CN113656979A - 路网数据生成方法、装置、电子设备及存储介质 - Google Patents
路网数据生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113656979A CN113656979A CN202110985510.9A CN202110985510A CN113656979A CN 113656979 A CN113656979 A CN 113656979A CN 202110985510 A CN202110985510 A CN 202110985510A CN 113656979 A CN113656979 A CN 113656979A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- road network
- network data
- lane
- 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 56
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 abstract description 45
- 230000006870 function Effects 0.000 abstract description 22
- 239000000284 extract Substances 0.000 description 8
- 238000010276 construction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008676 import Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- 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
- G06F16/23—Updating
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种路网数据生成方法、装置、电子设备及存储介质,涉及交通仿真技术领域。该方法包括:基于获取的地图数据,提取目标道路的目标道路地图;根据目标道路地图生成对应的初始路网数据;获取目标道路的车道数据;根据车道数据对初始路网数据进行更新,得到目标路网数据。本申请通过对地图中需要进行路网文件搭建的道路进行提取,能够根据提取的目标道路生成对应的路网数据,并根据目标道路的车道数据对路网数据进行更新,以对原有的路网数据进行优化,获取优化后的目标路网数据,为交通仿真提供特定道路中包含多种车道级别功能的路网数据,有效地提高了路网数据的准确性、针对性和有效性,提高了交通仿真的效率。
Description
技术领域
本申请涉及交通仿真技术领域,具体而言,涉及一种路网数据生成方法、装置、电子设备及存储介质。
背景技术
交通仿真指用仿真技术来研究交通行为,是一门对交通运动随时间和空间的变化进行跟踪描述的技术。在进行交通仿真之前需要构建交通仿真路网,交通仿真路网的精确度会直接影响交通仿真效果。
路网文件的创建是仿真的基础,现有技术中,在交通领域的道路搭建应用中,主要依靠交通仿真软件中的路网编辑工具,人为手动编辑相应的路网数据,以生成相应的交通仿真路网文件。在仿真软件根据交通数据生成交通仿真的路网文件时,现有的仿真软件的路网搭建方法中,通常整个路网数据编辑的过程会花费较多的人力物力,并且人工手动输入的路网数据通常容易出现输入性的错误,可靠性较低,且无法针对各类不同的道路需求和交通数据进行对应的转换,影响路网文件的针对性、准确性和实时性,导致路网文件的有效性较低,交通仿真的效率较低。
发明内容
有鉴于此,本申请实施例的目的在于提供一种路网数据生成方法、装置、电子设备及存储介质,以改善现有技术中存在的路网数据的有效性较低的问题。
第一方面,为了解决上述问题,本申请实施例提供了一种路网数据生成方法,所述方法包括:
基于获取的地图数据,提取目标道路的目标道路地图;
根据所述目标道路地图生成对应的初始路网数据;
获取所述目标道路的车道数据;
根据所述车道数据对所述初始路网数据进行更新,得到目标路网数据。
在上述实现方式中,通过在地图数据中进行特定道路的提取,能够得到需要进行路网数据搭建的目标道路对应的目标道路地图,生成对应的初始路网数据;通过目标道路的车道数据,能够对初始路网数据进行更新,得到目标路网数据,以在目标路网数据中实现车道的相关功能。能够根据需求对特定道路进行提取,并对生成的路网数据进行优化,为交通仿真提供特定道路中包含多种车道级别功能的路网数据,有效地提高了路网数据的准确性、针对性和有效性,提高了交通仿真的效率。
可选地,所述获取所述目标道路的车道数据,包括:
对所述初始路网数据进行读取,获取所述初始路网数据中所述目标道路的各个路段对应的节点数据;
根据所述节点数据,确定出对应的路段中每条车道的子节点数据;
基于所述子节点数据,确定出所述目标道路的车道数据。
在上述实现方式中,通过对目标道路对应的初始路网数据进行读取,能够查找出初始路网数据中的各个路段对应节点的节点数据,根据每个节点数据能够计算出该路段中各条车道的子节点数据,在子节点数据的基础上确定出目标道路的车道数据。有效地提高了车道数据的准确性、针对性和实时性,为后续的更新提供数据支持。
可选地,所述车道数据包括车道限速数据;所述基于所述子节点数据,确定出所述目标道路的车道数据,包括:
根据所述子节点数据,确定各条车道的速度属性;
根据预设的车道限速规则对多个所述速度属性进行排序,得到对应的所述车道限速数据。
在上述实现方式中,由于各个路段的车道数量不同,因此每条车道的速度也不相同。通过子节点数据确定对应的路段中每条车道对应的速度属性,基于预设的车道限速规则对多个速度属性进行排序,以得到包括各个车道速度的车道限速数据。能够根据子节点数据对每条车道的速度属性进行获取和排序,获取车道限速数据,以在路网数据中实现对车道级别的限速,对路网数据中限速的级别进行了细化,提高了限速的精确性和针对性。
可选地,所述车道数据包括车道车辆数据;所述基于所述子节点数据,确定出所述目标道路的车道数据,包括:
根据所述子节点数据,获取各条车道的编号数据;
根据预设的车辆通行类型规则对多个所述编号数据进行分类,得到所述车道车辆数据。
在上述实现方式中,由于各个路段的车道数量不同,因此每条车道的通行车辆种类也不相同。通过子节点数据确定对应的路段中每条车道对应的编号数据,基于预设的车辆通行类型规则对多个编号数据进行分类,以得到包括各条车道通行的车辆种类的车道车辆数据。能够根据子节点数据对每条车道的编号数据进行获取和分类,获取车道车辆数据,以在路网数据中实现车道级别的车辆禁行和通行,对路网数据中车辆类型限行的级别进行了细化,提高了车辆类型限行的精确性和针对性。
可选地,所述根据所述车道数据对所述初始路网数据进行更新,得到目标路网数据,包括:
将所述车道数据导入所述初始路网数据中所述目标道路的各个路段对应的节点数据中,以对所述初始路网数据进行更新;
对更新后的所述初始路网数据进行封装,得到所述目标路网数据。
在上述实现方式中,通过将车道数据导入到初始路网数据中目标道路的各个路段的节点数据中,能够对初始路网数据进行更新,实现对初始路网数据的优化,并对更新后的初始路网数据进行封装,得到目标路网数据,以为交通仿真提供封装好的路网数据,提高了目标路网数据的准确性、实时性和针对性,便于用户对路网数据进行提取和使用,提升用户使用体验。
可选地,所述方法还包括:
基于所述目标路网数据,对所述目标道路中卡口的位置信息进行匹配,得到所述卡口的卡口位置数据;
根据所述目标路网数据和所述卡口位置数据,对所述卡口导入的车辆进行记录,得到导入数据。
在上述实现方式中,在目标道路中包括卡口时,通过获取的目标路网数据能够对交通仿真时的卡口数据进行构建。在目标路网数据的基础上对卡口的位置进行匹配,得到卡口在目标路网数据中的卡口位置数据;根据目标路网数据和卡口位置数据,能够在卡口实现车辆的导入,对车辆进行记录获取对应的导入数据。在目标路网数据的基础上,在获取的导入数据的技术常,进行卡口的交通流量仿真,提高了卡口导入数据的准确性、针对性和有效性,提高了卡口交通仿真的效率。
可选地,所述基于获取的地图数据,提取目标道路的目标道路地图,包括:
对获取的地图数据进行读取,得到每条道路对应的道路数据;
在所述地图数据中对多个所述道路数据进行筛选,得到目标道路对应的目标道路地图。
在上述实现方式中,根据路网数据的搭建需求,对获取的大范围的地图数据进行读取,读取地图数据中每条道路对应的道路数据,并根据搭建需求对多个道路数据进行筛选,保留目标道路对应的目标道路地图,删减其他非目标道路的道路数据,以实现特定道路的提取,提高了初始路网数据的针对性,满足多种需求和实际情况,提升用户使用体验。
第二方面,本申请实施例还提供了一种路网数据生成装置,所述装置包括:
提取模块,用于基于获取的地图数据,提取目标道路的目标道路地图;
生成模块,用于根据所述目标道路地图生成对应的初始路网数据;
获取模块,用于获取所述目标道路的车道数据;
更新模块,用于根据所述车道数据对所述初始路网数据进行更新,得到目标路网数据。
在上述实现方式中,通过提取模块对地图数据中的目标道路进行提取,得到对应的目标道路地图,通过生成模块根据得到的目标道路地图生成对应的初始路网数据,以实现特定道路的提取和路网数据的生成;通过获取模块对初始路网数据中目标道路的车道数据进行获取,能够在更新模块中,根据获取的车道数据对初始路网数据进行更新,得到优化后的目标路网数据,以在目标路网数据中实现车道的相关功能。能够根据需求对特定道路进行提取,并对生成的路网数据进行优化,为交通仿真提供特定道路中包含多种车道级别功能的路网数据,有效地提高了路网数据的准确性、针对性和有效性,提高了交通仿真的效率。
第三方面,本申请实施例还提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器中存储有程序指令,所述处理器读取并运行所述程序指令时,执行上述路网数据生成方法中任一实现方式中的步骤。
第四方面,本申请实施例还提供了一种可读取存储介质,所述可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行上述路网数据生成方法中任一实现方式中的步骤。
综上所述,本申请实施例提供了一种路网数据生成方法、装置、电子设备及存储介质,能够根据需求对地图中的特定道路进行提取,生成特定道路对应的路网数据,并根据道路的车道数据对路网数据进行更新,对原有的路网数据进行优化,为交通仿真提供特定道路中包含多种车道级别功能的路网数据,有效地提高了路网数据的准确性、针对性和有效性,提高了交通仿真的效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种路网数据生成方法的流程示意图;
图2为本申请实施例提供的一种步骤S1的详细流程示意图;
图3为本申请实施例提供的一种步骤S3的详细流程示意图;
图4为本申请实施例提供的一种步骤S4的详细流程示意图;
图5为本申请实施例提供的另一种路网数据生成方法的流程示意图;
图6为本申请实施例提供的一种路网数据生成装置的结构示意图。
图标:100-路网数据生成装置;110-提取模块;120-生成模块;130-获取模块;140-更新模块。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请实施例的一部分实施例,而不是全部的实施例。基于本申请实施例的实施例,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他实施例,都属于本申请实施例保护的范围。
本申请实施例提供了一种路网数据生成方法,应用于服务器,服务器可以为个人电脑(Personal Computer,PC)、平板电脑、智能手机、个人数字助理(Personal DigitalAssistant,PDA)等具有逻辑计算功能的电子设备,能够对路网数据进行生成和更新,以为交通仿真提供数据基础。
值得说明的是,在进行交通仿真时,服务器可以基于多种交通系统仿真平台软件进行路网数据的生成,例如SUMO(Simulation of Urban Mobility),以对多种交通网络进行仿真。
请参阅图1,图1为本申请实施例提供的一种路网数据生成方法的流程示意图,该方法包括以下步骤:
步骤S1,基于获取的地图数据,提取目标道路的目标道路地图。
其中,通过在地图数据中根据路网数据的搭建需求,进行目标道路的提取,能够实现对特定道路的提取。
示例地,地图数据可以为多种格式的电子地图,电子地图可以为二维平面地图、三维立体地图等多种模式的地图。获取地图数据的方式可以为服务器根据需求,通过网路在多种网站上下载OSM(Open Street Map,开源地图)地图,也可以为服务器基于网络在GIS(Geographic Information System,地理信息系统)中获取的地图,还可以为服务器在自身的地图数据库中,根据需求或关键词等信息进行检索得到的地图数据等多种不同的获取方式。
可选地,服务器还可以获取用户的需求,用户需要对某条道路的路网数据进行生成时,服务器可以接收用户输入的需求或者用户在用户终端上发送或输入的需求信息,用户终端可以为个人电脑、平板电脑、智能手机、个人数字助理等具有逻辑计算功能的电子设备,需求信息可以为文字、图片、视频等多种形式的信息。
可选地,请参阅图2,图2为本申请实施例提供的一种步骤S1的详细流程示意图,步骤S1还可以包括步骤S11-S12:
步骤S11,对获取的地图数据进行读取,得到每条道路对应的道路数据。
其中,基于获取的地图数据进行读取,得到地图数据所包含的每一条道路及对应的道路数据。
可选地,道路数据中可以包括道路在地图数据中的地理位置信息、道路的起点和终点信息、道路的名称信息,例如A路B段、道路的属性信息、道路的在地图数据中的索引编号等多种数据。
步骤S12,在所述地图数据中对多个所述道路数据进行筛选,得到目标道路对应的目标道路地图。
其中,服务器可以根据采集得到的用户的需求信息为筛选规则,在地图数据中对读取得到的多个道路数据进行筛选,以筛选得到用户需求的目标道路对应的目标道路地图,以实现在地图数据中对特定道路的提取。
可选地,在进行筛选时,可以根据需求信息和多个道路数据进行对比,例如,在道路的名称与需求信息中的名称信息不符时,或道路的属性不是需求信息中的“motorway_link”(即匝道)时,或道路的地理位置与需求信息的地理位置不同时等多种不符情况,即判定该道路不符合需求信息,对该道路对应的道路数据进行删减,保留符合需求信息的目标道路的道路数据和地图数据中的全部枢纽和互通连接信息,形成新的目标道路地图。
在图2所示的实施例中,能够根据路网数据的搭建需求,对获取的大范围的地图数据进行读取,读取地图数据中每条道路对应的道路数据,并根据搭建需求对多个道路数据进行筛选,保留目标道路对应的目标道路地图,删减其他非目标道路的道路数据,以实现特定道路的提取,提高了初始路网数据的针对性,满足多种需求和实际情况,提升用户使用体验。
在执行完步骤S1后,继续执行步骤S2。
步骤S2,根据所述目标道路地图生成对应的初始路网数据。
其中,基于目标道路地图,生成对应的初始路网数据,不仅可以进行道路类型的路网数据的生成,还可以实现对提取的特定道路的路网数据的生成,增加路网数据的针对性和精确度,满足用户的多种需求,提升用户的使用体验。
可选地,在生成初始路网数据时,可以读取目标道路地图,还可以在目标道路地图中查找孤立的道路网络,对孤立的道路网络进行删减,以减少孤立的道路网络对目标道路地图带来的不利影响,例如降低目标道路地图的精确度、为后续计算带来非必要的计算工作等。在进行删减后的目标道路地图的基础上,在服务器的交通仿真软件中进行读取和调用,例如在SUMO软件中调用net convert接口,对目标道路中的匝道长度等进行设置,实现对目标道路地图到仿真路网数据的转换生成。
步骤S3,获取所述目标道路的车道数据。
其中,在初始路网数据中获取目标道路的车道数据,以为路网数据针对车道级别的功能提供数据支持。
可选地,车道数据中可以包括车道的地理位置信息、车道的级别信息,例如“三车道高速路段”、“四车道高速路段”、“二车道普通路段”等,还可以包括车道对应的限速信息、通行的车辆种类、禁行的车辆种类等多种数据。
可选地,可以参考图3,图3为本申请实施例提供的一种步骤S3的详细流程示意图,步骤S3还可以包括步骤S31-S33:
步骤S31,对所述初始路网数据进行读取,获取所述初始路网数据中所述目标道路的各个路段对应的节点数据。
其中,由于生成的初始路网数据中,目标道路具有多个节点,节点可以为多个路段之间的连接处,将目标道路划分为多个路段,每个路段都具有对应节点的节点数据,节点数据可以为两个节点之间的数据。对初始路网数据读取时,服务器可以将初始路网数据转换为交通仿真软件能够识别的格式,例如xml格式等,以对初始路网数据中的所有路段节点对应的节点数据进行获取,以对初始路网数据中道路的各个路段的道路进行了解和信息获取。
可选地,节点数据中可以包括该路段道路的起始位置、终止位置、地理位置信息、路段名称、路段索引号等多种数据。
步骤S32,根据所述节点数据,确定出对应的路段中每条车道的子节点数据。
其中,由于各个路段的道路中具有多条支路、匝道等子路段,每个节点中的路段都具有多条车道,对一个节点数据对应的节点中的每条车道的子节点数据进行获取,能够对道路中的每一条车道对应的数据进行获取,以为路网数据提供车道级别的数据基础。
可选地,车道的子节点数据中,可以包括该路段车道数量的计算结果,例如“三车道高速路段”、“四车道高速路段”、“二车道普通路段”等,还可以包括车道所处的位置信息、车道的编号信息等。
步骤S33,基于所述子节点数据,确定出所述目标道路的车道数据。
其中,在获取的多个车道的子节点数据的基础上,确定出目标道路对应的车道数据,提高了车道数据的准确性、针对性和实时性,为路网数据的优化提供车道级别的数据基础。
可选地,步骤S33还可以包括步骤S331-S332:
步骤S331,根据所述子节点数据,确定各条车道的速度属性。
其中,在车道数据中包括车道限速数据时,可以在各条车道对应的子节点数据的基础上,确定出每条车道的速度属性。由于一条道路中具有多个车道,各个路段的车道数量不同,车道的速度属性也不相同。通过对车道数量的计算,能够在车道数量的基础上,获取每条车道的速度属性。
示例地,在子节点数据中显示车道为三车道高速公路时,根据高速公路的相关设定,三车道高速公路的限速一般为“120km/h,110km/h,80km/h”,四车道高速公路限速一般为“120km/h,110km/h,110km/h,80km/h”,则三条车道的速度属性分别为“120km/h,110km/h,80km/h”或“22.22m/s、27.78m/s或33.33m/s”其中的一种,四条车道的速度属性分别为“120km/h,110km/h,110km/h,80km/h”或“22.22m/s,27.78m/s、27.78m/s和33.33m/s”其中的一种,速度属性的单位可以根据需求进行选择和变换。
在执行完步骤S331后,继续执行步骤S332。
步骤S332,根据预设的车道限速规则对多个所述速度属性进行排序,得到对应的所述车道限速数据。
其中,根据预设的车道限速规则,能够对多个速度属性进行排序,以对道路中的多条车道进行排序,得到路段的车道限速数据。
示例地,预设的车道限速规则可以为按照车道的索引编号进行排序,例如三条车道的索引编号分别为1.1、1.2和1.3,则可以按照索引编号从大到小进行排序,也可以按照索引编号从小到大进行排序,得到排序后的索引编号、对应的车道以及对应的速度属性,集合得到多条车道的车道限速数据,以在路网中对多条车道的限速进行限定。
通过子节点数据确定对应的路段中每条车道对应的速度属性,基于预设的车道限速规则对多个速度属性进行排序,以得到包括各个车道速度的车道限速数据。能够根据子节点数据对每条车道的速度属性进行获取和排序,获取车道限速数据,以在路网数据中实现对车道级的限速,对路网数据中限速的级别进行了细化,提高了限速的精确性和针对性。
或,步骤S33还可以包括步骤S333-S334:
步骤S333,根据所述子节点数据,获取各条车道的编号数据。
其中,在车道数据中包括车道车辆数据时,可以在各条车道对应的子节点数据的基础上,确定出每条车道的编号数据,编号数据能够表示车道在所属路段中所处的位置,可以为车道的索引编号、数字编号、位置编号等多种数据。
在执行完步骤S333后,继续执行步骤S334。
步骤S334,根据预设的车辆通行类型规则对多个所述编号数据进行分类,得到所述车道车辆数据。
其中,由于一条道路中具有多个车道,各个路段的车道数量不同。通过对车道数量进行计算,在车道数量不同的基础上,每条车道的通行车辆种类也不相同。因此根据预设的车辆通行类型规则,能够对多个车道的车辆通行类型进行分类,以确定每条车道的车辆限行情况,得到路段的车道车辆数据。
示例地,预设的车辆通行类型规则可以为公路相关规定,例如,在子节点数据中显示车道为三车道高速公路时,根据高速公路的相关设定,三车道的中间车道不能通行卡车等大型车辆,外侧两条车道可以通行大型车辆,在a、b、c三条车道中,b为中间车道,则b的disallow(禁止通行)属性的值设置为“truck(卡车)”,a、c两车道的disallow(禁止通行)属性的值设置为0,分类得到的车道车辆数据为a、c车道不限行,b车道禁止通行大型车辆;在子节点数据中显示车道为四车道高速公路时,根据高速公路的相关设定,四车道的中间两条车道不能通行卡车等大型车辆,外侧两条车道可以通行大型车辆,在a、b、c、d四条车道中,b、c为中间车道,则b、c两条车道的disallow(禁止通行)属性的值设置为“truck(卡车)”,a、d两车道的disallow(禁止通行)属性的值设置为0,分类得到的车道车辆数据为a、d车道不限行,b、c车道禁止通行大型车辆。
可选地,可以根据需求和实际情况,在通行的属性值或禁止通行的属性值进行选择或者两者都进行设置,不再进行赘述。
通过子节点数据确定对应的路段中每条车道对应的编号数据,基于预设的车辆通行类型规则对多个编号数据进行分类,以得到包括各条车道通行的车辆种类的车道车辆数据。能够根据子节点数据对每条车道的编号数据进行获取和分类,获取车道车辆数据,以在路网数据中实现车道级的车辆禁行和通行,对路网数据中车辆类型限行的级别进行了细化,提高了车辆类型限行的精确性和针对性。
在图3所示的实施例中,通过对目标道路对应的初始路网数据进行读取,能够查找出初始路网数据中的各个路段节点对应的节点数据,根据每个节点数据能够计算出该路段中各条车道的子节点数据,在子节点数据的基础上确定出目标道路的车道数据。有效地提高了车道数据的准确性、针对性和实时性,为后续的更新提供数据支持。
在执行完步骤S3之后,继续执行步骤S4。
步骤S4,根据所述车道数据对所述初始路网数据进行更新,得到目标路网数据。
其中,在获取的目标道路的车道数据的基础上,对初始路网数据进行更新,能够对初始路网数据进行修改和优化,得到最终的目标路网数据,实现车道级别的车辆限速和限行等多种功能。为交通仿真提供精确度、针对性和有效性更高的路网数据,以供用户进行提取和使用,以提高交通仿真的准确性和效率。
在图1所示的实施例中,通过在地图数据中进行特定道路的提取,能够得到需要进行路网数据搭建的目标道路对应的目标道路地图,生成对应的初始路网数据;通过目标道路的车道数据,能够对初始路网数据进行更新,得到目标路网数据,以在目标路网数据中实现车道的相关功能。能够根据需求对特定道路进行提取,并对生成的路网数据进行优化,为交通仿真提供特定道路中包含车道功能的路网数据,有效地提高了路网数据的准确性、针对性和有效性,提高了交通仿真的效率。
可选地,请参阅图4,图4为本申请实施例提供的一种步骤S4的详细流程示意图,步骤S4还可以包括步骤S41-S42:
步骤S41,将所述车道数据导入所述初始路网数据中所述目标道路的各个路段对应的节点数据中,以对所述初始路网数据进行更新。
其中,将车道数据作为导入数据,导入到初始路网数据中目标道路的各个路段对应的节点数据中,替换各个节点原有的道路级别的道路数据,以对初始路网数据进行更新,在各个节点中实现车道级别的多种功能,提高了初始路网数据的准确性、针对性和有效性。
可选地,节点数据中还可以包括初始路网数据中原有的对道路层级进行道路限速设置、对道路层级进行车辆类型限行等与路段的管理相关的数据,原有的节点数据中由于时道路层级的设置,因此各个车道的限速值和限行车辆类型等都相同。通过对车道数据的导入,能够对原有的节点数据进行更新,将原有的道路级别的管理细化为车道级别的管理。
步骤S42,对更新后的所述初始路网数据进行封装,得到所述目标路网数据。
其中,对更新后的初始路网数据进行导出和格式转换,并对初始路网数据进行多车道级别功能的封装,封装时可以对初始路网数据进行命名保存等操作,得到数据优化后的目标路网数据。以在后续的交通仿真中,通过搜索路网名称、路网功能等关键词,在交通仿真软件的路网数据库中对目标路网数据进行直接提取,减少对路网数据进行搭建所需的时间,提高交通仿真的效率。
在图4所示的实施例中,通过将车道数据导入到初始路网数据中目标道路的各个节点处,能够对初始路网数据进行更新,实现对初始路网数据的优化,并对更新后的初始路网数据进行封装,得到目标路网数据,以为交通仿真提供封装好的路网数据,提高了目标路网数据的准确性、实时性和针对性,便于用户对路网数据进行提取和使用,提升用户使用体验。
请参阅图5,图5为本申请实施例提供的另一种路网数据生方法的流程示意图,该方法在步骤S4之后,还可以包括以下步骤:
步骤S5,基于所述目标路网数据,对所述目标道路中卡口的位置信息进行匹配,得到所述卡口的卡口位置数据。
其中,在获取卡口的卡口位置数据时,可以在目标路网数据的基础上进行匹配。
可选地,匹配过程可以包括:由服务器读取目标路网数据中卡口的经纬度坐标,示例地,若所记录的卡口经纬度不是标准的WGS84坐标系,则需要通过坐标系转换算法转换为WGS84坐标系。服务器SUMO软件中调用sumolib接口,将卡口经纬度数据转换为平面坐标系数据。还可以根据卡口的坐标系数据设定搜索范围,采用最近邻方法,将卡口经纬度坐标与目标路网数据内的各个路段的节点进行匹配,若匹配到多个节点,则通过节点方向与卡口方向是否一致对所匹配到的节点进行剔除。服务器通过调用SUMO仿真软件内sumolib接口,计算卡口位置与其所在节点起点之间的距离,将该位置作为现实世界卡口在目标路网数据中的位置,得到卡口位置数据。
步骤S6,根据所述目标路网数据和所述卡口位置数据,对所述卡口导入的车辆进行记录,得到导入数据。
其中,根据目标路网数据和卡口位置数据,能够在卡口实现车辆的导入,对车辆进行记录获取对应的导入数据。
可选地,记录过程可以包括:服务器基于卡口位置数据和目标路网数据,对卡口中记录的数据进行读取,并按照时间顺序对卡口所记录的数据进行排序。按车辆牌照对数据进行去重操作,仅保留车辆牌照第一次出现和最后一次出现的数据。通过车辆第一次出现和最终被记录的时间及卡口位置,计算车辆行驶时间,行驶里程,进而计算车辆行驶平均车速,将其作为车辆在仿真软件内运行的车速。通过卡口所记录的车辆牌照颜色确定车辆类型为大货车或者小汽车并以此确定车辆出现的车道数。如车辆牌照为黄色即车辆类型为大货车,该车辆的出现位置应为最外侧两条车道,对上述各种参数进行记录,以得到导入卡口的车辆的导入数据。
示例地,还可以将导入数据代入到目标路网数据中进行仿真,运行仿真得到基于卡口数据的交通车流仿真。
在图5所示的实施例中,在目标道路中包括卡口时,通过获取的目标路网数据能够对交通仿真时的卡口数据进行构建,提高了卡口导入数据的准确性、针对性和有效性,提高了卡口交通仿真的效率。
请参阅图6,图6为本申请实施例提供的一种路网数据生成装置的结构示意图。路网数据生成装置100包括:提取模块110、生成模块120、获取模块130、更新模块140。
提取模块110,用于基于获取的地图数据,提取目标道路的目标道路地图;
生成模块120,用于根据所述目标道路地图生成对应的初始路网数据;
获取模块130,用于获取所述目标道路的车道数据;
更新模块140,用于根据所述车道数据对所述初始路网数据进行更新,得到目标路网数据。
在一可选的实施方式中,获取模块130还可以包括读取子模块和确定子模块;
读取子模块,用于对所述初始路网数据进行读取,获取所述初始路网数据中所述目标道路的各个路段对应的节点数据;根据所述节点数据,确定出对应的路段中每条车道的子节点数据;
确定子模块,用于基于所述子节点数据,确定出所述目标道路的车道数据。
在一可选的实施方式中,所述车道数据包括车道限速数据,确定子模块还可以包括限速单元,用于根据所述子节点数据,确定各条车道的速度属性;根据预设的车道限速规则对多个所述速度属性进行排序,得到对应的所述车道限速数据。
在一可选的实施方式中,所述车道数据包括车道车辆数据,确定子模块还可以包括车辆单元,用于根据所述子节点数据,获取各条车道的编号数据;根据预设的车辆通行类型规则对多个所述编号数据进行分类,得到所述车道车辆数据。
在一可选的实施方式中,更新模块140还可以包括更新子模块和封装子模块;
更新子模块,用于将所述车道数据导入所述初始路网数据中所述目标道路的各个路段对应的节点数据中,以对所述初始路网数据进行更新;
封装子模块,用于对更新后的所述初始路网数据进行封装,得到所述目标路网数据。
在一可选的实施方式中,路网数据生成装置100还可以包括卡口构建模块,用于基于所述目标路网数据,对所述目标道路中卡口的位置信息进行匹配,得到所述卡口的卡口位置数据;根据所述目标路网数据和所述卡口位置数据,对所述卡口导入的车辆进行记录,得到导入数据。
在一可选的实施方式中,提取模块110中还可以包括道路读取子模块和筛选子模块;
道路读取子模块,用于对获取的地图数据进行读取,得到每条道路对应的道路数据;
筛选子模块,用于在所述地图数据中对多个所述道路数据进行筛选,得到目标道路对应的目标道路地图。
由于本申请实施例中的装置解决问题的原理与前述的路网数据生成方法的实施例相似,因此本实施例中的装置的实施可以参见上述方法的实施例中的描述,重复之处不再赘述。
在图6所示的实施例中,通过各个模块的工作,能够根据需求对特定道路进行提取,并对生成的路网数据进行优化,为交通仿真提供特定道路中包含车道功能的路网数据,有效地提高了路网数据的准确性、针对性和有效性,提高了交通仿真的效率。
本申请实施例还提供了一种电子设备,该电子设备包括存储器和处理器,存储器中存储有程序指令,处理器读取并运行程序指令时,执行本实施例提供的路网数据生成方法中任一项方法中的步骤。
应当理解是,该电子设备可以是个人电脑(Personal Computer,PC)、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)等具有逻辑计算功能的电子设备。
本申请实施例还提供了一种可读取存储介质,可读取存储介质中存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行路网数据生成方法中任一项方法中的步骤。
本申请实施例提供的一种路网数据生成方法、装置、电子设备及存储介质,能够根据需求对地图中的特定道路进行提取,生成特定道路对应的路网数据,并根据道路的车道数据对路网数据进行更新,对原有的路网数据进行优化,为交通仿真提供特定道路中包含车道功能的路网数据,有效地提高了路网数据的准确性、针对性和有效性,提高了交通仿真的效率。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的框图显示了根据本申请的多个实施例的设备的可能实现的体系架构、功能和操作。在这点上,框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图中的每个方框、以及框图的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。因此本实施例还提供了一种可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行区块数据存储方法中任一项所述方法中的步骤。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RanDom Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种路网数据生成方法,其特征在于,所述方法包括:
基于获取的地图数据,提取目标道路的目标道路地图;
根据所述目标道路地图生成对应的初始路网数据;
获取所述目标道路的车道数据;
根据所述车道数据对所述初始路网数据进行更新,得到目标路网数据。
2.根据权利要求1所述的方法,其特征在于,所述获取所述目标道路的车道数据,包括:
对所述初始路网数据进行读取,获取所述初始路网数据中所述目标道路的各个路段对应的节点数据;
根据所述节点数据,确定出对应的路段中每条车道的子节点数据;
基于所述子节点数据,确定出所述目标道路的车道数据。
3.根据权利要求2所述的方法,其特征在于,所述车道数据包括车道限速数据;所述基于所述子节点数据,确定出所述目标道路的车道数据,包括:
根据所述子节点数据,确定各条车道的速度属性;
根据预设的车道限速规则对多个所述速度属性进行排序,得到对应的所述车道限速数据。
4.根据权利要求2所述的方法,其特征在于,所述车道数据包括车道车辆数据;所述基于所述子节点数据,确定出所述目标道路的车道数据,包括:
根据所述子节点数据,获取各条车道的编号数据;
根据预设的车辆通行类型规则对多个所述编号数据进行分类,得到所述车道车辆数据。
5.根据权利要求1所述的方法,其特征在于,所述根据所述车道数据对所述初始路网数据进行更新,得到目标路网数据,包括:
将所述车道数据导入所述初始路网数据中所述目标道路的各个路段对应的节点数据中,以对所述初始路网数据进行更新;
对更新后的所述初始路网数据进行封装,得到所述目标路网数据。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述目标路网数据,对所述目标道路中卡口的位置信息进行匹配,得到所述卡口的卡口位置数据;
根据所述目标路网数据和所述卡口位置数据,对所述卡口导入的车辆进行记录,得到导入数据。
7.根据权利要求1所述的方法,其特征在于,所述基于获取的地图数据,提取目标道路的目标道路地图,包括:
对获取的地图数据进行读取,得到每条道路对应的道路数据;
在所述地图数据中对多个所述道路数据进行筛选,得到目标道路对应的目标道路地图。
8.一种路网数据生成装置,其特征在于,所述装置包括:
提取模块,用于基于获取的地图数据,提取目标道路的目标道路地图;
生成模块,用于根据所述目标道路地图生成对应的初始路网数据;
获取模块,用于获取所述目标道路的车道数据;
更新模块,用于根据所述车道数据对所述初始路网数据进行更新,得到目标路网数据。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器中存储有程序指令,所述处理器运行所述程序指令时,执行权利要求1-7中任一项所述方法中的步骤。
10.一种可读取存储介质,其特征在于,所述可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器运行时,执行权利要求1-7任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110985510.9A CN113656979B (zh) | 2021-08-26 | 2021-08-26 | 路网数据生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110985510.9A CN113656979B (zh) | 2021-08-26 | 2021-08-26 | 路网数据生成方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113656979A true CN113656979A (zh) | 2021-11-16 |
CN113656979B CN113656979B (zh) | 2024-05-14 |
Family
ID=78482080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110985510.9A Active CN113656979B (zh) | 2021-08-26 | 2021-08-26 | 路网数据生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113656979B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115497298A (zh) * | 2022-10-11 | 2022-12-20 | 中国第一汽车股份有限公司 | 交通监测方法、装置、电子设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102378899A (zh) * | 2009-03-31 | 2012-03-14 | 星克跃尔株式会社 | 使用道路平面数据进行地图匹配的装置及方法 |
JP2012098308A (ja) * | 2012-02-08 | 2012-05-24 | Panasonic Corp | デジタル地図の位置情報伝達方法と装置 |
US8348151B1 (en) * | 2002-11-26 | 2013-01-08 | Diebold Self-Service Systems | Cash dispensing automated banking machine with GPS |
CN104200659A (zh) * | 2014-08-28 | 2014-12-10 | 公安部交通管理科学研究所 | 一种不按规定线路行驶的重点车辆交通违法行为判定方法 |
CN108491479A (zh) * | 2018-03-12 | 2018-09-04 | 东南大学 | 基于地图采集的道路路段经纬度与桩号匹配方法 |
CN111123333A (zh) * | 2019-12-30 | 2020-05-08 | 公安部交通管理科学研究所 | 一种融合卡口和gps数据的车辆轨迹定位方法 |
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 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
CN113255088A (zh) * | 2021-05-21 | 2021-08-13 | 上海天壤智能科技有限公司 | 一种卡口过车记录的数据补全方法及系统 |
CN114049765A (zh) * | 2021-11-03 | 2022-02-15 | 扬州大学 | 基于自动车辆号牌识别数据的城市路网车流od估计方法 |
-
2021
- 2021-08-26 CN CN202110985510.9A patent/CN113656979B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8348151B1 (en) * | 2002-11-26 | 2013-01-08 | Diebold Self-Service Systems | Cash dispensing automated banking machine with GPS |
CN102378899A (zh) * | 2009-03-31 | 2012-03-14 | 星克跃尔株式会社 | 使用道路平面数据进行地图匹配的装置及方法 |
JP2012098308A (ja) * | 2012-02-08 | 2012-05-24 | Panasonic Corp | デジタル地図の位置情報伝達方法と装置 |
CN104200659A (zh) * | 2014-08-28 | 2014-12-10 | 公安部交通管理科学研究所 | 一种不按规定线路行驶的重点车辆交通违法行为判定方法 |
CN108491479A (zh) * | 2018-03-12 | 2018-09-04 | 东南大学 | 基于地图采集的道路路段经纬度与桩号匹配方法 |
CN111123333A (zh) * | 2019-12-30 | 2020-05-08 | 公安部交通管理科学研究所 | 一种融合卡口和gps数据的车辆轨迹定位方法 |
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 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
CN113255088A (zh) * | 2021-05-21 | 2021-08-13 | 上海天壤智能科技有限公司 | 一种卡口过车记录的数据补全方法及系统 |
CN114049765A (zh) * | 2021-11-03 | 2022-02-15 | 扬州大学 | 基于自动车辆号牌识别数据的城市路网车流od估计方法 |
Non-Patent Citations (1)
Title |
---|
张晓强: "基于智能卡口数据的交通诱导系统设计与实现", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, 15 July 2019 (2019-07-15), pages 034 - 294 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115497298A (zh) * | 2022-10-11 | 2022-12-20 | 中国第一汽车股份有限公司 | 交通监测方法、装置、电子设备和存储介质 |
CN115497298B (zh) * | 2022-10-11 | 2024-03-15 | 中国第一汽车股份有限公司 | 交通监测方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113656979B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11584390B2 (en) | System and method for simulation of autonomous vehicles | |
US9677904B2 (en) | Generating travel time data | |
CN110502599A (zh) | 地图数据的查询方法、装置和计算机可读存储介质 | |
Alivand et al. | Extracting scenic routes from VGI data sources | |
CN112749825A (zh) | 预测车辆的目的地的方法和装置 | |
CN112101187B (zh) | 道路识别方法、装置及电子设备 | |
CN112579921B (zh) | 基于倒排序索引及前缀树的轨迹索引和查询方法及系统 | |
CN112733781A (zh) | 结合poi数据的城市功能区识别方法、存储介质和电子设备 | |
CN110060472B (zh) | 道路交通事件定位方法、系统、可读存储介质和设备 | |
CN113656979B (zh) | 路网数据生成方法、装置、电子设备及存储介质 | |
Lyu et al. | Geometric quality assessment of trajectory‐generated VGI road networks based on the symmetric arc similarity | |
Bashkanov et al. | Exploiting OpenStreetMap-data for outdoor robotic applications | |
Holmberg | On using OpenStreetMap and GPS for optimization | |
Bartelme | Geographic information systems | |
Advani et al. | Towards Visualisation of Traffic Congestion using Bluetooth MAC Scanners (BMS): Automating the process of BMS links generation | |
CN108318044A (zh) | 一个基于多源异构众包数据的风景路网建模系统 | |
Song | Image-based roadway assessment using convolutional neural networks | |
Richter et al. | Challenges and experiences in using heterogeneous, geo-referenced data for automatic creation of driving simulator environments | |
Caiza et al. | VTM: Vehicular traffic monitor via images processing of Googlemaps | |
Mercier et al. | PleasantTourFinder: an application to find the most pleasant tour from a given location | |
CN113688274B (zh) | 骑行路线生成方法、装置、设备及存储介质 | |
KR102553026B1 (ko) | 경로 탐색을 위한 fdb 기반 로드맵 생성 장치 및 그 방법 | |
CN113837162B (zh) | 数据处理方法及相关装置 | |
Dong et al. | A topographically preserved road‐network tile model and optimal routing method for virtual globes | |
Li et al. | Integrating Adaptive Lighting Database with SHRP 2 Naturalistic Driving Study Data |
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 |