设备及计算机可读存储介质 |
| CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技（深圳）有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
| CN112270460A (zh) * | 2020-09-30 | 2021-01-26 | 交通运输部规划研究院 | 一种基于多源数据的超重货车货源站点识别方法 |
| CN112330810A (zh) * | 2020-11-23 | 2021-02-05 | 中国人民解放军96901部队22分队 | 一种基于地理网格的移动目标活动热度图生成方法 |
| CN112784000A (zh) * | 2021-01-27 | 2021-05-11 | 长沙理工大学 | 基于出租车轨迹数据的寻客方法 |
Non-Patent Citations (1)
| Title |
|---|
| 谭川豫: "移动对象轨迹分析技术研究", pages 25 - 32 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115935118A (zh) * | 2022-12-27 | 2023-04-07 | 中科三清科技有限公司 | 数据处理方法、装置、存储介质及芯片 |
| CN115935118B (zh) * | 2022-12-27 | 2023-11-14 | 中科三清科技有限公司 | 数据处理方法、装置、存储介质及芯片 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113176599B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108170793B (zh) | 基于车辆语义轨迹数据的停留点分析方法及其系统 | |
| CN109033011B (zh) | 计算轨迹频繁度的方法、装置、存储介质及电子设备 | |
| CN103106280B (zh) | 一种道路网络环境下不确定时空轨迹数据的范围查询方法 | |
| EP2906999A1 (en) | System and method in connection with occurrence of platoons | |
| CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
| CN105682024A (zh) | 一种基于移动信令数据的城市热点识别方法 | |
| US20220357176A1 (en) | Methods and data processing systems for predicting road attributes | |
| CN112815948B (zh) | 识别偏航模式的方法、装置、计算机设备和存储介质 | |
| CN110555432B (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
| CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
| Deng et al. | Estimating traffic delays and network speeds from lowfrequency GPS taxis traces for urban transport modelling | |
| KR20210117235A (ko) | 위치 기반 경로 데이터베이스의 관리 방법 및 이를 수행하는 서버 | |
| CN104006818A (zh) | 导航系统及方法 | |
| Jones et al. | Parkus 2.0: Automated cruise detection for parking availability inference | |
| CN113176599B (zh) | 地理位置确定方法、装置、设备及存储介质 | |
| CN111666359A (zh) | Poi候选到达点挖掘方法、装置与设备 | |
| CN113888867A (zh) | 一种基于lstm位置预测的车位推荐方法及系统 | |
| CN108088452A (zh) | 一种路径权重获取方法 | |
| CN115374236B (zh) | 智能公共充电服务网络的生成方法和装置、设备及介质 | |
| CN109446437B (zh) | 信息挖掘方法、装置、服务器及存储介质 | |
| CN109388758B (zh) | 人口迁徙目的确定方法、装置、设备及存储介质 | |
| CN107270919B (zh) | 公交路线分级方法、装置以及公交路线导航方法、装置 | |
| CN114155391B (zh) | 轨迹处理方法、装置及计算机设备 | |
| CN111581754B (zh) | 滨水景点网络生成方法、系统、计算机设备及存储介质 | |
| Arregui et al. | Impact of the road network configuration on map‐matching algorithms for FCD in urban environments |
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 |