CN113297342B - 一种车辆行驶轨迹重构方法、装置、设备及存储介质 - Google Patents

一种车辆行驶轨迹重构方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113297342B
CN113297342B CN202110539829.9A CN202110539829A CN113297342B CN 113297342 B CN113297342 B CN 113297342B CN 202110539829 A CN202110539829 A CN 202110539829A CN 113297342 B CN113297342 B CN 113297342B
Authority
CN
China
Prior art keywords
path
index
vehicle
restored
candidate
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
CN202110539829.9A
Other languages
English (en)
Other versions
CN113297342A (zh
Inventor
韩欣彤
陈雪梅
孔令兴
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 Institute of Technology BIT
Advanced Technology Research Institute of Beijing Institute of Technology
Original Assignee
Beijing Institute of Technology BIT
Advanced Technology Research Institute of Beijing Institute of Technology
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 Institute of Technology BIT, Advanced Technology Research Institute of Beijing Institute of Technology filed Critical Beijing Institute of Technology BIT
Priority to CN202110539829.9A priority Critical patent/CN113297342B/zh
Publication of CN113297342A publication Critical patent/CN113297342A/zh
Application granted granted Critical
Publication of CN113297342B publication Critical patent/CN113297342B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本申请公开了一种车辆行驶轨迹重构方法、装置、设备及存储介质，通过基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各还原路径节点的节点类型。基于还原路径节点以及各还原路径节点的节点类型，确定待还原车辆对应的至少一条待还原路径。根据预设电子地图以及各待还原路径对应的还原路径节点，确定各待还原路径对应的至少一条候选路径。确定各候选路径对应的各待还原指标的指标值以及各待还原指标对应的指标权重值。基于各待还原指标的指标值以及各待还原指标对应的指标权重值，确定各候选路径的关联度，以根据关联度还原待还原车辆的行驶轨迹。

Description

一种车辆行驶轨迹重构方法、装置、设备及存储介质
技术领域
本申请涉及行车轨迹还原技术领域，尤其涉及一种车辆行驶轨迹重构方法、装置、设备及存储介质。
背景技术
车辆行驶的轨迹具有丰富的时空信息，因此经常被用于宏观交通参数估计、交通管理与分析决策等方面进行研究。基于此，现有技术中开始利用各种技术手段对车辆行驶的轨迹进行还原构建。
目前，通常是根据高清卡口系统中的卡口数据、浮动车数据对车辆行驶轨迹进行还原。但是由于在某些区域的卡口检测设备覆盖率低、浮动车的数量远远小于道路车辆中的私家车数量，因此通过卡口数据、浮动车数据所还原的车辆行驶轨迹的准确性较低，与实际的车辆行驶轨迹存在较大的差异。
基于此，亟需提供一种车辆行驶轨迹重构的技术方案，在卡口检测设备覆盖率低、浮动车的车辆渗透率低的情况下，对车辆行驶轨迹进行精确地轨迹重构。
发明内容
本申请实施例提供一种车辆行驶轨迹重构方法、装置、设备及存储介质，解决在卡口检测设备覆盖率低、浮动车的车辆渗透率低的条件下，无法对车辆行驶轨迹进行精确构造的技术问题。
一方面，本申请提供了一种车辆行驶轨迹重构方法，该方法包括：
基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各还原路径节点的节点类型。其中，节点类型包括路径起点、路径内点、路径终点。基于还原路径节点以及各还原路径节点的节点类型，确定待还原车辆对应的至少一条待还原路径。根据预设电子地图以及各待还原路径对应的还原路径节点，确定各待还原路径对应的至少一条候选路径。确定各候选路径对应的各待还原指标的指标值以及各待还原指标对应的指标权重值。其中，待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标。基于各待还原指标的指标值以及各待还原指标对应的指标权重值，确定各候选路径的关联度，以根据关联度还原待还原车辆的行驶轨迹。
在本申请实施例中，根据预先存储的道路图像集合，确定待还原车辆在道路行驶过程中对应的还原路径节点，并确定还原路径节点的节点类型。根据还原路径节点的节点类型，确定待还原车辆的待还原路径，并根据预设电子地图，进一步确定待还原车辆的候选路径。根据浮动车数据确定待还原指标，并确定相应的指标权重值，以计算候选路径对应的关联度，最后确定待还原车辆的行驶轨迹。本申请的技术方案，在道路检测节点覆盖率低、浮动车渗透率低的情况下，将道路检测节点的采集数据以及浮动车数据进行了结合，进而确定待还原车辆在道路行驶过程中的行驶轨迹，节省了计算资源、加快了轨迹还原效率。
在本申请的一种实现方式中，基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点。计算待还原车辆经过相邻的还原路径节点的时间差值，并确定时间差值是否在相应的预设取值范围之内。在时间差值在预设取值范围之内的情况下，确定对应的还原路径节点的节点类型为路径内点。在时间差值大于预设取值范围的最大值的情况下，确定对应的还原路径节点的节点类型为路径终点或路径起点。
在本申请的一种实现方式中，基于各还原路径节点对应的道路信息，对各还原路径节点对应的道路图像进行图像识别，确定待还原车辆在各还原路径节点的车辆行驶状态。其中，车辆行驶状态至少包括以下一项：车辆直行状态、车辆左转状态、车辆右转状态。根据车辆行驶状态以及预设电子地图，确定待还原路径中的至少一条候选路径。
在本申请实施例中，待还原车辆于还原路径节点处的行驶状态，可以通过图像得到，通过车辆行驶状态可以进一步筛选待还原路径中，待还原车辆未行驶的路径。本申请的技术方案进一步节省了轨迹还原的计算资源，加快轨迹还原效率。
在本申请的一种实现方式中，基于各还原路径节点对应的道路信息，对各还原路径节点对应的道路图像进行图像识别，以得到待还原车辆对应的驾驶信息。其中，驾驶信息至少包括一项或多项：交叉口编号、交叉口方向编号、车辆所处车道编号、车辆行驶方向编号、车身颜色。根据驾驶信息确定待还原车辆在各还原路径节点的车辆行驶状态。
在本申请的一种实现方式中，确定待还原车辆的车辆行驶轨迹的轨迹还原时间。在轨迹还原时间内待还原车辆的还原路径节点的数量小于或等于第一预设值的情况下，增加轨迹还原时间的时长。在增加轨迹还原的时长的情况下，确定相应的待还原车辆的还原路径节点，直至待还原车辆的还原路径节点的数量大于第一预设值，以根据待还原车辆的还原路径节点，还原待还原车辆的车辆行驶轨迹。
在本申请的一种实现方式中，根据还原后的待还原车辆的行驶轨迹，生成反馈信息，并发送至相应的终端设备，以使终端设备将反馈信息中的行驶轨迹向用户进行展示。基于用户对反馈信息进行的操作，得到反馈信息的确认信息。其中，确认信息用于表示还原后的行驶轨迹是否正确。将确认信息以及对应的行驶轨迹作为样本数据，并根据样本数据确定相应的待还原值标对应的指标权重值。
在本申请的一种实现方式中，在确认信息用于表示还原后的行驶轨迹错误的情况下，生成并发送行驶轨迹的路径段信息，以使用户确定相应的错误路径段。根据用户确定相应的错误路径段，计算错误路径段的错误率。其中，错误率表示错误路径段对应的错误次数与错误路径段对应的还原次数的比值。在错误率大于相应的第二预设值的情况下，根据错误路径段生成提示信息，并发送至第三方终端，以使第三方终端根据提示信息调整相应路径段的道路检测节点数量。
本申请实施例中，可以根据还原行驶轨迹的过程中的路径段错误率，使第三方对道路检测节点的覆盖率进一步调整，保证还原行驶轨迹的准确性。上述技术方案可以给出道路检测节点覆盖率调整的建议，以提供给相应的第三方，可以对轨迹还原的方案进行优化。
另一方面，本申请提供了一种车辆行驶轨迹重构装置，该装置包括：
第一确定单元，用于基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各还原路径节点的节点类型。其中，节点类型包括路径起点、路径内点、路径终点。第二确定单元，用于基于还原路径节点以及各还原路径节点的节点类型，确定待还原车辆对应的至少一条待还原路径。第三确定单元，用于根据预设电子地图以及各待还原路径对应的还原路径节点，确定各待还原路径对应的至少一条候选路径。第四确定单元，用于确定各候选路径对应的各待还原指标的指标值以及各待还原指标对应的指标权重值。其中，待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标。第五确定单元，用于基于各待还原指标的指标值以及各待还原指标对应的指标权重值，确定各候选路径的关联度，以根据关联度还原待还原车辆的行驶轨迹。
再一方面，本申请提供了一种车辆行驶轨迹重构设备，该设备包括：
至少一个处理器。以及，与至少一个处理器通信连接的存储器。其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：确定进行行驶轨迹还原的待还原车辆。基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各还原路径节点的节点类型。其中，节点类型包括路径起点、路径内点、路径终点。基于还原路径节点以及各还原路径节点的节点类型，确定待还原车辆对应的至少一条待还原路径。根据预设电子地图以及各待还原路径对应的还原路径节点，确定各待还原路径对应的至少一条候选路径。确定各候选路径对应的各待还原指标的指标值以及各待还原指标对应的指标权重值。其中，待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标。基于各待还原指标的指标值以及各待还原指标对应的指标权重值，确定各候选路径的关联度，以根据关联度还原待还原车辆的行驶轨迹。
另一方面，本申请提供了一种车辆行驶轨迹重构的非易失性计算机存储介质，存储有计算机可执行指令，该计算机可执行指令设置为：
基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各还原路径节点的节点类型。其中，节点类型包括路径起点、路径内点、路径终点。基于还原路径节点以及各还原路径节点的节点类型，确定待还原车辆对应的至少一条待还原路径。根据预设电子地图以及各待还原路径对应的还原路径节点，确定各待还原路径对应的至少一条候选路径。确定各候选路径对应的各待还原指标的指标值以及各待还原指标对应的指标权重值。其中，待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标。基于各待还原指标的指标值以及各待还原指标对应的指标权重值，确定各候选路径的关联度，以根据关联度还原待还原车辆的行驶轨迹。
本申请的技术方案中，根据待还原车辆在道路行驶过程中，道路检测节点采集的数据、浮动车数据，确定与待还原车辆行驶相关的待还原指标。根据待还原指标以及通过样本数据计算得到的指标权重值，确定待还原车辆在道路行驶过程中，候选路径的关联度，将关联度最大的候选路径作为行驶轨迹。并且，本申请可以将待还原车辆的行驶路径进行多个路径的划分，对各路径分别进行行驶轨迹还原。本申请在道路检测节点覆盖率低、浮动车渗透率低的情况下，通过两种数据的结合，以浮动车数据作为参考指标，道路检测节点采集的数据作为待还原车辆行驶数据，通过计算关联度的方式，高效、快捷地确定待还原车辆的行驶轨迹。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种车辆行驶轨迹重构方法的一种流程示意图；
图2为本申请实施例提供的一种车辆行驶轨迹重构方法的另一种流程示意图；
图3为本申请实施例提供的一种车辆行驶轨迹重构方法的一种示意图；
图4为本申请实施例提供的一种车辆行驶轨迹重构方法的另一种示意图；
图5为本申请实施例提供的一种车辆行驶轨迹重构方法的另一种流程示意图；
图6为本申请实施例提供的一种车辆行驶轨迹重构方法的另一种流程示意图；
图7为本申请实施例提供的一种车辆行驶轨迹重构方法的另一种示意图；
图8为本申请实施例提供的一种车辆行驶轨迹重构方法的另一种示意图；
图9为本申请实施例提供的一种车辆行驶轨迹重构装置的结构示意图；
图10为本申请实施例提供的一种车辆行驶轨迹重构设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请提供了一种车辆行驶轨迹重构的技术方案，在卡口检测设备覆盖率低、浮动车的车辆渗透率低的情况下，对车辆行驶轨迹进行精确地轨迹还原。并且本申请提供的方案在不增加成本的基础上，可以精确还原车辆行驶轨迹。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种车辆行驶轨迹重构方法，如图1所示，该方法可以包括步骤S101-S106：
S101，服务器确定进行行驶轨迹还原的待还原车辆。
在本申请实施例中，服务器获取并确定进行行驶轨迹还原的待还原车辆。在实际情况下，轨迹还原人员一般选择还原固定时间段的行驶轨迹，因此，服务器可以进一步地确定待还原车辆的轨迹还原时间，在轨迹还原时间内进行待还原车辆的行驶轨迹还原。
需要说明的是，服务器作为车辆行驶轨迹重构方法的执行主体为示例性存在，不仅限于服务器，本申请对此不作具体限定。
S102，服务器基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各还原路径节点的节点类型。
其中，上述节点类型包括路径起点、路径内点、路径终点。
在本申请实施例中，服务器中预先存储有道路图像集合，该道路图像集合是由道路中道路检测节点(图像采集设备)采集的道路图像组成的，本申请中的还原路径节点为待还原车辆经过的道路检测节点。
服务器根据预先存储的道路图像集合，确定在轨迹还原时间内采集到待还原车辆图像的各道路检测节点，服务器将各道路检测节点及其对应的位置作为还原路径节点，其中该道路检测节点对应的位置可以为地图中的经纬度坐标。服务器得到还原路径节点后，相应地确定各还原路径节点的节点类型。
在本申请的一个实施例中，还原路径节点的节点类型的确定方法可以包括以下步骤，如图2所示：
S201、服务器基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点。
S202、服务器计算待还原车辆经过相邻的还原路径节点的时间差值，并确定时间差值是否在相应的预设取值范围之内。
在本申请实施例中，服务器首先确定待还原车辆经过各还原路径节点的时间。服务器根据经过各还原路径节点的时间顺序，确定两两相邻的还原路径节点。在确定相邻的还原路径节点之后，服务器计算待还原车辆经过相邻的还原路径节点的时间差值，如经过还原路径节点A的时间为t1，经过还原路径节点B的时间为t2，则时间差值为t2-t1，其中t2>t1，即待还原车辆先经过还原路径节点A，再经过还原路径节点B，且还原路径节点A与还原路径节点B之间不存在另一个还原路径节点。
服务器确定相邻的还原路径节点相应的预设取值范围，该预设取值范围可以根据浮动车在该相邻的还原路径节点之间历史行驶记录计算得到。具体地，服务器确定待还原车辆的轨迹还原时间，如周一8点至12点，则服务器可以根据前四周的周一8点至12点之间的浮动车在该相邻的还原路径节点之间的行驶时间，根据浮动车行驶时间确定预设取值范围[ta，tb]，ta为浮动车在前四周的周一8点至12点之间行驶时间最小值，tb为浮动车在前四周的周一8点至12点之间行驶时间最大值。
服务器在确定时间差值及相应的预设取值范围后，确定时间差值是否在相应的预设取值范围之内。
S203、服务器在时间差值在相应的预设取值范围之内的情况下，确定对应的还原路径节点的节点类型为路径内点。
在本申请实施例中，在待还原车辆经过相邻的还原路径节点的时间差值，如20分钟，而相应的预设取值范围，如[15,30]，15<20<30，则时间差值在相应的预设取值范围之内，服务器确定两个相邻的还原路径节点为路径内点。
S204、服务器在时间差值大于预设取值范围的最大值的情况下，确定对应的还原路径节点的节点类型为路径终点或路径起点。
在本申请实施例中，在待还原车辆经过相邻的还原路径节点的时间差值如40分钟，而相应的预设取值范围为[15,30]，服务器确定时间差值大于预设取值范围的最大值，服务器根据待还原车辆经过相邻的还原路径节点的时间顺序，依次确定该相邻的还原路径节点为路径终点、路径起点。
此外，在时间差值小于相应的预设取值范围的情况下，服务器判定相邻的还原路径节点为错误节点，需要重新确定相邻的还原路径节点。
S103、服务器基于还原路径节点以及各还原路径节点的节点类型，确定待还原车辆对应的至少一条待还原路径。
由于在轨迹还原时间内，待还原车辆可能存在多个出行目的，例如，逛超市、回家等目的，待还原车辆在各出行目的地进行逗留，导致出现时间差值大于预设取值范围的最大值的情况，因此需要根据出行目的，将各待还原路径进行划分。
在本申请实施例中，服务器根据还原路径节点以及各还原路径节点的节点类型(路径起点、路径内点、路径终点)，确定待还原车辆在轨迹还原时间内的各待还原路径。待还原路径是指包括一个路径起点、0或若干个路径内点、一个路径终点的路径。
例如，待还原车辆a起点为公司A，其出行目的是大型超市B，在大型超市B停留后，回到家C，则待还原车辆a存在两条待还原路径，第一条待还原路径为A附近的还原路径节点到B附近的还原路径节点，第二条待还原路径为B附近的路径起点到C附近的路径终点的路径。其中，A-B、B-C之间可能存在还原路径节点，也可能不存在还原路径节点。
在待还原车辆的轨迹还原时间内，确定所有还原路径节点的节点类型，依据节点类型以及还原路径节点，划分出各个待还原路径，以对待还原车辆的各待还原路径进行车辆行驶轨迹重构。本申请划分出多个待还原路径，可以在出行目的对车辆行驶轨迹存在影响的情况下，精确地进行车辆行驶轨迹重构，同时本申请提供的有规律、有条理地划分出多个待还原路径，进行轨迹还原的方案，节省了轨迹还原的计算资源，提高了计算效率。
S104、服务器根据预设电子地图以及各待还原路径对应的还原路径节点，确定待还原车辆对应的至少一条候选路径。
在本申请的一个实施例中，服务器基于各还原路径节点对应的道路信息，对各还原路径节点对应的道路图像进行图像识别，确定待还原车辆在各还原路径节点的车辆行驶状态；其中，车辆行驶状态至少包括以下一项：车辆直行状态、车辆左转状态、车辆右转状态；
服务器根据车辆行驶状态以及预设电子地图，确定待还原路径中的至少一条候选路径。
在本申请实施例中，服务器确定待还原路径后，可以通过待还原路径对应的道路信息，计算待还原车辆在待还原路径中，可行驶的道路，其中，该道路信息包括道路横向和纵向的道路。本申请实施例计算待还原路径的方式，具体如下：
服务器根据最短路径算法以及预设电子地图，计算出路径起点至路径终点的路径数量。具体地，服务器可以根据以下概率组合公式计算：
C(a+b,b)
其中，a和b表示在某区域内道路横向和纵向的路段数量。
进一步地，在本申请的一个实施例中，最短路径算法可以采用K最短路径算法，服务器根据上述概率组合公式，确定K个初始候选路径。
在本申请实施例中，还原路径节点可以采集道路图像，因此服务器可以根据这些还原路径节点采集的道路图像，确定待还原车辆在还原路径节点对应地点的车辆行驶状态，以实现进一步筛选出待还原车辆的初始候选路径。如：根据还原路径节点采集的道路图像，确定有N(n1,n2…nM)条路径，不满足待还原车辆的行驶路径，则候选路径为K-N(n1,n2…nM)条。
在本申请的一个实施例中，车辆行驶状态的确定方式如下：
服务器基于各还原路径节点对应的道路信息，对各还原路径节点对应的道路图像进行图像识别，以得到待还原车辆在各还原路径节点采集的道路图像中的驾驶信息；
其中，驾驶信息至少包括以下一项或多项：交叉口编号、交叉口方向编号、车辆所处车道编号、车辆行驶方向编号、车身颜色；
服务器根据驾驶信息确定待还原车辆在各还原路径节点的车辆行驶状态。
具体地，服务器通过图像识别技术，识别各还原路径节点对应的道路图像，服务器确定道路图像中，待还原车辆在各还原路径节点处交叉口编号、交叉口方向编号、车辆所处车道编号、车辆行驶方向编号、车身颜色。此外，服务器还可以通过图像识别技术获取车辆转向灯数据(左或右转向灯)。
服务器根据交叉口编号、交叉口方向编号、车辆所处车道编号、车辆行驶方向编号、车身颜色，确定待还原车辆在各还原路径节点的车辆驾驶状态，即待还原车辆的行驶方向。其中，通过车身颜色的识别，可以确定待还原车辆。此外，驾驶信息还可以包含车辆的转弯数据，该转弯数据为服务器根据图像识别技术，识别道路图像中待还原车辆转弯或直行时的若干个图像，确定待还原车辆在各还原路径节点的行驶道路。
本申请的技术方案中，服务器通过图像识别技术，识别待还原车辆在各还原路径节点的车辆驾驶状态，并在多个初始候选路径中，进一步确定与车辆行驶相关的候选路径，本申请所提供的技术方案一定程度上降低了运算复杂度，提高了车辆行驶轨迹重构的准确度，加快了轨迹还原的效率。
S105、服务器确定各候选路径对应的各待还原指标的指标值以及各待还原指标对应的指标权重值。
其中，上述待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标。
在本申请实施例中，与待还原车辆行驶轨迹相关的指标具有多个，本申请将浮动车行驶的相关数据作为动态指标，以道路中的交通灯、转弯作为静态指标，以在卡口检测设备覆盖率低、浮动车渗透率低的情况下，还原待还原车辆的行驶轨迹。各待还原指标的指标值通过一下公式得到：
浮动车行驶时间分布指标计算公式：
Figure BDA0003071228460000121
其中，
Figure BDA0003071228460000122
为候选路径r上浮动车行驶时间分布指标，p(tr)为候选路径r在时间t的概率分布，
Figure BDA0003071228460000123
为浮动车在候选路径上行驶时间最小值，
Figure BDA0003071228460000124
为浮动车在候选路径上行驶时间最大值。
浮动车行驶数量指标计算公式：
Figure BDA0003071228460000125
其中，
Figure BDA0003071228460000126
为候选路径r上浮动车行驶数量指标，Nr为候选路径r上的浮动车行驶数量，minNr为候选路径上浮动车行驶数量最小值，maxNr为候选路径上浮动车行驶数量最大值。
浮动车平均行驶时间指标计算公式：
Figure BDA0003071228460000127
其中，
Figure BDA0003071228460000128
为浮动车平均行驶时间指标，Tr为候选路径r上的浮动车平均出行时间，minTr为候选路径中浮动车最小平均出行时间，maxTr为候选路径中浮动车最大平均出行时间。
需要说明的是，浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标在计算过程中，服务器所使用的浮动车数据为采集时间与待还原车辆的轨迹还原时间相对应的数据。对应关系可以如轨迹还原时间为周一8点至12点，则服务器可以使用前四周的各周一8点至12点之间浮动车数据，计算浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标。
道路交通灯指标计算公式：
Figure BDA0003071228460000131
其中，
Figure BDA0003071228460000132
表示候选路径r上道路交通灯指标，Lr为候选路径r上的交通信号灯数量，maxLr为候选路径中交通信号灯数量最大值，minLr为候选路径中交通信号灯数量最小值。
道路转弯指标计算公式：
Figure BDA0003071228460000133
其中，
Figure BDA0003071228460000134
表示候选路径r上道路转弯指标，Xr为候选路径r上的道路转弯数量，maxXr为候选路径r上的道路转弯数量最大值，minXr为候选路径r上的道路转弯数量最小值。
在本申请实施例中，根据以下方法，确定各待还原指标对应的指标权重值：
在本申请实施例中，服务器确定预存样本库中各样本数据对应的待还原指标的指标值，其中，样本数据为预存的车辆行驶数据。根据下列公式，对各待还原指标的指标值进行归一化处理：
Figure BDA0003071228460000135
其中，
Figure BDA0003071228460000136
为归一化后r条候选路径中第1条候选路径对应的浮动车行驶时间分布指标，
Figure BDA0003071228460000137
为r条候选路径中第1条候选路径对应的浮动车行驶时间分布指标，
Figure BDA0003071228460000138
为r条候选路径对应的浮动车行驶时间分布指标的均值。归一化处理过程中，各待还原指标的处理方式可同理得到，在此不一一列举。
在各待还原指标归一化处理后，服务器确定归一化的待还原指标矩阵M，其中
Figure BDA0003071228460000139
服务器确定各待还原指标对应的初始指标权重值，各初始指标权重值可表示为wi＝[w1,w2,w3,w4,w5]T，
Figure BDA00030712284600001310
服务器根据各预存样本数据对应的待还原指标的指标值以及各预存样本数据对应的待还原指标的指标权重值，确定加权指标，加权指标所组成的矩阵可表示为
Figure BDA0003071228460000141
在本申请的一个实施例中，服务器可以根据灰色关联分析法确定候选路径对应的关联度，根据关联度大小确定还原车辆行驶轨迹。关联度计算之前，服务器将加权指标的矩阵对应候选路径中，最大数值的加权指标作为参考数列，以得到加权指标的相关度，进行关联度计算。加权指标的相关度计算公式如下：
Figure BDA0003071228460000142
其中，Δi(r)为候选路径r对应的第i个加权指标的相关度，
Figure BDA0003071228460000143
为候选路径r对应的第i个待还原指标。wi中各指标权重值为未知数，
Figure BDA0003071228460000144
在本申请实施例中，通过以下公式确定各测试车辆对应的候选路径的关联度：
Figure BDA0003071228460000145
其中，δi(r)为候选路径r对应的关联度，I为待还原指标数量，
Figure BDA0003071228460000146
为候选路径r的加权指标的相关度最小值，
Figure BDA0003071228460000147
为候选路径r的加权指标的相关度最大值，ρ为分辨系数，本申请中ρ可以取0.5。根据上述公式，确定各候选路径的关联度，并组成关联度序列。
在本申请实施例中，服务器预先设置优化函数
Figure BDA0003071228460000148
利用遗传算法以及预存的车辆行驶数据确定指标权重值。公式具体如下：
Figure BDA0003071228460000149
其中，优化函数为
Figure BDA0003071228460000151
表示最大关联度对应的路径与车辆行驶数据中的路径一致，
Figure BDA0003071228460000152
表示最大关联度对应的路径与车辆行驶数据中的路径不一致，subject to maxδi(r)表示取最大关联度，u表示最大关联度对应的路径与样本数据对应行驶路径一致的数量，v最大关联度对应的路径与样本数据对应行驶路径不一致的数量，N表示样本数据的总数量。
在本申请实施例中，本申请提供了根据上述优化函数及遗传算法计算指标权重值过程中，优化函数的最大目标数随迭代数的变化示意图(如图3)，以及指标权重值随迭代时的变化示意图(如图4)。
在本申请实施例中，由于影响待还原车辆行驶轨迹的因素有很多，本申请以浮动车行驶的相关数据作为动态指标，以道路中的交通灯、转弯作为静态指标，涉及了对道路中车辆行驶时选择行驶路径时多个可信数据，提高了待还原车辆轨迹还原的准确性。由于各待还原指标的指标值，对于待还原车辆行驶轨迹重构的影响程度不同，因此，本申请通过指标权重值，对各待还原指标进行限制，进一步保证路径还原的准确度。并且，本申请所依据的数据容易得到，对于车辆轨迹还原的效率高、成本低。
S106、服务器基于各待还原指标的指标值以及各待还原指标对应的指标权重值，确定各候选路径的关联度，以根据关联度还原待还原车辆的行驶轨迹。
在本申请实施例中，服务器在确定待还原指标的指标值以及各待还原指标对应的指标权重值之后，可以根据灰色关联分析法计算各候选路径的关联度，候选路径对应的关联度越大，则表示该候选路径为待还原车辆行驶轨迹的概率越大，本申请中将最大关联度对应的候选路径作为待还原车辆的行驶轨迹。其中，关联度用于表征两个事物之间的关联程度。
本申请的技术方案是根据待还原车辆在轨迹还原时间内在道路中经过的道路检测节点，确定待还原车辆的还原路径节点。由于路径点与路径点之间存在多个路径，本申请对还原路径节点进行处理，确定待还原车辆所行驶的路径。本申请还根据浮动车行驶的相关数据、道路中信号灯以及转弯的相关数据计算待还原指标的指标值，以通过灰色关联分析法，确定待还原车辆对应的多个候选路径的关联度。服务器将得到的最大关联度对应的候选路径，作为待还原车辆的行驶轨迹。本申请在道路检测节点覆盖率低、浮动车的车辆渗透率低的情况下，对待还原车辆的行驶轨迹进行还原，轨迹还原的效率高、成本低。
在实际使用过程中，服务器在确定待还原车辆以及行驶轨迹还原时间后，服务器可能出现查找不到相应的道路检测节点或查找到一个道路检测节点的情况，导致无法进行轨迹还原。
基于此，本申请还提供了另一个实施例，具体步骤如下，如图5所示：
S501、服务器确定待还原车辆的车辆行驶轨迹的轨迹还原时间。
S502、服务器在轨迹还原时间内待还原车辆的还原路径节点的数量小于或等于第一预设值的情况下，增加轨迹还原时间的时长。
在本申请实施例中，服务器确定在轨迹还原时间内，待还原车辆的还原路径节点的数量小于或等于第一预设值(如1)的情况下，增加轨迹还原时间的时长。增加轨迹还原时间的时长规则可以是先在轨迹还原时间的基础上向前增加预设时长，也可以在轨迹还原时间的基础上向后增加预设时长。如轨迹还原时间为周一8点至12点，预设时间段可以是2小时，则向前增加预设时间段后，轨迹还原时间为6点至12点，或向后增加预设时间段后，轨迹还原时间为8点至14点。若增加依次预设时长后，服务器确定在轨迹还原时间内，待还原车辆的还原路径节点的数量仍然小于或等于第一预设值，可以在轨迹还原时间基础上向前或向后，交替增加预设时长。
在本申请的一个实施例中，服务器可以在轨迹还原时间内待还原车辆的还原路径节点的数量小于或等于1的情况下，生成轨迹还原时间调整信息，以使车辆行驶轨迹还原人员调整轨迹还原时间。
S503、服务器在增加轨迹还原时间的时长的情况下，确定相应的待还原车辆的还原路径节点，直至待还原车辆的还原路径节点的数量大于第一预设值，以使基于待还原车辆的还原路径节点，还原待还原车辆的车辆行驶轨迹。
在本申请的一个实施例中，本申请还提供可以跟用户确定还原的行驶轨迹是否正确，并将还原正确的行驶轨迹作为样本数据，根据样本数据计算相应的待还原指标对应的指标权重值。具体方案如下：
服务器根据还原后的待还原车辆的行驶轨迹，生成反馈信息，并发送至相应的终端设备，以使终端设备将反馈信息中的行驶轨迹向用户进行展示；
服务器基于用户对反馈信息进行的操作，得到反馈信息的确认信息；其中，确认信息用于表示还原后的行驶轨迹是否正确；
服务器将确认信息作为样本数据，并根据所述样本数据确定相应的待还原指标对应的指标权重值。
需要说明的是，上述终端设备可以是手机、电脑等设备，也可以是其他设备，本申请不作具体限定。
在本申请的另一个实施例中，服务器在得到反馈信息的确认信息后，可以向用户发送一定的奖励，如代金券、购物券等，激励用户积极对反馈信息进行操作。
在本申请的另一个实施例中，服务器在确认信息用于表示还原后的行驶轨迹错误的情况下，生成并发送行驶轨迹的路径段信息，以使用户确定相应的错误路径段；
服务器根据用户确定相应的错误路径段，计算错误路径段的错误率；其中，错误率表示错误路径段对应的错误次数与错误路径段对应的还原次数的比值；
服务器在错误率大于相应的第二预设值的情况下，根据错误路径段生成提示信息，并发送至第三方终端，以使第三方终端根据提示信息调整相应路径段的道路检测节点数量。
需要说明的是，上述第三方终端可以对应于监管部门、交通管理部门、公安部门等，本申请不作具体限定。
在本申请实施例中，路径段信息可以为行驶轨迹中对应的还原路径节点之间的路径段，在用户确认还原后路径段错误之后，服务器记录错误的路径段，并计算错误路径段的错误率，该错误率可以根据多个用户对错误路径段的确认信息计算，如m个用户确认了包括路径段A-B的反馈信息，n个用户确认路径段A-B错误，则错误率为
Figure BDA0003071228460000181
在错误率大于预设阈值，如错误率为0.7，相应的预设阈值为0.6，则说明路径段之间需要添加道路检测节点，服务器将对应的路径段发送至第三方终端，以让第三方终端对应的监管部门调整对应的路径段的道路检测节点。
图6为本申请实施例提供的一种车辆行驶轨迹重构方法的一个流程示意图，如图6所示：
S601、服务器处理卡口数据和浮动车数据；
S602、服务器确定待还原车辆h以及时间差值；
S603、服务器判断时间差值是否小于预设取值范围；
S604、根据K最短路径算法和车辆驾驶状态，生成候选路径；
S605、根据候选路径以及5个待还原指标和对应指标权重值，通过灰色关联分析法，进行路径估计；
S606、服务器对待还原车辆路径进行多路径划分；
S607、服务器判断待还原车辆路径中的最后一条路径；
S608、更新下一路径；
S609、判断当前车辆为轨迹还原的最后一辆车辆；
S610、服务器更新下一车辆h+1及时间差值。
本申请提供的技术方案，在道路检测节点覆盖率低、浮动车渗透率低的情况下，对车辆行驶轨迹进行了轨迹还原。但是道路检测节点覆盖率对于车辆还原轨迹的影响程度，并不能很好的确定，并且在行驶轨迹中，存在不同数量的交叉口，不能确定交叉口对于轨迹还原的影响。
基于此，本申请根据服务器预存的样本数据，可以获取道路检测节点覆盖率对于轨迹还原的影响程度，从而合理地调整道路检测节点在道路中的覆盖率。同时，根据行驶轨迹中存在的不同交叉口，分别确定道路检测节点覆盖率对于轨迹还原的影响程度。具体如图7-8，确定在路径水平上轨迹估计时，建议最小覆盖率为50％，可以保证80％的准确性。在交叉口水平上轨迹估计时，建议最小覆盖率为30％，可以确保90％的准确性。
本申请从浮动车数据提取交通相关信息，通过确定待还原指标及灰色关联分析法，还原待还原车辆的行驶轨迹。本申请在不改变现有的设备覆盖率的情况下，可以简单、快捷地对车辆行驶轨迹进行还原，并且本申请利用样本数据计算待还原指标的指标权重值，对于行驶轨迹还原方案提供了更高地可信度。本申请通过灰色关联分析法计算关联度，以确定行驶轨迹，可以节省运算资源、加快轨迹还原效率。
图9为本申请实施例提供的一种车辆行驶轨迹重构装置900的结构示意图，如图9所示，该装置900包括：
第一确定单元901，用于基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各还原路径节点的节点类型。其中，节点类型包括路径起点、路径内点、路径终点。第二确定单元902，用于基于还原路径节点以及各还原路径节点的节点类型，确定待还原车辆对应的至少一条待还原路径。第三确定单元903，用于根据预设电子地图以及各待还原路径对应的还原路径节点，确定各待还原路径对应的至少一条候选路径。第四确定单元904，用于确定各候选路径对应的各待还原指标的指标值以及各待还原指标对应的指标权重值。其中，待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标。第五确定单元905，用于基于各待还原指标的指标值以及各待还原指标对应的指标权重值，确定各候选路径的关联度，以根据关联度还原待还原车辆的行驶轨迹。
图10为本申请实施例提供的一种车辆行驶轨迹重构设备的结构示意图，如图10所示，该设备包括：
至少一个处理器，以及，与至少一个处理器通信连接的存储器。其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各还原路径节点的节点类型。其中，节点类型包括路径起点、路径内点、路径终点。基于还原路径节点以及各还原路径节点的节点类型，确定待还原车辆对应的至少一条待还原路径。根据预设电子地图以及各待还原路径对应的还原路径节点，确定各待还原路径对应的至少一条候选路径。确定各候选路径对应的各待还原指标的指标值以及各待还原指标对应的指标权重值。其中，待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标。基于各待还原指标的指标值以及各待还原指标对应的指标权重值，确定各候选路径的关联度，以根据关联度还原待还原车辆的行驶轨迹。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备及介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例提供的装置、设备及介质与方法是一一对应的，因此，装置、设备及介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述装置、设备及介质的有益技术效果。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种车辆行驶轨迹重构方法，其特征在于，所述方法包括：
基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各所述还原路径节点的节点类型；其中，所述节点类型包括路径起点、路径内点、路径终点；
基于所述还原路径节点以及各所述还原路径节点的节点类型，确定所述待还原车辆对应的至少一条待还原路径；
根据预设电子地图以及各所述待还原路径对应的还原路径节点，确定各所述待还原路径对应的至少一条候选路径；
确定各所述候选路径对应的各待还原指标的指标值以及各所述待还原指标对应的指标权重值；其中，所述待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标；
基于各所述待还原指标的指标值以及各所述待还原指标对应的指标权重值，确定各所述候选路径的关联度，以根据所述关联度还原所述待还原车辆的行驶轨迹；
所述基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各所述还原路径节点的节点类型，具体包括：
基于预先存储的所述道路图像集合，确定所述待还原车辆对应的所述还原路径节点；
计算所述待还原车辆经过相邻的所述还原路径节点的时间差值，并确定所述时间差值是否在相应的预设取值范围之内；所述预设取值范围根据浮动车在该相邻的所述还原路径节点之间历史行驶记录计算得到；
在所述时间差值在所述预设取值范围之内的情况下，确定对应的还原路径节点的节点类型为路径内点；
在所述时间差值大于所述预设取值范围的最大值的情况下，确定对应的还原路径节点的节点类型为路径终点或路径起点；
所述根据预设电子地图以及各所述待还原路径对应的还原路径节点，确定各所述待还原路径对应的至少一条候选路径，具体包括：
基于各所述还原路径节点对应的道路信息，对各所述还原路径节点对应的道路图像进行图像识别，确定所述待还原车辆在各所述还原路径节点的车辆行驶状态；其中，所述车辆行驶状态至少包括以下一项：车辆直行状态、车辆左转状态、车辆右转状态；
根据所述车辆行驶状态以及所述预设电子地图，确定所述待还原路径中的至少一条所述候选路径；
所述浮动车行驶时间分布指标计算公式：
Figure FDA0003531626430000021
其中，
Figure FDA0003531626430000022
为候选路径r上浮动车行驶时间分布指标，p(tr)为候选路径r在时间t的概率分布，
Figure FDA0003531626430000023
为浮动车在候选路径上行驶时间最小值，
Figure FDA0003531626430000024
为浮动车在候选路径上行驶时间最大值；
所述浮动车行驶数量指标计算公式：
Figure FDA0003531626430000025
其中，
Figure FDA0003531626430000026
为候选路径r上浮动车行驶数量指标，Nr为候选路径r上的浮动车行驶数量，minNr为候选路径上浮动车行驶数量最小值，maxNr为候选路径上浮动车行驶数量最大值；
所述浮动车平均行驶时间指标计算公式：
Figure FDA0003531626430000027
其中，
Figure FDA0003531626430000028
为浮动车平均行驶时间指标，Tr为候选路径r上的浮动车平均出行时间，minTr为候选路径中浮动车最小平均出行时间，maxTr为候选路径中浮动车最大平均出行时间；
所述道路交通灯指标计算公式：
Figure FDA0003531626430000031
其中，
Figure FDA0003531626430000032
表示候选路径r上道路交通灯指标，Lr为候选路径r上的交通信号灯数量，maxLr为候选路径中交通信号灯数量最大值，minLr为候选路径中交通信号灯数量最小值；
所述道路转弯指标计算公式：
Figure FDA0003531626430000033
其中，
Figure FDA0003531626430000034
表示候选路径r上道路转弯指标，Xr为候选路径r上的道路转弯数量，maxXr为候选路径r上的道路转弯数量最大值，minXr为候选路径r上的道路转弯数量最小值。
2.根据权利要求1所述方法，其特征在于，基于各所述还原路径节点对应的道路信息，对各所述还原路径节点对应的道路图像进行图像识别，确定所述待还原车辆在各所述还原路径节点的车辆行驶状态，具体包括：
基于各所述还原路径节点对应的道路信息，对各所述还原路径节点对应的道路图像进行图像识别，以得到所述待还原车辆对应的驾驶信息；
其中，所述驾驶信息至少以下包括一项或多项：交叉口编号、交叉口方向编号、车辆所处车道编号、车辆行驶方向编号、车身颜色；
根据所述驾驶信息确定所述待还原车辆在各所述还原路径节点的所述车辆行驶状态。
3.根据权利要求1所述方法，其特征在于，在基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点之后，所述方法还包括：
确定所述待还原车辆的车辆行驶轨迹的轨迹还原时间；
在所述轨迹还原时间内所述待还原车辆的还原路径节点的数量小于或等于第一预设值的情况下，增加所述轨迹还原时间的时长；
在增加所述轨迹还原时间的时长的情况下，确定相应的所述待还原车辆的还原路径节点，直至所述待还原车辆的还原路径节点的数量大于所述第一预设值，以根据所述待还原车辆的还原路径节点，还原所述待还原车辆的车辆行驶轨迹。
4.根据权利要求1所述的方法，其特征在于，在根据所述关联度还原所述待还原车辆的行驶轨迹之后，所述方法还包括：
根据还原后的所述待还原车辆的行驶轨迹，生成反馈信息，并发送至相应的终端设备，以使所述终端设备将所述反馈信息中的行驶轨迹向用户进行展示；
基于用户对所述反馈信息进行的操作，得到所述反馈信息的确认信息；其中，所述确认信息用于表示还原后的所述行驶轨迹是否正确；
将所述确认信息以及对应的所述行驶轨迹作为样本数据，并根据所述样本数据确定相应的待还原指标对应的指标权重值。
5.根据权利要求4所述方法，其特征在于，所述方法还包括：
在所述确认信息用于表示还原后的所述行驶轨迹错误的情况下，生成并发送所述行驶轨迹的路径段信息，以使用户确定相应的错误路径段；
根据用户确定相应的错误路径段，计算所述错误路径段的错误率；其中，所述错误率表示所述错误路径段对应的错误次数与所述错误路径段对应的还原次数的比值；
在所述错误率大于相应的第二预设值的情况下，根据所述错误路径段生成提示信息，并发送至第三方终端，以使所述第三方终端根据所述提示信息调整相应路径段的道路检测节点数量。
6.一种车辆行驶轨迹重构装置，其特征在于，所述装置包括：
第一确定单元，用于基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各所述还原路径节点的节点类型；其中，所述节点类型包括路径起点、路径内点、路径终点；
第二确定单元，用于基于所述还原路径节点以及各所述还原路径节点的节点类型，确定所述待还原车辆对应的至少一条待还原路径；
第三确定单元，用于根据预设电子地图以及各所述待还原路径对应的还原路径节点，确定各所述待还原路径对应的至少一条候选路径；
第四确定单元，用于确定各所述候选路径对应的各待还原指标的指标值以及各所述待还原指标对应的指标权重值；其中，所述待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标；
第五确定单元，用于基于各所述待还原指标的指标值以及各所述待还原指标对应的指标权重值，确定各所述候选路径的关联度，以根据所述关联度还原所述待还原车辆的行驶轨迹；
所述第一确定单元，用于基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各所述还原路径节点的节点类型，具体包括：
所述第一确定单元，还用于基于预先存储的所述道路图像集合，确定所述待还原车辆对应的所述还原路径节点；
所述第一确定单元，还用于计算所述待还原车辆经过相邻的所述还原路径节点的时间差值，并确定所述时间差值是否在相应的预设取值范围之内；所述预设取值范围根据浮动车在该相邻的所述还原路径节点之间历史行驶记录计算得到；
所述第一确定单元，还用于在所述时间差值在所述预设取值范围之内的情况下，确定对应的还原路径节点的节点类型为路径内点；
所述第一确定单元，还用于在所述时间差值大于所述预设取值范围的最大值的情况下，确定对应的还原路径节点的节点类型为路径终点或路径起点；
第二确定单元，用于根据预设电子地图以及各所述待还原路径对应的还原路径节点，确定各所述待还原路径对应的至少一条候选路径，具体包括：
所述第二确定单元，还用于基于各所述还原路径节点对应的道路信息，对各所述还原路径节点对应的道路图像进行图像识别，确定所述待还原车辆在各所述还原路径节点的车辆行驶状态；其中，所述车辆行驶状态至少包括以下一项：车辆直行状态、车辆左转状态、车辆右转状态；
所述第二确定单元，还用于根据所述车辆行驶状态以及所述预设电子地图，确定所述待还原路径中的至少一条所述候选路径；
所述浮动车行驶时间分布指标计算公式：
Figure FDA0003531626430000061
其中，
Figure FDA0003531626430000062
为候选路径r上浮动车行驶时间分布指标，p(tr)为候选路径r在时间t的概率分布，
Figure FDA0003531626430000063
为浮动车在候选路径上行驶时间最小值，
Figure FDA0003531626430000064
为浮动车在候选路径上行驶时间最大值；
所述浮动车行驶数量指标计算公式：
Figure FDA0003531626430000065
其中，
Figure FDA0003531626430000066
为候选路径r上浮动车行驶数量指标，Nr为候选路径r上的浮动车行驶数量，minNr为候选路径上浮动车行驶数量最小值，maxNr为候选路径上浮动车行驶数量最大值；
所述浮动车平均行驶时间指标计算公式：
Figure FDA0003531626430000067
其中，
Figure FDA0003531626430000068
为浮动车平均行驶时间指标，Tr为候选路径r上的浮动车平均出行时间，minTr为候选路径中浮动车最小平均出行时间，maxTr为候选路径中浮动车最大平均出行时间；
所述道路交通灯指标计算公式：
Figure FDA0003531626430000071
其中，
Figure FDA0003531626430000072
表示候选路径r上道路交通灯指标，Lr为候选路径r上的交通信号灯数量，maxLr为候选路径中交通信号灯数量最大值，minLr为候选路径中交通信号灯数量最小值；
所述道路转弯指标计算公式：
Figure FDA0003531626430000073
其中，
Figure FDA0003531626430000074
表示候选路径r上道路转弯指标，Xr为候选路径r上的道路转弯数量，maxXr为候选路径r上的道路转弯数量最大值，minXr为候选路径r上的道路转弯数量最小值。
7.一种车辆行驶轨迹重构设备，其特征在于，所述设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各所述还原路径节点的节点类型；其中，所述节点类型包括路径起点、路径内点、路径终点；
基于所述还原路径节点以及各所述还原路径节点的节点类型，确定所述待还原车辆对应的至少一条待还原路径；
根据预设电子地图以及各所述待还原路径对应的还原路径节点，确定各所述待还原路径对应的至少一条候选路径；
确定各所述候选路径对应的各待还原指标的指标值以及各所述待还原指标对应的指标权重值；其中，所述待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标；
基于各所述待还原指标的指标值以及各所述待还原指标对应的指标权重值，确定各所述候选路径的关联度，以根据所述关联度还原所述待还原车辆的行驶轨迹；
所述基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各所述还原路径节点的节点类型，具体包括：
基于预先存储的所述道路图像集合，确定所述待还原车辆对应的所述还原路径节点；
计算所述待还原车辆经过相邻的所述还原路径节点的时间差值，并确定所述时间差值是否在相应的预设取值范围之内；所述预设取值范围根据浮动车在该相邻的所述还原路径节点之间历史行驶记录计算得到；
在所述时间差值在所述预设取值范围之内的情况下，确定对应的还原路径节点的节点类型为路径内点；
在所述时间差值大于所述预设取值范围的最大值的情况下，确定对应的还原路径节点的节点类型为路径终点或路径起点；
所述根据预设电子地图以及各所述待还原路径对应的还原路径节点，确定各所述待还原路径对应的至少一条候选路径，具体包括：
基于各所述还原路径节点对应的道路信息，对各所述还原路径节点对应的道路图像进行图像识别，确定所述待还原车辆在各所述还原路径节点的车辆行驶状态；其中，所述车辆行驶状态至少包括以下一项：车辆直行状态、车辆左转状态、车辆右转状态；
根据所述车辆行驶状态以及所述预设电子地图，确定所述待还原路径中的至少一条所述候选路径；
所述浮动车行驶时间分布指标计算公式：
Figure FDA0003531626430000091
其中，
Figure FDA0003531626430000092
为候选路径r上浮动车行驶时间分布指标，p(tr)为候选路径r在时间t的概率分布，
Figure FDA0003531626430000093
为浮动车在候选路径上行驶时间最小值，
Figure FDA0003531626430000094
为浮动车在候选路径上行驶时间最大值；
所述浮动车行驶数量指标计算公式：
Figure FDA0003531626430000095
其中，
Figure FDA0003531626430000096
为候选路径r上浮动车行驶数量指标，Nr为候选路径r上的浮动车行驶数量，minNr为候选路径上浮动车行驶数量最小值，maxNr为候选路径上浮动车行驶数量最大值；
所述浮动车平均行驶时间指标计算公式：
Figure FDA0003531626430000097
其中，
Figure FDA0003531626430000098
为浮动车平均行驶时间指标，Tr为候选路径r上的浮动车平均出行时间，minTr为候选路径中浮动车最小平均出行时间，maxTr为候选路径中浮动车最大平均出行时间；
所述道路交通灯指标计算公式：
Figure FDA0003531626430000099
其中，
Figure FDA00035316264300000910
表示候选路径r上道路交通灯指标，Lr为候选路径r上的交通信号灯数量，maxLr为候选路径中交通信号灯数量最大值，minLr为候选路径中交通信号灯数量最小值；
所述道路转弯指标计算公式：
Figure FDA0003531626430000101
其中，
Figure FDA0003531626430000102
表示候选路径r上道路转弯指标，Xr为候选路径r上的道路转弯数量，maxXr为候选路径r上的道路转弯数量最大值，minXr为候选路径r上的道路转弯数量最小值。
8.一种车辆行驶轨迹重构的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各所述还原路径节点的节点类型；其中，所述节点类型包括路径起点、路径内点、路径终点；
基于所述还原路径节点以及各所述还原路径节点的节点类型，确定所述待还原车辆对应的至少一条待还原路径；
根据预设电子地图以及各所述待还原路径对应的还原路径节点，确定各所述待还原路径对应的至少一条候选路径；
确定各所述候选路径对应的各待还原指标的指标值以及各所述待还原指标对应的指标权重值；其中，所述待还原指标至少包括以下一项或多项：浮动车行驶时间分布指标、浮动车行驶数量指标、浮动车平均行驶时间指标、道路交通灯指标、道路转弯指标；
基于各所述待还原指标的指标值以及各所述待还原指标对应的指标权重值，确定各所述候选路径的关联度，以根据所述关联度还原所述待还原车辆的行驶轨迹；
所述基于预先存储的道路图像集合，确定待还原车辆对应的还原路径节点以及各所述还原路径节点的节点类型，具体包括：
基于预先存储的所述道路图像集合，确定所述待还原车辆对应的所述还原路径节点；
计算所述待还原车辆经过相邻的所述还原路径节点的时间差值，并确定所述时间差值是否在相应的预设取值范围之内；所述预设取值范围根据浮动车在该相邻的所述还原路径节点之间历史行驶记录计算得到；
在所述时间差值在所述预设取值范围之内的情况下，确定对应的还原路径节点的节点类型为路径内点；
在所述时间差值大于所述预设取值范围的最大值的情况下，确定对应的还原路径节点的节点类型为路径终点或路径起点；
所述根据预设电子地图以及各所述待还原路径对应的还原路径节点，确定各所述待还原路径对应的至少一条候选路径，具体包括：
基于各所述还原路径节点对应的道路信息，对各所述还原路径节点对应的道路图像进行图像识别，确定所述待还原车辆在各所述还原路径节点的车辆行驶状态；其中，所述车辆行驶状态至少包括以下一项：车辆直行状态、车辆左转状态、车辆右转状态；
根据所述车辆行驶状态以及所述预设电子地图，确定所述待还原路径中的至少一条所述候选路径；
所述浮动车行驶时间分布指标计算公式：
Figure FDA0003531626430000111
其中，
Figure FDA0003531626430000112
为候选路径r上浮动车行驶时间分布指标，p(tr)为候选路径r在时间t的概率分布，
Figure FDA0003531626430000113
为浮动车在候选路径上行驶时间最小值，
Figure FDA0003531626430000114
为浮动车在候选路径上行驶时间最大值；
所述浮动车行驶数量指标计算公式：
Figure FDA0003531626430000115
其中，
Figure FDA0003531626430000116
为候选路径r上浮动车行驶数量指标，Nr为候选路径r上的浮动车行驶数量，minNr为候选路径上浮动车行驶数量最小值，maxNr为候选路径上浮动车行驶数量最大值；
所述浮动车平均行驶时间指标计算公式：
Figure FDA0003531626430000121
其中，
Figure FDA0003531626430000122
为浮动车平均行驶时间指标，Tr为候选路径r上的浮动车平均出行时间，minTr为候选路径中浮动车最小平均出行时间，maxTr为候选路径中浮动车最大平均出行时间；
所述道路交通灯指标计算公式：
Figure FDA0003531626430000123
其中，
Figure FDA0003531626430000124
表示候选路径r上道路交通灯指标，Lr为候选路径r上的交通信号灯数量，maxLr为候选路径中交通信号灯数量最大值，minLr为候选路径中交通信号灯数量最小值；
所述道路转弯指标计算公式：
Figure FDA0003531626430000125
其中，
Figure FDA0003531626430000126
表示候选路径r上道路转弯指标，Xr为候选路径r上的道路转弯数量，maxXr为候选路径r上的道路转弯数量最大值，minXr为候选路径r上的道路转弯数量最小值。
CN202110539829.9A 2021-05-18 2021-05-18 一种车辆行驶轨迹重构方法、装置、设备及存储介质 Active CN113297342B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110539829.9A CN113297342B (zh) 2021-05-18 2021-05-18 一种车辆行驶轨迹重构方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110539829.9A CN113297342B (zh) 2021-05-18 2021-05-18 一种车辆行驶轨迹重构方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113297342A CN113297342A (zh) 2021-08-24
CN113297342B true CN113297342B (zh) 2022-05-10

Family

ID=77322534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110539829.9A Active CN113297342B (zh) 2021-05-18 2021-05-18 一种车辆行驶轨迹重构方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113297342B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258440A (zh) * 2013-05-02 2013-08-21 同济大学 一种基于道路属性和实时路况的行车轨迹还原算法
CN108447256A (zh) * 2018-03-22 2018-08-24 连云港杰瑞电子有限公司 基于电警和定点检测器数据融合的干道车辆轨迹重构方法
CN109064741A (zh) * 2018-08-01 2018-12-21 北京航空航天大学 基于多源数据融合的干道车辆运行轨迹重构的方法
CN110276950A (zh) * 2019-06-24 2019-09-24 华南理工大学 一种基于卡口视频数据的城市交通出行链重构方法
CN112365711A (zh) * 2020-10-21 2021-02-12 东南大学 一种基于车牌识别数据的车辆轨迹重构方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104699791B (zh) * 2015-03-17 2017-12-26 武汉中海庭数据技术有限公司 一种用于有损浮动车轨迹的路径还原方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258440A (zh) * 2013-05-02 2013-08-21 同济大学 一种基于道路属性和实时路况的行车轨迹还原算法
CN108447256A (zh) * 2018-03-22 2018-08-24 连云港杰瑞电子有限公司 基于电警和定点检测器数据融合的干道车辆轨迹重构方法
CN109064741A (zh) * 2018-08-01 2018-12-21 北京航空航天大学 基于多源数据融合的干道车辆运行轨迹重构的方法
CN110276950A (zh) * 2019-06-24 2019-09-24 华南理工大学 一种基于卡口视频数据的城市交通出行链重构方法
CN112365711A (zh) * 2020-10-21 2021-02-12 东南大学 一种基于车牌识别数据的车辆轨迹重构方法

Also Published As

Publication number Publication date
CN113297342A (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
JP4437556B2 (ja) 地物情報収集装置及び地物情報収集方法
JP4491472B2 (ja) 交通情報システム
US8768012B2 (en) Road estimation device and method for estimating road
JP5152305B2 (ja) 道路推定装置
US8670595B2 (en) Road estimation device and method for estimating road
JP4984152B2 (ja) 画像認識システム、サーバ装置、及び画像認識装置
EP2458331B1 (en) Road estimation device and method for estimating road
US11293762B2 (en) System and methods for generating updated map data
JP2008249480A (ja) 画像認識装置及び画像認識方法
US8761456B2 (en) Road estimation device and method for estimating road
JP5152306B2 (ja) 道路推定装置
US11348452B2 (en) Method, apparatus, and system for automatic closure verification using multiple possible vehicle paths
US10755118B2 (en) Method and system for unsupervised learning of road signs using vehicle sensor data and map data
US20200201891A1 (en) Method, apparatus, and computer program product for identifying at-risk road infrastructure
US11428535B2 (en) System and method for determining a sign type of a road sign
CN111565213A (zh) 提供用于发布传感器数据请求的接口的方法、装置及系统
JP2012215442A (ja) 自位置特定システム、自位置特定プログラム及び自位置特定方法
US20210150893A1 (en) Method, apparatus, and system for automatic road closure detection during probe anomaly
US20230196759A1 (en) Method, apparatus, and computer program product for identifying and correcting lane geometry in map data
US11023752B2 (en) Method and system for learning about road signs using hierarchical clustering
CN113297342B (zh) 一种车辆行驶轨迹重构方法、装置、设备及存储介质
US10883839B2 (en) Method and system for geo-spatial matching of sensor data to stationary objects
Popescu et al. On-road position estimation by probabilistic integration of visual cues
EP3922948A1 (en) Method, apparatus, and computer program product for generating and communicating low bandwidth map version agnostic routes
KR20200026004A (ko) 경로를 보정하는 서버, 방법 및 컴퓨터 프로그램

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