CN113990066B - 道路信息匹配及路口识别方法及装置 - Google Patents

Abstract

本发明实施例公开了一种道路信息匹配及路口识别方法及装置，该方法包括：获取目标车辆的行车数据，并将行车数据进行分区，得到至少两个行车数据分区；确定与每个行车数据分区相对应的目标经纬度分区，并根据目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区；针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定行车数据分区中的每一条行车数据所对应的路网数据；针对每一条行车数据所对应的车辆方位角信息，以及路网数据中的道路方位角信息，确定行车数据所对应的目标道路信息以及路口类型。通过本发明实施例的技术方案，实现了准确快速的确定每条行车数据所对应的路网数据的技术效果。

Description

道路信息匹配及路口识别方法及装置

技术领域

本发明实施例涉及数据处理技术，尤其涉及一种道路信息匹配及路口识别方法及装置。

背景技术

目前，智能汽车的普及率逐渐提升，为了能够使智能汽车驾驶高度拟人化，需对不同道路信息和路口类型进行准确且快速的匹配和识别。

在进行道路信息和路口类型识别时，通常是将车辆的经纬度数据发送至公开的网络服务器中，通过网络服务器进行经纬度的逐一匹配，确定出与车辆的经纬度数据对应的路网数据。

然而，若将上述方式应用在数据量大的场景下，会造成匹配耗时较长，效率较低的问题，并且会存在难以匹配出与每个经纬度数据相对应的路网数据的情况。

发明内容

本发明实施例提供了一种道路信息匹配及路口识别方法及装置，以实现准确快速的确定每条行车数据所对应的路网数据。

第一方面，本发明实施例提供了一种道路信息匹配及路口识别方法，包括：

获取目标车辆的行车数据，并将所述行车数据进行分区，得到至少两个行车数据分区；其中，所述行车数据至少包括时间信息，经度信息和纬度信息；

确定与每个行车数据分区相对应的目标经纬度分区，并根据所述目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区；

针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定所述行车数据分区中的每一条行车数据所对应的路网数据；

针对每一条行车数据所对应的车辆方位角信息，以及所述路网数据中的道路方位角信息，确定所述行车数据所对应的目标道路信息以及路口类型。

第二方面，本发明实施例还提供了一种道路信息匹配及路口识别装置，包括：

行车数据分区模块，用于获取目标车辆的行车数据，并将所述行车数据进行分区，得到至少两个行车数据分区；其中，所述行车数据至少包括时间信息，经度信息和纬度信息；

路网数据分区模块，用于确定与每个行车数据分区相对应的目标经纬度分区，并根据所述目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区；

数据匹配模块，用于针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定所述行车数据分区中的每一条行车数据所对应的路网数据；

信息确定模块，用于针对每一条行车数据所对应的车辆方位角信息，以及所述路网数据中的道路方位角信息，确定所述行车数据所对应的目标道路信息以及路口类型。

第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的道路信息匹配及路口识别方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例任一所述的道路信息匹配及路口识别方法。

本发明实施例的技术方案，通过获取目标车辆的行车数据，并将行车数据进行分区，得到至少两个行车数据分区，以进行分布式处理，提高处理效率，确定与每个行车数据分区相对应的目标经纬度分区，并根据目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区，以进行粗略的数据匹配，针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定行车数据分区中的每一条行车数据所对应的路网数据，针对每一条行车数据所对应的车辆方位角信息，以及路网数据中的道路方位角信息，确定行车数据所对应的目标道路信息以及路口类型，解决了根据车辆行驶的经纬度数据匹配路网数据时耗时长，效率低的问题以及匹配结果不准确的问题，实现了准确快速的确定每条行车数据所对应的路网数据的技术效果。

附图说明

为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。

图1为本发明实施例一所提供的一种道路信息匹配及路口识别方法的流程示意图；

图2为本发明实施例二所提供的一种道路信息匹配及路口识别方法的流程示意图；

图3为本发明实施例三所提供的一种道路信息匹配及路口识别方法的流程示意图；

图4为本发明实施例三所提供的一种道路信息匹配及路口识别结果的存储方法的流程示意图；

图5为本发明实施例四所提供的一种道路信息匹配及路口识别装置的结构示意图；

图6为本发明实施例五所提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一所提供的一种道路信息匹配及路口识别方法的流程示意图，本实施例可适用于对行车数据匹配道路信息和路口类型的情况，该方法可以由道路信息匹配及路口识别装置来执行，该装置可以通过软件和/或硬件的形式实现，该硬件可以是电子设备，可选的，电子设备可以是移动终端，PC端，服务器等。

如图1所述，本实施例的方法具体包括如下步骤：

S110、获取目标车辆的行车数据，并将行车数据进行分区，得到至少两个行车数据分区。

其中，目标车辆是待进行路网数据匹配的车辆，行车数据可以是目标车辆上传的与行车相关的数据，至少包括时间信息，经度信息和纬度信息，还可以包括方向盘转角等。行车数据分区可以是将行车数据进行拆分的到的多组数据。

具体的，目标车辆在行驶过程中可以采集并上传行车数据。在接收到行车数据后，可以获取需要进行道路信息匹配的行车数据。并且，为了提高道路信息匹配的速度，将行车数据拆分为多个行车数据分区，每个行车数据分区中包括至少一条行车数据。

需要说明的是，各个不同行车数据分区中的数据条数应该是大致相同的。可以根据预设的行车数据条数将目标车辆的行车数据分为至少两个行车数据分区，也可以根据行车数据所对应的时间信息，根据预设采集时间段将目标车辆的行车数据分为至少两个行车数据分区。

S120、确定与每个行车数据分区相对应的目标经纬度分区，并根据目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区。

其中，目标经纬度分区可以是覆盖行车数据分区中各个行车数据的经纬度的分区。路网数据可以是描述道路信息的数据，可以包括各特征点的经纬度坐标，车道数，路口类型，道路方位角。路网数据分区可以是与目标经纬度分区中的经纬度信息相匹配的路网数据。

具体的，在确定行车数据分区后，针对每一个行车数据分区都可以采用相同的方式确定相对应的路网数据分区，下面以一个行车数据分区为例进行说明。根据行车数据分区可以确定其中各条行车数据所对应的经度信息和纬度信息。进而，可以确定能够覆盖各个经度信息和各个纬度信息的经纬度分区，并将这个经纬度分区作为与行车数据分区相对应的目标经纬度分区。根据确定出的目标经纬度分区可以从路网数据中，匹配出经纬度相对应的路网数据分区，并将该路网数据分区确定为与行车数据分区相对应的路网数据分区。

需要说明的是，针对不同行车数据分区进行数据处理的过程可以是串行的也可以是并行的，为了提高数据处理速度，可以通过分布式计算引擎对各个行车数据分区分别进行数据处理。例如，分布式计算引擎可以是Spark引擎。

S130、针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定行车数据分区中的每一条行车数据所对应的路网数据。

具体的，在确定行车数据分区以及路网数据分区之后，根据行车数据分区中的每一条行车数据的经纬度信息从与行车数据分区相对应的路网数据分区中确定出路网数据。

需要说明的是，与每一条行车数据相对应的路网数据可以是0条，1条，或者至少两条。

S140、针对每一条行车数据所对应的车辆方位角信息，以及路网数据中的道路方位角信息，确定行车数据所对应的目标道路信息以及路口类型。

其中，车辆方位角信息可以是行车数据中包含的信息，也可以是根据相邻行车数据计算得到的方位角信息，车辆方位角信息用于描述目标车辆的行驶方向。目标道路信息可以包括道路名称，道路方向，道路编号的信息。路口类型可以按交叉口形式分类的路口类型，也可以是按道路级别分类的路口类型，还可以是按路口规模分类的路口类型等。

具体的，根据行车数据可以确定与每一条行车数据相对应的车辆方位角信息。并且，针对每一条行车数据可以确定出待进行匹配的路网数据，并从这些路网数据中获取道路方位角信息。将车辆方位角信息与道路方位角信息进行匹配。若匹配成功，则可以确定该道路方位角所对应的路网数据为与这一条行车数据相对应的路网数据，进而，根据确定出的路网数据确定目标道路信息以及路口类型。若匹配不成功，则可以确定该道路方位角所对应的路网数据并非是与这一条行车数据相对应的路网数据，可以进行下一次匹配。

需要说明的是，路网信息中存在一对经纬度对应多种道路信息的情况。例如，单行道的经纬度信息，在路网信息中可以对应两种道路信息，这两种道路信息的道路方位角可以是0°和180°；十字路口处的经纬度信息，在路网信息中可对应四种道路信息，这四种道路信息的道路方位角可以是0°，90°，180°和270°。

还需要说明的是，目标道路信息可以包括国家级/省级高速公路、国道/城市快速路、省道/主干道、县道/次干道、乡道/支路、小型道路、居住区道路、其他公路通往高速公路的匝道、连接国道/快速路与其他国道/快速路或更低级道路的匝道、连接省道/主干道与其他省道/主干道或更低级道路的匝道、连接县道/次干道与其他县道/次干道或更低级道路的匝道、连接乡道/支路与其他乡道/支路或更低级道路的匝道等其他阶段、服务区、隧道等多种道路类型。路口类型可以包括十字形、X字形、T字形、Y字形、错位交叉、复合交叉等，还可以包括简单交叉口、拓宽路口式交叉口、渠化交叉口等，也可以包括分离式立体交叉口、完全互通式立体交叉口、部分互通式立体交叉口等。

可选的，若行车数据中未记录车辆方位角信息，则可以根据当前行车数据中的经度信息和纬度信息以及当前行车数据的前一行车数据的经度信息和纬度信息，确定当前行车数据所对应的车辆方位角信息。

可选的，可以基于下述公式确定当前行车数据所对应的车辆方位角信息：

cos(C)＝cos(90°-B_latitude)×cos(90°-A_latitude)+sin(90°-B_latitude)×sin(90-A_latitude)×cos(B_longitude-A_longitude)，

其中，A_latitude表示当前行车数据的前一行车数据所对应的纬度信息，A_longitude表示当前行车数据的前一行车数据所对应的经度信息，B_latitude表示当前行车数据所对应的纬度信息，B_longitude表示当前行车数据所对应的经度信息，cos(C)表示中间变量，不具有具体含义，θ′表示夹角信息。

A点是根据当前行车数据的前一行车数据所对应的经度信息和纬度信息确定的特征点，B点是根据当前行车数据所对应的经度信息和纬度信息确定的特征点。

若相对于A点，B点位于第一象限，则θ＝θ′，其中，θ表示当前行车数据所对应的车辆方位角信息。

若相对于A点，B点位于第二象限，则θ＝θ′+360°，其中，θ表示当前行车数据所对应的车辆方位角信息。

若相对于A点，B点位于第三象限或第四象限，则θ＝180°-θ′，其中，θ表示当前行车数据所对应的车辆方位角信息。

需要说明的是，上述用于计算车辆方位角信息的计算方式也可以应用于计算道路方位角信息中。

本发明实施例的技术方案，通过获取目标车辆的行车数据，并将行车数据进行分区，得到至少两个行车数据分区，以进行分布式处理，提高处理效率，确定与每个行车数据分区相对应的目标经纬度分区，并根据目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区，以进行粗略的数据匹配，针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定行车数据分区中的每一条行车数据所对应的路网数据，针对每一条行车数据所对应的车辆方位角信息，以及路网数据中的道路方位角信息，确定行车数据所对应的目标道路信息以及路口类型，解决了根据车辆行驶的经纬度数据匹配路网数据时耗时长，效率低的问题以及匹配结果不准确的问题，实现了准确快速的确定每条行车数据所对应的路网数据的技术效果。

实施例二

图2为本发明实施例二所提供的一种道路信息匹配及路口识别方法的流程示意图，本实施例在上述各实施例的基础上，针对行车数据的分区方式，目标经纬度分区的确定方式以及目标道路信息以及路口类型的确定方式可参见本实施例的技术方案。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。

如图2所述，本实施例的方法具体包括如下步骤：

S210、获取目标车辆的行车数据，并根据预设时间间隔，将行车数据进行分区，得到至少两个行车数据分区。

其中，预设时间间隔可以是预先设置的用于拆分行车数据的时间间隔。

具体的，可以根据目标车辆中的各条行车数据的时间信息，按照预设时间间隔进行分区，得到多个行车数据分区。

示例性的，目标车辆的行车数据是每0.1秒采集一条，可以设置预设时间间隔为30分钟，即每个行车数据分区中包括18000条行车数据。

需要说明的是，预设时间间隔的设置可以根据引擎计算能力确定，若计算能力较强，则可以设置较大的预设时间间隔，若计算能力较弱，则可以设置较小的预设时间间隔。

S220、针对每个行车数据分区，确定行车数据分区所对应的经度最大值，经度最小值，纬度最大值以及纬度最小值，并根据经度最大值，经度最小值，纬度最大值以及纬度最小值，确定目标经纬度分区。

其中，经度最大值可以是行车数据分区中各条行车数据中经度信息的最大值。经度最小值可以是行车数据分区中各条行车数据中经度信息的最小值。纬度最大值可以是行车数据分区中各条行车数据中纬度信息的最大值。纬度最小值可以是行车数据分区中各条行车数据中纬度信息的最小值。

具体的，针对每个行车数据分区，根据行车数据分区中各条行车数据中经度信息和纬度信息，可以确定经度最大值，经度最小值，纬度最大值以及纬度最小值。将确定出的经度最大值，经度最小值，纬度最大值以及纬度最小值作为四个顶点可以确定一个长方形区域，将这个长方形区域所对应的经纬度区域作为与行车数据分区相对应的目标经纬度分区。

可以是，将(经度最大值，纬度最大值)，(经度最小值，纬度最大值)，(经度最小值，纬度最大值)，(经度最小值，纬度最小值)作为四个顶点，将这四个顶点确定出的长方形区域覆盖的经纬度区域作为目标经纬度分区。

S230、根据目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区。

S240、针对每个行车数据分区，若行车数据分区中的数据量和与行车数据分区相对应的路网数据分区的数据量之和超过预设数据量，则将行车数据分区以及行车数据分区相对应的路网数据分区进行拆分。

其中，预设数据量可以是根据引擎计算能力确定出的数据量。

具体的，针对每个行车数据分区，由于行车数据分区所对应的路网数据分区中的路网数据条数不同。那么，行车数据分区中的数据量和与行车数据分区相对应的路网数据分区的数据量之和就可能存在数据量较大的问题，若该数据量之和超过预设数据量，则表明引擎进行后续处理可能会出现问题。此时，可以将行车数据分区以及行车数据分区相对应的路网数据分区进行拆分，以使拆分后的分区结果符合预设数据量的限制。

示例性的，若路网数据分区对应的是城市道路，那么路网数据分区所对应的路网数据量较大，若路网数据分区对应的是高速道路，那么路网数据分区所对应的路网数据量较小。

S250、针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定行车数据分区中的每一条行车数据所对应的路网数据。

具体的，在确定行车数据分区以及路网数据分区之后，根据行车数据分区中的每一条行车数据的经纬度信息从与行车数据分区相对应的路网数据分区中确定出路网数据。

由于进行行车数据采集时，经度信息和纬度信息的测量可能会受到周边磁场的影响，产生误差。在这种情况下，会存在根据行车数据对应的经度信息和纬度信息无法匹配到路网数据，此时可以根据经度信息和纬度信息确定一个可选道路区域，以便后续确定出相对应的路网数据。

可选的，可以通过下述步骤确定与每一条行车数据所对应的路网数据：

步骤一、针对行车数据分区中的每一条行车数据，确定行车数据中的方向盘转角。

其中，方向盘转角可以是记录在行车数据中的信息，用于表示方向盘的转动情况。

具体的，针对行车数据分区中的每一条行车数据，可以从行车数据中获取方向盘转角。

步骤二、根据方向盘转角，确定与行车数据相对应的可选道路区域，并根据可选道路区域确定路网数据。

其中，可选道路区域可以是根据经度信息和纬度信息扩大得到的区域。

具体的，根据方向盘转角的大小可以确定可选道路区域的大小，在确定可选道路区域的大小后，根据经度信息和纬度信息确定中心点，根据中心点和可选道路区域的大小，确定可选道路区域。进而，将可选道路区域覆盖到的路网数据分区中的路网数据，作为与该条行车数据相对应的路网数据。

示例性的，在方向盘转角小于或等于35°时，可以将可选区域的边界确定为以当前经纬度为中心点，经度方向16m，维度方向15m的长方形区域；在方向盘转角大于35°时，可以将可选区域的边界确定为以当前经纬度为中心点，经度方向20m，维度方向22.5m的长方形区域。

需要说明的是，方向盘转角越大，则可选道路区域越大，方向盘转角越小，则可选道路区域越小。

在行车数据分区中，可能存在连续多条行车数据无法确定相对应的路网数据，此时可以适当扩大可选道路区域的范围。可选的，若预设距离范围内的各条行车数据均未确定出与行车数据相对应的路网数据，则扩大可选道路区域。

其中，预设距离范围可以是预先设定的距离，用于判定是否需要扩大可选道路区域。

具体的，若在预设距离范围内的各条行车数据均未确定出与行车数据相对应的路网数据，即预设距离范围内所有的行车数据都没有确定出相对应的路网数据，则扩大可选道路区域范围以覆盖到路网数据。

需要说明的是，还可以是根据预设时间范围来扩大可选道路区域，具体的扩大可选道路区域的因素可以根据实际情况设定，在本实施例中不做具体限定。

示例性的，预设距离范围为100m，如果在100内目标车辆的行驶距离内所对应的行车数据都未匹配到路网数据，则可以将可选道路区域扩大至原来尺寸的1.3倍。

由于行车数据分区中的数据条数和与行车数据分区相对应的路网数据分区中的数据条数可能是不同的，为了提高数据匹配的速度，可以以数据条数少的数据分区作为基准数据分区，将另一个数据分区中的数据匹配至基准数据分区。

可选的，可以是若行车数据分区中的数据条数大于或等于路网数据分区中的数据条数，则针对每一条路网数据的道路经纬度信息，确定与每一条路网数据相对应的行车数据；若行车数据分区中的数据条数小于路网数据分区中的数据条数，则针对每一条行车数据中的经度信息和纬度信息，确定与每一条行车数据相对应的路网数据。

S260、若存在与当前行车数据相对应的路网数据，则确定路网数据中道路方位角信息与当前行车数据所对应的车辆方位角信息的差值在预设角度范围内的目标路网数据，并确定目标路网数据的条数，根据目标路网数据的条数确定当前行车数据所对应的目标道路信息以及路口类型。

其中，预设角度范围可以是预先设置的固定角度范围，也可以是根据行车数据确定的角度范围，用于判定目标路网数据。目标路网数据可以是确定出的路网数据中可能与当前行车数据相匹配的路网数据。

具体的，若针对当前行车数据确定出至少一个路网数据，则可以先从这些路网数据中进行查找，确定一个与当前行车数据相对应的目标路网数据。将各路网数据中的道路方位角与当前行车数据所对应的车辆方位角信息进行求差运算，若差值在预设角度范围内，则可以确定为目标路网数据，若差值在预设角度范围外，则可以确定这一条路网数据与当前行车数据不匹配。将路网数据中的每一条路网数据都进行求差和匹配，可以确定得出的目标路网数据的条数。进而，根据路网数据的条数确定当前行车数据所对应的目标道路信息以及路口类型。

可选的，预设角度范围可以是预先设置好的默认值，也可以是根据车辆行驶曲率来确定，例如：在当前行车数据的车辆行驶曲率在1/500以下时，预设角度范围可以确定为10°，当当前行车数据的车辆行驶曲率在1/500以上时，预设角度范围可以确定为20°

可选的，可以通过下述判断方式确定当前行车数据的目标道路信息和路口类型：

若目标路网数据的条数为1，则根据目标路网数据确定当前行车数据的目标道路信息以及路口类型。

具体的，若目标路网数据的条数为1，则可以确定目标路网数据为当前行车数据所对应的路网数据。此时，可以将目标路网数据中的道路信息和路口类型作为当前行车数据的目标道路信息以及路口类型。

若目标路网数据的条数不为1，则将当前行车数据的前一个行车数据的目标道路信息和路口类型确定为当前行车数据的目标道路信息和路口类型。

具体的，若目标路网数据的条数不为1，则可以确定出两种可能性，第一种是目标路网数据的条数为0，即确定出的路网数据中没有任一条目标路网数据与当前行车数据相匹配；第二种是目标路网数据的条数为2或大于2，即存在多条路网数据与当前行车数据相匹配。在上述两种情况下，均不能够确定出唯一一条与当前行车数据相对应的目标路网数据，此时，可以将当前行车数据的前一个行车数据的目标道路信息和路口类型确定为当前行车数据的目标道路信息和路口类型。

S270、若不存在与当前行车数据相对应的路网数据，则将当前行车数据的前一个行车数据的目标道路信息和路口类型确定为当前行车数据的目标道路信息和路口类型。

具体的，若不存在与当前行车数据相对应的路网数据，即在S250中确定出的路网数据的条数为0，则表明当前行车数据没有与之相匹配的路网数据，此时，可以将当前行车数据的前一个行车数据的目标道路信息和路口类型确定为当前行车数据的目标道路信息和路口类型。

本发明实施例的技术方案，通过获取目标车辆的行车数据，并根据预设时间间隔，将行车数据进行分区，得到至少两个行车数据分区，以进行分布式处理，提高处理效率，针对每个行车数据分区，确定行车数据分区所对应的经度最大值，经度最小值，纬度最大值以及纬度最小值，并根据经度最大值，经度最小值，纬度最大值以及纬度最小值，确定目标经纬度分区，根据目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区，以进行粗略的数据匹配，针对每个行车数据分区，若行车数据分区中的数据量和与行车数据分区相对应的路网数据分区的数据量之和超过预设数据量，则将行车数据分区以及行车数据分区相对应的路网数据分区进行拆分，以平衡各引擎的运算量，针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定行车数据分区中的每一条行车数据所对应的路网数据，若存在与当前行车数据相对应的路网数据，则确定路网数据中道路方位角信息与当前行车数据所对应的车辆方位角信息的差值在预设角度范围内的目标路网数据，并确定目标路网数据的条数，根据目标路网数据的条数确定当前行车数据所对应的目标道路信息以及路口类型，若不存在与当前行车数据相对应的路网数据，则将当前行车数据的前一个行车数据的目标道路信息和路口类型确定为当前行车数据的目标道路信息和路口类型，解决了根据车辆行驶的经纬度数据匹配路网数据时耗时长，效率低的问题以及匹配结果不准确的问题，实现了准确快速的确定每条行车数据所对应的路网数据的技术效果。

实施例三

作为上述各实施例的可选实施方案，图3为本发明实施例三所提供的一种道路信息匹配及路口识别方法的流程示意图。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。

如图3所示，本实施例的方法具体包括如下步骤：

步骤1，获取车辆经纬度数据源，确定数据源中的各个数据点(目标车辆的行车数据)，每个数据点的数据包括时间列，车辆经纬度值(时间信息，经度信息和纬度信息)。

步骤2，获取公开的路网数据源，数据源中包括每条道路的道路数据点，道路数据点的信息包括道路名称、道路类型、道路ID，道路数据点的点ID，道路数据点的经纬度等。

步骤3，根据时间对车辆经纬度数据源中的各个数据点进行分区(行车数据分区)。可以是，创建数据分区序号列，使得车辆经纬度数据按照该列进行分区，以保证每个分区内，经纬度数据行数大致相同。

步骤4，根据分区内数据点的经纬度的最大边界组成的长方形区域(目标经纬度分区)。

具体的，采用Spark引擎将每个分区分别放置于集群计算机多个节点的多个内核中进行计算，找到每个分区内所有的经纬度最大值与最小值点，即可得到该分区下(经度最大值，维度最大值)，(经度最小值，维度最大值)，(经度最小值，维度最大值)，(经度最小值，维度最小值)4个顶点。根据这4个顶点，确定长方形区域。

步骤5，从路网数据中匹配所有属于每个分区内的道路数据点。

具体的，在每个分区中，对分别确定出的长方形区域中的路网数据，以得到每个分区内的所有路网数据(路网数据分区)。并且，可以将确定出的数据存储于计算机集群磁盘中。

可选的，可以将分区后数据量明显高于其他分区的分区进行数据拆分，使得各个分区数据量均匀。

步骤6，根据路网数据确定道路方位角，根据数据点的经纬度计算车辆方位角。

步骤7，确定方位角误差范围(预设角度范围)。

具体的，在车辆行驶曲率在1/500以下时，车辆方位角与道路方位角误差范围确定为10°，当车辆行驶曲率在1/500以上时，车辆方位角与道路方位角误差范围确定为20°。

步骤8，确定匹配距离范围(可选道路区域)。

具体的，在车辆方向盘转角小于35°时，将匹配边界确定为以当前数据点的经纬度为中心点，经度方向约16m，维度方向约15m的长方形边界，在车辆方向盘转角大于35°时，将匹配边界确定为以当前数据点的经纬度为中心点，经度方向约20m，维度方向约22.5m的长方形边界。

步骤9，判断经纬度数据的行数是否大于路网数据的行数，若是，则执行步骤10，若否，则执行步骤11。

步骤10，以路网数据为基准，将在每个路网数据的匹配边界内的经纬度数据点进行匹配，将匹配后的路网数据填充于数据点所对应的经纬度数据表中，并执行步骤12。

步骤11，以经纬度数据为基准，将在每个数据点的经纬度的匹配边界内的路网数据点进行匹配，填充于对应的经纬度数据表中。

步骤12，判断是否所有数据点，即经纬度点，都匹配得到对应的道路信息，若是，则结束，若否则执行步骤13。

步骤13，如果车辆行驶距离超过100m，仍未匹配至路网数据，即道路数据点，则扩大匹配边界尺寸至原先的1.3倍。

步骤14，如果某一经纬度点未匹配到道路数据点(有零个路网数据点满足距离范围和方向角范围)，则认为该经纬度点在上一个匹配到道路数据点所属的道路上，沿用上一个经纬度点的道路信息作为当前经纬度点的道路信息。

步骤15，如果某一经纬度点匹配到一个道路数据点，且该点的道路方位角与车辆方位角在误差范围内(仅有一个路网数据点满足距离范围和方向角范围)，则认为车辆在此点所属的道路上，根据道路数据点更新当前经纬度点的道路信息，并标记该点为直行。如果某一经纬度点匹配到多个道路数据点，但只有一个点的道路方位角与车辆方位角在误差范围内(仅有一个路网数据点满足距离范围和方向角范围)，则认为车辆在此点所属的道路上，根据道路数据点更新当前经纬度点的道路信息，并且标记该点为路口。

步骤16，如果某一经纬度点匹配到多个道路数据点，且有多个点的道路方位角与车辆方位角在误差范围内(多个点满足距离范围，仅一个点满足方向角范围)，则认为车辆在上一个匹配到道路数据点所属的道路上，沿用上一个经纬度点的道路信息作为当前经纬度点的道路信息，并且标记该点为经过路口。

步骤17，如果某一经纬度点匹配到多个道路数据点，且车辆方位角与道路方位角误差均不在误差范围内(多个点满足距离范围，多个点满足方向角范围)，则认为车辆在上一个匹配到道路数据点所属的道路上，沿用上一个经纬度点的道路信息作为当前经纬度点的道路信息，且标记该点为直行。

可选的，可以在标记为路口的经纬度点中，如果匹配的道路数据点中包含匝道，则依据路网数据中的道路类型，将路口区分为高速路匝道口、快速路匝道口等。还可以在标记为经过路口的经纬度点中，依据路网数据中的道路类型，将路口区分为小型、中型、大型、超大型及辅路/调头路口等。

可选的，在每个分区运行完毕后，直接输出匹配后的数据至磁盘，完成匹配。

上述各步骤中，步骤1-3中，为道路数据粗匹配过程，步骤4-17中，为道路数据精确匹配过程。

图4为本发明实施例三所提供的一种道路信息匹配及路口识别结果的存储方法的流程示意图。

如图4所示，先获取车辆行驶过程中的车辆经纬度数据，并将车辆经纬度数据进行分区处理。通过不同的计算机核心并行的对不同分区中的车辆经纬度数据进行局部匹配，得到匹配的公开路网数据，并将匹配得到的数据存盘。上述匹配过程得到粗匹配数据结果。根据粗匹配数据结果确定粗匹配分区，并通过不同的计算机核心并行的对不同粗匹配分区中的车辆经纬度数据进行精确匹配，将精确匹配结果数据存盘。上述匹配过程得到精确匹配数据结果。

本发明实施例的技术方案，基于Spark分布式计算引擎进行车辆道路属性匹配及路口识别，先将数据进行分区，对分区进行整体粗匹配，然后对每个分区进行道路精确匹配，极大提高了运算速度与效率，并且，利用道路方向角和车辆方向角及车辆经纬度与道路经纬度进行车辆行驶道路与路口动态判断，提高了识别判断的准确率，解决了根据车辆行驶的经纬度数据匹配路网数据时耗时长，效率低的问题以及匹配结果不准确的问题，实现了准确快速的确定每条行车数据所对应的路网数据的技术效果。

实施例四

图5为本发明实施例四所提供的一种道路信息匹配及路口识别装置的结构示意图，该装置包括：行车数据分区模块410，路网数据分区模块420，数据匹配模块430和信息确定模块440。

其中，行车数据分区模块410，用于获取目标车辆的行车数据，并将所述行车数据进行分区，得到至少两个行车数据分区；其中，所述行车数据至少包括时间信息，经度信息和纬度信息；路网数据分区模块420，用于确定与每个行车数据分区相对应的目标经纬度分区，并根据所述目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区；数据匹配模块430，用于针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定所述行车数据分区中的每一条行车数据所对应的路网数据；信息确定模块440，用于针对每一条行车数据所对应的车辆方位角信息，以及所述路网数据中的道路方位角信息，确定所述行车数据所对应的目标道路信息以及路口类型。

可选的，行车数据分区模块410，还用于根据预设时间间隔，将所述行车数据进行分区，得到至少两个行车数据分区。

可选的，路网数据分区模块420，还用于针对每个行车数据分区，确定所述行车数据分区所对应的经度最大值，经度最小值，纬度最大值以及纬度最小值；根据所述经度最大值，所述经度最小值，所述纬度最大值以及所述纬度最小值，确定目标经纬度分区。

可选的，所述装置还包括：数据拆分模块，用于针对每个行车数据分区，若所述行车数据分区中的数据量和与所述行车数据分区相对应的路网数据分区的数据量之和超过预设数据量，则将所述行车数据分区以及行车数据分区相对应的路网数据分区进行拆分。

可选的，数据匹配模块430，还用于针对所述行车数据分区中的每一条行车数据，确定所述行车数据中的方向盘转角；根据所述方向盘转角，确定与所述行车数据相对应的可选道路区域，并根据所述可选道路区域确定路网数据。

可选的，所述装置还包括：区域扩大模块，用于若预设距离范围内的各条行车数据均未确定出与所述行车数据相对应的路网数据，则扩大所述可选道路区域。

可选的，数据匹配模块430，还用于若所述行车数据分区中的数据条数大于或等于所述路网数据分区中的数据条数，则针对每一条路网数据的道路经纬度信息，确定与每一条路网数据相对应的行车数据；若所述行车数据分区中的数据条数小于所述路网数据分区中的数据条数，则针对每一条行车数据中的经度信息和纬度信息，确定与每一条行车数据相对应的路网数据。

可选的，信息确定模块440，还用于若存在与当前行车数据相对应的路网数据，则确定所述路网数据中道路方位角信息与所述当前行车数据所对应的车辆方位角信息的差值在预设角度范围内的目标路网数据，并确定所述目标路网数据的条数，根据所述目标路网数据的条数确定所述当前行车数据所对应的目标道路信息以及路口类型；若不存在与当前行车数据相对应的路网数据，则将所述当前行车数据的前一个行车数据的目标道路信息和路口类型确定为所述当前行车数据的目标道路信息和路口类型。

可选的，信息确定模块440，还用于若所述目标路网数据的条数为1，则根据目标路网数据确定所述当前行车数据的目标道路信息以及路口类型；若所述目标路网数据的条数不为1，则将所述当前行车数据的前一个行车数据的目标道路信息和路口类型确定为所述当前行车数据的目标道路信息和路口类型。

本发明实施例的技术方案，通过获取目标车辆的行车数据，并将行车数据进行分区，得到至少两个行车数据分区，以进行分布式处理，提高处理效率，确定与每个行车数据分区相对应的目标经纬度分区，并根据目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区，以进行粗略的数据匹配，针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定行车数据分区中的每一条行车数据所对应的路网数据，针对每一条行车数据所对应的车辆方位角信息，以及路网数据中的道路方位角信息，确定行车数据所对应的目标道路信息以及路口类型，解决了根据车辆行驶的经纬度数据匹配路网数据时耗时长，效率低的问题以及匹配结果不准确的问题，实现了准确快速的确定每条行车数据所对应的路网数据的技术效果。

本发明实施例所提供的道路信息匹配及路口识别装置可执行本发明任意实施例所提供的道路信息匹配及路口识别方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

实施例五

图6为本发明实施例五所提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施例实施方式的示例性电子设备50的框图。图6显示的电子设备50仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，电子设备50以通用计算设备的形式表现。电子设备50的组件可以包括但不限于：一个或者多个处理器或者处理单元501，系统存储器502，连接不同系统组件(包括系统存储器502和处理单元501)的总线503。

总线503表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备50访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器502可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)504和/或高速缓存存储器505。电子设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统506可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线503相连。系统存储器502可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块507的程序/实用工具508，可以存储在例如系统存储器502中，这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。

电子设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信，还可与一个或者多个使得用户能与该电子设备50交互的设备通信，和/或与使得该电子设备50能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口511进行。并且，电子设备50还可以通过网络适配器512与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器512通过总线503与电子设备50的其它模块通信。应当明白，尽管图6中未示出，可以结合电子设备50使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元501通过运行存储在系统存储器502中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的道路信息匹配及路口识别方法。

实施例六

本发明实施例六还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种道路信息匹配及路口识别方法，该方法包括：

获取目标车辆的行车数据，并将所述行车数据进行分区，得到至少两个行车数据分区；其中，所述行车数据至少包括时间信息，经度信息和纬度信息；

确定与每个行车数据分区相对应的目标经纬度分区，并根据所述目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区；

针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定所述行车数据分区中的每一条行车数据所对应的路网数据；

针对每一条行车数据所对应的车辆方位角信息，以及所述路网数据中的道路方位角信息，确定所述行车数据所对应的目标道路信息以及路口类型。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种道路信息匹配及路口识别方法，其特征在于，包括：

获取目标车辆的行车数据，并将所述行车数据进行分区，得到至少两个行车数据分区；其中，所述行车数据至少包括时间信息，经度信息和纬度信息；

确定与每个行车数据分区相对应的目标经纬度分区，并根据所述目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区；

针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定所述行车数据分区中的每一条行车数据所对应的路网数据；

针对每一条行车数据所对应的车辆方位角信息，以及所述路网数据中的道路方位角信息，确定所述行车数据所对应的目标道路信息以及路口类型；

所述确定所述行车数据分区中的每一条行车数据所对应的路网数据，包括：针对所述行车数据分区中的每一条行车数据，确定所述行车数据中的方向盘转角；根据所述方向盘转角，确定与所述行车数据相对应的可选道路区域，并根据所述可选道路区域确定路网数据。

2.根据权利要求1所述的方法，其特征在于，所述将所述行车数据进行分区，得到至少两个行车数据分区，包括：

根据预设时间间隔，将所述行车数据进行分区，得到至少两个行车数据分区。

3.根据权利要求1所述的方法，其特征在于，所述确定与每个行车数据分区相对应的目标经纬度分区，包括：

针对每个行车数据分区，确定所述行车数据分区所对应的经度最大值，经度最小值，纬度最大值以及纬度最小值；

根据所述经度最大值，所述经度最小值，所述纬度最大值以及所述纬度最小值，确定目标经纬度分区。

4.根据权利要求1所述的方法，其特征在于，在所述确定与每个行车数据分区相对应的路网数据分区之后，还包括：

针对每个行车数据分区，若所述行车数据分区中的数据量和与所述行车数据分区相对应的路网数据分区的数据量之和超过预设数据量，则将所述行车数据分区以及行车数据分区相对应的路网数据分区进行拆分。

5.根据权利要求1所述的方法，其特征在于，还包括：

若预设距离范围内的各条行车数据均未确定出与所述行车数据相对应的路网数据，则扩大所述可选道路区域。

6.根据权利要求1所述的方法，其特征在于，所述确定所述行车数据分区中的每一条行车数据所对应的路网数据，包括：

若所述行车数据分区中的数据条数大于或等于所述路网数据分区中的数据条数，则针对每一条路网数据的道路经纬度信息，确定与每一条路网数据相对应的行车数据；

若所述行车数据分区中的数据条数小于所述路网数据分区中的数据条数，则针对每一条行车数据中的经度信息和纬度信息，确定与每一条行车数据相对应的路网数据。

7.根据权利要求1所述的方法，其特征在于，所述针对每一条行车数据所对应的车辆方位角信息，以及所述路网数据中的道路方位角信息，确定所述行车数据所对应的目标道路信息以及路口类型，包括：

若存在与当前行车数据相对应的路网数据，则确定所述路网数据中道路方位角信息与所述当前行车数据所对应的车辆方位角信息的差值在预设角度范围内的目标路网数据，并确定所述目标路网数据的条数，根据所述目标路网数据的条数确定所述当前行车数据所对应的目标道路信息以及路口类型；

若不存在与当前行车数据相对应的路网数据，则将所述当前行车数据的前一个行车数据的目标道路信息和路口类型确定为所述当前行车数据的目标道路信息和路口类型。

8.根据权利要求7所述的方法，其特征在于，所述根据所述目标路网数据的条数确定所述当前行车数据所对应的目标道路信息以及路口类型，包括：

若所述目标路网数据的条数为1，则根据目标路网数据确定所述当前行车数据的目标道路信息以及路口类型；

若所述目标路网数据的条数不为1，则将所述当前行车数据的前一个行车数据的目标道路信息和路口类型确定为所述当前行车数据的目标道路信息和路口类型。

9.一种道路信息匹配及路口识别装置，其特征在于，包括：

行车数据分区模块，用于获取目标车辆的行车数据，并将所述行车数据进行分区，得到至少两个行车数据分区；其中，所述行车数据至少包括时间信息，经度信息和纬度信息；

路网数据分区模块，用于确定与每个行车数据分区相对应的目标经纬度分区，并根据所述目标经纬度分区以及预先存储的路网数据，确定与每个行车数据分区相对应的路网数据分区；

数据匹配模块，用于针对每个行车数据分区以及与每个行车数据分区相对应的路网数据分区，确定所述行车数据分区中的每一条行车数据所对应的路网数据；

所述数据匹配模块，还用于：针对所述行车数据分区中的每一条行车数据，确定所述行车数据中的方向盘转角；根据所述方向盘转角，确定与所述行车数据相对应的可选道路区域，并根据所述可选道路区域确定路网数据；

信息确定模块，用于针对每一条行车数据所对应的车辆方位角信息，以及所述路网数据中的道路方位角信息，确定所述行车数据所对应的目标道路信息以及路口类型。

Images