CN114170797B - 交通限制路口的识别方法、装置、设备、介质及产品 - Google Patents

Abstract

本公开提供了一种交通限制路口的识别方法、装置、设备、介质及产品，涉及人工智能领域，尤其涉及智能交通领域。具体实现方案为：确定目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据；有效路口为处于正常通行状态的路口；根据有效路口对应的车辆轨迹数据，提取有效路口的车辆轨迹特征；基于至少一个有效路口分别对应的车辆轨迹特征，确定至少一个有效路口中的疑似交限路口；从疑似交限路口的实景图像中识别存在交通限制对象的目标路口；基于目标路口的交通限制对象，确定目标路口的交通限制信息，并将交通限制信息设置在目标区域对应的电子地图中。本公开的技术方案提高了识别效率。

Description

交通限制路口的识别方法、装置、设备、介质及产品

技术领域

本公开涉及人工智能领域中的智能交通领域，尤其涉及一种交通限制路口的识别方法、装置、设备、介质及产品。

背景技术

电子地图是一种利用计算机技术，以数字方式存储和查阅的地图。电子地图在地图导航、自动驾驶等领域中具有广泛应用。在实际的道路网络中，某些路段或者路口可能会存在交通限制信息，交通限制可以指路段或者路口的通行限制，例如，禁止左转、禁止通行等信息。为了确保车辆的正常通行，交通限制信息可以设置于电子地图中。目前，交通限制信息的更新主要是依赖于人工完成，交通限制信息的更新效率较低。

发明内容

本公开提供了一种用于交通限制路口的识别方法、装置、设备、介质及产品。

根据本公开的第一方面，提供了一种用于交通限制路口的识别方法，包括：

确定目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据；有效路口为处于正常通行状态的路口；

根据有效路口对应的车辆轨迹数据，提取有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征；

基于至少一个有效路口分别对应的车辆轨迹特征，确定至少一个有效路口中的疑似交限路口；

从疑似交限路口的实景图像中识别存在交通限制对象的目标路口；

基于目标路口的交通限制对象，确定目标路口的交通限制信息，并将交通限制信息设置在目标区域对应的电子地图中。

根据本公开的第二方面，提供了一种交通限制路口的识别装置，包括：

轨迹确定单元，用于确定目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据；

特征提取单元，用于根据有效路口对应的车辆轨迹数据，提取有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征；

疑似确定单元，用于基于至少一个有效路口分别对应的车辆轨迹特征，确定至少一个有效路口中的疑似交限路口；

路口确定单元，用于从疑似交限路口的实景图像中确定存在交通限制对象的目标路口；

信息确定单元，用于基于目标路口的交通限制对象，确定目标路口的交通限制信息。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面的交通限制路口的识别方法。

根据本公开的第四方面，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，其中，计算机指令用于使计算机执行第一方面的交通限制路口的识别方法。

根据本公开的第五方面，提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行第一方面的方法。

根据本公开的技术解决了交通限制信息的更新效率较低的问题，利用路口的车辆轨迹特征，对路口进行初步判断，获得疑似交限路口之后，再利用疑似交限路口的实景图像对其是否具有交通限制对象进行检测判断，准确获得存在交通限制的目标路口，实现对各个目标路口的交通限制信息进行自动而准确的识别，提高交通限制信息的识别效率。

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是根据本公开第一实施例提供的交通限制路口的识别方法的网络架构图；

图2是根据本公开第二实施例提供的交通限制路口的识别方法的流程图；

图3是根据本公开第三实施例提供的交通限制路口的识别方法的流程图；

图4a是根据本公开提供的一种绕路模型的示意图；

图4b是根据本公开提供的一种偏航模型的示意图；

图4c是根据本公开提供的一种规划比模型的示意图；

图4d是根据本公开提供的一种退出比模型的示意图；

图5是根据本公开第四实施例提供的交通限制路口的识别方法的流程图；

图6是根据本公开第五实施例提供的交通限制路口的识别方法的流程图；

图7是根据本公开的一种图像采集区域的示意图；

图8是根据本公开第六实施例提供的交通限制路口的识别方法的流程图；

图9是根据本公开第七实施例提供的交通限制路口的识别装置的结构示意图；

图10是用来实现本公开实施例的交通限制路口的识别的电子设备的框图。

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。

本公开的技术方案可以应用于电子地图中交通限制信息的更新场景中，该方案中结合路口轨迹，对路口进行准确判断之后，再利用路口图像对电子地图中的交通限制信息进行自动而准确的识别，提高交通限制信息的识别效率。

相关技术中，通常由人工完成电子地图中交通限制信息的更新。具体是，在道路上进行实际的测量或者采集，然后由人工进行反馈，然后进行交限数据的更新。例如，通过人工返回道路通行中的异常信息，通行性异常信息可以包括：施工、阻断、路障、交限等信息。但是，现实是由于电子地图的覆盖范围非常大，通常是全国范围内的电子地图进行更新，而导致电子地图的交通限制信息的数据量较大，常常因电子地图中的交通限制信息不能及时更新，导致用户集体被迫绕路、偏航，甚至无法到达正确目的地。因此，现有的交通限制信息的更新效率偏低，人工作业成本偏高。

本公开实施例中，可以确定目标区域的交通网络中至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据，通过根据有效路口对应的有效数据，提取有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征。进而基于初步确定的有效路口对应的车辆轨迹特征，对有效路口进行交限初步识别，获得至少一个有效路口中的疑似交限路口。从而从疑似交限路口的实景图像中确定存在交通限制对象的目标路口，实现对存在交通限制路口的准确确定，以基于目标路口的交通限制对象，确定目标路口的交通限制信息。本公开实施例中，利用路口的车辆轨迹特征，对路口进行初步判断，获得疑似交限路口之后，再利用疑似交限路口的实景图像对其是否具有交通限制对象进行检测判断，准确获得存在交通限制的目标路口，实现对各个目标路口的交通限制信息进行自动而准确的识别，提高交通限制信息的识别效率。

下面将结合附图对本公开的技术方案进行详细介绍。

本公开的技术方案可以应用于人工智能领域中的智能交通领域，尤其涉及一种交通限制路口的识别方法、装置、设备、介质及产品。

为了便于理解，图1为根据本公开第一实施例提供的交通限制路口的识别方法的网络架构图，该网络架构中，可以包括一个电子设备1以及与电子设备1通过局域网或者广域网进行网络连接若干车辆2；车辆可以在目标区域中通行，通行过程中产生的车辆轨迹数据被发送至电子设备1。电子设备1还可以与若干采集设备3通过局域网或者广域网进行网络连接，采集设备3可以采集路口的实景图像。电子设备1例如可以为普通服务器，云服务器等，还可以为计算机、笔记本、超级计算机设备等。本公开实施例中对电子设备2的具体类型并不做出过多限定。

电子设备1可以基于本公开的技术方案，从目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据。车辆轨迹数据可以为车辆2上传至电子设备1的。可以根据有效路口的车辆轨迹数据，提取有效路口的车辆轨迹特征。以利用路口的车辆轨迹特征，对路口进行初步判断，获得疑似交限路口之后，再利用疑似交限路口的采集设备3提供的实景图像对其是否具有交通限制对象进行检测判断，准确获得存在交通限制的目标路口，实现对各个目标路口的交通限制信息进行自动而准确的识别，提高交通限制信息的识别效率。

如图2所示，为根据本公开第二实施例提供的交通限制路口的识别方法的流程图，该方法可以由交通限制路口的识别装置执行，该交通限制路口的识别装置可以位于电子设备中，则该交通限制路口的识别方法可以包括以下几个步骤：

201：确定目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据。

有效路口可以为处于正常通行状态的路口。

目标区域可以为需要执行道路限制识别的区域。例如可以为中国国内的区域，可以为各大中城市的区域等。

交通网络可以为目标区域内所有道路或者路段相互连接所形成的路网。交通网络中可以包括若干路口、若干道路或者路段。道路相交形成路口。交通路网可以包括可通行的道路以及路口，以及不可通行的道路以及路口，可以将可通行的道路及路口作为有效路口。

车辆轨迹数据可以为车辆行驶过程进行轨迹采集获得的数据点，一个车辆轨迹数据可以包括一条轨迹所对应的多个采集点。可选地，车辆轨迹数据除使用轨迹点表示之外，还可以使用轨迹线表示，轨迹线可以由轨迹点连接构成或者将轨迹点进行曲线拟合构成。

车辆轨迹数据可以为车辆行驶过程中对车辆的行驶轨迹采集获得。车辆可以指使用电子地图进行导航的车辆，车辆中可以配置导航模块、自动驾驶模块等，在车辆行驶过程中导航模块或者自动驾驶模块可以将车辆的轨迹上传至服务器。车辆可以包括私家车、地图实景采集车辆、自动驾驶车辆、公共交通工具等，本公开实施例中对车辆的具体类型并不做出过多限定。

202：根据有效路口对应的车辆轨迹数据，提取有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征。

任一个有效路口可以对应多个车辆轨迹数据。根据有效路口对应的车辆轨迹数据提取有效路口的车辆轨迹特征。通过有效路口的车辆轨迹特征，可以对有效路口的通行情况进行准确分析。

203：基于至少一个有效路口分别对应的车辆轨迹特征，确定至少一个有效路口中的疑似交限路口。

基于至少一个有效路口分别对应的车辆轨迹特征，确定至少一个有效路口中的疑似交限路口可以包括：对于任一个有效路口，利用该有效路口的车辆轨迹特征，判断该有效路口是否为疑似交限路口，获得至少一个有效路口分别对应的判断结果，以确定至少一个有效路口中的疑似有效路口。

判断结果包括对应的有效路口为疑似交限路口或者非疑似交限路口。从中获取判断结果为疑似交限路口的有效路口，确定为疑似交限路口。

204：从疑似交限路口的实景图像中确定存在交通限制对象的目标路口。

可选地，疑似交限路口的实景图像可以为在疑似交限路口相关道路上采集的图像，可以由采集设备采集。采集设备可以为配置于采集车辆的摄像头，采集设备的采集轨迹与采集车辆的采集轨迹相同。

疑似交限路口可以包括一个或多个。实景图像可以为通过摄像头采集的车道的街景图像。可以对实景图像进行交通限制对象的识别，如果存在交通显示对象则可以确定对应的疑似交限路口为目标路口。

交通限制对象可以为预先设置的交通标识牌、警告牌等对象。通过交通限制对象的识别，可以对疑似交限路口是否为目标路口进行准确判断。

205：基于目标路口的交通限制对象，确定目标路口的交通限制信息。

目标路口的交通限制信息可以通过对目标路口的交通显示对象进行对象识别获得。例如，可以对目标路口的交通显示对象进行对象分类，获得分类结果，该分类结果即可以为目标路口的交通限制信息。可以预置对象分类模型，分类模型中包含多个候选对象类别，提取交通限制对象的对象特征之后，可以将对象特征输入到对象分类模型，获得交通限制对象的分类结果。交通限制对象的对象特征可以为交通限制对象在实景图像中的局部区域所对应的局部图像进行图像特征的提取获得。

在某些实施例中，获取到目标路口的交通限制信息之后，可以利用目标路口的交通限制信息更新电子地图，电子地图可以被发送至相应的电子设备中，例如手机、计算机、笔记本电脑、可穿戴设备等。

本公开实施例中，可以确定目标区域的交通网络中至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据，通过根据有效路口对应的有效数据，提取有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征。进而基于初步确定的有效路口对应的车辆轨迹特征，对有效路口进行交限初步识别，获得至少一个有效路口中的疑似交限路口。从而从疑似交限路口的实景图像中确定存在交通限制对象的目标路口，实现对存在交通限制路口的准确确定，以基于目标路口的交通限制对象，确定目标路口的交通限制信息。本公开实施例中，利用路口的车辆轨迹特征，对路口进行初步判断，获得疑似交限路口之后，再利用疑似交限路口的实景图像对其是否具有交通限制对象进行检测判断，准确获得存在交通限制的目标路口，实现对各个目标路口的交通限制信息进行自动而准确的识别，提高交通限制信息的识别效率。

在实际应用中，车辆通行过程中可以产生车辆轨迹，车辆轨迹中的轨迹点可以形成车辆轨迹数据。任意有效路口的车辆轨迹数据可以为在该有效路口行驶过的车辆轨迹数据。

作为一个实施例，确定至少一个有效路口分别对应的车辆轨迹数据，可以包括：

获取目标区域中至少一个车辆轨迹数据。车辆轨迹数据为车辆在目标区域中行驶产生的。

将至少一个车辆轨迹数据与至少一个有效路口进行轨迹匹配，获得至少一个有效路口分别对应的车辆轨迹数据。

将至少一个车辆轨迹数据分别分配给对应的有效路口，获得至少一个有效路口分别对应的车辆轨迹数据。任一个有效路口对应的车辆轨迹数据可以包括一个或多个。

本公开实施例中，采用将车辆轨迹数据与有效路口进行匹配的方式，获得至少一个有效路口分别对应的车辆轨迹数据，实现对各有效路口的车辆轨迹的匹配，实现对各车辆轨迹数据的准确分配。

在一种可能的设计中，将至少一个车辆轨迹数据与至少一个有效路口进行轨迹匹配，获得至少一个有效路口分别对应的车辆轨迹数据，可以包括：

从至少一个车辆轨迹数据中，确定位于至少一个有效路口对应轨迹区域内的候选轨迹；

将至少一个有效路口与其对应的候选轨迹进行匹配度计算，获得至少一个有效路口与其对应的候选轨迹的匹配度；

根据至少一个有效路口与其对应的候选轨迹的匹配度，确定至少一个有效路口对应的车辆轨迹数据。

可选地，可确定每个有效路口的轨迹区域，以从至少一个车辆轨迹数据中，确定位于该有效路口的轨迹区域中的候选轨迹。对于任一个有效路口的轨迹区域，可以判断任一个车辆轨迹数据是否位于该轨迹区域，如果是，则可以确认该车辆轨迹数据属于该有效路口。

为了提高分配效率，任一个车辆轨迹数据被分配给相应的有效路口之后，该车辆轨迹数据即不再与其它有效路口进行匹配。

按照轨迹区域进行匹配时，匹配过程较为粗略，在实际应用中，道路可分为不同的行驶方向的车道，不同方向的车道可能属于同一道路的轨迹区域。因此，为了对车辆轨迹数据进行更准确的分类，可以对将有效路口与其对应的候选轨迹进行匹配度计算。可以分别计算任一个候选轨迹与其对应的有效路口的匹配度，获得任一个有效路口与其对应的候选轨迹的匹配度。任一个有效路口可以对应一个或多个候选轨迹，任一个有效路口可以分别与其对应的至少一个候选轨迹进行匹配度的计算，获得该有效路口与其对应的至少一个候选轨迹分别对应的匹配度，以从至少一个候选轨迹中确定该有效路口匹配的候选轨迹，获得最终匹配获得的候选轨迹对应的车辆轨迹数据为该有效路口对应的车辆轨迹数据。

根据至少一个有效路口与其对应的候选轨迹的匹配度，确定至少一个有效路口对应的车辆轨迹数据，可以包括：根据任一个有效路口与其对应的候选轨迹的匹配度，确定该有效路口对应的车辆轨迹数据，以获得至少一个有效路口分别对应的车辆轨迹数据。

任一个有效路口与其对应的候选轨迹进行匹配度的计算步骤可以包括：确定任一个有效路口的道路，计算该道路与该有效路口对应的候选轨迹的轨迹距离、轨迹方向、轨迹偏移角度等轨迹参数中的至少一个，通过轨迹距离、轨迹方向以及轨迹偏移角度等轨迹参数中的至少一个，确定候选轨迹对应的匹配度。

任一个有效路口与其对应的候选轨迹进行匹配度的计算步骤可以包括：确定任一个有效路口的道路行驶方向，确定有效路口对应的候选轨迹的行驶方向，如果道路行驶方向与候选轨迹的行驶方向相同，确定候选轨迹与道路相匹配。

本公开实施例中，将有效路口与车辆轨迹数据进行匹配时，采用确定有效路口的轨迹区域，以获取位于该轨迹区域内的候选轨迹，通过轨迹区域对相应的有效路口进行轨迹范围的划定，以获得存在路径匹配关系的有效路口。而在有效路口的实际匹配过程中，可以将有效路口与其匹配的候选轨迹进行匹配度的计算，以匹配度作为衡量有效路口与候选轨迹是否匹配的标准，实现有效路口的候选轨迹的准确匹配，提高匹配准确度，且，通过对轨迹区域的划定，可以仅对其区域内的车辆轨迹数据进行检测即可，可以减少有效路口需要匹配的车辆轨迹数据的数量，对匹配算法的复杂度的降低，匹配效率的提升有积极意义。

为了获得准确的匹配结果，可以采用隐马尔科夫模型对有效路口与其对应的车辆轨迹数据进行匹配计算。在又一种可能的设计中，将至少一个车辆轨迹数据与至少一个有效路口进行轨迹匹配，获得至少一个有效路口分别对应的车辆轨迹数据，可以包括：

将至少一个有效路口与至少一个车辆轨迹数据分别输入隐马尔可夫模型；

通过隐马尔科夫模型计算获得至少一个有效路口分别对应车辆轨迹数据。

可选地，将任一个有效路口与至少一个车辆轨迹数据分别输入到隐马尔可夫模型，具体可以包括：将至少一个有效路口作为隐藏序列，将至少一个车辆轨迹数据作为观测序列，输入到隐马尔可夫模型。

通过隐马尔科夫模型计算获得至少一个有效路口分别对应的车辆轨迹数据，可以包括：通过隐马尔可夫模型对至少一个有效路口以及至少一个车辆轨迹数据进行维特比算法求解，获得每个车辆轨迹数据最匹配的有效路口，以获得至少一个有效路口分别对应的车辆轨迹数据。

隐马尔可夫模型(全称：Hidden Markov Model，简称：HMM)可以为有向图模型，可以对时序数据建模。隐马尔可夫模型对输入的至少一个有效路口以及至少一个车辆轨迹数据进行轨迹匹配时，可以计算每个车辆轨迹数据在至少一个有效路口中可能分布的分布概率，以确定其中概率值最高的为车辆轨迹数据对应的有效路口，实现车辆轨迹数据到有效路口的匹配，获得准确的匹配结果。关于隐马尔可夫模型对至少一个车辆轨迹数据与至少一个有效路口的概率计算过程与隐马尔科夫模型的计算原理相同，为了描述的简洁性考虑，在此不再赘述。

本公开实施例中，通过隐马尔科夫模型可以对每个车辆轨迹数据对应的有效路口进行计算，获得每个车辆轨迹数据对应有效路口，进而获得至少一个有效路口分别对应的车辆轨迹数据，实现对各个有效路口的车辆轨迹数据的准确计算，提高车辆轨迹数据的定位准确度。

在实际应用中，从有效路口中确定疑似交限路口时，可以通过对疑似交限路口的规则模型的匹配或者利用分类模型对有效路口进行疑似分类。

如图3所示，为本公开第三实施例提供的交通限制路口的识别方法的流程图，该方法可以包括以下几个步骤：

301：确定目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据。有效路口为处于正常通行状态的路口。

本公开实施例中部分步骤与前述实施例中部分步骤相同，在此不再赘述。

302：根据有效路口对应的车辆轨迹数据，提取有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征。

303：确定属于轨迹通行异常的多个规则模型。

规则模型可以用于表征车辆的行驶轨迹偏离导航轨迹时的异常路径特征。规则模型可以为在路口通行异常时的轨迹行驶特征，可以对异常行驶轨迹的异常类型进行确认。因车辆在路口的通行轨迹不确定，因此，实际获得的多个规则模型可以包括多个。

可选地，多个规则模型可以为对多个历史轨迹数据分析获得。通过对多个历史轨迹数据进行行驶特征的挖掘，可以获得多个规则模型。例如，某个路口的正确行使方向上，产生多个偏离预先规划的导航路径的历史轨迹数据，多个用户均未按照规划的导航路径行驶，则该路口对应的多个历史轨迹数据的轨迹共性，提取出相应的轨迹偏移模型，该轨迹偏移模型即为一个规则模型。对大量的历史轨迹数据均按照上述方法进行分析，即可以获得多个规则模型。多个规则模型可以预先确定，以随时读取多个规则模型，提高其使用效率。

304：若确定任一个有效路口对应的车辆轨迹特征满足多个规则模型中的任意规则模型，则确定有效路口为疑似交限路口，获得至少一个有效路口中的疑似交限路口。

可以将任意车辆轨迹特征与多个规则模型分别进行匹配，以判断车辆轨迹特征与多个规则模型中的任意规则模型是否匹配，如果是，则确定车辆轨迹特征对应的有效路口为疑似交限路口。

确定任一有效路口的车辆轨迹特征是否符合任一规则模型可以包括：将车辆轨迹特征与规则模型的路径特征进行相似度计算或者距离计算，获得车辆轨迹特征与规则模型的相似度，以确定车辆轨迹特征在多个规则模型分别对应的相似度，从中获得最大相似度，在最大相似度高于相似度阈值时，确定该车辆轨迹特征对应的有效路口满足该最大相似度对应的规则模型，则此时该有效路口为疑似交限路口。

305：从疑似交限路口的实景图像中识别存在交通限制对象的目标路口。

306：基于目标路口的交通限制对象，确定目标路口的交通限制信息，并将交通限制信息设置在目标区域对应的电子地图中。

本公开实施例中，在对有效路口至疑似交限路口的判断时，采用预置多个规则模型的方式，对有效路口进行规则模型的匹配，快速对有效路口是否属于疑似交限路口进行准确判断。

在一种可能的设计中，多个规则模型包括以下规则模型中的任意多种：绕路模型、偏航模型、规划比模型、退出比模型、通行骤变模型、偏航骤变模型。

可选地，绕路模型可以指车辆在行驶过程中避开原有导航路径中的路口，在下一个路口绕路恢复至原有的规划路径。为了便于理解图4a为一绕路模型的示意图。正常行驶时，在路口A应由道路a拐向道路b，但是车辆在行驶过程中，行驶路线为道路a、道路c在路口B进行转向，但是又返回至路径b以行驶至道路b。绕路模型可以通过平均通行量、平均绕路量确定。

例如，T时间内路口A的平均通行量小于第一阈值，T时间内的平均绕路量大于第二阈值时，可以进行绕路模型的生成。此时可以设定绕路模型为下列不等式中的一个或多个满足时，可以认为属于绕路模型：

T时间内的平均通行量与历史平均通行量的比值小于第三阈值。

T时间内的平均绕路量与历史平均绕路量的差值大于第四阈值。

T时间内平均绕路量/历史平均绕路量的比值大于第五阈值。

其中，T为预定的监控时间，可以为一天、一周等时间段。

可选地，偏航模型可以指车辆在行驶过程中直接偏离原有路径行驶，也并未恢复到原有的规划路径。为了便于理解，图4b为以偏航模型的示意图。正常行驶时，应在路口A，直接由道路a走向道路b但是车辆在实际行驶过程中从道路a，而偏离原有的路径b。

可选地，规划比模型可以指某个路口的原有导航的规划量n，偏离原有的导航的实际行驶数量m，产生这种轨迹偏移的数量m占总规划量n的比值小于规划比阈值。当某路口的轨迹偏移的数量m占总规划量n的比值小于规划比阈值时，确定该路口为规划比模型。为了便于理解，图4c可以为规划比模型的示意图。正常行驶时，实际行驶的道路M，规划行驶的道路N，实际行驶道路M的通行数量为m，规划行驶道路N的通行数量为n，m与n的比值小于预定的规划比阈值。例如，某路口规划行驶量为1000，实际行驶量为10，规划比阈值为10％，实际行驶量10占规划行驶量1000的比值为1％，小于规划比阈值10％，则确定该路口为规划比模型。

可选地，退出比模型可以包括：退出比例小于一定数值的模型，当某个路口的车辆退出比例小于预定的退出比例阈值的情况下，可以确定该路口满足退出比例模型。

路口a可以对应有进入路段，路口a对应的进入路段可以对应多个退出路段，多个退出路段可以属于不同路口。退出比例可以为从路口a的进入路段进入且从路口a的退出路段退出的车辆轨迹数据的数量与路口a的进入路段的所有车辆轨迹数据的轨迹总量的比例。如图4d所示，可以为退出比模型的示意图，在该模型中，道路a至道路c的通行比例为60％，道路a至道路b的通行比例为10％，以及道路a至道路d的通行比例为30％。假设退出比例阈值为20％，此时道路b即满足退出比例模型。

可选地，通行骤变模型可以指通行过程中，在路口道路的通行量与历史通行量相比产生较大变化，可以包括通行同比骤变模型以及通行环比骤变模型。

通行同比骤变模型可以指，在某一时间点或者某一时段，在路口对应道路上的通行车辆的数量为M，在历史的同一时间点或者同一时段，历史通行数量为N，M与N的差值大于第一通行量阈值。

通行环比骤变模型可以指，在某一时间点或者某一时段，在路口对应道路上的通行车辆的数量为P，在该时间点的下一时间点，或者该时段的下一时段，在同一路口对应道路上的通信车辆的数量为Q，P与Q的差值大于第二通信量阈值。

时段可以指两个时间点之间的时间间隔，可以自定义，也可以以天、星期、月为单位。

可选地，偏航骤变模型可以指通行过程中，在路口对应的道路通行时，产生的轨迹，与实际的导航的轨迹产生轨迹偏航。例如，导航规划走路口对应的路段，但实际通行轨迹，并未按照导航通行该路段。偏航骤变模型可以包括偏航时序同比骤变模型以及偏航时序环比骤变模型。同比可以指同一时段或者同一时间点发生偏航骤变。环比是指某一时间点与下一时间点或者某一时段与下一时段发生偏航骤变。

本公开实施例中，对多个规则模型的类型进行列举，包括导航绕路模型、偏航模型、规划比模型、退出比模型、通行骤变模型以及偏航骤变模型，对于有效路口的模型进行了举例说明，以便于对规则模型的具体内容进行说明，对于有效路口的疑似交限路口判断提供了判断基础，获得准确的路口判断结果。

如图5所示，为根据本公开第四实施例提供的交通限制路口的识别方法的流程图，该方法可以包括以下几个步骤：

501：确定目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据；有效路口为处于正常通行状态的路口。

本公开实施例中，部分步骤与前述实施例中部分步骤相同，为了描述的简洁性考虑，在此不再赘述。

502：根据有效路口对应的车辆轨迹数据，提取有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征。

503：将至少一个有效路口的车辆轨迹特征分别输入预设的路口分类模型，获得至少一个有效路口分别对应的分类结果。分类结果包括：疑似交限路口或者非疑似交限路口。

路口分类模型可以训练获得。关于路口分类模型的训练过程可以参考下述实施例中的内容。路口分类模型可以对有效路口的车辆轨迹特征进行分类，获得有效路口的分类结果。

504：根据至少一个有效路口分别对应的分类结果，确定至少一个有效路口中的疑似交限路口。

疑似交限路口可以包括一个或多个。

505：从疑似交限路口的实景图像中识别存在交通限制对象的目标路口。

506：基于目标路口的交通限制对象，确定目标路口的交通限制信息，并将交通限制信息设置在目标区域对应的电子地图中。

根据有效路口对应的分类结果，确定有效路口中的疑似交限路口，可以包括：确定有效路口对应的分类结果中分类结果为疑似交限路口。

若有效路口的分类结果为疑似交限路口，则确定该有效路口为疑似交限路口。

本公开实施例中，采用预设的路口分类模型，对有效路口的车辆轨迹特征进行分类，以获得有效路口的分类结果。通过路口分类模型可以对各个有效路口一一进行分类。而路口分类模型可以训练获得，以利用训练获得的路口分类模型对有效路口进行疑似检测，获得准确的分类结果。

作为一个实施例，将至少一个有效路口各自的车辆轨迹特征输入预设的路口分类模型之前，该方法还可以包括：

确定多个训练路口；多个训练路口分别设置真实分类结果；

获取多个训练路口分别对应的训练车辆轨迹数据；

根据训练路口对应的车辆轨迹数据，提取训练路口的车辆轨迹特征，以获得多个训练路口分别对应的车辆轨迹特征；

构建路口分类模型；

以路口分类模型，对多个训练路口分别对应的车辆轨迹特征进行分类预测，获得的多个训练路口分别对应的预测结果与多个训练路口分别对应的真实分类结果相同的训练目标，训练获得路口分类模型的模型参数。

可选地，多个训练路口分别对应的训练车辆轨迹数据的获取步骤可以包括：确定目标区域中的至少一个车辆轨迹数据，将至少一个车辆轨迹数据与至少一个训练路口进行轨迹匹配，获得至少一个训练路口分别对应的训练车辆轨迹数据。至少一个车辆轨迹数据与至少一个训练路口进行轨迹匹配的方式与前述实施例中至少一个车辆轨迹数据与至少一个有效路口进行轨迹匹配的方式相同，为了描述的简洁性考虑，在此不再赘述。

多个训练路口可以包括具有交通限制的路口以及具有非交通限制的路口。每个训练路口可以使用上述车辆轨迹特征的提取方法获取到相应的车辆轨迹特征，以各个训练路口对应的车辆轨迹特征以及分类结果进行训练，获得路口分类模型的分类结果。

可选地，路口分类模型可以包括概率预测子模型以及分类子模型。概率预测子模型可以对车辆轨迹特征所属的分类概率的值进行计算。分类子模型可以对概率预测子模型计算获得的概率进行分类决策，以获得相应的分类结果。概率预测子模型可以包括：基于attention(注意力)机制的BiLSTM(Bi-directional-Long Short-Term Memory，全称：全向与后向长短时记忆)模型。分类子模型可以为GBDT(Gradient Boosting Decision Tree，全称：迭代决策树)模型。分类子模型可以对概率预测子模型预测获得的概率数组进行分类，获得分类结果。

本实施例中，采用获取多个训练路口，并为每个训练路口设置真实的分类结果，以利用多个训练训练分别对应的训练车辆轨迹数据，提取多个训练路口分别对应的车辆轨迹特征，从而在构建路口分类模型之后，可以以路口分类模型对多个训练路口分别对应的车辆轨迹特征进行分类预测时，获得的多个训练路口分别对应的预测结果与多个训练路口分别对应的真实分类结果相同的训练目标，训练获得路口分类模型的模型参数。通过设置训练目标对路口分类模型进行训练，可以准确获得路口分类模型的模型参数，进而对有效路口进行有效分类。

如图6所示，为根据本公开第五实施例提供的交通限制路口的识别方法的流程图，该方法可以包括以下几个步骤：

601：确定目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据；有效路口为处于正常通行状态的路口。

602：根据有效路口对应的车辆轨迹数据，提取有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征。

603：基于至少一个有效路口分别对应的车辆轨迹特征，确定至少一个有效路口中的疑似交限路口。

604：确定疑似交限路口的图像采集区域。

疑似交限路口的图像采集区域，可以为以疑似交限路口对应的道路所对应的图像采集区域。道路所对应的图像采集区域可以为以该道路为中心线，向外扩展矩形区域形成图像采集区域。如图7所示，为某一路口的道路701所对应的图像采集区域702。道路701为图像采集区域702的中心线。图7中的箭头可以为采集车辆的采集轨迹数据703。

605：采集疑似交限路口在图像采集区域对应的实景图像。

606：从疑似交限路口的实景图像中识别存在交通限制对象的目标路口。

607：基于目标路口的交通限制对象，确定目标路口的交通限制信息，并将交通限制信息设置在目标区域对应的电子地图中。

本公开实施例中，根据有效路口分别对应的车辆轨迹数据，确定有效路口的疑似交限路口之后，可以从疑似交限路口的实景图像中识别存在交通限制对象的目标路口。通过对疑似交限路口的实景图像的采集，采用图像识别方式，实现目标路口，从而基于目标路口的交通限制对象，确定目标路口的交通限制信息，并将交通限制信息设置在目标区域对应的电子地图中，完成电子地图中交通限制对象的更新。通过采用实景图像对疑似交限路口进行二次确认，对交限路口进行了准确确认，获得准确的识别结果。

在一种可能的设计中，采集疑似交限路口在图像采集区域对应的实景图像，可以包括：

获取采集设备的采集轨迹；

若采集设备的采集轨迹满足疑似交限路口的图像采集条件，则获取采集设备采集的疑似交限路口的实景图像。

本公开实施例中，使用采集设备的采集轨迹，对该采集轨迹是否满足疑似交限路口的图像采集条件进行确认，以对采集轨迹的可用性进行确认，确保采集轨迹的使用有效性，进而在获取到采集设备采集的疑似交限路口的实景图像时，可以利用该实景图像进行准确确认，提高实景图像的可靠性，以进一步提高图像采集效率。

在一种可能的设计中，采集设备的采集轨迹是否满足疑似交限路口的图像采集条件的判断步骤可以包括：

确定至少一个轨迹参数。

计算采集设备的采集轨迹与疑似交限路口对应的道路，在至少一个轨迹参数分别对应的轨迹参数值；

若采集设备在至少一个轨迹参数均满足预设参数阈值，确定采集设备的采集轨迹满足疑似交限路口的图像采集条件；

若采集设备在至少一个轨迹参数并非均满足预设参数阈值，确定采集设备的采集轨迹不满足疑似交限路口的图像采集条件。

可选地，计算采集设备的采集轨迹与疑似交限路口对应的道路，在至少一个轨迹参数分别对应的轨迹参数值可以包括：

将采集设备的采集轨迹进行曲线拟合，获得采集轨迹的轨迹曲线。

利用轨迹曲线以及疑似交限路口的道路，计算至少一个轨迹参数分别对应的轨迹参数值。

本公开实施例中，在对采集设备的采集轨迹是否满足疑似交限路口的图像采集条件时，可以确定至少一个轨迹参数，以计算采集设备的采集轨迹与疑似交限路口对应的道路，在至少一个轨迹参数分别对应的轨迹参数值，实现轨迹参数的参数值的确认。从而若该采集设备在至少一个轨迹参数均满足预设参数阈值时，确定采集设备的采集轨迹满足疑似交限路口的图像采集条件，而若至少一个轨迹参数并非均满足预设的参数阈值，则确定采集设备的采集轨迹不满足疑似交限路口的图像采集条件。利用轨迹参数对采集设备的图像采集条件进行了量化判断，判断结果更准确。

在某些实施例中，至少一个轨迹参数包括以下参数的至少一个：角度参数、距离参数、时间权重参数。

其中，计算采集设备的采集轨迹与疑似交限路口的道路，在至少一个轨迹参数分别对应的轨迹参数值，可以包括：

计算采集设备的采集轨迹与疑似交限路口的道路，在角度参数对应的轨迹角度。

和/或，计算采集设备的采集轨迹与疑似交限路口的道路，在距离参数对应的轨迹距离。

和/或，计算采集设备的采集轨迹与疑似交限路口的道路，在时间权重参数对应的时间权重。

在获取轨迹角度、轨迹距离以及时间权重中的一个或多个时，可以将获得的参数值与对应的阈值进行比较。

其中，至少一个轨迹参数是否满足对应的参数阈值，可以包括：

判断轨迹距离是否小于预设的距离阈值。

和/或，判断轨迹角度是否满足预设的角度阈值。

和/或，判断时间权重是否满足预设的时间权重阈值。

如果轨迹距离小于预设的距离阈值、轨迹角度小于预设的角度阈值和/或时间权重小于预设的权重阈值，确定采集设备在至少一个轨迹参数均满足对应的参数阈值，采集轨迹满足疑似交限路口的图像采集条件。

如果轨迹距离大于预设的轨迹阈值、轨迹角度大于预设的角度阈值和/或时间权重大于预设的权重阈值中存在一个或多个，则确定采集设备在至少一个轨迹参数并非均满足对应的参数阈值，确定采集设备的采集轨迹不满足疑似交限路口的图像采集条件。

本公开实施例中，采用角度参数、距离参数、时间权重参数中的至少一个对采集设备的采集轨迹与疑似交限路口的道路进行相应的参数值的计算，以分别从角度、距离以及时间中的一个或多个角度对采集轨迹的图像采集条件进行确认，图像采集条件的判断角度更全面，结果更准确。

在一种可能的设计中，计算采集设备的采集轨迹与疑似交限路口的道路，在角度参数对应的轨迹角度，包括：

确定采集设备的采集轨迹中轨迹采集角度；

获取采集设备进入疑似交限路口的道路时对应的进入角度；

计算轨迹采集角度与进入角度之间的差值，获得角度参数对应的轨迹角度；

其中，轨迹角度小于预设角度阈值时，确定角度参数构成的轨迹参数满足预设参数阈值。

路口的道路可以包括进入道路以及退出道路。进入角度可以为采集设备进入疑似交限路口的进入道路时行驶轨迹与进入道路之间的夹角。

采集角度可以为采集设备的摄像头在采集时采集轨迹与所在道路之间的夹角。若两个夹角之间的差距过大，采集设备采集的数据稳定性不高，可以不予以采用。

本公开实施例中，计算采集设备在角度参数对应的轨迹角度时，可以确定采集设备的采集轨迹中的轨迹采集角度，以及采集设备进入疑似交限路口的进入角度，从而计算轨迹采集角度与进入角度之间的差值，获得角度参数对应的轨迹角度。进入角度以及轨迹角度均可以获得，以便于利用进入角度与轨迹角度，快速计算进入角度，实现对角度参数的快速而准确的计算，获得相应的计算结果。

在又一种可能的设计中，计算采集设备的采集轨迹与疑似交限路口的道路，在距离参数对应的轨迹距离，可以包括：

计算采集设备的采集轨迹在疑似交限路口进入路段对应的起点，与疑似交限路口的道路之间的距离，获得第一距离。

计算采集设备的采集轨迹在疑似交限路口进入路段对应的终点，与疑似交限路口的道路之间的距离，获得第二距离。

其中，第一轨迹距离大于第一距离阈值，且第二轨迹距离大于第二距离阈值时，确定距离参数构成的轨迹参数满足预设参数阈值。

本公开实施例中，在计算采集设备的轨迹距离时，可以计算采集轨迹的起点与疑似交限路口的道路对应的第一距离以及终点与疑似交限路口的道路对应的第二距离。对采集轨迹与疑似交限路口的道路之间的距离进行准确确认，获得准确的距离，进而进行准确的距离计算结果。

在又一种可能的设计中，计算采集设备的采集轨迹与疑似交限路口的道路，在时间权重参数对应的时间权重，可以包括：

基于采集轨迹的采集时间与疑似交限路口的确定时间，计算采集轨迹的时间权重。

其中，时间权重大于预设权重阈值时，确定距离参数构成的轨迹参数满足预设的参数阈值。

本公开实施例中，利用采集轨迹的采集时间与疑似交限路口的确定时间，计算采集轨迹的时间权重，可以对采集轨迹的时间权重进行准确计算，获得的时间权重与实际的采集时间相关联，准确度更高。

如图8所示，为根据本公开第六实施例提供的交通限制路口的识别方法的流程图，该方法可以包括以下几个步骤：

801：确定目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据；有效路口为处于正常通行状态的路口。

本公开实施例中部分步骤与前述实施例中部分步骤相同，为了描述的简洁性考虑，在此不再赘述。

802：根据有效路口对应的车辆轨迹数据，计算有效路口在至少一个轨迹指标分别对应的指标数据。

803：根据至少一个轨迹指标分别对应的指标数据，生成有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征。

804：基于至少一个有效路口分别对应的车辆轨迹特征，确定至少一个有效路口中的疑似交限路口。

805：从疑似交限路口的实景图像中识别存在交通限制对象的目标路口。

806：基于目标路口的交通限制对象，确定目标路口的交通限制信息，并将交通限制信息设置在目标区域对应的电子地图中。

本公开实施例中，确定目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据之后，可以根据有效路口对应的车辆轨迹数据，计算有效路口在至少一个轨迹指标分别对应的指标数据。通过对至少一个轨迹指标的计算，以获得有效路口的车辆轨迹特征。车辆轨迹特征中考虑了至少一个轨迹指标，对轨迹的分析更全面，进而获得的车辆轨迹特征更准确。因此，在之后的基于有效路口分别对应的车辆轨迹特征，确定至少一个有效路口中的疑似交限路口，确保获得的疑似交限路口更准确。利用准确的疑似交限路口进行后续的图像识别，获得的交通限制对象更准确，提高交通限制对象的识别效率以及准确度。

在一种可能的设计中，至少一个轨迹指标包括以下指标中的至少一种：车辆轨迹数据在有效路口对应道路的通行量、规划量、绕路量、偏航量、通行退出比、通行绕路比、通行时序特征、偏航时序特征。

通行量可以指有效路口的车辆通行数量，例如，车辆在每个小时的通行数量。规划量可以指在导航时，某时间段内或者某一时刻，规划通过某一有效路口的车辆轨迹数量。

绕路量可以指规划通过某路口，但是实际并未通过该路口，经过绕路之后仍然通过该路口的车辆轨迹数量。例如，规划经路口a到达路段b，但实际用户行驶经路口a，通过路口c，最后通过路段b。

偏航量可以指规划通过某路段但是偏移该路段，最终也未通过该路段的车辆轨迹数量。是指，规划经路口a通过路段b，但实际用户行驶经路口c，未通行路口a，最后也没通过路段b，而是走向路段d。

路口a对应的进入路段可以对应多个退出路段，多个退出路段可以属于不同路口。通行退出比可以为从路口a的进入路段进入且从路口a的退出路段退出的车辆轨迹数据的数量与路口a的进入路段的所有车辆轨迹数据的轨迹总量的比例。

通行绕路比可以指对路口的实际通行量与绕路量的比值。

通行时序特征可以是指统计时间窗口的通行量所表征的时序特性，具体可以为在时间窗口内，通行量按照时间统计表现出来的特征。例如，以天为单位，统计某路口的通行量，若干通行量按照时序排列，形成通行时序特征。

偏航时序特征可以是指统计时间窗口的偏行量所表征的时序特性，具体可以为在时间窗口内，偏航量按照时间统计表现出来的特征。例如，以天单位，统计某路口的偏航量，若干偏航量按照时序排列，形成偏航时序特征。

本公开实施例中，通过设置至少一个轨迹指标，可以对车辆轨迹特征按照各个轨迹指标进行准确提取，对车辆轨迹特征的特征表达更准确，内容更全面，以提高车辆轨迹特征的表达准确性。

作为一个实施例，确定目标区域的交通网络中的至少一个有效路口，包括：

确定目标区域中多个路段以及多个路段之间的链接关系建立获得的交通网络；交通网络中路段交接处构成路口；

从交通网络的所有路口中选择至少一个可通行状态路口；

将至少一个可通信状态的路口确定为至少一个有效路口。

交通网络中可以包括多个路口，但是并非所有路口均可以通行。例如，在修建状态的路口不能通行。

本公开实施例中，确定有效路口时，可以确定目标区域中多个路段以及多个路段之间的链接关系，以建立获得交通网络，实现交通网络的建立。交通网络中路段交界处构成路口。建立交通网络后，对交通网络中的所有路口选择处于可通行状态的路口，获得至少一个有效路口，对交通路网中不可通行的路口进行了过滤，确保交通路网的准确性。

如图9所示，为根据本公开第七实施例提供的交通限制路口的识别装置的结构示意图，该装置可以包括以下几个单元：

轨迹确定单元901：用于确定目标区域的交通网络中的至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据。

特征提取单元902：用于根据有效路口对应的车辆轨迹数据，提取有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征。

疑似确定单元903：用于基于至少一个有效路口分别对应的车辆轨迹特征，确定至少一个有效路口中的疑似交限路口。

路口确定单元904：用于从疑似交限路口的实景图像中确定存在交通限制对象的目标路口。

信息确定单元905：用于基于目标路口的交通限制对象，确定目标路口的交通限制信息。

本公开实施例中，可以确定目标区域的交通网络中至少一个有效路口以及至少一个有效路口分别对应的车辆轨迹数据，通过根据有效路口对应的有效数据，提取有效路口的车辆轨迹特征，以获得至少一个有效路口分别对应的车辆轨迹特征。进而基于初步确定的有效路口对应的车辆轨迹特征，对有效路口进行交限初步识别，获得至少一个有效路口中的疑似交限路口。从而从疑似交限路口的实景图像中确定存在交通限制对象的目标路口，实现对存在交通限制路口的准确确定，以基于目标路口的交通限制对象，确定目标路口的交通限制信息。本公开实施例中，利用路口的车辆轨迹特征，对路口进行初步判断，获得疑似交限路口之后，再利用疑似交限路口的实景图像对其是否具有交通限制对象进行检测判断，准确获得存在交通限制的目标路口，实现对各个目标路口的交通限制信息进行自动而准确的识别，提高交通限制信息的识别效率。

作为一个实施例，轨迹确定单元，包括：

数据获取模块，用于获取目标区域中的至少一个车辆轨迹数据；车辆轨迹数据为车辆在目标区域中行驶产生；

轨迹匹配模块，用于将至少一个车辆轨迹数据与至少一个有效路口进行轨迹匹配，获得至少一个有效路口分别对应的车辆轨迹数据。

在某些实施例中，轨迹匹配模块，包括：

模型输入子模块，用于将至少一个有效路口与至少一个车辆轨迹数据分别输入隐马尔可夫模型；

模型计算子模块，用于通过隐马尔可夫模型分别计算获得至少一个有效路口分别对应的车辆轨迹数据。

在一种可能的设计中，轨迹匹配模块，包括：

候选确定子模块，用于从至少一个车辆轨迹数据中，确定位于至少一个有效路口对应轨迹区域内的候选轨迹；

匹配计算子模块，用于将至少一个有效路口与其对应的候选轨迹进行匹配度计算，获得至少一个有效路口与其对应的候选轨迹的匹配度；

轨迹确定子模块，用于根据至少一个有效路口与其对应的候选轨迹的匹配度，确定至少一个有效路口对应的车辆轨迹数据。

作为又一个实施例，疑似确定单元具体可以包括：

规则确定模块，用于确定属于轨迹通行异常的多个规则模型；规则模型可以用于表征车辆的行驶轨迹偏离导航轨迹时的异常路径特征。

规则匹配模块，用于若确定有效路口对应的车辆轨迹特征满足多个规则模型中的任意规则模型，则确定有效路口为疑似交限路口。

在某些实施例中，多个规则模型包括以下规则模型中的任意多种：绕路模型、偏航模型、规划比模型、退出比模型、通行骤变模型、偏航骤变模型。

作为又一个实施例，疑似确定单元，可以包括：

第一分类模块，用于将有效路口的车辆轨迹特征输入预设的路口分类模型，获得有效路口对应的分类结果；分类结果包括：疑似交限路口或者非疑似交限路口；

第一确定模块，用于根据至少一个有效路口分别对应的分类结果，确定至少一个有效路口中的疑似交限路口。

作为又一个实施例，该装置还可以包括：

区域确定单元，用于确定疑似交限路口的图像采集区域；

图像采集单元，用于采集疑似交限路口在图像采集区域对应的实景图像。

在某些实施例中，图像采集单元可以，可以包括：

轨迹获取模块，用于获取采集设备的采集轨迹；

图像获取模块，用于若采集设备的采集轨迹满足疑似交限路口的图像采集条件，则获取采集设备采集的疑似交限路口的实景图像。

在一种可能的设计中，图像采集单元还可以包括：

第二确定模块，用于确定至少一个轨迹参数。

第三确定模块，用于计算采集设备的采集轨迹与疑似交限路口对应的道路，在至少一个轨迹参数分别对应的轨迹参数值。

第一处理模块，用于若采集设备在至少一个轨迹参数均满足预设参数阈值，确定采集设备的采集轨迹满足疑似交限路口的图像采集条件。

第二处理模块，用于若采集设备在至少一个轨迹参数并非均满足预设参数阈值，确定采集设备的采集轨迹不满足疑似交限路口的图像采集条件。

在一种可能的设计中，至少一个轨迹参数包括以下参数的至少一个：角度参数、距离参数、时间权重参数。

第三确定模块，可以包括：

角度计算子模块，用于计算采集设备的采集轨迹与疑似交限路口的道路，在角度参数对应的轨迹角度；

和/或，距离计算子模块，用于计算采集设备的采集轨迹与疑似交限路口的道路，在距离参数对应的轨迹距离；

和/或，权重计算子模块，用于计算采集设备的采集轨迹与疑似交限路口的道路，在时间权重参数对应的时间权重。

作为又一个实施例，角度计算子模块，具体可以用于：

确定采集设备的采集轨迹中轨迹采集角度；

获取采集设备进入疑似交限路口的道路时对应的进入角度；

计算轨迹采集角度与进入角度之间的差值，获得角度参数对应的轨迹角度；

其中，轨迹角度小于预设角度阈值时，确定角度参数构成的轨迹参数满足预设参数阈值。

作为又一个实施例，距离计算子模块，具体可以用于：

计算采集设备的采集轨迹在疑似交限路口进入路段对应的起点，与疑似交限路口的道路之间的距离，获得第一轨迹距离；

计算采集设备的采集轨迹在疑似交限路口进入路段对应的终点，与疑似交限路口的道路之间的距离，获得第二轨迹距离；

其中，第一轨迹距离大于第一距离阈值且第二轨迹距离大于第二距离阈值时，确定距离参数构成的轨迹参数满足预设参数阈值。

作为又一个实施例，权重计算子模块，具体可以用于：

基于采集轨迹的采集时间与疑似交限路口的确定时间，计算采集轨迹的时间权重；

其中，时间权重大于预设权重阈值时，确定距离参数构成的轨迹参数满足预设参数阈值。

作为一个实施例，特征提取单元，包括：

指标计算模块，用于根据有效路口对应的车辆轨迹数据，计算有效路口在至少一个轨迹指标分别对应的指标数据；

特征生成模块，用于根据至少一个轨迹指标分别对应的指标数据，生成有效路口的车辆轨迹特征。

在某些实施例中，至少一个轨迹指标包括以下指标中的至少一种：车辆轨迹数据在有效路口对应道路的通行量、规划量、绕路量、偏航量、通行退出比、通行绕路比、通行时序特征、偏航时序特征。

在某些实施例中，轨迹确定单元，包括：

路口确定模块，用于确定目标区域中多个路段以及多个路段之间的链接关系建立获得的交通网络；交通网络中路段交接处构成路口；

路口状态模块，用于从交通网络的所有路口中选择处于可通行状态的路口，获得至少一个有效路口。

需要说明的是，本实施例中的人头模型并不是针对某一特定用户的人头模型，并不能反映出某一特定用户的个人信息。需要说明的是，本实施例中的二维人脸图像来自于公开数据集。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，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。

根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。

图10示出了可以用来实施本公开的实施例的示例电子设备1000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10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000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1001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1001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1001执行上文所描述的各个方法和处理，例如交通限制路口的识别方法。例如，在一些实施例中，交通限制路口的识别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1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的交通限制路口的识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行交通限制路口的识别方法。

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，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"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。

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 (34)

1.一种交通限制路口的识别方法，包括：

确定目标区域的交通网络中的至少一个有效路口以及至少一个所述有效路口分别对应的车辆轨迹数据；所述有效路口为处于正常通行状态的路口；

根据所述有效路口对应的车辆轨迹数据，提取所述有效路口的车辆轨迹特征，以获得至少一个所述有效路口分别对应的车辆轨迹特征；

基于至少一个所述有效路口分别对应的车辆轨迹特征，确定至少一个所述有效路口中的疑似交限路口；

从所述疑似交限路口的实景图像中识别存在交通限制对象的目标路口；

基于所述目标路口的交通限制对象，确定所述目标路口的交通限制信息，并将所述交通限制信息设置在目标区域对应的电子地图中。

2.根据权利要求1所述的方法，其中，所述确定至少一个所述有效路口分别对应的车辆轨迹数据，包括：

获取所述目标区域中的至少一个车辆轨迹数据；所述车辆轨迹数据为车辆在所述目标区域中行驶产生；

将至少一个所述车辆轨迹数据与至少一个所述有效路口进行轨迹匹配，获得至少一个所述有效路口分别对应的车辆轨迹数据。

3.根据权利要求2所述的方法，其中，所述将至少一个所述车辆轨迹数据与至少一个所述有效路口进行轨迹匹配，获得至少一个所述有效路口分别对应的车辆轨迹数据，包括：

将至少一个所述有效路口与至少一个所述车辆轨迹数据分别输入隐马尔可夫模型；

通过所述隐马尔可夫模型分别计算获得至少一个所述有效路口分别对应的车辆轨迹数据。

4.根据权利要求2所述的方法，其中，所述将至少一个所述车辆轨迹数据与至少一个所述有效路口进行轨迹匹配，获得至少一个所述有效路口分别对应的车辆轨迹数据，包括：

从至少一个所述车辆轨迹数据中，确定位于至少一个所述有效路口对应轨迹区域内的候选轨迹；

将至少一个所述有效路口与其对应的候选轨迹进行匹配度计算，获得至少一个所述有效路口与其对应的候选轨迹的匹配度；

根据至少一个所述有效路口与其对应的候选轨迹的匹配度，确定至少一个所述有效路口对应的车辆轨迹数据。

5.根据权利要求1-4任一项所述的方法，其中，所述基于至少一个所述有效路口分别对应的车辆轨迹特征，确定至少一个所述有效路口中的疑似交限路口，包括：

确定属于轨迹通行异常的多个规则模型；所述规则模型用于表征车辆的行驶轨迹偏离导航轨迹时的异常路径特征；

若确定任一个所述有效路口对应的车辆轨迹特征满足多个所述规则模型中的任意规则模型，则确定所述有效路口为疑似交限路口，获得至少一个所述有效路口中的疑似交限路口。

6.根据权利要求1-4任一项所述的方法，其中，所述基于至少一个所述有效路口分别对应的车辆轨迹特征，确定至少一个所述有效路口中的疑似交限路口，包括：

将至少一个所述有效路口的车辆轨迹特征分别输入预设的路口分类模型，获得至少一个所述有效路口分别对应的分类结果；所述分类结果包括：疑似交限路口或者非疑似交限路口；

根据至少一个所述有效路口分别对应的分类结果，确定至少一个所述有效路口中分别对应的疑似交限路口。

7.根据权利要求1-4任一项所述的方法，其中，所述从所述疑似交限路口的实景图像中识别存在交通限制对象的目标路口之前，还包括：

确定所述疑似交限路口的图像采集区域；

采集所述疑似交限路口在所述图像采集区域对应的实景图像。

8.根据权利要求7所述的方法，其中，所述采集所述疑似交限路口在所述图像采集区域对应的实景图像，包括：

获取采集设备的采集轨迹；

若所述采集设备的采集轨迹满足所述疑似交限路口的图像采集条件，则获取所述采集设备采集的所述疑似交限路口的实景图像。

9.根据权利要求8所述的方法，其中，所述采集设备的采集轨迹是否满足所述疑似交限路口的图像采集条件的判断步骤包括：

确定至少一个轨迹参数；

计算所述采集设备的采集轨迹与所述疑似交限路口对应的道路，在至少一个所述轨迹参数分别对应的轨迹参数值；

若所述采集设备在至少一个所述轨迹参数均满足预设参数阈值，确定所述采集设备的采集轨迹满足所述疑似交限路口的图像采集条件；

若所述采集设备在至少一个所述轨迹参数并非均满足预设参数阈值，确定所述采集设备的采集轨迹不满足所述疑似交限路口的图像采集条件。

10.根据权利要求9所述的方法，其中，所述至少一个轨迹参数包括以下参数的至少一个：角度参数、距离参数、时间权重参数；

所述计算所述采集设备的采集轨迹与所述疑似交限路口的道路，在至少一个所述轨迹参数分别对应的轨迹参数值，包括：

计算所述采集设备的采集轨迹与所述疑似交限路口的道路，在所述角度参数对应的轨迹角度；

和/或，计算所述采集设备的采集轨迹与所述疑似交限路口的道路，在所述距离参数对应的轨迹距离；

和/或，计算所述采集设备的采集轨迹与所述疑似交限路口的道路，在所述时间权重参数对应的时间权重。

11.根据权利要求10所述的方法，其中，所述计算所述采集设备的采集轨迹与所述疑似交限路口的道路，在所述角度参数对应的轨迹角度，包括：

确定所述采集设备的采集轨迹中轨迹采集角度；

获取所述采集设备进入所述疑似交限路口的道路时对应的进入角度；

计算所述轨迹采集角度与所述进入角度之间的差值，获得所述角度参数对应的轨迹角度；

其中，所述轨迹角度小于预设角度阈值时，确定所述角度参数构成的所述轨迹参数满足预设所述参数阈值。

12.根据权利要求10所述的方法，其中，所述计算所述采集设备的采集轨迹与所述疑似交限路口的道路，在所述距离参数对应的轨迹距离，包括：

计算所述采集设备的采集轨迹在所述疑似交限路口进入路段对应的起点，与所述疑似交限路口的道路之间的距离，获得第一轨迹距离；

计算所述采集设备的采集轨迹在所述疑似交限路口进入路段对应的终点，与所述疑似交限路口的道路之间的距离，获得第二轨迹距离；

其中，所述第一轨迹距离大于第一距离阈值且所述第二轨迹距离大于第二距离阈值时，确定所述距离参数构成的所述轨迹参数满足预设所述参数阈值。

13.根据权利要求10所述的方法，其中，所述计算所述采集设备的采集轨迹与所述疑似交限路口的道路，在所述时间权重参数对应的时间权重，包括：

基于所述采集轨迹的采集时间与所述疑似交限路口的确定时间，计算所述采集轨迹的时间权重；

其中，所述时间权重大于预设权重阈值时，确定所述距离参数构成的所述轨迹参数满足预设所述参数阈值。

14.根据权利要求1-4、8-13任一项所述的方法，其中，所述根据所述有效路口对应的车辆轨迹数据，提取所述有效路口的车辆轨迹特征，包括：

根据所述有效路口对应的车辆轨迹数据，计算所述有效路口在至少一个轨迹指标分别对应的指标数据；

根据至少一个所述轨迹指标分别对应的指标数据，生成所述有效路口的车辆轨迹特征。

15.根据权利要求14所述的方法，其中，所述至少一个轨迹指标包括以下指标中的至少一种：所述车辆轨迹数据在所述有效路口对应道路的通行量、规划量、绕路量、偏航量、通行退出比、通行绕路比、通行时序特征、偏航时序特征。

16.根据权利要求1-4、8-13、15任一项所述的方法，其中，所述确定目标区域的交通网络中的至少一个有效路口，包括：

确定目标区域中多个路段以及多个路段之间的链接关系建立获得的交通网络；所述交通网络中路段交接处构成路口；

从所述交通网络的所有路口中选择处于可通行状态的路口，获得至少一个有效路口。

17.一种交通限制路口的识别装置，包括：

轨迹确定单元，用于确定目标区域的交通网络中的至少一个有效路口以及至少一个所述有效路口分别对应的车辆轨迹数据；

特征提取单元，用于根据所述有效路口对应的车辆轨迹数据，提取所述有效路口的车辆轨迹特征，以获得至少一个所述有效路口分别对应的车辆轨迹特征；

疑似确定单元，用于基于至少一个所述有效路口分别对应的车辆轨迹特征，确定至少一个所述有效路口中的疑似交限路口；

路口确定单元，用于从所述疑似交限路口的实景图像中确定存在交通限制对象的目标路口；

信息确定单元，用于基于所述目标路口的交通限制对象，确定所述目标路口的交通限制信息。

18.根据权利要求17所述的装置，其中，所述轨迹确定单元，包括：

数据获取模块，用于获取所述目标区域中的至少一个车辆轨迹数据；所述车辆轨迹数据为车辆在所述目标区域中行驶产生；

轨迹匹配模块，用于将至少一个所述车辆轨迹数据与至少一个所述有效路口进行轨迹匹配，获得至少一个所述有效路口分别对应的车辆轨迹数据。

19.根据权利要求18所述的装置，其中，所述轨迹匹配模块，包括：

模型输入子模块，用于将至少一个所述有效路口与至少一个所述车辆轨迹数据分别输入隐马尔可夫模型；

模型计算子模块，用于通过所述隐马尔可夫模型分别计算获得至少一个所述有效路口分别对应的车辆轨迹数据。

20.根据权利要求18所述的装置，其中，所述轨迹匹配模块，包括：

候选确定子模块，用于从至少一个所述车辆轨迹数据中，确定位于至少一个所述有效路口对应轨迹区域内的候选轨迹；

匹配计算子模块，用于将至少一个所述有效路口与其对应的候选轨迹进行匹配度计算，获得至少一个所述有效路口与其对应的候选轨迹的匹配度；

轨迹确定子模块，用于根据至少一个所述有效路口与其对应的候选轨迹的匹配度，确定至少一个所述有效路口对应的车辆轨迹数据。

21.根据权利要求17-20任一项所述的装置，其中，所述疑似确定单元，包括：

规则确定模块，用于确定属于轨迹通行异常的多个规则模型；所述规则模型用于表征车辆的行驶轨迹偏离导航轨迹时的异常路径特征；

规则匹配模块，用于若确定所述有效路口对应的车辆轨迹特征满足多个所述规则模型中的任意规则模型，则确定所述有效路口为疑似交限路口。

22.根据权利要求17-20任一项所述的装置，其中，所述疑似确定单元，包括：

第一分类模块，用于将至少一个所述有效路口的车辆轨迹特征分别输入预设的路口分类模型，获得至少一个所述有效路口分别对应的分类结果；所述分类结果包括：疑似交限路口或非疑似交限路口；

第一确定模块，用于根据至少一个所述有效路口对应的分类结果，确定至少一个所述有效路口中的疑似交限路口。

23.根据权利要求17-20任一项所述的装置，其中，还包括：

区域确定单元，用于确定所述疑似交限路口的图像采集区域；

图像采集单元，用于采集所述疑似交限路口在所述图像采集区域对应的实景图像。

24.根据权利要求23所述的装置，其中，所述图像采集单元，包括：

轨迹获取模块，用于获取采集设备的采集轨迹；

图像获取模块，用于若所述采集设备的采集轨迹满足所述疑似交限路口的图像采集条件，则获取所述采集设备采集的所述疑似交限路口的实景图像。

25.根据权利要求24所述的装置，其中，所述图像采集单元还包括：

第二确定模块，用于确定至少一个轨迹参数；

第三确定模块，用于计算所述采集设备的采集轨迹与所述疑似交限路口对应的道路，在至少一个所述轨迹参数分别对应的轨迹参数值；

第一处理模块，用于若所述采集设备在至少一个所述轨迹参数均满足预设参数阈值，确定所述采集设备的采集轨迹满足所述疑似交限路口的图像采集条件；

第二处理模块，用于若所述采集设备在至少一个所述轨迹参数并非均满足预设参数阈值，确定所述采集设备的采集轨迹不满足所述疑似交限路口的图像采集条件。

26.根据权利要求25所述的装置，其中，所述至少一个轨迹参数包括以下参数的至少一个：角度参数、距离参数、时间权重参数；

所述第三确定模块，包括：

角度计算子模块，用于计算所述采集设备的采集轨迹与所述疑似交限路口的道路，在所述角度参数对应的轨迹角度；

和/或，距离计算子模块，用于计算所述采集设备的采集轨迹与所述疑似交限路口的道路，在所述距离参数对应的轨迹距离；

和/或，权重计算子模块，用于计算所述采集设备的采集轨迹与所述疑似交限路口的道路，在所述时间权重参数对应的时间权重。

27.根据权利要求26所述的装置，其中，所述角度计算子模块，具体用于：

确定所述采集设备的采集轨迹中轨迹采集角度；

获取所述采集设备进入所述疑似交限路口的道路时对应的进入角度；

计算所述轨迹采集角度与所述进入角度之间的差值，获得所述角度参数对应的轨迹角度；

其中，所述轨迹角度小于预设角度阈值时，确定所述角度参数构成的所述轨迹参数满足预设所述参数阈值。

28.根据权利要求26所述的装置，其中，所述距离计算子模块，具体用于：

计算所述采集设备的采集轨迹在所述疑似交限路口进入路段对应的起点，与所述疑似交限路口的道路之间的距离，获得第一轨迹距离；

计算所述采集设备的采集轨迹在所述疑似交限路口进入路段对应的终点，与所述疑似交限路口的道路之间的距离，获得第二轨迹距离；

其中，所述第一轨迹距离大于第一距离阈值且所述第二轨迹距离大于第二距离阈值时，确定所述距离参数构成的所述轨迹参数满足预设所述参数阈值。

29.根据权利要求26所述的装置，其中，所述权重计算子模块，具体用于：

基于所述采集轨迹的采集时间与所述疑似交限路口的确定时间，计算所述采集轨迹的时间权重；

其中，所述时间权重大于预设权重阈值时，确定所述距离参数构成的所述轨迹参数满足预设所述参数阈值。

30.根据权利要求17-20、24-29任一项所述的装置，其中，所述特征提取单元，包括：

指标计算模块，用于根据所述有效路口对应的车辆轨迹数据，计算所述有效路口在至少一个轨迹指标分别对应的指标数据；

特征生成模块，用于根据至少一个所述轨迹指标分别对应的指标数据，生成所述有效路口的车辆轨迹特征。

31.根据权利要求30所述的装置，其中，所述至少一个轨迹指标包括以下指标中的至少一种：所述车辆轨迹数据在所述有效路口对应道路的通行量、规划量、绕路量、偏航量、通行退出比、通行绕路比、通行时序特征、偏航时序特征。

32.根据权利要求17-20、24-29、31任一项所述的装置，其中，所述轨迹确定单元，包括：

路口确定模块，用于确定目标区域中多个路段以及多个路段之间的链接关系建立获得的交通网络；所述交通网络中路段交接处构成路口；

路口状态模块，用于从所述交通网络的所有路口中选择处于可通行状态的路口，获得至少一个有效路口。

33.一种电子设备，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1-16中任一项所述的交通限制路口的识别方法。

34.一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1-16中任一项所述的交通限制路口的识别方法。

Images