CN114490903A - 一种道路匹配方法、装置、电子设备及存储介质 - Google Patents
一种道路匹配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114490903A CN114490903A CN202210025835.7A CN202210025835A CN114490903A CN 114490903 A CN114490903 A CN 114490903A CN 202210025835 A CN202210025835 A CN 202210025835A CN 114490903 A CN114490903 A CN 114490903A
- Authority
- CN
- China
- Prior art keywords
- road
- matching
- candidate
- long
- mapping
- 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.)
- Pending
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本申请提供了一种道路匹配方法、装置、电子设备及存储介质,涉及数据处理技术领域,旨在对异源路网中的道路进行匹配。所述方法包括:获得第一路网中的多条第一道路各自在第二路网中的至少一条候选匹配第二道路;将所述多条第一道路组合为第一长路,以及,将所述至少一条候选匹配第二道路组合为多条候选匹配第二长路;将所述多条候选匹配第二长路各自的走势分别与所述第一长路的走势相比较,确定走势近似度最大的目标第二长路;将每个第一道路的至少一条候选匹配第二道路中,属于所述目标第二长路的第二道路,确定为该第一道路在所述第二路网中的匹配道路。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种道路匹配方法、装置、电子设备及存储介质。
背景技术
路网数据是地理空间数据的重要组成部分,也是路径规划和驾车导航等LBS(Location Based Service,基于位置的服务)的基础。一个数据来源的路网数据提供的道路信息,可能存在不够准确、不够全面等问题。将多源路网数据中的道路信息进行匹配融合,得到匹配融合后的路网数据,可以提供更加准确、完善的道路信息。
因此,如何提高多源路网数据中的道路信息匹配的准确度,是一个急需解决的技术问题。
发明内容
鉴于上述问题,本发明实施例提供了一种道路匹配方法、装置、电子设备及存储介质,以便克服上述问题或者至少部分地解决上述问题。
本发明实施例的第一方面,提供了一种道路匹配方法,所述方法包括:
获得第一路网中的多条第一道路各自在第二路网中的至少一条候选匹配第二道路;
将所述多条第一道路组合为第一长路,以及,将所述至少一条候选匹配第二道路组合为多条候选匹配第二长路;
将所述多条候选匹配第二长路各自的走势分别与所述第一长路的走势相比较,确定走势近似度最大的目标第二长路;
将每个第一道路的至少一条候选匹配第二道路中,属于所述目标第二长路的第二道路,确定为该第一道路在所述第二路网中的匹配道路。
可选地,将所述多条候选匹配第二长路各自的走势分别与所述第一长路的走势相比较,确定走势近似度最大的目标第二长路,包括:
对所述第一长路进行序列化,得到所述第一长路上的N个虚拟点;
将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的N个映射点;
计算所述每相邻两个虚拟点之间与对应的每相邻两个映射点之间的走势近似度;
根据每条候选匹配第二长路上各个映射点的走势近似度的累计值,确定所述目标第二长路。
可选地,将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的N个映射点,包括:
将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的多个候选映射点;
计算每相邻两个虚拟点之间的走势,以及所述每条候选匹配第二长路上对应的相邻两个候选映射点之间的走势;
将所述每条候选匹配第二长路上,与每相邻两个虚拟点之间的走势近似度最大的相邻两个候选映射点中后一候选映射点,确定为所述相邻两个虚拟点中后一虚拟点对应的映射点。
可选地,将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的多个候选映射点,包括:
针对所述N个虚拟点中的任一虚拟点,将该虚拟点映射到所在的第一道路的至少一条候选匹配第二道路上,得到多个候选映射点,每个候选映射点为候选匹配道路上距离该虚拟点最近的点。
可选地,每相邻两个虚拟点之间的走势与对应的每相邻两个候选映射点之间的走势近似度,是按照以下步骤确定的:
确定每相邻两个虚拟点形成的第一路段,与每相邻两个候选映射点形成的第二路段之间的相对角度和相对长度;
确定所述第一路段所在的第一道路与所述第二路段所在的第二道路之间的匹配度;
根据所述相对角度、所述相对长度以及所述匹配度,确定所述走势近似度。
可选地,确定所述第一路段所在的第一道路与所述第二路段所在的第二道路之间的匹配度,包括:
确定所述第一道路上和所述第二道路上相互匹配的两个匹配区段;
确定所述两个匹配区段的长度比,以及,所述两个匹配区段各自与所在道路的长度的比值;
根据所述长度比、所述比值,确定所述第一道路与所述第二道路之间的长度匹配度;
确定所述第一道路上和所述第二道路之间的拓扑匹配度;
根据所述长度匹配度和所述拓扑匹配度,确定所述匹配度。
本发明实施例的第二方面,提供了一种道路匹配装置,所述装置包括:
获得模块,用于获得第一路网中的多条第一道路各自在第二路网中的至少一条候选匹配第二道路;
组合模块,用于将所述多条第一道路组合为第一长路,以及,将所述至少一条候选匹配第二道路组合为多条候选匹配第二长路;
比较模块,用于将所述多条候选匹配第二长路各自的走势分别与所述第一长路的走势相比较,确定走势近似度最大的目标第二长路;
确定模块,用于将每个第一道路的至少一条候选匹配第二道路中,属于所述目标第二长路的第二道路,确定为该第一道路在所述第二路网中的匹配道路。
可选地,所述比较模块包括:
序列化子模块,用于对所述第一长路进行序列化,得到所述第一长路上的N个虚拟点;
映射子模块,用于将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的N个映射点;
近似度计算子模块,用于计算所述每相邻两个虚拟点之间与对应的每相邻两个映射点之间的走势近似度;
确定子模块,用于根据每条候选匹配第二长路上各个映射点的走势近似度的累计值,确定所述目标第二长路。
本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例公开的所述的道路匹配方法。
本发明实施例的第四方面,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申请实施例公开的所述的道路匹配方法。
本发明实施例包括以下优点:
本发明实施例中,根据多条第一道路确定了各自对应的至少一条候选匹配第二道路,并将多条第一道路进行组合得到第一长路,以及将多条候选匹配第二道路进行组合得到多条候选匹配第二长路,然后对长路之间进行走势比较,充分利用了多条第一道路和多条候选匹配第二道路的全局特征,避免了根据单一道路进行道路匹配准确度不高的技术问题;通过将第一长路的走势与多条候选匹配第二长路各自的走势分别进行比较,确定走势近似度最大的目标第二长路,并将属于目标第二长路的第二道路,确定为该第一道路在第二路网中的匹配道路,实现了对候选匹配第二道路的匹配结果的优化,提升了第一路网和第二路网中道路匹配的准确性。
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的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中一种道路匹配方法的步骤流程图;
图2是本发明实施例中两条道路两种匹配情况的示意图;
图3是本发明实施例中一个结点关联的多条道路;
图4是本申请实施例中相同道路在不同路网中的划分情况;
图5是本发明实施例中多条道路的示意图;
图6是本发明实施例中一个虚拟点在两条候选匹配第二长路中的候选映射点;
图7是本发明实施例中一个虚拟点对应的两个候选映射点;
图8是本发明实施例中一种道路匹配装置的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
为解决相关技术中的异源路网数据中的道路匹配不够准确的问题,申请人提出:结合道路的全局特征,在根据每条道路的特征对第一路网和第二路网中的道路进行匹配的基础上,将多条道路连接为长路,并比较第一路网和第二路网中长路之间的走势,从而确定第一路网中的长路在第二路网中匹配的长路,并根据第二路网中匹配的长路,确定第一路网中的多条道路在第二路网中匹配的道路。
参照图1所示,示出了本发明实施例中一种道路匹配方法的步骤流程图,如图1所示,该道路匹配方法具体可以包括以下步骤:
步骤S11:获得第一路网中的多条第一道路各自在第二路网中的至少一条候选匹配第二道路。
针对第一路网中多条第一道路各自的特征,从第二路网中确定每条第一道路对应的至少一条候选匹配第二道路。其中,候选匹配第二道路可以是与第一道路完全匹配或部分匹配。图2示出了两条道路两种匹配情况的示意图,其中横线代表道路,左边的两条道路之间完全匹配,右边的两条道路之间部分匹配。
可选地,从第二路网中确定每条第一道路对应的至少一条候选匹配第二道路,包括:针对第一路网和第二路网中的各自的道路信息,提取每条道路的空间特征、拓扑特征和语义特征等,并根据每条道路的空间特征、拓扑特征和语义特征中的部分或全部特征,计算第一路网中的道路和第二路网中的道路的匹配度,可以根据匹配度高于预设阈值或匹配度最高的一条或多条第二道路,确定为第一路网中的每条第一道路各自在第二路网中至少一条候选匹配第二道路。其中,根据两条道路之间的长度特征,可以确定两条道路之间的长度匹配度;根据两条道路之间的拓扑特征,可以确定两条道路之间的拓扑匹配度。
1、道路的空间特征包括距离特征、角度特征和长度特征等。
1.1、距离特征:距离特征包括平均距离、Hausdorff距离(豪斯多夫距离)、距离的标准差等。设两条道路La、Lb分别为属于不同路网中的道路,等间距在道路La上采样得到有序点集{p0,p1,…,pn},分别计算每个点到Lb的最小距离得到距离序列{d0,d1,…,dn},则可以提取到道路La的以下距离特征:
Hausdorff距离:Dmax=max(d0,d1,…,dn)
相应地,将道路La和道路Lb调换顺序后同样可以得到道路Lb的平均距离、Hausdorff距离、距离的标准差。比较道路La和道路Lb各自的距离特征之间的相似度,可以得到二者在距离特征方面的相互成为对方的候选匹配道路的概率。
1.2、角度特征:可以用根据道路的首尾节点构成的向量来表征道路的角度特征。两条道路在角度特征方面的相似度可以通过如下公式计算得到:
此外,还可以统计道路中每条折线的角度直方图,比较两条道路的角度直方图之间的相似度。角度直方图是指预先将圆角360°等分为多个角度区间,计算每个折线与预设方向的夹角并统计到对应的角度区间内,从而得到每个角度区间类的折线数量。
1.3、长度特征:对于匹配的两条道路La、Lb,二者可能是完全匹配,也可能是部分匹配,在对两条道路进行匹配前先计算两条道路中最有可能相互匹配的两个匹配区段。设Ma为道路La上最有可能与Lb匹配的区段,Mb道路Lb上最有可能与La匹配的区段,则道路La和道路Lb中两个匹配区段的长度比:
两个匹配区段各自与所在道路的长度的比值分别为:
其中,length表示长度。
根据道路La和道路Lb中两个匹配区段的长度比,以及两个匹配区段各自与所在道路的长度的比值,可以确定两个道路的长度匹配度。两个匹配区段的长度比越大,则两个道路的长度匹配度越大,两个匹配区段各自与所在道路的长度的比值越大,则两个道路的长度匹配度越大。道路La和道路Lb的长度匹配度可以通过如下公式确定:
其中,α和β分别为预设系数。
本申请实施例提出的长度特征,针对可能完全匹配也可能部分匹配的道路,计算了最有可能匹配的区段的长度比和最有可能匹配的区段与原道路长度的比值,更细致地对长度特征进行了匹配。
2、拓扑特征:道路的拓扑特征主要是考虑两条道路的结点相似度信息,通过角度直方图来表示,预先将圆角360°等分为N角度区间,计算与结点关联的每条道路与预设方向的夹角并统计到对应的角度区间内,从而得到两个N维的向量:Va=(Va1,Va2,…,VaN),Vb=(Vb1,Vb2,…,VbN),该向量中的元素表征道路被划分到每个角度区间中的数量。例如,预设方向为水平向右,N=4,图3示出的一个结点关联的多条道路,其中横线代表道路,虚线划分出4个角度区间,则根据该多条道路可以得到一个4维向量(0,1,2,0);该4维向量表征有0条道路与预设方向的夹角在0~90度区间,有1条道路与预设方向的夹角在90~180度区间,有2条道路与预设方向的夹角在180~270度区间,有0条道路与预设方向的夹角在270~360度区间。
在得到两个N维的向量之后,则可以求得两条道路匹配的向量为:Va,b=(min(Va1,Vb1),min(Va2,Vb2),…,min(VaN,VbN)),
通过两个N维向量的相似度,可以得到两条道路之间的拓扑匹配度为:
图4示出了相同道路在不同路网中的划分情况,其中,左图代表第一路网中两条道路划分在不同角度区间的情况,右图代表第二路网中相同的两条道路划分在不同角度区间的情况;实线A和实线B分别代表道路A和道路B,两条相互垂直的虚线代表将圆角360°等分为4个角度区间,预设方向为水平向右方向;虽然两个路网中的道路实际上都是道路A和道路B,但由于路网数据的差异,这两条道路会被划分到不同的角度区间,相应地根据不同的划分情况得到的向量也不同,其中根据第一路网得到的向量为(1,1,0,0),根据第一路网得到的向量为(2,0,0,0)。
考虑到不同路网中,角度相近的道路可能被划分在不同角度区间内而造成拓扑匹配度计算出现偏差,可以对Va-Va,b和Vb-Va,b两个向量的相邻位置进行调整,再根据上述方法计算拓扑匹配度。
例如:Va=(1,3,2,1),Vb=(2,2,1,1),则可以求得两条道路匹配的向量为Va,b=(1,2,1,1),则两条道路在未调整之前的拓扑匹配度为Topoa,b=5/7;通过计算可以得到Va-Va,b=(0,1,1,0),Vb-Va,b=(1,0,0,0),因为Va-Va,b与Vb-Va,b在相邻位置仍然存在可以匹配的角度,因此将Vb-Va,b调整为Vb-Va,b=(0,1,0,0),得到Topo1 a,b=1/7。
最终得到两条道路的拓扑匹配度为Topoa,b+λ*Topo1 a,b,其中,λ∈[0,1]为预设系数。
本申请实施例提出的拓扑相似度计算方法,解决了角度相近的道路被划分在不同角度区间造成的误差,从而提高了道路匹配的准确性。
3、语义特征:语义特征表达了道路的属性信息,包括道路等级、道路名称等。道路等级包括:高速路、国道省道、县道乡道、内部道路等。道路等级等属性可以直接将类别映射为数字变量,道路名称可以使用编辑距离来表示名称文本的相似度。
根据获取到的每条道路的空间特征、拓扑特征和语义特征,计算道路之间的匹配度,根据匹配度确定不同路网中相互匹配的道路。可选地,可以只通过两条道路的长度匹配度和拓扑匹配度,确定道路之间的匹配度。
可选地,道路匹配是一个二分类问题,可以利用训练好的XGBoost模型(一种梯度提升模型)确定道路的匹配度。对于每个候选匹配对标签要么是匹配要么是不匹配,其中匹配包括部分匹配或完全匹配,提取候选匹配对的特征后使用XGBoost模型进行训练,预测的输出是0-1之间的值表示候选匹配对匹配的置信度。
可选地,在获取道路的特征并计算道路匹配的置信度之前,可以先对各路网数据进行预处理,包括:属性映射、道路重组和候选匹配对生成。
关于属性映射:道路的属性较多且同一条道路在不同路网中的属性定义可能不同,例如同一条道路在不同路网中的名称可能不同。在进行不同路网中的道路匹配时,使用的道路属性越少算法使用性越强,因此可以选取对于道路匹配重要性更高的属性作为道路匹配的语义特征,例如道路名称、道路方向和道路等级,并定义每个属性的取值空间,然后将不同路网中道路的属性映射到定义的属性空间中,以实现对不同路网中的道路属性的统一。
关于道路重组:多条道路组成路网,然而对于有些情况,可能难以准确路网中哪一部分属于道路A,哪一部分属于和道路A相连的道路B。为了表示道路的语义和拓扑特征,将路网打断为弧段来保证每天道路在属性的取值上的唯一性,属性越多的路网会被打断得越散,当弧段越短携带的信息也就越少从而越不利于匹配。因此可以对相邻的弧段进行合并重组,使得合并后弧段的两个端点的度不为2且弧段内部不含拓扑点,将合并后的弧段作为匹配的基本单位。其中,一个端点的度是指该端点关联的边的数目,拓扑点是指各个道路的交点。
关于候选匹配对生成:对于第一路网中的一条目标道路,可以设定一个距离阈值过滤掉第二路网中与目标道路距离较远的道路,使用空间索引查询可以快速查询到与目标道路距离小于一定阈值的道路集合,则目标道路与道路集合中的每条道路形成一个候选匹配对。之后可以根据每条道路的空间特征、拓扑特征和语义特征,从候选匹配对中的确定出第一道路的至少一条第二道路。
步骤S12:将所述多条第一道路组合为第一长路,以及,将所述至少一条候选匹配第二道路组合为多条候选匹配第二长路。
长路是指多条道路组合而成的道路。为了便于计算,通常是将相连的多条第一道路组合为第一长路。候选匹配第二长路是根据每条第一道路的候选匹配的第二道路确定的。可以理解的是,候选匹配第二长路中包含的候选匹配第二道路可以是不相连的道路。
图5示出了多条道路的示意图,其中La1、La2、La3、La4分别为第一路网中的多条道路,Lb1、Lb2、Lb3、Lb4、Lb5分别为第二路网中的多条道路。通过步骤S11可以得知,La1的候选匹配第二道路为Lb1、Lb2、Lb4,La2的候选匹配第二道路为Lb2,La3的候选匹配第二道路为Lb3,La4的候选匹配第二道路为Lb3、Lb5。可以直接将La1、La2、La3、La4组合为第一长路。考虑到第二路网中实际各道路的分布情况,可以将Lb1、Lb2、Lb3组合为一条候选匹配第二长路,将Lb4、Lb5组合为另一条候选匹配第二长路。可以理解的是,也可以将Lb1、Lb2、Lb3、Lb4、Lb5中的部分道路组合为其它多条候选匹配第二长路,例如将Lb3、Lb4组合为一条候选匹配第二长路,但在后续的走势计算中,这些候选匹配第二长路非常容易被排除。
步骤S13:将所述多条候选匹配第二长路各自的走势分别与所述第一长路的走势相比较,确定走势近似度最大的目标第二长路。
在得到第一长路和多条候选匹配第二长路后,将每条候选匹配第二长路各自的走势分别与第一长路的走势相比较,并将候选匹配第二长路中,与第一长路的走势近似度最大的候选匹配第二长路,确定为目标第二长路。道路的走势是指道路的方向和长度;因为一条道路可能并非直线,而是有多个拐点,因此道路的走势可以是根据道路的多个区段确定的。其中,走势的计算方法将在后文详述。
步骤S14:将每个第一道路的至少一条候选匹配第二道路中,属于所述目标第二长路的第二道路,确定为该第一道路在所述第二路网中的匹配道路。
在确定目标第二长路后,则可以结合每条第一道路的候选匹配第二道路,将组成目标第二长路的多条第二道路,对应确定为第一道路在第二路网中的匹配道路。沿用图5的例子,若最后确定由Lb1、Lb2、Lb3组合为的候选匹配第二长路,是La1、La2、La3、La4组合为第一长路的目标第二长路,则La1在第二路网中的匹配道路为Lb1、Lb2,La2在第二路网中的匹配道路为Lb2,La3在第二路网中的匹配道路为Lb3,La4在第二路网中的匹配道路为Lb3。
采用本申请实施例的技术方案,根据多条第一道路确定了各自对应的至少一条候选匹配第二道路,并将多条第一道路进行组合得到第一长路,以及将多条候选匹配第二道路进行组合得到多条候选匹配第二长路,然后对长路之间进行走势比较,充分利用了多条第一道路和多条候选匹配第二道路的全局特征,避免了根据单一道路进行道路匹配准确度不高的技术问题;通过将第一长路的走势与多条候选匹配第二长路各自的走势分别进行比较,确定走势近似度最大的目标第二长路,并将属于目标第二长路的第二道路,确定为该第一道路在第二路网中的匹配道路,实现了对候选匹配第二道路的匹配结果的优化,提升了第一路网和第二路网中道路匹配的准确性。
可选地,在上述技术方案的基础上,为了比较第一长路和每条候选匹配第二长路的走势,可以对第一长路进行序列化,包括:等间距在第一长路中插入N个虚拟点,可以用N个虚拟点组成的序列表示序列化后的第一长路。其中,可以是每隔5米插入一个虚拟点,可以理解的是,虚拟点之间的距离越短,比较的第一长路和每条候选匹配第二长路走势越精确。
在得到N个虚拟点后,将每个虚拟点分别映射到多条候选匹配第二长路上,得到每条候选匹配第二长路上的N个映射点,从而可以用每条候选匹配第二长路上的N个候选映射点组成的序列实现对该候选匹配第二长路的序列化。
计算每相邻两个虚拟点之间的走势,以及对应的每相邻两个映射点之间的走势,从而获取每相邻两个虚拟点之间的走势与对应的每相邻两个映射点之间的走势的近似度。
比较第一长路与一条候选匹配第二长路的走势,可以通过比较每相邻两个虚拟点之间的走势与对应的每相邻两个映射点之间的走势的近似度的累计值实现,包括:以每相邻两个虚拟点为一个虚拟路段,以每相邻两个映射点为一个映射路段,则以多个虚拟路段与各自对应的以一条候选匹配第二长路上的各映射路段之间的走势近似度累计值,为第一长路与该候选匹配第二长路的走势近似度。其中,走势近似度的累计值是指多个走势近似度相加得到的值。
例如,第一长路中有5个虚拟点,相应地一条候选匹配第二长路也会有5个映射点,则第一长路中有4个虚拟路段,该候选匹配第二长路中有4个映射路段,计算每一虚拟路段与对应的映射路段之间的走势近似度,总共可以得到4个走势近似度,计算这4个走势近似度相加得到的走势近似度累计值,为该第一长路与该候选匹配第二长路的走势近似度。可以理解的是,每一路段的走势近似度为0~1范围内的数值。
采用本申请实施例的技术方案,将第一长路和候选匹配第二长路用相同长度的序列进行了序列化,避免了第一长路和候选匹配第二长路中的道路数目可能不同带来的计算难度;且将长路等分为了多个虚拟点/映射点,可以更加准确地比较第一长路和每条候选匹配第二长路之间的走势。
可选地,可以通过如下步骤得到每一候选匹配第二长路上的N个映射点:
针对每个虚拟点,获取该虚拟点所在的第一道路,获取该第一道路在每条候选匹配第二长路中的至少一条候选匹配第二道路;将该第一道路在每条候选匹配第二长路中的至少一条候选匹配第二道路中,距离该虚拟点最近的点,作为该虚拟点在该条候选匹配第二长路中的候选映射点。可以理解的是,在计算不同路网的道路之间的距离,或不同路网的道路上的点(例如:第一路网上的虚拟点和第二路网上的候选映射点)之间的距离时,是将不同路网中的道路信息投射到同一空间,然后进行计算。
沿用图5的例子,La1的候选匹配第二道路为Lb1、Lb2、Lb4,La2的候选匹配第二道路为Lb2,La3的候选匹配第二道路为Lb3,La4的候选匹配第二道路为Lb3、Lb5;La1、La2、La3、La4组合为第一长路,Lb1、Lb2、Lb3组合为一条候选匹配第二长路,将Lb4、Lb5组合为另一条候选匹配第二长路;则针对第一长路中的一个虚拟点,可以得到如图6所示的该虚拟点分别在两条候选匹配第二长路中的候选映射点(虚线和候选匹配第二长路的交点):因为该虚拟点为La1上的点,而La1的候选匹配第二道路为Lb1、Lb2、Lb4,因此,该虚拟点在Lb1、Lb2、Lb3组合为的候选匹配第二长路上有两个候选映射点,分别为Lb1中距离该虚拟点距离最近的点,以及Lb2中距离该虚拟点距离最近的点;该虚拟点在Lb4、Lb5组合为的候选匹配第二长路上有一个候选映射点,为Lb4中距离该虚拟点距离最近的点。
正如前文所述,第一长路和候选匹配第二长路的序列长度相同,因此若一个虚拟点在一条候选匹配第二长路中只存在一个候选映射点,则以该候选映射点为该虚拟点的映射点;若一个虚拟点在一条候选匹配第二长路中存在多个候选映射点,则需要对这多个候选映射点进行筛选,包括:计算每相邻两个虚拟点之间的走势,以及所述每条候选匹配第二长路上对应的相邻两个候选映射点之间的走势;将所述每条候选匹配第二长路上与每相邻两个虚拟点之间的走势近似度最大的相邻两个候选映射点中后一候选映射点,确定为所述相邻两个虚拟点中后一虚拟点对应的映射点。
可以理解的是,第一长路中的第一个虚拟点为该长路的端点,其在每条候选匹配第二长路中对应的第一个映射点也是长路的端点。根据第一个虚拟点,依次确定下一个虚拟点的映射点。当下一个虚拟点在一条候选匹配第二长路中存在多个候选映射点时,前一个虚拟点在该候选匹配第二长路中的映射点已经是确定了的。因为确定目标长路时,是根据每条候选匹配第二长路上各个映射点的走势近似度的累计值确定的,因此在挑选映射点时,将走势近似度最大的候选映射点确定为映射点。
图7示出了一个虚拟点对应的两个候选映射点,该虚拟点为B,B对应两个候选映射点分别为b1和b2;B的上一虚拟点为A,A对应的映射点为a。则在确定候选映射点b1和b2谁为虚拟点B的映射点时,可以通过计算虚拟路段A-B的走势、候选映射路段a-b1、候选映射路段a-b2各自的走势;将a-b1和a-b2的走势中,与A-B的走势最接近的路段中的候选映射点,确定为B的映射点。例如,若a-b1与A-B的走势近似度为0.9,a-b2与A-B的走势近似度为0.85,则可以将候选映射点b1确定为虚拟点B的映射点。
可选地,还可以通过其它方式得到虚拟点对应的映射点,例如直接以候选匹配第二长路中距离该虚拟点最近的点为该候选匹配第二长路上对应的映射点。
可选地,在上述技术方案的基础上,可以通过如下步骤确定两个路段之间的走势近似度,其中,两个路段中的一个路段可以是两个虚拟点组成的路段,另一路段可以是两个候选映射点/映射点组成的路段;两个点组成的路段是指将两个点相连得到的线段:确定两个路段之间的相对角度和相对长度;确定两个路段各自所在的第一道路与第二道路之间的匹配度;根据相对角度、相对长度以及匹配度,确定走势近似度。
两个路段之间的相对角度是指两个路段所在的直线之间的角度。可以理解的是,两个路段之间的角度越小,走势近似度越大;当两个路段方向一致且相互平行或重合时,关于相对角度方面的走势近似度最大;当两个路段方向相反且相互平行或重合时,关于相对角度方面的走势近似度最小。
两个路段之间的相对长度可以根据两个路段最有可能匹配的区段的长度比和/或最有可能匹配的区段与原路段的比值确定,具体可以参照前文所述的利用长度特征对两条道路进行匹配的方法。可选地,相对长度也可以是比较两个点之间的原道路的长度。两个路段之间的相对长度越长,则关于相对长度方面的走势近似度越大。
确定两个路段各自所在的第一道路与第二道路之间的匹配度的方法,可以参照前文所述的确定第一道路的候选匹配第二道路的方法,通过比较道路的空间特征、拓扑特征和语义特征中的部分或全部特征得到,或通过长度匹配度和拓扑匹配度得到。两个路段之间的匹配度越大,则关于匹配度方面的走势近似度越大。
在确定两个路段之间的相对角度、相对长度和匹配度后,可以得到两个路段之间的匹配度。
可选地,可以通过线性链条条件随机场,对问题进行建模,构建第一长路的序列和候选匹配第二长路的序列,并计算第一长路的序列和候选匹配第二长路的序列之间的转移特征以及状态特征确定走势近似度,状态特征可以为匹配度,转移特征表征将一个路段转移为另一个路段所要做的功的大小。在给定条件随机场的基础上,预测第一长路的条件概率最大的输出序列。可以使用维特比算法进行求解条件随机场,维特比解码是一种动态规划算法,可以快速有效地求解使得条件概率最大时的输出序列。概率最大的输出序列形成的道路组合则是与输入的第一长路最匹配的道路组合,最匹配的道路组合形成的长路为目标长路。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
图8是本发明实施例的一种道路匹配装置的结构示意图,如图8所示,一种道路匹配装置,包括获得模块、组合模块、比较模块和确定模块,其中:
获得模块,用于获得第一路网中的多条第一道路各自在第二路网中的至少一条候选匹配第二道路;
组合模块,用于将所述多条第一道路组合为第一长路,以及,将所述至少一条候选匹配第二道路组合为多条候选匹配第二长路;
比较模块,用于将所述多条候选匹配第二长路各自的走势分别与所述第一长路的走势相比较,确定走势近似度最大的目标第二长路;
确定模块,用于将每个第一道路的至少一条候选匹配第二道路中,属于所述目标第二长路的第二道路,确定为该第一道路在所述第二路网中的匹配道路。
可选地,作为一个实施例,所述比较模块包括:
序列化子模块,用于对所述第一长路进行序列化,得到所述第一长路上的N个虚拟点;
映射子模块,用于将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的N个映射点;
近似度计算子模块,用于计算所述每相邻两个虚拟点之间与对应的每相邻两个映射点之间的走势近似度;
确定子模块,用于根据每条候选匹配第二长路上各个映射点的走势近似度的累计值,确定所述目标第二长路。
可选地,作为一个实施例,所述序列化子模块包括:
候选映射单元,用于将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的多个候选映射点;
走势计算单元,用于计算每相邻两个虚拟点之间的走势,以及所述每条候选匹配第二长路上对应的相邻两个候选映射点之间的走势;
映射点确定单元,用于将所述每条候选匹配第二长路上,与每相邻两个虚拟点之间的走势近似度最大的相邻两个候选映射点中后一候选映射点,确定为所述相邻两个虚拟点中后一虚拟点对应的映射点。
可选地,作为一个实施例,所述候选映射单元包括:
候选映射子单元,用于针对所述N个虚拟点中的任一虚拟点,将该虚拟点映射到所在的第一道路的至少一条候选匹配第二道路上,得到多个候选映射点,每个候选映射点为候选匹配道路上距离该虚拟点最近的点。
可选地,作为一个实施例,每相邻两个虚拟点之间的走势与对应的每相邻两个候选映射点之间的走势近似度,是按照以下步骤确定的:
确定每相邻两个虚拟点形成的第一路段,与每相邻两个候选映射点形成的第二路段之间的相对角度和相对长度;
确定所述第一路段所在的第一道路与所述第二路段所在的第二道路之间的匹配度;
根据所述相对角度、所述相对长度以及所述匹配度,确定所述走势近似度。
可选地,作为一个实施例,确定所述第一路段所在的第一道路与所述第二路段所在的第二道路之间的匹配度,包括:
确定所述第一道路上和所述第二道路上相互匹配的两个匹配区段;
确定所述两个匹配区段的长度比,以及,所述两个匹配区段各自与所在道路的长度的比值;
根据所述长度比、所述比值,确定所述第一道路与所述第二道路之间的长度匹配度;
确定所述第一道路上和所述第二道路之间的拓扑匹配度;
根据所述长度匹配度和所述拓扑匹配度,确定所述匹配度。
需要说明的是,装置实施例与方法实施例相近,故描述的较为简单,相关之处参见方法实施例即可。
本发明实施例还提供了一种电子设备,包括处理器、存储器,以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现本申请实施例公开的道路匹配方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被执行时实现本申请实施例公开的道路匹配方法。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、装置、电子设备和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,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、物品或者终端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、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种道路匹配方法、装置、电子设备及存储介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种道路匹配方法,其特征在于,包括:
获得第一路网中的多条第一道路各自在第二路网中的至少一条候选匹配第二道路;
将所述多条第一道路组合为第一长路,以及,将所述至少一条候选匹配第二道路组合为多条候选匹配第二长路;
将所述多条候选匹配第二长路各自的走势分别与所述第一长路的走势相比较,确定走势近似度最大的目标第二长路;
将每个第一道路的至少一条候选匹配第二道路中,属于所述目标第二长路的第二道路,确定为该第一道路在所述第二路网中的匹配道路。
2.根据权利要求1所述的方法,其特征在于,将所述多条候选匹配第二长路各自的走势分别与所述第一长路的走势相比较,确定走势近似度最大的目标第二长路,包括:
对所述第一长路进行序列化,得到所述第一长路上的N个虚拟点;
将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的N个映射点;
计算所述每相邻两个虚拟点之间与对应的每相邻两个映射点之间的走势近似度;
根据每条候选匹配第二长路上各个映射点的走势近似度的累计值,确定所述目标第二长路。
3.根据权利要求2所述的方法,其特征在于,将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的N个映射点,包括:
将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的多个候选映射点;
计算每相邻两个虚拟点之间的走势,以及所述每条候选匹配第二长路上对应的相邻两个候选映射点之间的走势;
将所述每条候选匹配第二长路上,与每相邻两个虚拟点之间的走势近似度最大的相邻两个候选映射点中后一候选映射点,确定为所述相邻两个虚拟点中后一虚拟点对应的映射点。
4.根据权利要求3所述的方法,其特征在于,将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的多个候选映射点,包括:
针对所述N个虚拟点中的任一虚拟点,将该虚拟点映射到所在的第一道路的至少一条候选匹配第二道路上,得到多个候选映射点,每个候选映射点为候选匹配道路上距离该虚拟点最近的点。
5.根据权利要求3所述的方法,其特征在于,每相邻两个虚拟点之间的走势与对应的每相邻两个候选映射点之间的走势近似度,是按照以下步骤确定的:
确定每相邻两个虚拟点形成的第一路段,与每相邻两个候选映射点形成的第二路段之间的相对角度和相对长度;
确定所述第一路段所在的第一道路与所述第二路段所在的第二道路之间的匹配度;
根据所述相对角度、所述相对长度以及所述匹配度,确定所述走势近似度。
6.根据权利要求5所述的方法,其特征在于,确定所述第一路段所在的第一道路与所述第二路段所在的第二道路之间的匹配度,包括:
确定所述第一道路上和所述第二道路上相互匹配的两个匹配区段;
确定所述两个匹配区段的长度比,以及,所述两个匹配区段各自与所在道路的长度的比值;
根据所述长度比、所述比值,确定所述第一道路与所述第二道路之间的长度匹配度;
确定所述第一道路上和所述第二道路之间的拓扑匹配度;
根据所述长度匹配度和所述拓扑匹配度,确定所述匹配度。
7.一种道路匹配装置,其特征在于,包括:
获得模块,用于获得第一路网中的多条第一道路各自在第二路网中的至少一条候选匹配第二道路;
组合模块,用于将所述多条第一道路组合为第一长路,以及,将所述至少一条候选匹配第二道路组合为多条候选匹配第二长路;
比较模块,用于将所述多条候选匹配第二长路各自的走势分别与所述第一长路的走势相比较,确定走势近似度最大的目标第二长路;
确定模块,用于将每个第一道路的至少一条候选匹配第二道路中,属于所述目标第二长路的第二道路,确定为该第一道路在所述第二路网中的匹配道路。
8.根据权利要求7所述的装置,其特征在于,所述比较模块包括:
序列化子模块,用于对所述第一长路进行序列化,得到所述第一长路上的N个虚拟点;
映射子模块,用于将所述N个虚拟点分别映射到所述多条候选匹配第二长路,得到每一候选匹配第二长路上的N个映射点;
近似度计算子模块,用于计算所述每相邻两个虚拟点之间与对应的每相邻两个映射点之间的走势近似度;
确定子模块,用于根据每条候选匹配第二长路上各个映射点的走势近似度的累计值,确定所述目标第二长路。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至6中任一项所述的道路匹配方法。
10.一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至6中任一项所述的道路匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210025835.7A CN114490903A (zh) | 2022-01-11 | 2022-01-11 | 一种道路匹配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210025835.7A CN114490903A (zh) | 2022-01-11 | 2022-01-11 | 一种道路匹配方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114490903A true CN114490903A (zh) | 2022-05-13 |
Family
ID=81510156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210025835.7A Pending CN114490903A (zh) | 2022-01-11 | 2022-01-11 | 一种道路匹配方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114490903A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115309846A (zh) * | 2022-10-10 | 2022-11-08 | 中南大学 | 一种基于平行系数的道路网结构识别方法 |
-
2022
- 2022-01-11 CN CN202210025835.7A patent/CN114490903A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115309846A (zh) * | 2022-10-10 | 2022-11-08 | 中南大学 | 一种基于平行系数的道路网结构识别方法 |
CN115309846B (zh) * | 2022-10-10 | 2022-12-20 | 中南大学 | 一种基于平行系数的道路网结构识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038183B (zh) | 结构化实体收录方法、装置、服务器和存储介质 | |
CN112487168B (zh) | 知识图谱的语义问答方法、装置、计算机设备及存储介质 | |
CN111522989B (zh) | 用于图像检索的方法、计算设备和计算机存储介质 | |
WO2017215370A1 (zh) | 构建决策模型的方法、装置、计算机设备及存储设备 | |
WO2012005016A1 (ja) | デジタルシーケンス特徴量算出方法及びデジタルシーケンス特徴量算出装置 | |
CN110866836B (zh) | 计算机执行的医疗保险立案审核方法和装置 | |
CN110442618B (zh) | 融合专家信息关联关系的卷积神经网络评审专家推荐方法 | |
CN110188422B (zh) | 一种基于网络数据提取节点的特征向量的方法及装置 | |
WO2020063524A1 (zh) | 一种法律文书的确定方法及系统 | |
Jo et al. | A progressive kd tree for approximate k-nearest neighbors | |
CN114490903A (zh) | 一种道路匹配方法、装置、电子设备及存储介质 | |
CN110532388B (zh) | 文本聚类的方法、设备和存储介质 | |
KR102582779B1 (ko) | 뉴로 심볼릭 기반 릴레이션 임베딩을 통한 지식완성 방법 및 장치 | |
CN113514072A (zh) | 一种面向导航数据与大比例尺制图数据的道路匹配方法 | |
CN111125289B (zh) | 一种门店数据清洗匹配方法、装置、设备以及存储介质 | |
WO2016026064A1 (en) | A method and a system for estimating facial landmarks for face image | |
CN115409070A (zh) | 离散数据序列临界点的确定方法、装置以及设备 | |
CN116501834A (zh) | 地址信息处理方法、装置、移动终端及存储介质 | |
US11482304B2 (en) | Alignment methods, devices and systems | |
CN112785082B (zh) | 基于学习的路网最短路距离近似计算模型训练方法和装置 | |
WO2012091539A1 (en) | A semantic similarity matching system and a method thereof | |
CN112766385B (zh) | 一种众源矢量线数据几何匹配与属性融合方法 | |
de Berg et al. | Straight-path queries in trajectory data | |
CN114219983A (zh) | 神经网络训练方法、图像检索方法及装置 | |
CN110457455B (zh) | 一种三值逻辑问答咨询优化方法、系统、介质和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |