CN113821579A - 路线的生成方法、装置、电子设备和存储器 - Google Patents
路线的生成方法、装置、电子设备和存储器 Download PDFInfo
- Publication number
- CN113821579A CN113821579A CN202111100689.1A CN202111100689A CN113821579A CN 113821579 A CN113821579 A CN 113821579A CN 202111100689 A CN202111100689 A CN 202111100689A CN 113821579 A CN113821579 A CN 113821579A
- Authority
- CN
- China
- Prior art keywords
- walking
- route
- data
- target
- road
- 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 60
- 238000012545 processing Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 27
- 238000004891 communication Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 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
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning 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
- 230000026676 system process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本公开提供了一种路线的生成方法、装置、电子设备和存储器,涉及计算机技术领域,尤其涉及地图领域。具体实现方案为:获取历史轨迹数据和道路数据,其中,历史轨迹数据用于表征目标对象在历史时间段内经过步行设施的轨迹,道路数据用于表征步行设施所在的道路;基于历史轨迹数据和道路数据生成第一步行路线,其中,目标对象在历史时间段按照第一步行路线步行的概率高于目标阈值;基于道路数据生成多条第二步行路线,其中,多条第二步行路线的起点和终点相同;基于第一步行路线和多条第二步行路线确定目标权值,并基于目标权值生成目标步行路线,解决了无法规划出合理的步行路线的技术问题。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及地图领域中的路线的生成方法、装置、电子设备和存储器。
背景技术
目前,在进行步行路线规划时,可以是依赖用户反馈、专家评估等手段,结合个人经验,对不同道路类型的边进行人工赋权,以实现算路召回。
但是,上述方法受个人经验、人力以及步行设施复杂度的限制,难以有效规划出合理的步行路线。
发明内容
本公开提供了一种路线的生成方法、装置、电子设备和存储器。
根据本公开的一方面,提供了一种路线的生成方法。该方法可以包括:获取历史轨迹数据和道路数据,其中,历史轨迹数据用于表征目标对象在历史时间段内经过步行设施的轨迹,道路数据用于表征步行设施所在的道路;基于历史轨迹数据和道路数据生成第一步行路线,其中,目标对象在历史时间段按照第一步行路线步行的概率高于目标阈值;基于道路数据生成多条第二步行路线,其中,多条第二步行路线的起点和终点相同;基于第一步行路线和多条第二步行路线确定目标权值,并基于目标权值生成目标步行路线。
根据本公开的另一方面,提供了一种路线的生成装置。该装置可以包括:获取单元,用于获取历史轨迹数据和道路数据,其中,历史轨迹数据用于表征目标对象在历史时间段内经过步行设施的轨迹,道路数据用于表征步行设施所在的道路;第一生成单元,用于基于历史轨迹数据和道路数据生成第一步行路线,其中,目标对象在历史时间段按照第一步行路线步行的概率高于目标阈值;第二生成单元,用于基于道路数据生成多条第二步行路线,其中,多条第二步行路线的起点和终点相同;确定单元,用于基于第一步行路线和多条第二步行路线确定目标权值,并基于目标权值生成目标步行路线。
根据本公开的另一方面,还提供了一种电子设备。该电子设备可以包括: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执行本公开实施例的路线的生成方法。
根据本公开的另一方面,还提供了一种存储有计算机指令的非瞬时计算机可读存储介质。该计算机指令用于使计算机执行本公开实施例的路线的生成方法。
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是根据本公开实施例的一种路线的生成方法;
图2A是根据本公开实施例的一种基于用户轨迹pair对的权值构建方法的流程图;
图2B是根据本公开实施例的一种经验路线和关键点的示意图;
图3是根据本公开实施例的一种路线的生成装置的示意图;
图4是根据本公开实施例的一种电子设备的示意性框图。
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。
本公开实施例提供了一种动画的处理方法。
图1是根据本公开实施例的一种路线的生成方法。如图1所示,该方法可以包括以下步骤:
步骤S102,获取历史轨迹数据和道路数据。
在本公开上述步骤102提供的技术方案中,历史轨迹数据用于表征目标对象在历史时间段内经过步行设施的轨迹,其中,目标对象可以为用户,可以是海量用户,其用于在历史时间段内提供经过步行设施的轨迹,从而上述历史轨迹数据也可以称为用户历史轨迹数据。步行设施可以为显著区别步行与其它交通工具的关键因素,比如,可以为过街天桥、地下通道(地道)、人行横道(斑马线)等,此处不做具体限制。其中,过街天桥可以包括过街天桥的上坡、下坡、台阶、天桥主体等。
在该实施例中,在获取历史轨迹数据的同时,还可以获取道路数据,该道路数据用于表征步行设施所在的道路,可以包括道路属性、道路之间的连通关系等数据。其中,道路数据可以包括步行设施的数据,比如,包括过街天桥、地下通道、人行横道的相关道路数据,其中可以包括步行设施的主体以及相关引导道路等数据,具有覆盖面广、影响面大、拓扑关系复杂、交规属性强等特点。
可选地,该实施例可以对上述获取到的历史轨迹数据进行清洗和预处理。可选地,历史轨迹计数据上有很多的点,其受定位的影响,可能存在飘移情况,可以根据点的稠密度等进行处理,可以删除异常点或进行补点等,以使得历史轨迹数据规范化,提升历史轨迹数据的质量,进而与道路数据进行匹配。
需要说明的是,该实施例的上述对历史轨迹数据进行清洗和预处理的方法仅为本公开实施例的一种举例,并不代表清洗和预处理的方法仅为上述方法,任何可以用于对历史轨迹数据进行清洗和预处理,以提升历史轨迹数据的质量的方法都在该实施例的范围之内,此处不再一一举例说明。
步骤S104,基于历史轨迹数据和道路数据生成第一步行路线。
在本公开上述步骤104提供的技术方案中,在获取历史轨迹数据和道路数据之后,可以基于历史轨迹数据和道路数据生成第一步行路线,其中,目标对象在历史时间段按照第一步行路线步行的概率高于目标阈值。
在该实施例中,可以从道路数据中提取出步行设施数据,通过该步行设施数据结合上述历史轨迹数据来生成第一步行路线,该第一步行路线在历史时间段按照第一步行路线步行的概率高于目标阈值,该目标阈值为用于衡量第一步行路线成为经验路线的临界值,可以是目标对象在历史时间段内通过经验经常所采取的步行路线,用于表示大众经验走法,也即,用户历史经验走法,可以通过Plan进行表示。
步骤S106,基于道路数据生成多条第二步行路线。
在本公开上述步骤106提供的技术方案中,在获取道路数据生成第一步行路线之后,可以基于道路数据生成多条第二步行路线,其中,多条第二步行路线的起点和终点相同。
在该实施例中,可以通过多权值算路系统对道路数据进行处理,得到多条第二步行路线,该多条第二步行路线可以为多条不同的备选路线,可以通过Plan_1、Plan_2、......、Plan_n进行表示。其中,多权值算路系统可以为多套有差异的权值与算路系统,也可以称为当前权值与算路系统、算路系统、步行权值系统、步行算路系统,可以用Sys_0、Sys_1、.......、Sys_n进行表示,用于生成步行路线。可选地,对于同一起点和终点,通过不同权值与算路系统生成的步行路线也不同。
步骤S108,基于第一步行路线和多条第二步行路线确定目标权值,并基于目标权值生成目标步行路线。
在本公开上述步骤108提供的技术方案中,在基于道路数据生成多条第二步行路线之后,基于第一步行路线和多条第二步行路线确定目标权值,并基于目标权值生成目标步行路线。其中,目标步行路线用于指引目标对象步行。
在该实施例中,可以基于第一步行路线分别和多条第二步行路线进行组合,得到与每条第二步行路线相对应的组合结果,进而通过与每条第二步行路线相对应的组合结果建立多个不等式,并对该多个不等式进行求解,从而得到目标权值,该目标权值可以为符合要求的目标步行路线的多个权值(一套权值),进而基于该目标权值生成目标步行路线,可以指引目标对象步行,从而实现了规划步行路线的目的。其中,目标步行路线可以是用户想要的最佳走法路线。
可选地,该实施例的上述目标权值也即算路权值,可以是通行代价,可以用于表示路通行的时间长短、行走的难易程度、安全程度以及其它用户所关心的指标等。
在该实施例中,该实施例可以基于道路数据中不同道路类型对应的节点之间的连接关系,构建一张有向图,该有向图有多条边,该实施例可以通过上述得到的多个目标权值,为有向图的多条边进行赋权,得到有向带权图,在该有向带权图上进行图搜索,可以根据有向带权图的边的连接关系以及目标权值进行搜索,以得到上述目标步行路线,该目标步行路线可以是一条,也可以是多条,此处不做具体限制。可选地,有向图的边上的目标权值越小,则可以表示该边越优,因而该实施例为有向图的边通过目标权值进行赋权,是确定目标步行路线的关键一步,目标权值的合理性,也将影响算路的效果。
可选地,在该实施例中,根据第一步行路线和多个第二步行路线生成目标权值,基于该目标权值可以确定目标步行路线,该目标步行路线可以与第一步行路线相同,也可以不同。举例而言,全国有1000个步行设施,但只有500个步行设施有历史轨迹数据覆盖,可以通过上述方法产生目标权值,该目标权值可以在其它的500个步行设施上得到目标步行路线,在其它的500个步行设施上得到的目标步行路线相当于一个由历史轨迹数据得到的等效的经验路线。
可选地,该实施例可以人工标记权值,以得到符合实际场景的权值。
通过本申请上述步骤S102至步骤S108,获取历史轨迹数据和道路数据,其中,历史轨迹数据用于表征目标对象在历史时间段内经过步行设施的轨迹,道路数据用于表征步行设施所在的道路;基于历史轨迹数据和道路数据生成第一步行路线,其中,目标对象在历史时间段按照第一步行路线步行的概率高于目标阈值;基于道路数据生成多条第二步行路线,其中,多条第二步行路线的起点和终点相同;基于第一步行路线和多条第二步行路线确定目标权值,并基于目标权值生成目标步行路线。也就是说,该实施例在步行设施场景下,基于由历史轨迹数据和道路数据确定的第一步行路线和由道路数据确定的第二步行路线,来确定目标步行路线的目标权值,进而达到基于目标权值规划出目标步行路线的目的,避免了由于人工赋权受个人经验、人力以及步行设施复杂度的限制,解决了无法规划出合理的步行路线的技术问题,达到了规划出合理的步行路线的技术效果。
下面对该实施例的上述方法进行进一步介绍。
作为一种可选的实施方式,步骤S108,基于第一步行路线和多条第二步行路线确定目标权值包括:将第一步行路线分别和多条第二步行路线构成多个路线对,其中,每个路线对用于表示第一步行路线的可选性高于对应的一条第二步行路线的可选性;基于多个路线对确定目标权值。
在该实施例中,在基于第一步行路线和多条第二步行路线确定目标权值时,可以将第一步行路线分别和多条第二步行路线构成多个路线对(路线pair对)。其中,在每个路线对中,可以确定出第一步行路线的可选性与对应的第二步行路线的可选性之间的关系,可选地,该实施例的第一步行路线的可选性高于第二步行路线的可选性,也即,第一步行路线优于第二步行路线。
举例而言,第一步行路线为Plan,多条第二步行路线可以为不同的Plan_1、Plan_2、......、Plan_n,基于Plan、Plan_1、Plan_2、......、Plan_n生成n对不同的路线对(Plan>Plan_1),(Plan>Plan_2),......,(Plan>Plan_n),其中,“>”用于表示优于。
该实施例在获取多个路线对之后,可以对多个路线对进行转换处理,以得到目标步行路线的目标权值。下面对其进行进一步介绍。
作为一种可选的实施方式,基于多个路线对确定目标权值包括:对多个路线对进行回归处理,得到目标权值。
在该实施例中,在实现基于多个路线对确定目标权值时,可以是对多个路线对按照回归算法进行处理,该回归算法可以为回归模型的算法,比如,为高维回归模型(lasso),以求解出目标步行路线的目标权值。
可选地,该实施例还可以对多个路线对进行线性处理,比如,通过线性模型(linear model)对多个路线对进行线性处理,以求解出目标步行路线的目标权值。
作为一种可选的实施方式,对多个路线对进行回归处理,得到目标权值包括:基于目标函数将每个路线对中的第一步行路线和第二步行路线转换为不等式,得到多个不等式,其中,不等式用于表示通过目标函数得到的第一步行路线的第一权值小于通过目标函数得到的第二步行路线的第二权值;对多个不等式进行回归处理,得到目标权值。
在该实施例中,在实现对多个路线对进行回归处理时,可以是基于目标函数将每个路线对中的第一步行路线和第二步行路线转换为不等式,该不等式可以为通过目标函数对第一步行路线所求得到的第一权值小于通过目标函数对第二步行路线所求得的第二权值,比如,目标函数可以为代价函数(cost函数),用于表示算路的权值计算过程,则上述不等式可以为cost(Plan)<cost(Plan_1)、......、cost(Plan)<cost(Plan_n),其中,“<”用于表示小于号。
在得到上述多个不等式之后,可以对上述多个不等式利用回归算法求解出目标权值,通过该目标权值可以确定目标步行路线。
需要说明的是,该实施例只要目标权值使得cost(Plan)<cost(Plan_1)、......、cost(Plan)cost(Plan_n)成立的目标步行路线都在该实施例的范围之内,其可以与第一步行路线相同,也可以不相同,此处不做具体限制。
作为一种可选的实施方式,步骤S104,基于历史轨迹数据和道路数据生成第一步行路线包括:在道路数据中获取步行设施的数据;基于步行设施的数据确定目标点;基于目标点和历史轨迹数据生成第一步行路线。
在该实施例中,在实现基于历史轨迹数据和道路数据生成第一步行路线时,可以是依据道路属性、道路之间的连通关系,来从道路数据中提取步行设施的数据,比如,提取出过街天桥、地下通道、人行横道等的相关道路数据,其中也包括步行设施的主体以及相关引导道路,进而可以结合步行设施的数据确定目标点,该目标点为完成第一步行路线的关键途径点(关键点),进而通过目标点结合历史轨迹数据生成第一步行路线。
作为一种可选的实施方式,步骤S106,基于道路数据生成多条第二步行路线包括:确定与多条第二步行路线一一对应的多个不同的第二权值;基于每个第二权值和目标点,生成一条第二步行路线,得到多条第二步行路线,其中,多条第二步行路线不同。
在该实施例中,在实现基于道路数据生成多条第二步行路线时,可以是确定与多条第二步行路线一一对应的多个不同的第二权值,可以是通过当前权值生成系统来生成上述多个不同的第二权值,进而可以分别基于该多个不同的第二权值生成多套有差异的权值和算路系统,比如,生成Sys_0、Sys_1、.......、Sys_n,其可以保证即使同一对起点S和终点E,在不同的权值和算路系统下生成的第二步行路线也各有不同。该实施例可以将目标点通过上述不同的权值和算路系统中进行计算,每个权值和算路系统对目标点进行处理,生成一条第二步行路线,从而得到多条第二步行路线。
作为一种可选的实施方式,确定与多条第二步行路线一一对应的多个不同的第二权值包括:基于随机扰动参数确定多个不同的第二权值。
在该实施例中,可以对当前权值生成系统引入随机扰动参数,而可以随机生成多个不同的第二权值,进而可以分别基于该多个不同的第二权值生成多套有差异的权值和算路系统。
在一个权值和算路系统中,用于表示路通行的时间长短的权值、用于表示行走的难易程度的权值、用于表示安全程度的权值可以不同,比如,在一个权值和算路系统中,用于表示路通行的时间长短的权值可以为60%,用于表示行走的难易程度的权值可以为20%,用于表示安全程度的权值可以为20%,可以对上述权值进行调整,得到另一个权值和算路系统,其中,用于表示路通行的时间长短的权值可以为60%,用于表示行走的难易程度的权值可以为23%,用于表示安全程度的权值可以为10%,可以类似上述处理,从而得到多个不同的权值和算路系统Sys_0、Sys_1、.......、Sys_n。
作为一种可选的实施方式,基于步行设施的数据确定目标点包括:获取步行设施的数据与步行道路的数据之间的连接信息,其中,步行设施的数据在道路数据中由标识信息标识,步行道路的数据在道路数据中未由标识信息标识;基于连接信息确定目标点。
在该实施例中,步行道路数据中可以包括步行设施的数据和步行道路的数据,其中,步行设施的数据可以为由标识信息进行标识的过街天桥、地下通道、人行横道等,步行道路可以为路面上的未由标识信息进行标识的普通步行道路。该实施例可以获取步行设施的数据与步行道路的数据之间的连接信息,也即,获取能够表明步行设施的数据与步行道路的数据之间的相互连接信息的拓扑关系信息,进而基于其完成第一步行路线的目标点的提取,该目标点可以是步行设施与普通步行道路之间的连接点,也可以是连接点向外扩展的下一个道路的节点,此处不做具体限制。
作为一种可选的实施方式,该方法还包括:对历史轨迹数据和道路数据进行匹配,得到匹配信息,其中,匹配信息用于表示历史轨迹数据和道路数据之间的映射关系;基于历史轨迹数据和道路数据生成第一步行路线包括:基于匹配信息生成第一步行路线。
在该实施例中,在获取到历史轨迹数据和道路数据之后,通过对历史轨迹数据进行清洗和预处理,将处理后的历史轨迹数据匹配到道路数据上,该匹配也即地图匹配(map-match),从而得到用于表示历史轨迹数据与道路数据之间的映射关系的匹配信息,进而基于该匹配信息和上述目标点生成第一步行路线。
该实施例提出了一种在步行设施场景下,基于历史轨迹数据和道路数据确定第一步行路线以及基于道路数据确定第二步行路线确定目标步行路线的目标权值,提升了算路权值的合理性,进而提升了步行路线规划的合理性。
下面结合优选的实施方式对本公开实施例的技术方案进行进一步地举例说明。
在相关技术中,步行规划系统在边的赋权过程中,可以采用以下两种方法:
(1)人工经验法,可以依赖用户反馈、专家评估等手段,结合个人经验,对不同道路类型的边,比如,对过街天桥的上坡、下坡、台阶、天桥主体,进行人工赋值,进而实现算路召回,但是该方法受到个人经验的限制,难以覆盖所有场景,受人力的天然限制,难以精确进行赋权,并且随着步行设施越来越复杂,渐渐超出人力的极限;
(2)轨迹挖掘法,可以基于用户的历史轨迹数据,挖掘出不同道路的通行速度,来表征其通行代价,再通过聚类或者其它方法,将其泛化到相近的道路类型,从而实现边的赋权,但是该方法的轨迹比较稀疏,难以覆盖所有道路类型,通行速度,因人而已,难以找到一个速度值,来刻画所有用户,基于轨迹速度的赋权,难以满足步行设施的强交规属性,符合交规的走法,也并非速度是最快的。
对于一个路线规划,其算路过程可以包括以下步骤:
S1,基于与不同道路类型的节点之间的连接关系,可以构建一张有向图;
S2,可以基于通行代价,对有向图的边进行赋权,得到有向带权图;
S3,在有向带权图上,进行图搜索,得到一条,或者多条步行路线,其中,有向带权图上的边对应的权值越小,表示这条边越优。
需要说明的是,在上述方法中,对有向图的边进行赋权,是极为关键的一步,边的权值的合理性,将直接影响步行路线规划的合理性。
在步行路线规划中,步行设施因其覆盖面广、影响面大、拓扑关系复杂、交规属性强等,一直是步行权值系统的难点之一。为了提升步行路线规划的合理性,该实施例可以实现一种基于用户轨迹pair对的权值构建方法,来提升其算路权值的合理性,进而提升步行路线规划的合理性。
图2A是根据本公开实施例的一种基于用户轨迹pair对的权值构建方法的流程图。如图2A所示,该方法可以包括以下步骤:
步骤S201,获取用户的历史轨迹数据。
对用户的历史轨迹数据进行清洗和预处理,提升数据质量。
步骤S202,获取道路数据。
步骤S203,对历史轨迹数据结合道路数据,进行地图匹配(map-match)。
该实施例可以将历史轨迹数据其匹配到道路数据上,得到匹配信息,该匹配信息用于表明历史轨迹数据与道路数据之间的映射关系。
步骤S204,依据道路属性、道路之间的连通关系,提取步行设施的数据。
该实施例的步行设施的数据可以是如过街天桥、地下通道、人行横道的相关道路的数据,可以包括步行设施的主体、以及相关引导道路的数据。
步骤S205,基于步行设施的数据完成经验路线的关键点提取。
该实施例可以基于步行设施的数据,与普通步行道路的数据之间的相互连接关系,完成经验路线的关键点提取。
步骤S206,基于关键点和用户的历史轨迹数据,生成经验路线Plan。
图2B是根据本公开实施例的一种经验路线和关键点的示意图。如图2B所示,圆圈A、B用于表示结合步行设施的数据所提取出的关键点,方框用于表示用户的历史经验走法,可以如箭头所的生成用户的经验路线。
步骤S207,建立权值和算路系统。
在该实施例中,可以对当前权值生成系统引入随机扰动,生成多套有差异的权值和算路系统Sys_0、Sys_1、.......、Sys_n,能够保证同一对起点S、终点E,在不同的权值和算路系统下生成的路线也各有不同。
步骤S208,基于关键点生成备选路线。
该实施例可以将关键点A和关键点B投入到不同的权值和算路系统Sys_0、Sys_1、.......、Sys_n,从而可以得到多条不同的备选路线Plan_1、Plan_2、......、Plan_n。
步骤S209,构建路线pair对。
该实施例可以基于经验路线Plan以及备选路线Plan_1、Plan_2、......、Plan_n,生成n对不同的路线pair对:(Plan>Plan_1),(Plan>Plan_2),......,(Plan>Plan_n)。
步骤S210,基于回归算法对路线pair对进行处理,得到目标权值。
该实施例可以基于上述路线pair对,对应生成多套权值不等式:cost(Plan)<cost(Plan_1)、......、cost(Plan)<cost(Plan_n)。其中,cost函数为算路过程的权值计算过程。
该实施例可以使用相关算法,比如,使用lasso或者linear model求解上述不等式组,可以得到目标权值。
步骤S211,输出目标权值。
该实施例通过上述基于路线pair对的求解算法,可以大幅提升在步行设施场景下,路线规划的合理性。
该实施例的上述步行路线规划的方法可以应用在地图产品中,不仅用于为用户提供步行路线规划,也是支撑其它交通工具的必备要素之一,比如,是支撑公共交通的必备要素之一。
本公开实施例提供了一种路线的生成装置。需要说明的是,该实施例的路线的生成装置可以用于执行本公开实施例的路线的生成方法。
图3是根据本公开实施例的一种路线的生成装置的示意图。如图3所示,该路线的生成装置30可以包括:获取单元31、第一生成单元32、第二生成单元33和确定单元34。
获取单元31,用于获取历史轨迹数据和道路数据,其中,历史轨迹数据用于表征目标对象在历史时间段内经过步行设施的轨迹,道路数据用于表征步行设施所在的道路。
第一生成单元32,用于基于历史轨迹数据和道路数据生成第一步行路线,其中,目标对象在历史时间段按照第一步行路线步行的概率高于目标阈值。
第二生成单元33,用于基于道路数据生成多条第二步行路线,其中,多条第二步行路线的起点和终点相同。
确定单元34,用于基于第一步行路线和多条第二步行路线确定目标权值,并基于目标权值生成目标步行路线,其中,目标步行路线用于指引目标对象步行。
可选地,确定单元34包括:构建模块,用于将第一步行路线分别和多条第二步行路线构成多个路线对,其中,每个路线对用于表示第一步行路线的可选性高于对应的一条第二步行路线的可选性;第一确定模块,用于基于多个路线对确定目标权值。
可选地,第一确定模块包括:回归子模块,用于对多个路线对进行回归处理,得到目标权值。
可选地,回归子模块用于通过以下步骤来对多个路线对进行回归处理,得到目标权值:基于目标函数将每个路线对中的第一步行路线和第二步行路线转换为不等式,得到多个不等式,其中,不等式用于表示通过目标函数得到的第一步行路线的第一权值小于通过目标函数得到的第二步行路线的第二权值;对多个不等式进行回归处理,得到目标权值。
可选地,第一生成单元32包括:获取模块,用于在道路数据中获取步行设施的数据;第二确定模块,用于基于步行设施的数据确定目标点;第一生成模块,用于基于目标点和历史轨迹数据生成第一步行路线。
可选地,第二生成单元33包括:第三确定模块,用于确定与多条第二步行路线一一对应的多个不同的第二权值;第二生成模块,用于基于每个第二权值和目标点,生成一条第二步行路线,得到多条第二步行路线,其中,多条第二步行路线不同。
可选地,第三确定模块包括:第一确定子模块,用于基于随机扰动参数确定多个不同的第二权值。
可选地,第二确定模块包括:获取子模块,用于获取步行设施的数据与步行道路的数据之间的连接信息,其中,步行设施的数据在道路数据中由标识信息标识,步行道路的数据在道路数据中未由标识信息标识;第二确定子模块,用于基于连接信息确定目标点。
可选地,该装置还包括:匹配单元,用于对历史轨迹数据和道路数据进行匹配,得到匹配信息,其中,匹配信息用于表示历史轨迹数据和道路数据之间的映射关系;第一生成单元32包括:第三生成模块,用于基于匹配信息生成第一步行路线。
在该实施例的路线的生成装置中,在步行设施场景下,基于由历史轨迹数据和道路数据确定的第一步行路线和由道路数据确定的第二步行路线,来确定目标步行路线的目标权值,进而达到基于目标权值规划出目标步行路线的目的,避免了由于人工赋权受个人经验、人力以及步行设施复杂度的限制,解决了无法规划出合理的步行路线的技术问题,达到了规划出合理的步行路线的技术效果。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
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是根据本公开实施例的一种电子设备的示意性框图。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、个人数字助理、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,个人数字处理、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404,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,例如路线的生成方法。例如,在一些实施例中,路线的生成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,可以执行上文描述的路线的生成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)而被配置为执行路线的生成方法。
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,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。
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 (13)
1.一种路线的生成方法,包括:
获取历史轨迹数据和道路数据,其中,所述历史轨迹数据用于表征目标对象在历史时间段内经过步行设施的轨迹,所述道路数据用于表征所述步行设施所在的道路;
基于所述历史轨迹数据和所述道路数据生成第一步行路线,其中,所述目标对象在所述历史时间段按照所述第一步行路线步行的概率高于目标阈值;
基于所述道路数据生成多条第二步行路线,其中,所述多条第二步行路线的起点和终点相同;
基于所述第一步行路线和多条所述第二步行路线确定目标权值,并基于所述目标权值生成目标步行路线。
2.根据权利要求1所述的方法,其中,基于所述第一步行路线和多条所述第二步行路线确定目标权值包括:
将所述第一步行路线分别和多条所述第二步行路线构成多个路线对,其中,每个所述路线对用于表示所述第一步行路线的可选性高于对应的一条所述第二步行路线的可选性;
基于所述多个路线对确定所述目标权值。
3.根据权利要求2所述的方法,其中,基于所述多个路线对确定所述目标权值包括:
对所述多个路线对进行回归处理,得到所述目标权值。
4.根据权利要求3所述的方法,其中,对所述多个路线对进行回归处理,得到所述目标权值包括:
基于目标函数将每个所述路线对中的所述第一步行路线和所述第二步行路线转换为不等式,得到多个不等式,其中,所述不等式用于表示通过所述目标函数得到的所述第一步行路线的第一权值小于通过所述目标函数得到的所述第二步行路线的第二权值;
对所述多个不等式进行回归处理,得到所述目标权值。
5.根据权利要求1所述的方法,其中,基于所述历史轨迹数据和所述道路数据生成第一步行路线包括:
在所述道路数据中获取所述步行设施的数据;
基于所述步行设施的数据确定目标点;
基于所述目标点和所述历史轨迹数据生成所述第一步行路线。
6.根据权利要求5所述的方法,其中,基于所述道路数据生成多条第二步行路线包括:
确定与多条所述第二步行路线一一对应的多个不同的第二权值;
基于每个所述第二权值和所述目标点,生成一条所述第二步行路线,得到多条所述第二步行路线,其中,多条所述第二步行路线不同。
7.根据权利要求6所述的方法,其中,确定与多条所述第二步行路线一一对应的多个不同的第二权值包括:
基于随机扰动参数确定所述多个不同的第二权值。
8.根据权利要求5所述的方法,其中,基于所述步行设施的数据确定目标点包括:
获取所述步行设施的数据与步行道路的数据之间的连接信息,其中,所述步行设施的数据在所述道路数据中由标识信息标识,所述步行道路的数据在所述道路数据中未由所述标识信息标识;
基于所述连接信息确定所述目标点。
9.根据权利要求1至8中任意一项所述的方法,
所述方法还包括:对所述历史轨迹数据和所述道路数据进行匹配,得到匹配信息,其中,所述匹配信息用于表示所述历史轨迹数据和所述道路数据之间的映射关系;
基于所述历史轨迹数据和所述道路数据生成第一步行路线包括:基于所述匹配信息生成所述第一步行路线。
10.一种路线的生成装置,包括:
获取单元,用于获取历史轨迹数据和道路数据,其中,所述历史轨迹数据用于表征目标对象在历史时间段内经过步行设施的轨迹,所述道路数据用于表征所述步行设施所在的道路;
第一生成单元,用于基于所述历史轨迹数据和所述道路数据生成第一步行路线,其中,所述目标对象在所述历史时间段按照所述第一步行路线步行的概率高于目标阈值;
第二生成单元,用于基于所述道路数据生成多条第二步行路线,其中,所述多条第二步行路线的起点和终点相同;
确定单元,用于基于所述第一步行路线和多条所述第二步行路线确定目标权值,并基于所述目标权值生成目标步行路线。
11.一种电子设备,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1-9中任一项所述的方法。
12.一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所述计算机执行根据权利要求1-9中任一项所述的方法。
13.一种计算机程序产品,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1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111100689.1A CN113821579B (zh) | 2021-09-18 | 2021-09-18 | 路线的生成方法、装置、电子设备和存储器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111100689.1A CN113821579B (zh) | 2021-09-18 | 2021-09-18 | 路线的生成方法、装置、电子设备和存储器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113821579A true CN113821579A (zh) | 2021-12-21 |
CN113821579B CN113821579B (zh) | 2024-02-06 |
Family
ID=78914944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111100689.1A Active CN113821579B (zh) | 2021-09-18 | 2021-09-18 | 路线的生成方法、装置、电子设备和存储器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113821579B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114510997A (zh) * | 2021-12-30 | 2022-05-17 | 北京掌行通信息技术有限公司 | 收费站通行模式识别方法和系统 |
CN114677570A (zh) * | 2022-03-14 | 2022-06-28 | 北京百度网讯科技有限公司 | 道路信息更新方法、装置、电子设备以及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070106465A1 (en) * | 2005-10-10 | 2007-05-10 | Tomtom International B.V. | Method of planning a route to a destination |
CN109814574A (zh) * | 2019-02-22 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 车道汇合处的速度规划方法、装置和存储介质 |
WO2020107441A1 (en) * | 2018-11-28 | 2020-06-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | Artificial intelligent systems and methods for map matching |
CN112530158A (zh) * | 2020-10-27 | 2021-03-19 | 北方信息控制研究院集团有限公司 | 一种基于历史轨迹的路网补充方法 |
KR20210090580A (ko) * | 2020-06-30 | 2021-07-20 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 경로 계획 모델 생성 방법, 장치, 기기 및 저장 매체 |
CN113358127A (zh) * | 2020-03-05 | 2021-09-07 | 阿里巴巴集团控股有限公司 | 道路权值确定方法、模型生成方法和路线规划方法及装置 |
-
2021
- 2021-09-18 CN CN202111100689.1A patent/CN113821579B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070106465A1 (en) * | 2005-10-10 | 2007-05-10 | Tomtom International B.V. | Method of planning a route to a destination |
WO2020107441A1 (en) * | 2018-11-28 | 2020-06-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | Artificial intelligent systems and methods for map matching |
CN109814574A (zh) * | 2019-02-22 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 车道汇合处的速度规划方法、装置和存储介质 |
CN113358127A (zh) * | 2020-03-05 | 2021-09-07 | 阿里巴巴集团控股有限公司 | 道路权值确定方法、模型生成方法和路线规划方法及装置 |
KR20210090580A (ko) * | 2020-06-30 | 2021-07-20 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 경로 계획 모델 생성 방법, 장치, 기기 및 저장 매체 |
CN112530158A (zh) * | 2020-10-27 | 2021-03-19 | 北方信息控制研究院集团有限公司 | 一种基于历史轨迹的路网补充方法 |
Non-Patent Citations (4)
Title |
---|
JUN GONG等: "Hybrid dynamic prediction model of bus arrival time based on weighted of historical and real-time GPS data", 2013 25TH CHINESE CONTROL AND DECISION CONFERENCE (CCDC) * |
孙文彬;熊婷;: "历史数据和强化学习相结合的低频轨迹数据匹配算法", 测绘学报, no. 11 * |
戚欣;梁伟涛;马勇;: "基于出租车轨迹数据的最优路径规划方法", 计算机应用, no. 07 * |
李中华;杨进;倪明涛;王慧;: "自适应代价函数的GPS路线决策研究", 重庆交通大学学报(自然科学版), no. 06 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114510997A (zh) * | 2021-12-30 | 2022-05-17 | 北京掌行通信息技术有限公司 | 收费站通行模式识别方法和系统 |
CN114677570A (zh) * | 2022-03-14 | 2022-06-28 | 北京百度网讯科技有限公司 | 道路信息更新方法、装置、电子设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113821579B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102282367B1 (ko) | 크라우드소싱을 이용한 위치 결정, 매핑 및 데이터 관리 시스템 및 방법 | |
CN113821579B (zh) | 路线的生成方法、装置、电子设备和存储器 | |
CN104599002B (zh) | 预测订单价值的方法及设备 | |
CN113392253A (zh) | 视觉问答模型训练及视觉问答方法、装置、设备及介质 | |
CN114170797B (zh) | 交通限制路口的识别方法、装置、设备、介质及产品 | |
CN115410410A (zh) | 车位推荐方法、装置、设备以及存储介质 | |
CN113899381B (zh) | 用于生成路线信息的方法、装置、设备、介质和产品 | |
CN114715145A (zh) | 一种轨迹预测方法、装置、设备及自动驾驶车辆 | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
CN112860996A (zh) | 一种兴趣点处理方法、装置、电子设备和介质 | |
CN115046564B (zh) | 导航处理方法、装置、设备及存储介质 | |
CN112990241A (zh) | 轨迹匹配方法、装置、设备及存储介质 | |
CN113837455B (zh) | 打车方法、装置、电子设备和可读存储介质 | |
CN113847923A (zh) | 预估到达时间的计算方法、装置、电子设备和可读存储介质 | |
CN111489024B (zh) | 出行方案推荐方法、装置、设备及存储介质 | |
CN115146847A (zh) | 一种巡游路线生成方法、装置、设备及存储介质 | |
CN114820690A (zh) | 轨迹还原方法、装置和电子设备 | |
CN114676352A (zh) | 路线规划方法、装置、设备以及存储介质 | |
CN113849746A (zh) | 一种停车场推荐方法、装置、电子设备及存储介质 | |
CN112527673A (zh) | 站点测试方法、装置、电子设备及可读存储介质 | |
CN105894121A (zh) | 一种线路规划方法及系统 | |
CN113902002B (zh) | 用于训练站点出入口确定模型的方法和装置 | |
CN113865611B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN113408297B (zh) | 生成节点表示的方法、装置、电子设备和可读存储介质 | |
CN113407839B (zh) | 出行方式的确定方法、装置、设备和存储介质 |
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 |