CN113190538A - 一种基于轨迹数据的道路构建方法、装置、存储介质及终端 - Google Patents

一种基于轨迹数据的道路构建方法、装置、存储介质及终端 Download PDF

Info

Publication number
CN113190538A
CN113190538A CN202110347451.2A CN202110347451A CN113190538A CN 113190538 A CN113190538 A CN 113190538A CN 202110347451 A CN202110347451 A CN 202110347451A CN 113190538 A CN113190538 A CN 113190538A
Authority
CN
China
Prior art keywords
road
track
data
generate
skeleton line
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
Application number
CN202110347451.2A
Other languages
English (en)
Inventor
武洁
蔡抒扬
夏曙东
孙智彬
张志平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Transwiseway Information Technology Co Ltd
Original Assignee
Beijing Transwiseway Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Transwiseway Information Technology Co Ltd filed Critical Beijing Transwiseway Information Technology Co Ltd
Priority to CN202110347451.2A priority Critical patent/CN113190538A/zh
Publication of CN113190538A publication Critical patent/CN113190538A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/60—Positioning; Navigation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Economics (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于轨迹数据的道路构建方法、装置、存储介质及终端，该方法包括：采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据；根据预处理后的轨迹数据基于三角剖分算法构建三角网；根据三角网生成初始道路骨架线；根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线；针对优化后的道路骨架线构建标准化道路数据，生成目标道路。因此，采用本申请实施例，由于通过采用大量货车轨迹数据结合三角剖分算法构建三角网，最后对三角网处理后形成新道路，从而解决了货车运输场景下道路缺失问题，提升了路网的完整性，进一步提升了对货车的服务效率。

Description

一种基于轨迹数据的道路构建方法、装置、存储介质及终端
技术领域
本发明涉及轨迹计算技术领域，特别涉及一种基于轨迹数据的道路构建方法、装置、存储介质及终端。
背景技术
随着物流运输的快速发展，越来越多的货车加入到了路网中，在交通信息化的快速发展形式下，基于路网的电子地图应运而生，电子地图中的导航功能可以为大量的货车提供导航服务，使得运输效率大大提升，但是道路的变化随时可能发生，当实际的道路有变化后，需要及时对电子地图中的路网进行调整。
在现有的技术方案中，通常当实际道路发生变化后，通过司机或道路监管人员将变化的道路信息进行采集并向电子地图提供商进行汇报道路数据，电子地图提供商在获得道路数据后针对路网进行调整。由于实际道路变化后不能及时对电子地图中的路网进行修整，从而导致在道路变化的某个地点出现大量货车匹配不到道路数据的状况，从而产生了对货车的错误预警信息，错误预警信息对司机造成困扰，降低了路网的完整性，进一步降低了对货车的服务效率。
因此，如何找到一种有效的方法，实现针对相关用户群体的精准营销和推荐为亟待解决的问题。
发明内容
本申请实施例提供了一种基于轨迹数据的道路构建方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
第一方面，本申请实施例提供了一种基于轨迹数据的道路构建方法，该方法包括：
采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据；
根据预处理后的轨迹数据基于三角剖分算法构建三角网；
根据三角网生成初始道路骨架线；
根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线；
针对优化后的道路骨架线构建标准化道路数据，生成目标道路。
可选的，采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据，包括：
采集多辆货车的轨迹数据；
获取轨迹数据中各轨迹点的上报时刻；
基于各轨迹点的上报时刻计算各轨迹点中相邻轨迹点之间的时间间隔；
根据相邻轨迹点之间的时间间隔确定出时间间隔大于预设阈值的轨迹点；
通过时间间隔大于预设阈值的轨迹点将各轨迹点划分为多段轨迹点序列；
初始化多个虚拟车牌，并将多个虚拟车牌赋予多段轨迹点序列上，生成多个单车轨迹；
将多个单车轨迹进行数据清洗后生成预处理后的轨迹数据。
可选的，将多个单车轨迹进行数据清洗后生成预处理后的轨迹数据，包括：
过滤多个单车轨迹中重复轨迹点，生成过滤后的单车轨迹；
基于过滤后的单车轨迹中包含的轨迹点计算平均轨迹点；
基于过滤后的单车轨迹中包含的货车行驶方向角度计算方向平均变化率；
删除多个单车轨迹中轨迹点数量与平均轨迹点的差值在预设范围外的单车轨迹，生成初始多个单车轨迹；
删除初始多个单车轨迹中包含的货车行驶方向变化率与平均变化率的差值在预设范围外的单车轨迹，生成预处理后的轨迹数据。
可选的，根据预处理后的轨迹数据基于三角剖分算法构建三角网，包括：
将预处理后的轨迹数据中各轨迹点的经纬度坐标转换为投影坐标系下的平面坐标，生成平面坐标集合；
根据三角剖分算法与所述平面坐标集合中各平面坐标构建三角网。
可选的，根据三角网生成初始道路骨架线，包括：
删除三角网中边缘预设范围中的三角形，生成初次优化的三角网；
计算初次优化的三角网中各三角形的面积；
设定一个三角形面积阈值范围；
将面积在阈值范围外的三角形从所述初次优化的三角网中进行删除，生成目标三角网；
提取目标三角网中的初始道路骨架线。
可选的，提取目标三角网中的初始道路骨架线，包括：
获取目标三角网的中心点和/或骨架线特征点；
将中心点和/或骨架线特征点按照货车行驶方向连接成线，生成道路骨架线；
将道路骨架线进行平滑处理，生成初始道路骨架线；
在轨迹的明显方向变化点处，对初始道路骨架线优化骨架线形状，生成最终道路骨架线。
可选的，针对优化后的道路骨架线构建标准化道路数据，生成目标道路，包括：
针对优化后的道路骨架线构建拓扑关系，生成目标路网；
基于多辆货车的轨迹数据对目标路网进行限速信息分析，生成路网中每段道路行车速度变化范围；
根据每段道路行车速度变化范围确定每段道路的道路数据；
接收赋予每段道路的标识信息；
将每段道路的道路数据与每段道路的标识信息绑定至目标路网中，生成目标道路。
第二方面，本申请实施例提供了一种基于轨迹数据的道路构建装置，该装置包括：
轨迹数据预处理模块，用于采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据；
三角网构建模块，用于根据预处理后的轨迹数据基于三角剖分算法构建三角网；
初始道路骨架线生成模块，用于根据三角网生成初始道路骨架线；
骨架线优化模块，用于根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线；
目标道路生成模块，用于针对优化后的道路骨架线构建标准化道路数据，生成目标道路。
第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，基于轨迹数据的道路构建装置首先采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据，然后根据预处理后的轨迹数据基于三角剖分算法构建三角网，再根据三角网生成初始道路骨架线，其次根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线，最后针对优化后的道路骨架线构建标准化道路数据，生成目标道路。因此，采用本申请实施例，由于通过采用大量货车轨迹数据结合三角剖分算法构建三角网，最后对三角网处理后形成新道路，从而解决了货车运输场景下道路缺失问题，提升了路网的完整性，进一步提升了对货车的服务效率。
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，并不能限制本发明。
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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种基于轨迹数据的道路构建方法的流程示意图；
图2是本申请实施例提供的一种基于轨迹数据构建的原始三角网；
图3是本申请实施例提供的一种删除边角三角形后的三角网；
图4是本申请实施例提供的一种二次优化删除三角形后的三角网；
图5是本申请实施例提供的一种从二次优化删除三角形后的三角网中提取的初始骨架线；
图6是本申请实施例提供的一种针对初始骨架线优化后生成的骨架线；
图7是本申请实施例提供的一种基于轨迹数据的道路构建过程的过程示意图框图；
图8是本申请实施例提供的另一种基于轨迹数据的道路构建方法的流程示意图；
图9是本申请实施例提供的一种基于轨迹数据的道路构建装置的装置示意图；
图10是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
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发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供的技术方案中，由于通过采用大量货车轨迹数据结合三角剖分算法构建三角网，最后对三角网处理后形成新道路，从而解决了货车运输场景下道路缺失问题，提升了路网的完整性，进一步提升了对货车的服务效率，下面采用示例性的实施例进行详细说明。
下面将结合附图1-附图8，对本申请实施例提供的基于轨迹数据的道路构建方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的基于轨迹数据的道路构建装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。其中，本申请实施例中的基于轨迹数据的道路构建装置可以为用户终端，包括但不限于：个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中用户终端可以叫做不同的名称，例如：用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digitalassistant，PDA)、5G网络或未来演进网络中的终端设备等。
请参见图1，为本申请实施例提供了一种基于轨迹数据的道路构建方法的流程示意图。如图1所示，本申请实施例的方法可以包括以下步骤：
S101，采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据；
其中，多辆货车的轨迹数据为大量货车中每一辆货车上的定位设备按照周期不断上报的轨迹点，每个轨迹点具有的属性至少包括：轨迹点的经纬度坐标、货车速度、货车行驶方向、车牌号以及轨迹生成时间。
通常，预处理是由于货车轨迹会存在轨迹点漂移、单车轨迹丢失、长时间在某地点(如高速服务区)停靠等问题，这对于三角网的构建会有影响，因此为了使得后续构建的三角网效果更好，需要预先对轨迹数据进行优化处理。
在一种可能的实现方式中，在基于轨迹数据构建道路时，首先采集多辆货车的轨迹数据，再获取轨迹数据中各轨迹点的上报时刻，然后基于各轨迹点的上报时刻计算各轨迹点中相邻轨迹点之间的时间间隔，再根据相邻轨迹点之间的时间间隔确定出时间间隔大于预设阈值的轨迹点，其次通过时间间隔大于预设阈值的轨迹点将各轨迹点划分为多段轨迹点序列，再初始化多个虚拟车牌，并将多个虚拟车牌赋予多段轨迹点序列上，生成多个单车轨迹，最后将多个单车轨迹进行数据清洗后生成预处理后的轨迹数据。
进一步地，在将多个单车轨迹进行数据清洗后生成预处理后的轨迹数据时，首先过滤多个单车轨迹中重复轨迹点，生成过滤后的单车轨迹，再基于过滤后的单车轨迹中包含的轨迹点计算平均轨迹点，然后基于过滤后的单车轨迹中包含的货车行驶方向角度计算方向平均变化率，再删除多个单车轨迹中轨迹点数量与平均轨迹点的差值在预设范围外的单车轨迹，生成初始多个单车轨迹，最后删除初始多个单车轨迹中包含的货车行驶方向变化率与平均变化率的差值在预设范围外的单车轨迹，生成预处理后的轨迹数据。
例如在实际场景中进行轨迹预处理时，首先获取轨迹点生成时间，若单车的时间段存在1小时以上的间隔，则将间隔前后的轨迹赋予不同的车牌，视为多个单车轨迹，然后将单车轨迹按照位置进行过滤，过滤掉间隔在30秒产生的重复轨迹点，最后删除轨迹点数量明显小于或者大于平均轨迹点的单车轨迹，并删除方向变化率明显大于或小于平均变化率的单车轨迹后生成预处理后的轨迹数据。
S102，根据预处理后的轨迹数据基于三角剖分算法构建三角网；
其中，三角剖分算法为Delaunay三角剖分算法，是对数值分析(比如有限元分析)以及图形学来说，都是极为重要的一项预处理技术。本申请通过Delaunay三角剖分算法构建Delaunay三角网。
在一种可能的实现方式中，在基于预处理后的轨迹数据构建Delaunay三角网时，首先将预处理后的轨迹数据中各轨迹点的经纬度坐标转换为投影坐标系下的平面坐标，生成平面坐标集合，然后根据三角剖分算法与所述平面坐标集合中各平面坐标构建三角网，生成最终的Delaunay三角网，最后生成的Delaunay三角网例如图2所示。
S103，根据三角网生成初始道路骨架线；
其中，初始道路骨架线是针对图2中的Delaunay三角网进行两次优化后生成的。
通常，两次优化中第一次优化为删除Delaunay三角网边缘区域预设范围中的多个较大三角形，第二次优化为删除Delaunay三角网中三角形面积超过预设面积值的多个三角形。
在一种可能的实现方式中，在生成初始道路骨架线时，首先删除三角网中边缘预设范围中的三角形，生成初次优化的三角网，例如图3所示，再计算初次优化的三角网中各三角形的面积，然后识别各三角形的面积中大于预设面积的多个三角形，再设定一个三角形面积阈值范围；将面积在阈值范围外的三角形从所述初次优化的三角网中进行删除，生成目标三角网，例如图4所示，最后提取目标三角网中的初始道路骨架线，初始道路骨架线例如图5所示。
进一步地，在提取目标三角网中的初始道路骨架线时，首先获取目标三角网的中心点和/或骨架线特征点，然后将中心点和/或骨架线特征点按照货车行驶方向连接成线，生成道路骨架线，最后将道路骨架线进行平滑处理，生成初始道路骨架线。
S104，根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线；
在一种可能的实现方式中，在得到初始道路骨架线后需要进行优化，优化时首先根据货车轨迹数据的方向信息，分析所有货车轨迹线的方向变化，将方向变化概率高的点视为道路方向的变化点，并分析各变化点之间的道路长度及角度，最后通过道路方向的变化点与道路长度、角度对步骤S103中获得的初始骨架线形态优化，使骨架线形状更符合实际道路形状，优化后的道路骨架线例如图6所示。
S105，针对优化后的道路骨架线构建标准化道路数据，生成目标道路。
在一种可能的实现方式中，在针对述优化后的道路骨架线构建标准化道路数据时，首先针对优化后的道路骨架线构建拓扑关系，生成目标路网，再基于多辆货车的轨迹数据对目标路网进行限速信息分析，生成路网中每段道路行车速度变化范围，然后根据每段道路行车速度变化范围确定每段道路的道路数据，再接收赋予每段道路的标识信息，最后将每段道路的道路数据与每段道路的标识信息绑定至目标路网中，生成目标道路。
例如在实际场景中构建道路数据时，可分为构建道路拓扑关系与生成道路属性。在构建道路拓扑关系中，获得优化后的骨架线后，采用“弧-结点拓扑”的方法对骨架线进行拓扑关系处理，此方法将道路网分为两种要素，道路线和道路节点，节点为一段道路的起始点或者多段道路的交点，此种拓扑构建方式保证了路网的连通性，道路导航的正确性，可以支撑相关路网分析。在生成道路属性时，构建好道路拓扑关系后开始生成道路属性信息，货车运输场景下，除赋予每段道路ID外，需要确定道路的等级、限速等信息，因此基于海量的货车轨迹数据，可以对轨迹的限速信息分析，获得每段道路速度的变化范围，可以在变化点处打断道路，修改新的道路拓扑关系，并对变化点前后道路赋予不同的速度属性，且由于道路的等级与速度相关，通过分析整段道路的速度范围确定道路等级。
例如图7所示，图7是本申请提供的基于轨迹数据的道路构建过程的过程示意框图，首先轨迹数据进行预处理，再采用Delaunay三角剖分算法和预处理后的轨迹数据构建Delaunay三角网，然后从三角网中提取道路骨架线并使用货车方向数据优化提取的骨架线，再构建“弧-节点”拓扑关系以及道路数据标准化构建，最后生成新道路数据。
在一种实际应用场景中，在服务于货车的货运平台中需要对司机进行路段信息预警时，若在某个地点大量货车匹配不到道路数据，产生了错误的对货车的预警信息，对司机造成困扰，这种场景下可以对匹配不到道路的货车轨迹进行分析，按照图7中的流程生成新的道路来消除错误预警，从而提高对货车的服务效率和良好体验感。
在本申请实施例中，基于轨迹数据的道路构建装置首先采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据，然后根据预处理后的轨迹数据基于三角剖分算法构建三角网，再根据三角网生成初始道路骨架线，其次根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线，最后针对优化后的道路骨架线构建标准化道路数据，生成目标道路。因此，采用本申请实施例，由于通过采用大量货车轨迹数据结合三角剖分算法构建三角网，最后对三角网处理后形成新道路，从而解决了货车运输场景下道路缺失问题，提升了路网的完整性，进一步提升了对货车的服务效率。
请参见图8，为本申请实施例提供了另一种基于轨迹数据的道路构建方法的流程示意图。如图8所示，本申请实施例的方法可以包括以下步骤：
S201，采集多辆货车的轨迹数据；
S202，获取轨迹数据中各轨迹点的上报时刻；
S203，基于各轨迹点的上报时刻计算各轨迹点中相邻轨迹点之间的时间间隔；
S204，根据相邻轨迹点之间的时间间隔确定出时间间隔大于预设阈值的轨迹点；
S205，通过时间间隔大于预设阈值的轨迹点将各轨迹点划分为多段轨迹点序列；
S206，初始化多个虚拟车牌，并将多个虚拟车牌赋予多段轨迹点序列上，生成多个单车轨迹；
S207，将多个单车轨迹进行数据清洗后生成预处理后的轨迹数据；
S208，将预处理后的轨迹数据中各轨迹点的经纬度坐标转换为投影坐标系下的平面坐标，生成平面坐标集合；
S209，根据三角剖分算法与所述平面坐标集合中各平面坐标构建三角网；
S210，根据三角网生成初始道路骨架线；
S211，根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线；
S212，针对优化后的道路骨架线构建标准化道路数据，生成目标道路。
在本申请实施例中，基于轨迹数据的道路构建装置首先采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据，然后根据预处理后的轨迹数据基于三角剖分算法构建三角网，再根据三角网生成初始道路骨架线，其次根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线，最后针对优化后的道路骨架线构建标准化道路数据，生成目标道路。因此，采用本申请实施例，由于通过采用大量货车轨迹数据结合三角剖分算法构建三角网，最后对三角网处理后形成新道路，从而解决了货车运输场景下道路缺失问题，提升了路网的完整性，进一步提升了对货车的服务效率。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
请参见图9，其示出了本发明一个示例性实施例提供的基于轨迹数据的道路构建装置的结构示意图。该基于轨迹数据的道路构建装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括轨迹数据预处理模块10、三角网构建模块20、初始道路骨架线生成模块30、骨架线优化模块40、目标道路生成模块50。
轨迹数据预处理模块10，用于采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据；
三角网构建模块20，用于根据预处理后的轨迹数据基于三角剖分算法构建三角网；
初始道路骨架线生成模块30，用于根据三角网生成初始道路骨架线；
骨架线优化模块40，用于根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线；
目标道路生成模块50，用于针对优化后的道路骨架线构建标准化道路数据，生成目标道路。
需要说明的是，上述实施例提供的基于轨迹数据的道路构建装置在执行基于轨迹数据的道路构建方法时，仅以上述各功能模块的计算进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构计算成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于轨迹数据的道路构建装置与基于轨迹数据的道路构建方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请实施例中，基于轨迹数据的道路构建装置首先采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据，然后根据预处理后的轨迹数据基于三角剖分算法构建三角网，再根据三角网生成初始道路骨架线，其次根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线，最后针对优化后的道路骨架线构建标准化道路数据，生成目标道路。因此，采用本申请实施例，由于通过采用大量货车轨迹数据结合三角剖分算法构建三角网，最后对三角网处理后形成新道路，从而解决了货车运输场景下道路缺失问题，提升了路网的完整性，进一步提升了对货车的服务效率。
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的基于轨迹数据的道路构建方法。本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的基于轨迹数据的道路构建方法。
请参见图10，为本申请实施例提供了一种终端的结构示意图。如图10所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
其中，通信总线1002用于实现这些组件之间的连接通信。
其中，用户接口1003可以包括显示屏(Display)、摄像头(Camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
其中，存储器1005可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图10所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于轨迹数据的道路构建应用程序。
在图10所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的基于轨迹数据的道路构建应用程序，并具体执行以下操作：
采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据；
根据预处理后的轨迹数据基于三角剖分算法构建三角网；
根据三角网生成初始道路骨架线；
根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线；
针对优化后的道路骨架线构建标准化道路数据，生成目标道路。
在一个实施例中，处理器1001在执行采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据时，具体执行以下操作：
采集多辆货车的轨迹数据；
获取轨迹数据中各轨迹点的上报时刻；
基于各轨迹点的上报时刻计算各轨迹点中相邻轨迹点之间的时间间隔；
根据相邻轨迹点之间的时间间隔确定出时间间隔大于预设阈值的轨迹点；
通过时间间隔大于预设阈值的轨迹点将各轨迹点划分为多段轨迹点序列；
初始化多个虚拟车牌，并将多个虚拟车牌赋予多段轨迹点序列上，生成多个单车轨迹；
将多个单车轨迹进行数据清洗后生成预处理后的轨迹数据。
在一个实施例中，处理器1001在执行将多个单车轨迹进行数据清洗后生成预处理后的轨迹数据时，具体执行以下操作：
过滤多个单车轨迹中重复轨迹点，生成过滤后的单车轨迹；
基于过滤后的单车轨迹中包含的轨迹点计算平均轨迹点；
基于过滤后的单车轨迹中包含的货车行驶方向角度计算方向平均变化率；
删除多个单车轨迹中轨迹点数量与平均轨迹点的差值在预设范围外的单车轨迹，生成初始多个单车轨迹；
删除初始多个单车轨迹中包含的货车行驶方向变化率与平均变化率的差值在预设范围外的单车轨迹，生成预处理后的轨迹数据。
在一个实施例中，处理器1001在执行根据预处理后的轨迹数据基于三角剖分算法构建三角网时，具体执行以下操作：
将预处理后的轨迹数据中各轨迹点的经纬度坐标转换为投影坐标系下的平面坐标，生成平面坐标集合；
根据三角剖分算法与所述平面坐标集合中各平面坐标构建三角网；
在一个实施例中，处理器1001在执行根据三角网生成初始道路骨架线时，具体执行以下操作：
删除三角网中边缘预设范围中的三角形，生成初次优化的三角网；
计算初次优化的三角网中各三角形的面积；
识别各三角形的面积中大于预设面积的多个三角形；
设定一个三角形面积阈值范围；将面积在阈值范围外的三角形从所述初次优化的三角网中进行删除，生成目标三角网；
提取目标三角网中的初始道路骨架线。
在一个实施例中，处理器1001在执行提取目标三角网中的初始道路骨架线时，具体执行以下操作：
获取目标三角网的中心点和/或骨架线特征点；
将中心点和/或骨架线特征点按照货车行驶方向连接成线，生成道路骨架线；
将道路骨架线进行平滑处理，生成初始道路骨架线。
在一个实施例中，处理器1001在执行针对优化后的道路骨架线构建标准化道路数据，生成目标道路时，具体执行以下操作：
针对优化后的道路骨架线构建拓扑关系，生成目标路网；
基于多辆货车的轨迹数据对目标路网进行限速信息分析，生成路网中每段道路行车速度变化范围；
根据每段道路行车速度变化范围确定每段道路的道路数据；
接收赋予每段道路的标识信息；
将每段道路的道路数据与每段道路的标识信息绑定至目标路网中，生成目标道路。
在本申请实施例中，基于轨迹数据的道路构建装置首先采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据，然后根据预处理后的轨迹数据基于三角剖分算法构建三角网，再根据三角网生成初始道路骨架线，其次根据轨迹数据中所包含的方向信息优化初始道路骨架线，生成优化后的道路骨架线，最后针对优化后的道路骨架线构建标准化道路数据，生成目标道路。因此，采用本申请实施例，由于通过采用大量货车轨迹数据结合三角剖分算法构建三角网，最后对三角网处理后形成新道路，从而解决了货车运输场景下道路缺失问题，提升了路网的完整性，进一步提升了对货车的服务效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，基于轨迹数据的道路构建的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (10)

1.一种基于轨迹数据的道路构建方法，其特征在于，所述方法包括：
采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据；
根据所述预处理后的轨迹数据基于三角剖分算法构建三角网；
根据所述三角网生成初始道路骨架线；
根据所述轨迹数据中所包含的方向信息优化所述初始道路骨架线，生成优化后的道路骨架线；
针对所述优化后的道路骨架线构建标准化道路数据，生成目标道路。
2.根据权利要求1所述的方法，其特征在于，所述采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据，包括：
采集多辆货车的轨迹数据；
获取所述轨迹数据中各轨迹点的上报时刻；
基于所述各轨迹点的上报时刻计算所述各轨迹点中相邻轨迹点之间的时间间隔；
根据所述相邻轨迹点之间的时间间隔确定出时间间隔大于预设阈值的轨迹点；
通过所述时间间隔大于预设阈值的轨迹点将所述各轨迹点划分为多段轨迹点序列；
初始化多个虚拟车牌，并将所述多个虚拟车牌赋予所述多段轨迹点序列上，生成多个单车轨迹；
将所述多个单车轨迹进行数据清洗后生成预处理后的轨迹数据。
3.根据权利要求2所述的方法，其特征在于，所述将所述多个单车轨迹进行数据清洗后生成预处理后的轨迹数据，包括：
过滤所述多个单车轨迹中重复轨迹点，生成过滤后的单车轨迹；
基于所述过滤后的单车轨迹中包含的轨迹点计算平均轨迹点；
基于所述过滤后的单车轨迹中包含的货车行驶方向角度计算方向平均变化率；
删除所述多个单车轨迹中轨迹点数量与所述平均轨迹点的差值在预设范围外的单车轨迹，生成初始多个单车轨迹；
删除所述初始多个单车轨迹中包含的货车行驶方向变化率与所述平均变化率的差值在预设范围外的单车轨迹，生成预处理后的轨迹数据。
4.根据权利要求1所述的方法，其特征在于，所述根据所述预处理后的轨迹数据基于三角剖分算法构建三角网，包括：
将所述预处理后的轨迹数据中各轨迹点的经纬度坐标转换为投影坐标系下的平面坐标，生成平面坐标集合；
根据三角剖分算法与所述平面坐标集合中各平面坐标构建三角网。
5.根据权利要求1所述的方法，其特征在于，所述根据所述三角网生成初始道路骨架线，包括：
删除所述三角网中边缘预设范围中的三角形，生成初次优化的三角网；
计算所述初次优化的三角网中各三角形的面积；
设定一个三角形面积阈值范围；
将面积在阈值范围外的三角形从所述初次优化的三角网中进行删除，生成目标三角网；
提取所述目标三角网中的初始道路骨架线。
6.根据权利要求5所述的方法，其特征在于，所述提取所述目标三角网中的初始道路骨架线，包括：
获取所述目标三角网的中心点和/或骨架线特征点；
将所述中心点和/或骨架线特征点按照所述货车行驶方向连接成线，生成道路骨架线；
将所述道路骨架线进行平滑处理，生成初始道路骨架线；
在轨迹的明显方向变化点处，对初始道路骨架线优化骨架线形状，生成最终道路骨架线。
7.根据权利要求1所述的方法，其特征在于，所述针对所述优化后的道路骨架线构建标准化道路数据，生成目标道路，包括：
针对所述优化后的道路骨架线构建拓扑关系，生成目标路网；
基于所述多辆货车的轨迹数据对所述目标路网进行限速信息分析，生成路网中每段道路行车速度变化范围；
根据所述每段道路行车速度变化范围确定每段道路的道路数据；
接收赋予所述每段道路的标识信息；
将所述每段道路的道路数据与所述每段道路的标识信息绑定至所述目标路网中，生成目标道路。
8.一种基于轨迹数据的道路构建装置，其特征在于，所述装置包括：
轨迹数据预处理模块，用于采集并预处理多辆货车的轨迹数据，生成预处理后的轨迹数据；
三角网构建模块，用于根据所述预处理后的轨迹数据基于三角剖分算法构建三角网；
初始道路骨架线生成模块，用于根据所述三角网生成初始道路骨架线；
骨架线优化模块，用于根据所述轨迹数据中所包含的方向信息优化所述初始道路骨架线，生成优化后的道路骨架线；
目标道路生成模块，用于针对所述优化后的道路骨架线构建标准化道路数据，生成目标道路。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-7任意一项的方法步骤。
10.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-7任意一项的方法步骤。
CN202110347451.2A 2021-03-31 2021-03-31 一种基于轨迹数据的道路构建方法、装置、存储介质及终端 Pending CN113190538A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110347451.2A CN113190538A (zh) 2021-03-31 2021-03-31 一种基于轨迹数据的道路构建方法、装置、存储介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110347451.2A CN113190538A (zh) 2021-03-31 2021-03-31 一种基于轨迹数据的道路构建方法、装置、存储介质及终端

Publications (1)

Publication Number Publication Date
CN113190538A true CN113190538A (zh) 2021-07-30

Family

ID=76974191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110347451.2A Pending CN113190538A (zh) 2021-03-31 2021-03-31 一种基于轨迹数据的道路构建方法、装置、存储介质及终端

Country Status (1)

Country Link
CN (1) CN113190538A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114019967A (zh) * 2021-10-29 2022-02-08 中国船舶重工集团公司第七0七研究所 一种适用于狭长航道的无人艇航线规划方法
CN114485609A (zh) * 2021-12-15 2022-05-13 武汉中海庭数据技术有限公司 一种基于原始轨迹的道路骨骼线优化方法及优化系统
CN116543310A (zh) * 2023-06-30 2023-08-04 眉山环天智慧科技有限公司 一种基于Voronoi图和核密度的道路线提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104050817A (zh) * 2014-05-23 2014-09-17 北京中交兴路信息科技有限公司 限速信息库生成、限速信息检测的方法和系统
CN110008872A (zh) * 2019-03-25 2019-07-12 浙江大学 一种结合车辆轨迹和遥感图像的路网提取方法
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104050817A (zh) * 2014-05-23 2014-09-17 北京中交兴路信息科技有限公司 限速信息库生成、限速信息检测的方法和系统
CN110008872A (zh) * 2019-03-25 2019-07-12 浙江大学 一种结合车辆轨迹和遥感图像的路网提取方法
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
杨伟等: "轨迹分割与图层融合的车辆轨迹线构建道路地图方法", 《测绘学报》, vol. 47, no. 12, 31 December 2018 (2018-12-31), pages 1650 *
米春蕾: "基于车辆轨迹数据的路网快速提取方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑（月刊）》, no. 04, 15 April 2019 (2019-04-15), pages 1 *
米春蕾: "基于车辆轨迹数据的路网快速提取方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑（月刊）》, no. 04, pages 1 *
郑文斌: "基于浮动车轨迹数据的车道数量信息获取关键技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑（月刊）》, no. 08 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114019967A (zh) * 2021-10-29 2022-02-08 中国船舶重工集团公司第七0七研究所 一种适用于狭长航道的无人艇航线规划方法
CN114485609A (zh) * 2021-12-15 2022-05-13 武汉中海庭数据技术有限公司 一种基于原始轨迹的道路骨骼线优化方法及优化系统
CN116543310A (zh) * 2023-06-30 2023-08-04 眉山环天智慧科技有限公司 一种基于Voronoi图和核密度的道路线提取方法
CN116543310B (zh) * 2023-06-30 2023-10-31 眉山环天智慧科技有限公司 一种基于Voronoi图和核密度的道路线提取方法

Similar Documents

Publication Publication Date Title
CN112863172B (zh) 高速公路交通运行状态判定方法、预警方法、装置及终端
CN113190538A (zh) 一种基于轨迹数据的道路构建方法、装置、存储介质及终端
CN114565056B (zh) 一种基于机器学习的冷锋前识别方法、装置、存储介质及终端
CN110457407B (zh) 用于处理点云数据的方法和装置
CN111126211B (zh) 标牌识别方法和装置、电子设备
CN112697162B (zh) 一种巡检路线规划方法、装置、存储介质及终端
CN113611104B (zh) 货运车辆的风险识别方法、装置、存储介质及终端
CN113110462A (zh) 障碍物信息的处理方法及装置、作业设备
KR20220001274A (ko) 3d 맵의 변경 구역 업데이트 시스템 및 그 방법
CN111651547B (zh) 高精度地图数据的获取方法、装置及可读存储介质
CN112765127A (zh) 一种交通数据仓库的构建方法、装置、存储介质及终端
CN112616118A (zh) 一种车辆所经过的etc门架确定方法、装置及存储介质
CN117109623A (zh) 一种智能穿戴式导航交互方法、系统及介质
CN116071651B (zh) 一种均压场识别方法、装置、存储介质及终端
CN113838283B (zh) 一种车辆的位置状态标记方法、装置、存储介质及终端
CN114238528A (zh) 一种地图加载方法、装置、电子设备及存储介质
CN114202272A (zh) 一种基于电子围栏的车货匹配方法、装置、存储介质及终端
CN113793490A (zh) 一种电子围栏的压力测试方法、装置、存储介质及终端
CN112185106B (zh) 一种不合理限速标志筛查方法、装置、存储介质及终端
CN115311840B (zh) 电子围栏的车辆预警方法和装置、电子设备和存储介质
CN111144612A (zh) 一种加油站位置点预测方法、装置、存储介质及终端
CN117037502B (zh) 车辆处理信息生成方法、装置、设备和计算机可读介质
CN113656425B (zh) 电子地图的更新方法、装置、电子设备、存储介质及产品
CN114155508B (zh) 一种道路变化检测方法、装置、设备以及存储介质
CN115374526B (zh) 一种基于bim技术的精细化配筋方法及系统

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