CN114510533B - 一种事故还原方法、装置、电子设备和存储介质 - Google Patents
一种事故还原方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114510533B CN114510533B CN202210013943.2A CN202210013943A CN114510533B CN 114510533 B CN114510533 B CN 114510533B CN 202210013943 A CN202210013943 A CN 202210013943A CN 114510533 B CN114510533 B CN 114510533B
- Authority
- CN
- China
- Prior art keywords
- point data
- track
- track point
- vehicles
- vehicle
- 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
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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供了一种事故还原方法、装置、电子设备及存储介质,所述方法包括:获取事故现场多个车辆的轨迹点数据;根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场。通过调整,将多个车辆的轨迹点数据进行同步,从而基于同步后的轨迹点数据对事故现场进行更大程度地还原,从而满足理赔等的还原程度要求。
Description
技术领域
本发明涉及交通技术领域,具体而言,涉及一种事故还原方法、装置、电子设备和存储介质。
背景技术
货车事故后,通过历史案件回溯,能够及时查看事故车辆附近车辆运行情况,动态播放还原事故现场,比对车辆的事故前后运行轨迹、停靠时长等事故因子,进行赔案的事故匹配度,快速理赔定损。
但是现有的事故还原方式,是通过监控视频等进行,对事故现场的还原程度较差;若是通过事故现场的车辆轨迹点数据进行还原,由于多个车辆的轨迹点数据不同步,基于不同步的轨迹点数据进行的事故还原,其还原程度依然无法满足要求。
发明内容
本发明解决的问题是目前不同车辆的轨迹点数据不同步,导致事故还原程度差。
为解决上述问题,本发明首先提供一种事故还原方法,其包括:
获取事故现场多个车辆的轨迹点数据;
根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场。
优选地,所述根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场,包括:
基于多个车辆的轨迹同步,确定调整后车辆的所述轨迹点数据的时间间隔;
根据所述时间间隔,对车辆的所述轨迹点数据进行插值处理;
确定插值后的多个车辆的所述轨迹点数据。
优选地,所述基于多个车辆的轨迹同步,确定调整后车辆的所述轨迹点数据的时间间隔,包括:
确定车辆的所述轨迹点数据内时间数据的最小粒度;
将最小粒度的时长作为调整后车辆的所述轨迹点数据的时间间隔。
优选地,所述根据所述时间间隔,对车辆的所述轨迹点数据进行插值处理中,通过贝塞尔插值算法对车辆的所述轨迹点数据进行插值处理。
优选地,所述方法还包括:
根据调整后的多个车辆的轨迹点数据,对多个所述车辆进行同步展示。
优选地,所述获取事故现场多个车辆的轨迹点数据,包括:
获取待测车辆的事故信息;
根据待测车辆的所述事故信息,基于搜索引擎检索事故现场的车辆及对应的轨迹点数据。
优选地,所述根据待测车辆的所述事故信息,基于搜索引擎检索事故现场的车辆及对应的轨迹点数据中,所述搜索引擎内预先存储有车辆的轨迹点数据,所述搜索引擎通过对存储的所述车辆的轨迹点数据进行检索,确定事故现场的所述车辆及对应的所述轨迹点数据。
其次,提供一种事故还原装置,其包括:
数据获取模块,其用于获取事故现场多个车辆的轨迹点数据;
轨迹调整模块,其用于根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场。
再次,提供一种电子设备,包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如前述所述的方法。
最后提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如前述所述的方法。
通过调整,将多个车辆的轨迹点数据进行同步,从而基于同步后的轨迹点数据对事故现场进行更大程度地还原,从而满足理赔等的还原程度要求。
附图说明
图1为根据本发明一实施例的事故还原方法的流程图;
图2为根据本发明实施例的事故还原方法S20的流程图;
图3为根据本发明实施例的事故还原方法S21的流程图;
图4为根据本发明另一实施例的事故还原方法的流程图;
图5为根据本发明实施例的事故还原方法S10的流程图;
图6为根据本发明实施例的需要补全的轨迹对的示意图;
图7为根据本发明实施例的轨迹对补全之后的示意图;
图8为根据本发明实施例的事故还原的静态图;
图9为根据本发明一实施例的事故还原装置的结构框图;
图10为根据本发明另一实施例的事故还原装置的结构框图;
图11为根据本发明实施例的电子设备的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
本申请实施例提供了一种事故还原方法,该方法可以由事故还原装置来执行,该事故还原装置可以集成在电脑、服务器、计算机等电子设备中。如图1所示,其为根据本发明实施例的事故还原方法的流程图;其中,所述事故还原方法,包括:
S10,获取事故现场多个车辆的轨迹点数据;
本实施例中,事故现场的车辆,为在事故现场的预设范围内,在事故发生的预设时间内出现的车辆。
本实施例中,获取的为事故现场的所有车辆的轨迹点数据。
所述轨迹点数据,至少包括经纬度、时间点、行驶速度和行驶方向。
通过经纬度、时间点、行驶速度和行驶方向,可以对车辆的行驶过程进行最大程度的还原。
S20,根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场。
通过调整,将多个车辆的轨迹点数据进行同步,从而基于同步后的轨迹点数据对事故现场进行更大程度地还原,从而满足理赔等的还原程度要求。
本申请实施例提供了另一种事故还原方法,其与前述所述的事故还原方法类似,不同之处在于,如图2所示,所述S20,根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场,包括:
S21,基于多个车辆的轨迹同步,确定调整后车辆的所述轨迹点数据的时间间隔;
本实施例中,确定调整后的车辆的时间间隔,也即是具有该时间间隔的车辆的所述轨迹点数据达到同步的效果。
S22,根据所述时间间隔,对车辆的所述轨迹点数据进行插值处理;
S23,确定插值后的多个车辆的所述轨迹点数据。
这样,通过插值的方式,增加轨迹点数据,从而降低了相邻轨迹点数据之间的时间间隔,达到同步的效果。
优选地,所述S22,根据所述时间间隔,对车辆的所述轨迹点数据进行插值处理中,通过贝塞尔插值算法对车辆的所述轨迹点数据进行插值处理。
所述贝塞尔插值算法为基于贝塞尔曲线的插值算法;所述贝塞尔曲线(Béziercurve),是应用于二维图形应用程序的数学曲线。一般的矢量图形软件通过它来精确画出曲线,贝兹曲线由线段与节点组成,节点是可拖动的支点,线段像可伸缩的皮筋。
在一种实施方式中,通过贝塞尔插值算法对车辆的所述轨迹点数据进行插值处理,具体为:获取单个车辆的轨迹点数据,确定轨迹点对的起点和终点;获取轨迹点对的三阶贝塞尔曲线控制点;对于每个轨迹点对,通过起点、终点和控制点,基于三阶贝塞尔曲线插入轨迹点;对所有轨迹点对进行遍历、合并,得到单个车辆的调整后的轨迹点数据。
优选地,对于每个轨迹点对,通过起点、终点和控制点,基于三阶贝塞尔曲线插入轨迹点,包括:根据控制点数据计算起止点之间的时间间隔,通过算法公式计算当前插入的轨迹点的坐标经纬度。
优选地,算法公式为:a*(1-t)^b*t^c*Pn
公式中,a为计算控制点数据的二项式展开系数(杨辉三角);b为幂,其取值从(N-1)递减到0;c为幂,其取值从0递增到(N-1);Pn为传入的点坐标经纬度;N值由时间间隔确定。
本实施例中,计算起止点之间的时间间隔(rate),就是根据两个轨迹点的时间计算秒数。
本实施例中,每秒插入一个轨迹点,从0开始循环计算累加到1,就是补充的点个数For(float=0;t<=1;t+=1.0/rate)。
本实施例中,所述轨迹点对,即为相邻的轨迹点,将GPS时间较小的作为起点,另一个轨迹点作为终点;例如,按照GPS时间,将第一个轨迹点和第二个轨迹点作为一个轨迹点对;将第二个轨迹点和第三个轨迹点作为一个轨迹点对。
本实施例中,在插入轨迹点后,插入轨迹点的速度与方向,可以与该轨迹对的起点保持一致;也可以与该轨迹对的终点保持一致;也可以部分插入轨迹点与该轨迹对的起点保持一致,部分插入轨迹点与该轨迹对的终点保持一致。
优选地,插入轨迹点的速度与方向,与该轨迹对的起点保持一致。
本实施例中,在确定轨迹点对之前,先基于GPS时间进行去重处理,以避免时间重复,造成无法进行插值。
本申请实施例提供了另一种事故还原方法,其与前述所述的事故还原方法类似,不同之处在于,如图3所示,所述S21,基于多个车辆的轨迹同步,确定调整后车辆的所述轨迹点数据的时间间隔,包括:
S211,确定车辆的所述轨迹点数据内时间数据的最小粒度;
本实施例中,所述时间数据的最小粒度,为时间数据测量时的精确位数。例如,现有时间数据测量时,一般精确到1s,则该时间数据的最小粒度即为1s。
S212,将最小粒度的时长作为调整后车辆的所述轨迹点数据的时间间隔。
直接将最小粒度的时长(例如1s)作为调整后的时间间隔,一方面无需通过复杂的时间间隔的计算以使得调整后多个车辆的轨迹可以同步;另一方面,将时间间隔调整到适宜范围内的最小间隔,从而可以在调整后获取多个帧,便于对事故现场进行逐帧的细致还原。
另外,一个事故的发生时间,一般关键时间在3min左右;因此,以1s为时间间隔逐帧播放,可以播放180帧左右;因此需要处理的数据上限较低,即使相对于之前(以30s的时间间隔为例,只需要播放6帧左右),需要处理的数据量增加了很多倍,但是实际上增加的数据量较少,由于数据量增多产生的不利影响对整个事故还原的影响极低。
其中,多个车辆的轨迹同步,即为多个车辆的轨迹播放的播放步长、播放频率一致。
本申请实施例提供了另一种事故还原方法,其与前述所述的事故还原方法类似,不同之处在于,如图4所示,所述方法还包括:
S30,根据调整后的多个车辆的轨迹点数据,对多个所述车辆进行同步展示。
本实施例中,所述对多个所述车辆进行同步展示,具体为:获取通过终端设备输入的,包括但不限于待测车辆以及车辆的出险时间,位置,区域半径;根据上述数据从调整后的多个车辆的轨迹点数据中获取/搜索到相应的车辆的轨迹点数据;点选附近车辆进行地图匹配,动态渲染,平滑同步播放。
需要说明的是,所述获取/搜索到相应的车辆的轨迹点数据,为调整后的多个车辆的轨迹点数据的部分或全部数据。
其中,对所述车辆进行同步展示,可以为同步播放多个车辆的运动轨迹进行展示,也可以为同步控制逐帧播放,以便于观察各个车辆的动向。
对于一个事故的发生时间,一般关键时间在3min左右;因此,以1s为时间间隔逐帧播放,可以播放180帧左右;这样,可以仔细观察各个车辆的动向,以对事故现场进行最大程度的还原。
本申请实施例提供了另一种事故还原方法,其与前述所述的事故还原方法类似,不同之处在于,本实施例要进一步解决的技术问题具有差异性。
在已知事故车辆的情况下,对还原事故现场而言,还具有一个难以解决的问题,也即是如何快速获取事故现场其他车辆的轨迹点数据。
一般情况下,在车辆发生事故后,调用事故现场附近的摄像头,通过摄像头内的图像进行综合分析,确定事故现场出现的其他车辆,再根据其他车辆的车牌等信息,获取对应车辆的轨迹点数据。这种轨迹点数据的获取方式,很明显需要耗费大量的人力物力,且还需要耗费大量的时间。
如图5所示,所述S10,获取事故现场多个车辆的轨迹点数据,包括:
S11,获取待测车辆的事故信息;
本实施例中,所述事故信息,至少包括事故地址信息和事故时间信息。
优选地,所述事故地址信息为经纬度坐标。
在已经获取事故地址信息的情况下,很容易通过预设的半径来划定事故现场的范围。
在在已经获取事故时间信息的情况下,很容易通过预设的前后时段来划定事故时间范围。
S12,根据待测车辆的所述事故信息,基于搜索引擎检索事故现场的车辆及对应的轨迹点数据。
这样,通过搜索引擎可以快速搜索事故现场的车辆,不仅处理速度快,且避免了占据大量的人力物力。
优选地,所述S12,根据待测车辆的所述事故信息,基于搜索引擎检索事故现场的车辆及对应的轨迹点数据中,所述搜索引擎内预先存储有车辆的轨迹点数据,所述搜索引擎通过对存储的所述车辆的轨迹点数据进行检索,确定事故现场的所述车辆及对应的所述轨迹点数据。
这样,能够根据gps定位数据基于GEO空间检索快速检索附近周边车辆,从而快速获取事故现场的车辆以及对应的轨迹点数据。
具体地,根据待测车辆(事故车辆),基于搜索引擎地理坐标类型(Geo-point),根据经纬度、预定事故半径、事故发生时间范围快速检索附近车辆以及轨迹点数据。
其中,地理坐标类型(Geo-point),为搜索引擎Elasticsearch的坐标类型;所述Elasticsearch是一个分布式、高扩展、高实时的搜索与数据分析引擎,它能很方便的使大量数据具有搜索、分析和探索的能力。
Elasticsearch的实现原理主要分为以下几个步骤,首先用户将数据提交到Elasticsearch数据库中,再通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据,当用户搜索数据时候,再根据权重将结果排名,打分,再将返回结果呈现给用户。
在一种实施方式中,在确定事故现场的所述车辆及对应的所述轨迹点数据后,对所述轨迹点数据进行过滤。
优选地,对所述轨迹点数据进行过滤,具体包括:根据特征指标,过滤轨迹点数据中的包括但不限于经纬度异常点、速度异常点、方向异常点。
其中,经纬度异常点、速度异常点、方向异常点,即为与其余轨迹点的经纬度、速度、方向明显不同的轨迹点。
优选地,对所述轨迹点数据进行过滤,具体还包括:根据轨迹点间的包括但不限于平均速度、直线距离、时间间隔、轨迹点个数等因素综合考虑过滤轨迹点。
例如,轨迹点间的时间间隔为30s的情况下,相邻两个轨迹点之间的直线距离明显过大,也意味着该两个轨迹点中至少一个为异常轨迹点。
在一种实施方式中,通过将采集到的车辆轨迹点数据实时推送至消息队列kafka,并基于实时计算服务实时消费kafka报点数据存储至搜索引擎的方式,进行搜索引擎内的轨迹点数据的预先存储。
优选地,所述轨迹点数据为GPS数据。
在车辆上安装北斗车机终端,轨迹数据是通过车载终端上报实时位置,由通讯服务解析协议,这样车机定时采集并上报车辆当前状态(包括坐标、行驶速度、行驶方向、当前海拔等)。
本实施例中,消息队列kafka为分布式消息队列Kafka,目前只能通过高清搜索引擎来进行搜索。
本实施例中,消息队列kafka为过渡层;实时计算服务为用于消费数据的一个服务;通过该服务来处理数据;该处理数据实质上为转换数据,把实时数据存储为离线数据。
本申请中,能够根据gps定位数据基于GEO空间检索快速检索附近周边车辆,基于贝塞尔曲线(Bezier)进行轨迹统一规划,解决车机报点间隔不一致的问题,满足多车轨迹同步播放效果。
如图6所示,其为一个需要补全的轨迹对的示意图;如图7所示,其为图6中的轨迹对补全之后的示意图。由图中可以看出,时间数据的精确度为1s,也即是最小粒度为1s;轨迹点数据不仅包含经度、纬度和GPS时间数据,还包括方向数据和速度数据。但通过插值算法插入的轨迹点,不具有计算得到的方向数据和速度数据。
如图8所示,其为事故还原的静态图,其上标注有事故现场的多个车辆。
本申请实施例提供了一种事故还原装置,用于执行本发明上述内容所述的事故还原方法,以下对所述事故还原装置进行详细描述。
如图9所示,所述事故还原装置,其包括:
数据获取模块101,其用于获取事故现场多个车辆的轨迹点数据;
轨迹调整模块102,其用于根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场。
通过调整,将多个车辆的轨迹点数据进行同步,从而基于同步后的轨迹点数据对事故现场进行更大程度地还原,从而满足理赔等的还原程度要求。
优选地,所述轨迹调整模块102还用于:基于多个车辆的轨迹同步,确定调整后车辆的所述轨迹点数据的时间间隔;根据所述时间间隔,对车辆的所述轨迹点数据进行插值处理;确定插值后的多个车辆的所述轨迹点数据。
优选地,所述轨迹调整模块102还用于:确定车辆的所述轨迹点数据内时间数据的最小粒度;将最小粒度的时长作为调整后车辆的所述轨迹点数据的时间间隔。
优选地,所述根据所述时间间隔,对车辆的所述轨迹点数据进行插值处理中,通过贝塞尔插值算法对车辆的所述轨迹点数据进行插值处理。
本申请实施例提供了另一种事故还原装置,其与前述所述的事故还原装置类似,不同之处在于,如图10所示,所述装置还包括:
同步展示模块103,其用于根据调整后的多个车辆的轨迹点数据,对多个所述车辆进行同步展示。
优选地,所述数据获取模块101还用于:获取待测车辆的事故信息;根据待测车辆的所述事故信息,基于搜索引擎检索事故现场的车辆及对应的轨迹点数据。
优选地,所述根据待测车辆的所述事故信息,基于搜索引擎检索事故现场的车辆及对应的轨迹点数据中,所述搜索引擎内预先存储有车辆的轨迹点数据,所述搜索引擎通过对存储的所述车辆的轨迹点数据进行检索,确定事故现场的所述车辆及对应的所述轨迹点数据。
通过调整,将多个车辆的轨迹点数据进行同步,从而基于同步后的轨迹点数据对事故现场进行更大程度地还原,从而满足理赔等的还原程度要求。
本申请实施例提供了一种电子设备,如图7所示,其包括存储有计算机程序的计算机可读存储介质301和处理器302,所述计算机程序被所述处理器读取并运行时,实现如前述所述的方法。
通过调整,将多个车辆的轨迹点数据进行同步,从而基于同步后的轨迹点数据对事故现场进行更大程度地还原,从而满足理赔等的还原程度要求。
本申请实施例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存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如前述所述的方法。
本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是空调器,制冷装置,个人计算机,服务器,或者网络设备等)或processor(处理器)执行本发明实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
通过调整,将多个车辆的轨迹点数据进行同步,从而基于同步后的轨迹点数据对事故现场进行更大程度地还原,从而满足理赔等的还原程度要求。
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者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、物品或者设备中还存在另外的相同要素。
本申请中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见前述所述实施例的部分说明即可。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (8)
1.一种事故还原方法,其特征在于,包括:
获取事故现场多个车辆的轨迹点数据,对所述轨迹点数据进行过滤;
根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场;
所述根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场,包括:
基于多个车辆的轨迹同步,确定调整后车辆的所述轨迹点数据的时间间隔;
根据所述时间间隔,通过贝塞尔插值算法对车辆的所述轨迹点数据进行插值处理;
确定插值后的多个车辆的所述轨迹点数据;
所述通过贝塞尔插值算法对车辆的所述轨迹点数据进行插值处理,包括:
获取单个车辆的轨迹点数据,确定轨迹点对的起点和终点;
获取轨迹点对的三阶贝塞尔曲线控制点;
对于每个轨迹点对,通过起点、终点和控制点,基于三阶贝塞尔曲线插入轨迹点;
对所有轨迹点对进行遍历、合并,得到单个车辆的调整后的轨迹点数据;
所述对于每个轨迹点对,通过起点、终点和控制点,基于三阶贝塞尔曲线插入轨迹点,包括:
根据控制点数据计算起止点之间的时间间隔,通过算法公式计算当前插入的轨迹点的坐标经纬度;
所述算法公式为:a×(1-t)b×tc×Pn
公式中,a为计算控制点数据的二项式展开系数;b为幂,其取值从N-1递减到0;c为幂,其取值从0递增到N-1;Pn为传入的点坐标经纬度;N值由时间间隔确定;
所述对所述轨迹点数据进行过滤,包括:根据特征指标,过滤所述轨迹点数据包括经纬度异常点、速度异常点、方向异常点,其中,经纬度异常点、速度异常点、方向异常点,是与其余轨迹点的经纬度、速度、方向明显不同的轨迹点;过滤所述轨迹点数据的考虑因素包括平均速度、直线距离、时间间隔、轨迹点个数,其中,固定时间间隔下,当相邻两个轨迹点间直线距离明显过大的,至少一个为异常轨迹点。
2.根据权利要求1所述的方法,其特征在于,所述基于多个车辆的轨迹同步,确定调整后车辆的所述轨迹点数据的时间间隔,包括:
确定车辆的所述轨迹点数据内时间数据的最小粒度;
将最小粒度的时长作为调整后车辆的所述轨迹点数据的时间间隔。
3.根据权利要求1-2任一项所述的方法,其特征在于,所述方法还包括:
根据调整后的多个车辆的轨迹点数据,对多个所述车辆进行同步展示。
4.根据权利要求1-2任一项所述的方法,其特征在于,所述获取事故现场多个车辆的轨迹点数据,包括:
获取待测车辆的事故信息;
根据待测车辆的所述事故信息,基于搜索引擎检索事故现场的车辆及对应的轨迹点数据。
5.根据权利要求4所述的方法,其特征在于,所述根据待测车辆的所述事故信息,基于搜索引擎检索事故现场的车辆及对应的轨迹点数据中,所述搜索引擎内预先存储有车辆的轨迹点数据,所述搜索引擎通过对存储的所述车辆的轨迹点数据进行检索,确定事故现场的所述车辆及对应的所述轨迹点数据。
6.一种事故还原装置,其特征在于,包括:
数据获取模块,其用于获取事故现场多个车辆的轨迹点数据,对所述轨迹点数据进行过滤;
轨迹调整模块,其用于根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场;
所述根据车辆的所述轨迹点数据,基于多个车辆的轨迹同步对车辆的所述轨迹点数据进行调整,以还原所述事故现场,包括:
基于多个车辆的轨迹同步,确定调整后车辆的所述轨迹点数据的时间间隔;
根据所述时间间隔,通过贝塞尔插值算法对车辆的所述轨迹点数据进行插值处理;
确定插值后的多个车辆的所述轨迹点数据;
所述通过贝塞尔插值算法对车辆的所述轨迹点数据进行插值处理,包括:
获取单个车辆的轨迹点数据,确定轨迹点对的起点和终点;
获取轨迹点对的三阶贝塞尔曲线控制点;
对于每个轨迹点对,通过起点、终点和控制点,基于三阶贝塞尔曲线插入轨迹点;
对所有轨迹点对进行遍历、合并,得到单个车辆的调整后的轨迹点数据;
所述对于每个轨迹点对,通过起点、终点和控制点,基于三阶贝塞尔曲线插入轨迹点,包括:
根据控制点数据计算起止点之间的时间间隔,通过算法公式计算当前插入的轨迹点的坐标经纬度;
所述算法公式为:a×(1-t)b×tc×Pn
公式中,a为计算控制点数据的二项式展开系数;b为幂,其取值从N-1递减到0;c为幂,其取值从0递增到N-1;Pn为传入的点坐标经纬度;N值由时间间隔确定;
所述对所述轨迹点数据进行过滤,包括:根据特征指标,过滤所述轨迹点数据包括经纬度异常点、速度异常点、方向异常点,其中,经纬度异常点、速度异常点、方向异常点,是与其余轨迹点的经纬度、速度、方向明显不同的轨迹点;过滤所述轨迹点数据的考虑因素包括平均速度、直线距离、时间间隔、轨迹点个数,其中,固定时间间隔下,当相邻两个轨迹点间直线距离明显过大的,至少一个为异常轨迹点。
7.一种电子设备,其特征在于,包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013943.2A CN114510533B (zh) | 2022-01-06 | 2022-01-06 | 一种事故还原方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013943.2A CN114510533B (zh) | 2022-01-06 | 2022-01-06 | 一种事故还原方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114510533A CN114510533A (zh) | 2022-05-17 |
CN114510533B true CN114510533B (zh) | 2023-03-17 |
Family
ID=81550502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210013943.2A Active CN114510533B (zh) | 2022-01-06 | 2022-01-06 | 一种事故还原方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114510533B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649651A (zh) * | 2016-12-12 | 2017-05-10 | 大连理工大学 | 一种基于出租车轨迹数据的交通出行共现现象的可视化分析方法 |
CN109033424A (zh) * | 2018-08-10 | 2018-12-18 | 北京航天控制仪器研究所 | 一种基于公交车运营轨迹精确提取公交车行驶路径的方法 |
CN112382121A (zh) * | 2020-10-30 | 2021-02-19 | 河南工业大学 | 一种基于滑动平均算法的车辆轨迹优化方法 |
CN113868279A (zh) * | 2021-09-30 | 2021-12-31 | 京东城市(北京)数字科技有限公司 | 轨迹数据处理方法、装置和系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007057310A (ja) * | 2005-08-23 | 2007-03-08 | Xanavi Informatics Corp | 走行状況再現システムおよび方法 |
EP3791134A4 (en) * | 2018-05-11 | 2021-12-22 | Sesto Robotics Pte. Ltd. | SYSTEM AND METHOD FOR MANAGING A PLURALITY OF VEHICLES |
CN110009903B (zh) * | 2019-03-05 | 2022-02-18 | 同济大学 | 一种交通事故现场还原方法 |
CN110083599B (zh) * | 2019-03-28 | 2023-06-23 | 华东师范大学 | 一种基于时空插值的车辆轨迹数据索引方法 |
CN111199075B (zh) * | 2019-12-30 | 2023-04-11 | 四川函钛科技有限公司 | 一种基于时序qar参数的飞行轨迹自适应平滑的方法 |
CN113536612B (zh) * | 2021-09-17 | 2021-12-31 | 北京理工大学 | 一种基于仿真平台的可交互数据集重现方法与系统 |
-
2022
- 2022-01-06 CN CN202210013943.2A patent/CN114510533B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649651A (zh) * | 2016-12-12 | 2017-05-10 | 大连理工大学 | 一种基于出租车轨迹数据的交通出行共现现象的可视化分析方法 |
CN109033424A (zh) * | 2018-08-10 | 2018-12-18 | 北京航天控制仪器研究所 | 一种基于公交车运营轨迹精确提取公交车行驶路径的方法 |
CN112382121A (zh) * | 2020-10-30 | 2021-02-19 | 河南工业大学 | 一种基于滑动平均算法的车辆轨迹优化方法 |
CN113868279A (zh) * | 2021-09-30 | 2021-12-31 | 京东城市(北京)数字科技有限公司 | 轨迹数据处理方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114510533A (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11333502B2 (en) | Map-matching for low-sampling-rate GPS trajectories | |
US9733094B2 (en) | Hybrid road network and grid based spatial-temporal indexing under missing road links | |
CN111966729A (zh) | 一种车辆轨迹数据处理方法、装置、设备及存储介质 | |
US11763163B2 (en) | Filtering user responses for generating training data for machine learning based models for navigation of autonomous vehicles | |
WO2010105935A1 (en) | Detecting change areas in a digital map from macro probe data attributes | |
JP7276435B2 (ja) | 交通流推定装置、交通流推定方法、交通流推定プログラムおよび交通流推定プログラムを記憶した記憶媒体 | |
CN106855878B (zh) | 基于电子地图的历史行车轨迹显示方法和装置 | |
CN104821956A (zh) | 基于电子设备或应用的定位方法和装置 | |
CN111475565B (zh) | 一种目标历史地理信息数据可视化回放系统及方法 | |
CN103256933A (zh) | 目的地估测及显示方法及其装置 | |
JP7265202B2 (ja) | 広告閲覧情報出力方法及び広告閲覧情報出力プログラム、並びに情報処理装置 | |
CN114510533B (zh) | 一种事故还原方法、装置、电子设备和存储介质 | |
US20150277556A1 (en) | Information processing technique for eye gaze movements | |
CN112508310B (zh) | 行驶轨迹模拟方法、装置及存储介质 | |
CN113610136A (zh) | 传感器数据同步方法、装置、计算机设备和存储介质 | |
CN112732682B (zh) | 时空轨迹数据的处理方法、装置及计算机存储介质 | |
CN111882102A (zh) | 轨迹中的中断区间信息的补偿方法、设备及存储介质 | |
Mahajan et al. | Treating noise and anomalies in vehicle trajectories from an experiment with a swarm of drones | |
CN108287354B (zh) | 一种数据自动纠错方法和装置及导航设备 | |
CN111986347B (zh) | 设备管理方法、装置、电子设备及存储介质 | |
US20210224466A1 (en) | Methods and systems for geographic map generation and rendering and unique miles and routes navigation | |
CN103021166A (zh) | 交通气象信息处理的方法和装置 | |
CN107241624B (zh) | 信息处理的方法及装置 | |
CN104931068A (zh) | 一种路程测量方法及装置 | |
CN116828397B (zh) | 一种轨迹信息的获取方法、装置、电子设备和存储介质 |
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 |