CN114509062B - 基于轨迹大数据的逆行轨迹过滤方法及装置 - Google Patents

基于轨迹大数据的逆行轨迹过滤方法及装置 Download PDF

Info

Publication number
CN114509062B
CN114509062B CN202111683409.4A CN202111683409A CN114509062B CN 114509062 B CN114509062 B CN 114509062B CN 202111683409 A CN202111683409 A CN 202111683409A CN 114509062 B CN114509062 B CN 114509062B
Authority
CN
China
Prior art keywords
track
retrograde
point
primary screening
data
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.)
Active
Application number
CN202111683409.4A
Other languages
English (en)
Other versions
CN114509062A (zh
Inventor
蔡晨
石涤文
尹玉成
覃飞杨
胡丹丹
姚琼杰
丁豪
刘奋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN202111683409.4A priority Critical patent/CN114509062B/zh
Publication of CN114509062A publication Critical patent/CN114509062A/zh
Application granted granted Critical
Publication of CN114509062B publication Critical patent/CN114509062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于轨迹大数据的逆行轨迹过滤方法及装置，方法包括：首先，获取原始轨迹数据进行预处理；随后，提取每一轨迹段对应的轨迹特征线；接着，判断轨迹特征线起终点是否为逆行状态，得到初筛逆行轨迹点。进一步，判断初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点；最后，若一条轨迹特征线起点或终处于逆行状态，则该特征线上所有的轨迹均处于逆行状态，以此可过滤轨迹数据中的逆行轨迹。本发明能够扩充轨迹预处理方案，减小异常驾驶行为带来的数据质量影响。还能够区分逆向行驶轨迹和处于无双向车道路段的行驶轨迹，避免误过滤非逆行轨迹数据。

Description

基于轨迹大数据的逆行轨迹过滤方法及装置
技术领域
本发明涉及众包高精度地图制作领域，尤其涉及一种基于轨迹大数据的逆行轨迹过滤方法及装置。
背景技术
轨迹数据是时空环境下通过对移动对象运动过程采样获得的数据信息，包括采样点的位置、时间、速度等，这些数据信息根据采样的先后顺序构成了轨迹数据，该数据是构建众包地图拓扑关系的重要数据源之一，也是驾驶行为分析中不可或缺的要素。
对于众包采集的原始轨迹数据，由于其大量、实时及多样性，轨迹数据的采集质量参差不齐，同时会存在道路维修、交通事故等非常规驾驶行为场景，逆向行驶则是其中一种十分常见的异常驾驶行为。在以往的方法中，通常只对轨迹数据进行噪声过滤、轨迹分段等预处理，但此类方法通常都无法过滤逆行轨迹数据，使得数据质量较低。
发明内容
本发明实施例提供了一种基于轨迹大数据的逆行轨迹过滤方法及装置，用以解决众包采集的原始轨迹数据中逆向行驶轨迹数据过滤的问题。
第一方面，本发明实施例提供一种基于轨迹大数据的逆行轨迹过滤方法，包括：
S1，获取原始轨迹数据，对所述原始轨迹数据进行预处理得到若干轨迹段；
S2，提取每一轨迹段对应的轨迹特征线；
S3，根据轨迹特征线起终点周边其他轨迹点的行驶方向，判断轨迹特征线起终点是否为逆行状态，得到初筛逆行轨迹点；
S4，判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点；
S5，根据所述细筛逆行轨迹点，提取起点或终点处于逆行状态的逆行轨迹特征线，进而提取逆行轨迹特征线对应的目标逆行轨迹点；删除原始轨迹数据中的目标逆行轨迹点。
优选的，步骤S1中，对所述原始轨迹数据进行预处理，包括：
对所述原始轨迹数据进行坐标转换、异常值处理和轨迹分段。
优选的，步骤S2中，提取每一轨迹段对应的轨迹特征线，包括：
根据轨迹段的行驶角度累积变化值，提取轨迹段对应的轨迹特征线。
优选的，步骤S4具体包括：
判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇；若存在，则将所述初筛逆行轨迹点判定为非逆行轨迹点，若不存在，则将所述初筛逆行轨迹点判定为细筛逆行轨迹点。
第二方面，本发明实施例还提供一种基于轨迹大数据的逆行轨迹过滤装置，包括：
提取模块，用于提取每一轨迹段对应的轨迹特征线；
初筛模块，用于根据轨迹特征线起终点周边其他轨迹点的行驶方向，判断轨迹特征线起终点是否为逆行状态，得到初筛逆行轨迹点；
细筛模块，用于判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点；
过滤模块，用于根据所述细筛逆行轨迹点，提取起点或终点处于逆行状态的逆行轨迹特征线，进而提取逆行轨迹特征线对应的目标逆行轨迹点；删除原始轨迹数据中的目标逆行轨迹点。
第三方面，本发明实施例提供了一种电子设备，包括处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面实施例提供的基于轨迹大数据的逆行轨迹过滤方法。
第四方面，本发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机程序，该计算机程序被处理器执行时实现以执行第一方面实施例提供的基于轨迹大数据的逆行轨迹过滤方法。
本发明实施例提供的基于轨迹大数据的逆行轨迹过滤方法及装置，可以利用众包采集的原始轨迹数据自动检测逆行轨迹并过滤，从而提供质量更好的轨迹数据，提高了众包高精度地图的构图质量。并且，本发明能够扩充轨迹预处理方案，减小异常驾驶行为带来的数据质量影响。本发明还能够区分逆向行驶轨迹和处于无双向车道路段的行驶轨迹，避免误过滤非逆行轨迹数据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于轨迹大数据的逆行轨迹过滤方法流程示意图；
图2为本发明实施例提供的基于轨迹大数据的逆行轨迹过滤方法完整流程图；
图3为本发明实施例提供的逆行轨迹示意图；
图4为本发明实施例提供的处于无双向车道路段的轨迹示意图；
图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
对于众包采集的原始轨迹数据，由于其大量、实时及多样性，轨迹数据的采集质量参差不齐，同时会存在道路维修、交通事故等非常规驾驶行为场景，逆向行驶则是其中一种十分常见的异常驾驶行为。在以往的方法中，通常只对轨迹数据进行噪声过滤、轨迹分段等预处理，但此类方法通常都无法过滤逆行轨迹数据，使得数据质量较低。
因此，本发明实施例提供了一种基于轨迹大数据的逆行轨迹过滤方法及装置，用以解决众包采集的原始轨迹数据中逆向行驶轨迹数据过滤的问题。以下通过附图结合各实施例进行具体说明。
图1为本发明实施例提供的基于轨迹大数据的逆行轨迹过滤方法流程示意图，如图1所示，本发明实施例提供的基于轨迹大数据的逆行轨迹过滤方法包括但不限于以下步骤：
步骤S1，获取原始轨迹数据，对所述原始轨迹数据进行预处理得到若干轨迹段。
首先，获取众包采集的原始轨迹数据，对原始轨迹数据进行预处理。预处理包括坐标转换、异常值处理、轨迹分段等，得到规范的数据块。
步骤S2，提取每一轨迹段对应的轨迹特征线。
图2为本发明实施例提供的基于轨迹大数据的逆行轨迹过滤方法完整流程图，参照图2，本实施例中，根据轨迹段的行驶角度累积变化值，提取轨迹段对应的轨迹特征线，处于相同轨迹特征线上的行驶轨迹具有相同的行驶状态(逆行或非逆行)。
步骤S3，根据轨迹特征线起终点周边其他轨迹点的行驶方向，判断轨迹特征线起终点是否为逆行状态，得到初筛逆行轨迹点。
图3为本发明实施例提供的逆行轨迹示意图，参照图2和图3，本实施例中，根据轨迹特征线起终点周边其他轨迹点的行驶方向，对轨迹特征线起终点是否为逆行状态进行初步判断，得到初筛为逆行的轨迹点。
图4为本发明实施例提供的处于无双向车道路段的轨迹示意图
步骤S4，判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点。
具体地，在得到初筛逆行轨迹点后，本实施例继续判断初筛逆行轨迹点是否处于无双向车道的路段。其中，无双向车道的路段是指没有划分不同通行方向区域的路段。
由中国的交通法规可知，在具有双向车道的道路上所有轨迹应当靠右行驶，否则为逆行，由这一法规可以区分初筛逆行轨迹点是否处于无双向车道的路段(没有划分不同通行方向区域的路段)上。
判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇。如果不存在，则可以确定初筛逆行轨迹点处于逆行状态，记为细筛逆行轨迹点；若存在，则可以判定初筛逆行轨迹点处于无双向车道的路段，初筛逆行轨迹点不是逆行状态。
步骤S5，根据所述细筛逆行轨迹点，提取起点或终点处于逆行状态的逆行轨迹特征线，进而提取逆行轨迹特征线对应的目标逆行轨迹点；删除原始轨迹数据中的目标逆行轨迹点。
若一条轨迹特征线起点或终处于逆行状态，则该轨迹特征线上所有的轨迹均处于逆行状态，本实施例中，提取起点或终点处于逆行状态的逆行轨迹特征线，进而提取逆行轨迹特征线对应的所有的目标逆行轨迹点，并删除原始轨迹数据中的目标逆行轨迹点，以此可过滤轨迹数据中的逆行轨迹。
本发明实施例提供的基于轨迹大数据的逆行轨迹过滤方法，可以利用众包采集的原始轨迹数据自动检测逆行轨迹并过滤，从而提供质量更好的轨迹数据，提高了众包高精度地图的构图质量。并且，本发明能够扩充轨迹预处理方案，减小异常驾驶行为带来的数据质量影响。本发明还能够区分逆向行驶轨迹和处于无双向车道路段的行驶轨迹，避免误过滤非逆行轨迹数据。
在一个实施例中，本发明实施例还提供了一种基于轨迹大数据的逆行轨迹过滤装置，本发明实施例提供的基于轨迹大数据的逆行轨迹过滤装置用于执行前述各实施例中的基于轨迹大数据的逆行轨迹过滤方法。该装置包括：
提取模块，用于提取每一轨迹段对应的轨迹特征线；
初筛模块，用于根据轨迹特征线起终点周边其他轨迹点的行驶方向，判断轨迹特征线起终点是否为逆行状态，得到初筛逆行轨迹点；
细筛模块，用于判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点；
过滤模块，用于根据所述细筛逆行轨迹点，提取起点或终点处于逆行状态的逆行轨迹特征线，进而提取逆行轨迹特征线对应的目标逆行轨迹点，删除原始轨迹数据中的目标逆行轨迹点。
可以理解的是，本发明提供的基于轨迹大数据的逆行轨迹过滤装置与前述实施例提供的基于轨迹大数据的逆行轨迹过滤方法相对应，基于轨迹大数据的逆行轨迹过滤装置的相关技术特征可参考基于轨迹大数据的逆行轨迹过滤方法的相关技术特征，本发明实施例在此不再赘述。
在一个实施例中，本发明实施例提供了一种电子设备，如图5所示，该电子设备可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行上述各实施例提供的基于轨迹大数据的逆行轨迹过滤方法的步骤，例如包括：S1，获取原始轨迹数据，对所述原始轨迹数据进行预处理得到若干轨迹段；S2，提取每一轨迹段对应的轨迹特征线；S3，根据轨迹特征线起终点周边其他轨迹点的行驶方向，判断轨迹特征线起终点是否为逆行状态，得到初筛逆行轨迹点；S4，判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点；S5，根据所述细筛逆行轨迹点，提取起点或终点处于逆行状态的逆行轨迹特征线，进而提取逆行轨迹特征线对应的目标逆行轨迹点；删除原始轨迹数据中的目标逆行轨迹点。
在一个实施例中，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于轨迹大数据的逆行轨迹过滤方法的步骤，例如包括：S1，获取原始轨迹数据，对所述原始轨迹数据进行预处理得到若干轨迹段；S2，提取每一轨迹段对应的轨迹特征线；S3，根据轨迹特征线起终点周边其他轨迹点的行驶方向，判断轨迹特征线起终点是否为逆行状态，得到初筛逆行轨迹点；S4，判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点；S5，根据所述细筛逆行轨迹点，提取起点或终点处于逆行状态的逆行轨迹特征线，进而提取逆行轨迹特征线对应的目标逆行轨迹点；删除原始轨迹数据中的目标逆行轨迹点。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明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。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述。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、嵌入式计算机或者其他可编程数据处理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设备上，使得在计算机或其他可编程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概念，则可对这些实施例作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范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (5)

1.一种基于轨迹大数据的逆行轨迹过滤方法，其特征在于，包括：
S1，获取原始轨迹数据，对所述原始轨迹数据进行预处理得到若干轨迹段；
S2，提取每一轨迹段对应的轨迹特征线；
S3，根据轨迹特征线起终点周边其他轨迹点的行驶方向，判断轨迹特征线起终点是否为逆行状态，得到初筛逆行轨迹点；
S4，判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点；
S5，根据所述细筛逆行轨迹点，提取起点或终点处于逆行状态的逆行轨迹特征线，进而提取逆行轨迹特征线对应的目标逆行轨迹点；删除原始轨迹数据中的目标逆行轨迹点；
步骤S2中，提取每一轨迹段对应的轨迹特征线，包括：
根据轨迹段的行驶角度累积变化值，提取轨迹段对应的轨迹特征线；
步骤S4具体包括：
判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇；若存在，则将所述初筛逆行轨迹点判定为非逆行轨迹点，若不存在，则将所述初筛逆行轨迹点判定为细筛逆行轨迹点。
2.根据权利要求1所述的基于轨迹大数据的逆行轨迹过滤方法，其特征在于，步骤S1中，对所述原始轨迹数据进行预处理，包括：
对所述原始轨迹数据进行坐标转换、异常值处理和轨迹分段。
3.一种基于轨迹大数据的逆行轨迹过滤装置，其特征在于，包括：
预处理模块，用于获取原始轨迹数据，对所述原始轨迹数据进行预处理得到若干轨迹段；
提取模块，用于提取每一轨迹段对应的轨迹特征线；
初筛模块，用于根据轨迹特征线起终点周边其他轨迹点的行驶方向，判断轨迹特征线起终点是否为逆行状态，得到初筛逆行轨迹点；
细筛模块，用于判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点；
过滤模块，用于根据所述细筛逆行轨迹点，提取起点或终点处于逆行状态的逆行轨迹特征线，进而提取逆行轨迹特征线对应的目标逆行轨迹点，删除原始轨迹数据中的目标逆行轨迹点；
提取每一轨迹段对应的轨迹特征线，包括：
根据轨迹段的行驶角度累积变化值，提取轨迹段对应的轨迹特征线；
判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点，包括：
判断所述初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇；若存在，则将所述初筛逆行轨迹点判定为非逆行轨迹点，若不存在，则将所述初筛逆行轨迹点判定为细筛逆行轨迹点。
4.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至2任一项所述基于轨迹大数据的逆行轨迹过滤方法的步骤。
5.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至2任一项所述基于轨迹大数据的逆行轨迹过滤方法的步骤。
CN202111683409.4A 2021-12-31 2021-12-31 基于轨迹大数据的逆行轨迹过滤方法及装置 Active CN114509062B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111683409.4A CN114509062B (zh) 2021-12-31 2021-12-31 基于轨迹大数据的逆行轨迹过滤方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111683409.4A CN114509062B (zh) 2021-12-31 2021-12-31 基于轨迹大数据的逆行轨迹过滤方法及装置

Publications (2)

Publication Number Publication Date
CN114509062A CN114509062A (zh) 2022-05-17
CN114509062B true CN114509062B (zh) 2023-10-13

Family

ID=81550030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111683409.4A Active CN114509062B (zh) 2021-12-31 2021-12-31 基于轨迹大数据的逆行轨迹过滤方法及装置

Country Status (1)

Country Link
CN (1) CN114509062B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170112111A (ko) * 2016-03-30 2017-10-12 주식회사 에스원 가상 라인 생성 방법, 역주행 검출 시스템 및 그 방법
CN108663065A (zh) * 2017-03-27 2018-10-16 高德软件有限公司 一种道路类型的识别方法及装置
CN109166312A (zh) * 2018-09-03 2019-01-08 武汉小象创意科技有限公司 行车轨迹基于路网数据的自动化违规检测系统及方法
CN109633727A (zh) * 2018-12-29 2019-04-16 西南交通大学 一种基于轨迹偏角的共享单车逆行行为识别方法
CN110095126A (zh) * 2019-05-07 2019-08-06 北京百度网讯科技有限公司 地图匹配方法、装置、设备和介质
CN110634290A (zh) * 2019-09-12 2019-12-31 北京航空航天大学 一种基于自行车轨迹数据的逆行行为识别方法
CN111341120A (zh) * 2019-12-04 2020-06-26 上海悦骑智能科技有限公司 一种车辆逆行检测方法、系统及车辆
CN112257772A (zh) * 2020-10-19 2021-01-22 武汉中海庭数据技术有限公司 一种道路增减区间切分方法、装置、电子设备及存储介质
KR20210010035A (ko) * 2019-07-19 2021-01-27 주식회사 경기종합통신 레이더신호를 이용한 다차로 역주행 방지시스템
CN112686941A (zh) * 2020-12-24 2021-04-20 北京英泰智科技股份有限公司 一种车辆运动轨迹合理性识别方法、装置及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111767507A (zh) * 2020-06-30 2020-10-13 北京百度网讯科技有限公司 一种倒车轨迹追踪方法、装置、电子设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170112111A (ko) * 2016-03-30 2017-10-12 주식회사 에스원 가상 라인 생성 방법, 역주행 검출 시스템 및 그 방법
CN108663065A (zh) * 2017-03-27 2018-10-16 高德软件有限公司 一种道路类型的识别方法及装置
CN109166312A (zh) * 2018-09-03 2019-01-08 武汉小象创意科技有限公司 行车轨迹基于路网数据的自动化违规检测系统及方法
CN109633727A (zh) * 2018-12-29 2019-04-16 西南交通大学 一种基于轨迹偏角的共享单车逆行行为识别方法
CN110095126A (zh) * 2019-05-07 2019-08-06 北京百度网讯科技有限公司 地图匹配方法、装置、设备和介质
KR20210010035A (ko) * 2019-07-19 2021-01-27 주식회사 경기종합통신 레이더신호를 이용한 다차로 역주행 방지시스템
CN110634290A (zh) * 2019-09-12 2019-12-31 北京航空航天大学 一种基于自行车轨迹数据的逆行行为识别方法
CN111341120A (zh) * 2019-12-04 2020-06-26 上海悦骑智能科技有限公司 一种车辆逆行检测方法、系统及车辆
CN112257772A (zh) * 2020-10-19 2021-01-22 武汉中海庭数据技术有限公司 一种道路增减区间切分方法、装置、电子设备及存储介质
CN112686941A (zh) * 2020-12-24 2021-04-20 北京英泰智科技股份有限公司 一种车辆运动轨迹合理性识别方法、装置及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种众源车载GPS轨迹大数据自适应滤选方法;唐炉亮;杨雪;牛乐;常乐;李清泉;;测绘学报;第45卷(第12期);第1455-1463页 *
真实场景运动目标轨迹有效性判断与自动聚类算法研究;潘奇明;程咏梅;杨涛;潘泉;赵春晖;;计算机应用研究;第24卷(第04期);第158-160、169页 *

Also Published As

Publication number Publication date
CN114509062A (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN109657355B (zh) 一种车辆道路虚拟场景的仿真方法及系统
CN108986465B (zh) 一种车流量检测的方法、系统及终端设备
US20170316127A1 (en) Method and apparatus for constructing testing scenario for driverless vehicle
CN110634291A (zh) 基于众包大数据的高精度地图拓扑自动构建方法及系统
CN104422451A (zh) 一种道路识别方法及装置
CN113297667B (zh) 一种智能驾驶数据闭环的方法及系统
CN112163544B (zh) 一种非机动车辆乱摆放的判断方法及系统
CN113269042A (zh) 基于行驶车辆违章识别的智能交通管理方法及系统
CN113345015A (zh) 一种包裹位置检测方法、装置、设备及可读存储介质
CN112287842A (zh) 一种车道线的识别方法、装置及电子设备
JPH07111734B2 (ja) 走行路判別方法
CN114509062B (zh) 基于轨迹大数据的逆行轨迹过滤方法及装置
CN110567733B (zh) 基于acc的失效场景判定方法及系统、服务器及介质
EP3063748A1 (de) Verfahren und vorrichtung zum bereitstellen einer ereignismeldung bezüglich eines einem fahrzeug bevorstehenden ereignisses
CN115440037B (zh) 交通流量数据采集方法、装置、电子设备及存储介质
CN116524758A (zh) 一种自动驾驶中道路和场景的仿真测试方法及装置
CN115100650A (zh) 基于多重高斯模型的高速公路异常场景去噪及识别方法、装置
CN115311522A (zh) 用于自动驾驶的目标检测方法及装置、电子设备及介质
CN116067359A (zh) 基于delaunay三角网的低精度轨迹数据处理方法及系统
CN112597924B (zh) 电动自行车轨迹追踪方法、摄像机装置和服务器
CN115525943A (zh) 基于车线拓扑关系构建三维道路模型的方法及系统
CN114512052A (zh) 融合遥感影像和轨迹数据的分歧合流路口生成方法及装置
CN102201166B (zh) 浮动车数据预处理装置和方法
CN115346081A (zh) 基于多数据融合的输电线路点云数据分类方法
CN112258602B (zh) 一种停止线生成方法、装置、电子设备及存储介质

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