CN113532449A - 智能交通路网获取方法、装置、电子设备及存储介质 - Google Patents
智能交通路网获取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113532449A CN113532449A CN202110687714.4A CN202110687714A CN113532449A CN 113532449 A CN113532449 A CN 113532449A CN 202110687714 A CN202110687714 A CN 202110687714A CN 113532449 A CN113532449 A CN 113532449A
- Authority
- CN
- China
- Prior art keywords
- road network
- information
- intelligent traffic
- target demand
- generating
- 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 43
- 238000002372 labelling Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012552 review Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000011835 investigation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000274965 Cyrestis thyodamas Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
-
- 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
-
- 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
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- 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
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Instructional Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了智能交通路网获取方法、装置、电子设备及存储介质,涉及智能交通等人工智能领域,其中的方法可包括:获取目标需求集;获取标注信息,所述标注信息为在所展示的地图路网上、针对目标需求集中的路口人工标注的微观路网属性信息;从地图路网对应的路网数据中获取目标需求集对应的宏观路网信息;根据标注信息以及宏观路网信息生成目标需求集对应的智能交通路网。应用本公开所述方案,可准确高效地获取到符合智能交通业务场景需求的智能交通路网。
Description
技术领域
本公开涉及人工智能技术领域,特别涉及智能交通领域的智能交通路网获取方法、装置、电子设备及存储介质。
背景技术
目前常用的地图路网中,通常都包含了大量的非交通控制所需信息,如兴趣点(POI,Point of Interest)信息等,这些信息对于智能交通业务场景来说都是不需要的,而且缺少智能交通业务场景所需的一些微观信息,因此,目前的地图路网对于智能交通业务场景来说并不适用。
发明内容
本公开提供了智能交通路网获取方法、装置、电子设备及存储介质。
一种智能交通路网获取方法,包括:
获取目标需求集;
获取标注信息,所述标注信息为在所展示的地图路网上、针对所述目标需求集中的路口人工标注的微观路网属性信息;
从所述地图路网对应的路网数据中获取所述目标需求集对应的宏观路网信息;
根据所述标注信息以及所述宏观路网信息生成所述目标需求集对应的智能交通路网。
一种智能交通路网获取装置,包括:第一获取模块、第二获取模块、第三获取模块以及生成模块;
所述第一获取模块,用于获取目标需求集;
所述第二获取模块,用于获取标注信息,所述标注信息为在所展示的地图路网上、针对所述目标需求集中的路口人工标注的微观路网属性信息;
所述第三获取模块,用于从所述地图路网对应的路网数据中获取所述目标需求集对应的宏观路网信息;
所述生成模块,用于根据所述标注信息以及所述宏观路网信息生成所述目标需求集对应的智能交通路网。
一种电子设备,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执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行如以上所述的方法。
一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如以上所述的方法。
上述公开中的一个实施例具有如下优点或有益效果:可结合人工标注的路口的微观路网属性信息以及从地图路网对应的路网数据中获取的宏观路网信息,生成所需的智能交通路网,即可准确高效的获取到符合智能交通业务场景需求的智能交通路网。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开所述智能交通路网获取方法第一实施例的流程图;
图2为本公开所述智能交通路网获取方法第二实施例的流程图;
图3为本公开所述智能交通路网获取装置实施例300的组成结构示意图;
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
另外,应理解,本文中术语“和/或”,仅仅是一种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。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本公开所述智能交通路网获取方法第一实施例的流程图。如图1所示,包括以下具体实现方式。
在步骤101中,获取目标需求集。
在步骤102中,获取标注信息,标注信息为在所展示的地图路网上、针对目标需求集中的路口人工标注的微观路网属性信息。
在步骤103中,从地图路网对应的路网数据中获取目标需求集对应的宏观路网信息。
在步骤104中,根据标注信息以及宏观路网信息生成目标需求集对应的智能交通路网。
可以看出,上述方法实施例所述方案中,可结合人工标注的路口的微观路网属性信息以及从地图路网对应的路网数据中获取的宏观路网信息,生成所需的智能交通路网,即可准确高效地获取到符合智能交通业务场景需求的智能交通路网。
其中,目标需求集中可包括:区域、路口及干线,即待建模的区域、路口及干线。其中,干线是指多路口连成的多个路段组成的线结构。
目标需求集可为人工确定/设定的。假设目标需求集中的区域为区域a(如北京市的整个城市区域),那么目标需求集中的路口及干线均需要位于区域a内,而且,目标需求集中的路口可以包括区域a中的所有路口,也可以仅包括区域a中的部分路口,同样地,目标需求集中的干线可以包括区域a中的所有干线,也可以仅包括区域a中的部分干线。
针对目标需求集中的各路口,可分别获取对应的勘察信息,勘察信息中包括路口的微观路网属性信息。假设目标需求集中包括10个路口,那么需要分别获取这10个路口对应的勘察信息。
所获取的勘察信息可包括:
1)从街景地图中获取的勘察信息;
2)人工通过现场勘察生成的勘察信息。
获取到的勘察信息可包括勘察表和/或勘察图片,勘察表即指以文字形式记录的微观路网属性信息,勘察图片即指所拍摄的路口图片,以图片形式记录微观路网属性信息。
方式1)中,可从街景地图中获取所需的勘察信息,如可从街景地图中获取勘察图片,并可通过图片识别等技术得到勘察表。方式2)中,可通过专门的勘察人员按照勘察标准进行现场勘察,得到勘察表及勘察图片。
其中,方式1)可实现自动化勘察,从而可节省人力和时间成本,但街景地图的时效性无法保证,从而可能导致获取到的勘察信息不够准确(如包括过时信息),方式2)虽然需要耗费一定的人力和时间成本,但获取到的勘察信息通常更为准确。在实际应用中,具体采用哪种方式可根据实际需要而定。
相应地,可获取标注信息,标注信息为在所展示的地图路网上、针对目标需求集中的路口人工标注的微观路网属性信息。其中,对于目标需求集中的任一路口,可获取根据该路口对应的勘察信息人工标注的微观路网属性信息。
假设目标需求集中包括10个路口,分别为路口1~路口10,以路口1为例,对其进行人工标注的方式可为:针对所展示的地图路网的编辑界面,如所展示的网页版的百度地图路网的编辑界面,可首先选中路口1,之后可根据路口1对应的勘察信息,人工标注出路口1的微观路网属性信息,微观路网属性信息可包括:进口与出口、分支(Branch)、车道(数量、次序、转向、是否为可变车道,是否为潮汐车道、是否为展宽车道等)和流向等,具体包括哪些内容可根据实际需要而定,另外,如何进行标注不作限制,对于其它路口,可按照与路口1同样的方式进行处理。
上述处理方式中,借助于路口对应的勘察信息,可准确高效的标注出路口的微观路网属性信息,从而为后续处理奠定了良好的基础。
除获取标注信息外,还可从地图路网对应的路网数据中获取目标需求集对应的宏观路网信息。
本公开所述方案中,除了路口的微观路网属性信息需要人工标注外,其它的路段、干线以及区域等宏观路网信息均可从地图路网对应的路网数据中获取。
即可根据目标需求集,根据地图路网对应的路网数据确定出所需的宏观路网信息,具体实现为现有技术。一个路段可对应多个路口,如分别位于起始位置的两个路口,多个路段可组成一个干线,多路口多路段多干线组成区域。
在分别获取到标注信息以及宏观路网信息后,可结合两者来生成目标需求集对应的智能交通路网。
另外,还可获取对于标注信息的人工审核修订结果,根据修订后的标注信息生成目标需求集对应的智能交通路网,和/或,获取对于宏观路网信息的人工审核修订结果,根据修订后的宏观路网信息生成目标需求集对应的智能交通路网。
也就是说,在生成目标需求集对应的智能交通路网之前,可先对标注信息进行人工审核修订,进而可根据修订后的标注信息以及宏观路网信息生成目标需求集对应的智能交通路网,或者,可先对宏观路网信息进行人工审核修订,进而可根据标注信息以及修订后的宏观路网信息生成目标需求集对应的智能交通路网,或者,可分别对标注信息以及宏观路网信息进行人工审核修订,进而可根据修订后的标注信息以及修订后的宏观路网信息生成目标需求集对应的智能交通路网。
在实际应用中,可结合目标需求集以及各路口对应的勘察信息等来对标注信息和/或宏观路网信息进行人工审核修订。
通过上述处理,可得到更为准确的标注信息和/或宏观路网信息,从而提升了后续生成的智能交通路网的准确性等。
如何生成智能交通路网不作限制。本公开所述方案中,可生成嵌套式路网结构的路网产出文件。
通过嵌套式路网结构,可充分表达出路段与路口上下游关系、路段与Branch上下游关系、路口上下游关系以及Branch与车道的父子关系等,即可将干线、路段、路口、Branch、车道等的空间嵌套式包含关系充分表达。
其中,生成嵌套式路网结构的路网产出文件可包括:生成脚本语言对象简谱(JSON,JavaScript Object Notation)格式的路网产出文件,或者,生成协议缓冲(ProtoBuffer)二进制格式的路网产出文件,或者,生成ProtoBuffer文本格式的路网产出文件。
也就是说,路网产出文件的格式可为JSON格式,也可为ProtoBuffer二进制格式,还可为ProtoBuffer文本格式等,具体采用哪种格式可根据实际需要而定,不同格式分别具有各自的特点,比如,ProtoBuffer二进制格式具有加密性质,在未知proto定义文件时无法破解,而且文件压缩性高,便于传输等。
综合上述介绍,图2为本公开所述智能交通路网获取方法第二实施例的流程图。如图2所示,包括以下具体实现方式。
在步骤201中,获取目标需求集。
目标需求集中可包括:区域、路口及干线。
在步骤202中,获取目标需求集中的路口对应的勘察信息。
勘察信息可包括勘察表和/或勘察图片。本实施例中,假设从街景地图中自动获取勘察信息。
在步骤203中,获取标注信息,所述标注信息为在所展示的地图路网上、针对目标需求集中的路口、根据路口对应的勘察信息人工标注的微观路网属性信息。
即获取人工标注的目标需求集中的各路口的微观路网属性信息。
在步骤204中,从地图路网对应的路网数据中获取目标需求集对应的宏观路网信息。
即可根据目标需求集,根据地图路网对应的路网数据确定出所需的宏观路网信息。
在步骤205中,获取对于标注信息以及宏观路网信息的人工审核修订结果。
如可结合目标需求集以及各路口对应的勘察信息等来对标注信息以及宏观路网信息进行人工审核修订。
在步骤206中,根据修订后的标注信息以及修订后的宏观路网信息生成目标需求集对应的智能交通路网。
比如,可生成嵌套式路网结构的路网产出文件,包括:生成JSON格式的路网产出文件,或者,生成ProtoBuffer二进制格式的路网产出文件,或者,生成ProtoBuffer文本格式的路网产出文件等。
后续如何对智能交通路网进行使用为现有技术。
需要说明的是,对于前述的各方法实施例,为了简单描述,将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本公开所必须的。另外,某个实施例中没有详述的部分,可以参见其它实施例中的相关说明。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图3为本公开所述智能交通路网获取装置实施例300的组成结构示意图。如图3所示,包括:第一获取模块301、第二获取模块302、第三获取模块303以及生成模块304。
第一获取模块301,用于获取目标需求集。
第二获取模块302,用于获取标注信息,所述标注信息为在所展示的地图路网上、针对目标需求集中的路口人工标注的微观路网属性信息。
第三获取模块303,用于从地图路网对应的路网数据中获取目标需求集对应的宏观路网信息。
生成模块304,用于根据标注信息以及宏观路网信息生成目标需求集对应的智能交通路网。
其中,目标需求集中可包括:区域、路口及干线,即待建模的区域、路口及干线。
目标需求集可为人工确定/设定的。假设目标需求集中的区域为区域a,那么目标需求集中的路口及干线均需要位于区域a内,而且,目标需求集中的路口可以包括区域a中的所有路口,也可以仅包括区域a中的部分路口,同样地,目标需求集中的干线可以包括区域a中的所有干线,也可以仅包括区域a中的部分干线。
针对目标需求集中的各路口,可分别获取对应的勘察信息,勘察信息中可包括路口的微观路网属性信息。
所获取的勘察信息可包括:从街景地图中获取的勘察信息,或者,人工通过现场勘察生成的勘察信息。
获取到的勘察信息可包括勘察表和/或勘察图片,勘察表即指以文字形式记录的微观路网属性信息,勘察图片即指所拍摄的路口图片,以图片形式记录微观路网属性信息。
相应地,第二获取模块302可获取标注信息,标注信息为在所展示的地图路网上、针对目标需求集中的路口人工标注的微观路网属性信息。其中,对于目标需求集中的任一路口,可获取根据该路口对应的勘察信息人工标注的微观路网属性信息。
另外,第三获取模块303可从地图路网对应的路网数据中获取目标需求集对应的宏观路网信息。即可根据目标需求集,根据地图路网对应的路网数据确定出所需的宏观路网信息。
在分别获取到标注信息以及宏观路网信息后,生成模块304可结合两者生成目标需求集对应的智能交通路网。
另外,生成模块304还可获取对于标注信息的人工审核修订结果,根据修订后的标注信息生成目标需求集对应的智能交通路网,和/或,获取对于宏观路网信息的人工审核修订结果,根据修订后的宏观路网信息生成目标需求集对应的智能交通路网。
在实际应用中,可结合目标需求集以及各路口对应的勘察信息等来对标注信息和/或宏观路网信息进行人工审核修订。
另外,生成模块304还可生成嵌套式路网结构的路网产出文件。比如,可生成JSON格式的路网产出文件,或者,生成ProtoBuffer二进制格式的路网产出文件,或者,生成ProtoBuffer文本格式的路网产出文件等。
图3所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明,不再赘述。
总之,采用本公开装置实施例所述方案,可准确高效地得到符合智能交通业务场景需求的智能交通路网。
本公开所述方案可应用于人工智能领域,特别涉及智能交通等领域。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术,人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术,人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如本公开所述的方法。例如,在一些实施例中,本公开所述的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行本公开所述的方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开所述的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。云计算指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以以按需、自服务的方式对资源进行部署和管理的技术体系,通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种智能交通路网获取方法,包括:
获取目标需求集;
获取标注信息,所述标注信息为在所展示的地图路网上、针对所述目标需求集中的路口人工标注的微观路网属性信息;
从所述地图路网对应的路网数据中获取所述目标需求集对应的宏观路网信息;
根据所述标注信息以及所述宏观路网信息生成所述目标需求集对应的智能交通路网。
2.根据权利要求1所述的方法,其中,
所述目标需求集中包括:区域、路口及干线。
3.根据权利要求1所述的方法,其中,
所述目标需求集中的任一路口的微观路网属性信息包括:根据所述路口对应的勘察信息标注的微观路网属性信息。
4.根据权利要求3所述的方法,其中,
所述勘察信息包括:从街景地图中获取的勘察信息,或者,人工通过现场勘察生成的勘察信息。
5.根据权利要求1所述的方法,还包括:
获取对于所述标注信息的人工审核修订结果,根据修订后的标注信息生成所述智能交通路网;
和/或,获取对于所述宏观路网信息的人工审核修订结果,根据修订后的宏观路网信息生成所述智能交通路网。
6.根据权利要求1~5中任一项所述的方法,其中,
所述生成所述目标需求集对应的智能交通路网包括:生成嵌套式路网结构的路网产出文件。
7.根据权利要求6所述的方法,其中,所述生成嵌套式路网结构的路网产出文件包括:
生成脚本语言对象简谱JSON格式的路网产出文件;
或者,生成协议缓冲ProtoBuffer二进制格式的路网产出文件;
或者,生成ProtoBuffer文本格式的路网产出文件。
8.一种智能交通路网获取装置,包括:第一获取模块、第二获取模块、第三获取模块以及生成模块;
所述第一获取模块,用于获取目标需求集;
所述第二获取模块,用于获取标注信息,所述标注信息为在所展示的地图路网上、针对所述目标需求集中的路口人工标注的微观路网属性信息;
所述第三获取模块,用于从所述地图路网对应的路网数据中获取所述目标需求集对应的宏观路网信息;
所述生成模块,用于根据所述标注信息以及所述宏观路网信息生成所述目标需求集对应的智能交通路网。
9.根据权利要求8所述的装置,其中,
所述目标需求集中包括:区域、路口及干线。
10.根据权利要求8所述的装置,其中,
所述目标需求集中的任一路口的微观路网属性信息包括:根据所述路口对应的勘察信息标注的微观路网属性信息。
11.根据权利要求10所述的装置,其中,
所述勘察信息包括:
从街景地图中获取的勘察信息;
或者,人工通过现场勘察生成的勘察信息。
12.根据权利要求8所述的装置,其中,
所述生成模块进一步用于,获取对于所述标注信息的人工审核修订结果,根据修订后的标注信息生成所述智能交通路网,和/或,获取对于所述宏观路网信息的人工审核修订结果,根据修订后的宏观路网信息生成所述智能交通路网。
13.根据权利要求8~12中任一项所述的装置,其中,
所述生成模块生成嵌套式路网结构的路网产出文件。
14.根据权利要求13所述的装置,其中,
所述生成模块生成脚本语言对象简谱JSON格式的路网产出文件;
或者,所述生成模块生成协议缓冲ProtoBuffer二进制格式的路网产出文件;
或者,所述生成模块生成ProtoBuffer文本格式的路网产出文件。
15.一种电子设备,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执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110687714.4A CN113532449B (zh) | 2021-06-21 | 2021-06-21 | 智能交通路网获取方法、装置、电子设备及存储介质 |
US17/676,686 US11835356B2 (en) | 2021-06-21 | 2022-02-21 | Intelligent transportation road network acquisition method and apparatus, electronic device and storage medium |
EP22157646.5A EP4109358A1 (en) | 2021-06-21 | 2022-02-21 | Intelligent transportation road network acquisition method and apparatus, electronic device and storage medium |
JP2022025607A JP2023001855A (ja) | 2021-06-21 | 2022-02-22 | インテリジェント交通路網取得方法、装置、電子機器、及び記憶媒体 |
KR1020220023739A KR20220169881A (ko) | 2021-06-21 | 2022-02-23 | 지능형 교통 도로망 획득 방법, 장치, 전자 기기 및 기록 매체 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110687714.4A CN113532449B (zh) | 2021-06-21 | 2021-06-21 | 智能交通路网获取方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113532449A true CN113532449A (zh) | 2021-10-22 |
CN113532449B CN113532449B (zh) | 2023-11-21 |
Family
ID=78125393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110687714.4A Active CN113532449B (zh) | 2021-06-21 | 2021-06-21 | 智能交通路网获取方法、装置、电子设备及存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11835356B2 (zh) |
EP (1) | EP4109358A1 (zh) |
JP (1) | JP2023001855A (zh) |
KR (1) | KR20220169881A (zh) |
CN (1) | CN113532449B (zh) |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101162148A (zh) * | 2006-11-30 | 2008-04-16 | 厦门雅迅网络股份有限公司 | 一种使用动态地图拓扑进行更准确导航的方法 |
CN101819717A (zh) * | 2010-03-05 | 2010-09-01 | 吉林大学 | 基于交通状态时空模型的路网性能判定方法 |
CN103531024A (zh) * | 2013-10-28 | 2014-01-22 | 武汉旭云科技有限公司 | 一种动态交通路网城市道路要素模型及其建模方法 |
CN103593535A (zh) * | 2013-11-22 | 2014-02-19 | 南京洛普股份有限公司 | 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法 |
US20150300835A1 (en) * | 2014-04-18 | 2015-10-22 | Here Global B.V. | Method and apparatus for creating an origin-destination matrix from probe trajectory data |
CN105374204A (zh) * | 2015-10-08 | 2016-03-02 | 清华大学 | 一种城市道路交通检测器布点的方法 |
CN105374209A (zh) * | 2015-11-05 | 2016-03-02 | 北京航空航天大学 | 一种城市区域路网运行状态特征信息提取方法 |
CN106096798A (zh) * | 2016-07-05 | 2016-11-09 | 南京航空航天大学 | 一种可达性最优条件下的城市路网优化方法 |
CN107622665A (zh) * | 2017-10-19 | 2018-01-23 | 东南大学 | 一种宏观与微观交通仿真系统交互的交通分配方法 |
CN109976332A (zh) * | 2018-12-29 | 2019-07-05 | 惠州市德赛西威汽车电子股份有限公司 | 一种用于无人驾驶的高精度地图模型及自主导航系统 |
CN110765227A (zh) * | 2019-11-13 | 2020-02-07 | 北京百度网讯科技有限公司 | 道路交通网络模型构建方法及装置 |
CN110768819A (zh) * | 2018-12-03 | 2020-02-07 | 北京嘀嘀无限科技发展有限公司 | 生成方法、规划方法、装置、终端和可读存储介质 |
CN110992681A (zh) * | 2019-07-10 | 2020-04-10 | 当家移动绿色互联网技术集团有限公司 | 交通路网属性信息生成方法、装置、存储介质及电子设备 |
CN111044058A (zh) * | 2018-10-11 | 2020-04-21 | 北京嘀嘀无限科技发展有限公司 | 路线规划方法及路线规划装置、计算机设备和存储介质 |
WO2020106211A1 (en) * | 2018-11-19 | 2020-05-28 | Grabtaxi Holdings Pte. Ltd. | Communications server apparatus, method and communications system for managing request for transport-related services |
US20200201357A1 (en) * | 2018-12-21 | 2020-06-25 | Ford Global Technologies, Llc | Systems and methods for vehicle scheduling and routing |
CN111415510A (zh) * | 2019-01-04 | 2020-07-14 | 阿里巴巴集团控股有限公司 | 一种交通数据的获得方法及装置 |
US20200239031A1 (en) * | 2019-01-25 | 2020-07-30 | Cavh Llc | System and methods for partially instrumented connected automated vehicle highway systems |
CN111985107A (zh) * | 2020-08-21 | 2020-11-24 | 当家移动绿色互联网技术集团有限公司 | 路网生成方法和装置 |
CN112069636A (zh) * | 2020-09-07 | 2020-12-11 | 华设设计集团股份有限公司 | 一种路网仿真输入模型构建方法、装置及存储介质 |
CN112100311A (zh) * | 2020-11-19 | 2020-12-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通路网地理信息数据管理方法、装置及系统 |
CN112629558A (zh) * | 2020-12-10 | 2021-04-09 | 北京秀友科技有限公司 | 车辆惯导匹配矫正方法和装置、设备及存储介质 |
US20220215749A1 (en) * | 2019-05-28 | 2022-07-07 | IFP Energies Nouvelles | Method for predicting at least one profile of the speed of a vehicle on a road network |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007010905A (ja) | 2005-06-29 | 2007-01-18 | Pioneer Electronic Corp | 調査フォーム情報、調査シート、および、情報生成装置 |
US20170109764A1 (en) | 2015-10-19 | 2017-04-20 | Xerox Corporation | System and method for mobility demand modeling using geographical data |
US11436923B2 (en) * | 2019-01-25 | 2022-09-06 | Cavh Llc | Proactive sensing systems and methods for intelligent road infrastructure systems |
EP3745331A1 (en) | 2019-05-29 | 2020-12-02 | Naver Corporation | Methods for preprocessing a set of non-scheduled lines within a multimodal transportation network of predetermined stations and for computing at least one itinerary from a departure location to an arrival location |
CN113496602B (zh) * | 2020-04-03 | 2023-01-31 | 上海丰豹商务咨询有限公司 | 智能路侧工具箱 |
-
2021
- 2021-06-21 CN CN202110687714.4A patent/CN113532449B/zh active Active
-
2022
- 2022-02-21 EP EP22157646.5A patent/EP4109358A1/en not_active Withdrawn
- 2022-02-21 US US17/676,686 patent/US11835356B2/en active Active
- 2022-02-22 JP JP2022025607A patent/JP2023001855A/ja active Pending
- 2022-02-23 KR KR1020220023739A patent/KR20220169881A/ko not_active Application Discontinuation
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101162148A (zh) * | 2006-11-30 | 2008-04-16 | 厦门雅迅网络股份有限公司 | 一种使用动态地图拓扑进行更准确导航的方法 |
CN101819717A (zh) * | 2010-03-05 | 2010-09-01 | 吉林大学 | 基于交通状态时空模型的路网性能判定方法 |
CN103531024A (zh) * | 2013-10-28 | 2014-01-22 | 武汉旭云科技有限公司 | 一种动态交通路网城市道路要素模型及其建模方法 |
CN103593535A (zh) * | 2013-11-22 | 2014-02-19 | 南京洛普股份有限公司 | 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法 |
US20150300835A1 (en) * | 2014-04-18 | 2015-10-22 | Here Global B.V. | Method and apparatus for creating an origin-destination matrix from probe trajectory data |
CN105374204A (zh) * | 2015-10-08 | 2016-03-02 | 清华大学 | 一种城市道路交通检测器布点的方法 |
CN105374209A (zh) * | 2015-11-05 | 2016-03-02 | 北京航空航天大学 | 一种城市区域路网运行状态特征信息提取方法 |
CN106096798A (zh) * | 2016-07-05 | 2016-11-09 | 南京航空航天大学 | 一种可达性最优条件下的城市路网优化方法 |
CN107622665A (zh) * | 2017-10-19 | 2018-01-23 | 东南大学 | 一种宏观与微观交通仿真系统交互的交通分配方法 |
CN111044058A (zh) * | 2018-10-11 | 2020-04-21 | 北京嘀嘀无限科技发展有限公司 | 路线规划方法及路线规划装置、计算机设备和存储介质 |
WO2020106211A1 (en) * | 2018-11-19 | 2020-05-28 | Grabtaxi Holdings Pte. Ltd. | Communications server apparatus, method and communications system for managing request for transport-related services |
US20220018667A1 (en) * | 2018-11-19 | 2022-01-20 | Grabtaxi Holdings Pte., Ltd. | Communications server apparatus, method and communications system for managing request for transport-related services |
CN110768819A (zh) * | 2018-12-03 | 2020-02-07 | 北京嘀嘀无限科技发展有限公司 | 生成方法、规划方法、装置、终端和可读存储介质 |
US20200201357A1 (en) * | 2018-12-21 | 2020-06-25 | Ford Global Technologies, Llc | Systems and methods for vehicle scheduling and routing |
CN109976332A (zh) * | 2018-12-29 | 2019-07-05 | 惠州市德赛西威汽车电子股份有限公司 | 一种用于无人驾驶的高精度地图模型及自主导航系统 |
CN111415510A (zh) * | 2019-01-04 | 2020-07-14 | 阿里巴巴集团控股有限公司 | 一种交通数据的获得方法及装置 |
US20200239031A1 (en) * | 2019-01-25 | 2020-07-30 | Cavh Llc | System and methods for partially instrumented connected automated vehicle highway systems |
US20220215749A1 (en) * | 2019-05-28 | 2022-07-07 | IFP Energies Nouvelles | Method for predicting at least one profile of the speed of a vehicle on a road network |
CN110992681A (zh) * | 2019-07-10 | 2020-04-10 | 当家移动绿色互联网技术集团有限公司 | 交通路网属性信息生成方法、装置、存储介质及电子设备 |
CN110765227A (zh) * | 2019-11-13 | 2020-02-07 | 北京百度网讯科技有限公司 | 道路交通网络模型构建方法及装置 |
CN111985107A (zh) * | 2020-08-21 | 2020-11-24 | 当家移动绿色互联网技术集团有限公司 | 路网生成方法和装置 |
CN112069636A (zh) * | 2020-09-07 | 2020-12-11 | 华设设计集团股份有限公司 | 一种路网仿真输入模型构建方法、装置及存储介质 |
CN112100311A (zh) * | 2020-11-19 | 2020-12-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通路网地理信息数据管理方法、装置及系统 |
CN112629558A (zh) * | 2020-12-10 | 2021-04-09 | 北京秀友科技有限公司 | 车辆惯导匹配矫正方法和装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
宋延等: "适用于路径规划系统的动态路网描述模型", 《交通与计算机》, vol. 22, no. 5 * |
Also Published As
Publication number | Publication date |
---|---|
EP4109358A1 (en) | 2022-12-28 |
CN113532449B (zh) | 2023-11-21 |
US11835356B2 (en) | 2023-12-05 |
KR20220169881A (ko) | 2022-12-28 |
US20220404168A1 (en) | 2022-12-22 |
JP2023001855A (ja) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112579727B (zh) | 文档内容的提取方法、装置、电子设备及存储介质 | |
US20210357710A1 (en) | Text recognition method and device, and electronic device | |
US20210325203A1 (en) | High-precision map-based human-machine interaction method and apparatus | |
US20230091252A1 (en) | Method for processing high-definition map data, electronic device and medium | |
CN114187412B (zh) | 高精地图生成方法、装置、电子设备及存储介质 | |
US20230147594A1 (en) | Method for integratedly updating map data, device and storage medium | |
US20230104225A1 (en) | Method for fusing road data to generate a map, electronic device, and storage medium | |
CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN113932796A (zh) | 高精地图车道线生成方法、装置和电子设备 | |
CN113532449B (zh) | 智能交通路网获取方法、装置、电子设备及存储介质 | |
CN115640372A (zh) | 一种室内平面的区域指引方法、装置、系统、设备及介质 | |
CN115757674A (zh) | 地图处理方法、装置、设备及存储介质 | |
CN113625770B (zh) | 基于飞行无人机对光伏电站进行巡检的自主导航规划方法及装置 | |
CN114398434A (zh) | 结构化信息抽取方法、装置、电子设备和存储介质 | |
CN113959400A (zh) | 路口顶点高度值获取方法、装置、电子设备及存储介质 | |
CN113487696B (zh) | 电子地图生成方法、装置、电子设备及存储介质 | |
CN112835007B (zh) | 点云数据转换方法、装置、电子设备和存储介质 | |
CN114268746B (zh) | 一种视频生成方法、装置、设备及存储介质 | |
EP3937125A2 (en) | Method, apparatus for superimposing laser point clouds and high-precision map and electronic device | |
US20230147521A1 (en) | High-precision-map data collection methods, device and storage medium | |
CN114339068A (zh) | 一种视频生成方法、装置、设备及存储介质 | |
CN114997511A (zh) | 基于无人机的远程保险作业方法与系统 | |
CN113987098A (zh) | 高精地图道路边界更新方法、装置、电子设备以及存储介质 | |
CN114647797A (zh) | 轨迹点匹配道路的方法、装置、电子设备及可读存储介质 | |
CN115638799A (zh) | 高精地图更新方法、装置、电子设备及介质 |
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 |