CN114563003A - 路径规划方法及装置、电子设备、存储介质 - Google Patents
路径规划方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114563003A CN114563003A CN202210316601.8A CN202210316601A CN114563003A CN 114563003 A CN114563003 A CN 114563003A CN 202210316601 A CN202210316601 A CN 202210316601A CN 114563003 A CN114563003 A CN 114563003A
- Authority
- CN
- China
- Prior art keywords
- driving
- routes
- route
- path
- driving routes
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000000875 corresponding effect Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000002596 correlated effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 239000000383 hazardous chemical Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 101100328518 Caenorhabditis elegans cnt-1 gene Proteins 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书一个或多个实施例提供一种路径规划方法及装置、电子设备、存储介质；该方法可以包括：从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的多个行驶路线；计算选取出的多个行驶路线之间的轨迹相似度以得到至少一个相似路线集合，同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件，且同一相似路线集合内的行驶路线均对应同一类型的交通工具；当存在针对目标交通工具的待规划路径时，确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合，并从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
Description
技术领域
本说明书一个或多个实施例涉及导航技术领域，尤其涉及一种路径规划方法及装置、电子设备、存储介质。
背景技术
在货物配送领域，区别于普通运输车辆的行驶路径规划，存在一些特殊的交通工具，允许其行驶的路线并非固定不变，随各种因素动态变化，或者允许行驶的路线难以确定，成本较高。
比如，危化品车辆由于存在安全风险，危化品运输需要在相关部门许可的道路进行。由于各地的政策不一样，危化品线路大多是非结构化信息，并且没有权威部门制定的危化品运输电子线路。那么，危化品企业在向陌生目的地运输货物时，难以进行线路规划。
又如，在海事方面，航线制作可参考航海图进行设计，航线设计需要考虑航线水深、船舶吃水深度、季节变化等因素，导致航线制作成本较高，更新周期较长。在相关技术中，船舶航行通常使用经验航线，而经验航线并无全球的数字化线路。
发明内容
有鉴于此，本说明书一个或多个实施例提供一种路径规划方法及装置、电子设备、存储介质。
为实现上述目的，本说明书一个或多个实施例提供技术方案如下：
根据本说明书一个或多个实施例的第一方面，提出了一种路径规划方法，包括：
从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的多个行驶路线；
计算选取出的多个行驶路线之间的轨迹相似度以得到至少一个相似路线集合，同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件，且同一相似路线集合内的行驶路线均对应同一类型的交通工具；
当存在针对目标交通工具的待规划路径时，确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合，并从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
根据本说明书一个或多个实施例的第二方面，提出了一种路径规划方法，包括：
获取至少一个相似路线集合，同一相似路线集合内的行驶路线均对应同一类型的交通工具，所述至少一个相似路线集合由计算多个行驶路线之间的轨迹相似度并使得同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件得到，所述多个行驶路线通过从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的行驶路线得到；
获取针对目标交通工具的待规划路径的出发地和目的地，并确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合；
从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
根据本说明书一个或多个实施例的第三方面，提出了一种路径规划装置，包括：
选取单元，从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的多个行驶路线；
计算单元，计算选取出的多个行驶路线之间的轨迹相似度以得到至少一个相似路线集合，同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件，且同一相似路线集合内的行驶路线均对应同一类型的交通工具；
规划单元，当存在针对目标交通工具的待规划路径时，确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合，并从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
根据本说明书一个或多个实施例的第四方面，提出了一种路径规划装置，包括：
获取单元，获取至少一个相似路线集合，同一相似路线集合内的行驶路线均对应同一类型的交通工具，所述至少一个相似路线集合由计算多个行驶路线之间的轨迹相似度并使得同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件得到，所述多个行驶路线通过从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的行驶路线得到；
确定单元，获取针对目标交通工具的待规划路径的出发地和目的地，并确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合；
选取单元，从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
根据本说明书一个或多个实施例的第五方面，提出了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如上述任一实施例中所述的方法。
根据本说明书一个或多个实施例的第六方面，提出了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述实施例中任一所述方法的步骤。
在本说明书的路径规划方案中，针对目标交通工具的出发地和目的地之间的路线难以确定的情况，可将其他交通工具在两地之间的历史行驶路线作为参考，从中选取较多交通工具行驶过的路线作为候选路径推荐给用户。因此，可从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的多个行驶路线，进而计算选取出的多个行驶路线之间的轨迹相似度以确定轨迹相似的行驶路线(轨迹相似的行驶路线作为相同的路线)。除考虑选取较多交通工具行驶的路线这一维度以外，由于针对不同类型的交通工具在选取行驶路线时存在较大的差异，还可进一步考虑交通类型这一维度。因此，在划分相似路线集合时，除轨迹相似以外，还需要设定交通工具的类型相同。
基于上述对相似路线集合的划分，在存在针对目标交通工具的待规划路径时，可确定符合待规划路径的出发地和目的地，且与目标交通工具的类型相匹配的目标相似路线集合，从而可以从目标相似路线集合中选取作为待规划路径的候选路径。通过上述基于历史行程和匹配相同类型交通工具的路径规划方式，可在保证规划出的路径实际可行且准确的情况下，降低路径规划的成本。
附图说明
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例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说明书中记载的一些实施例，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是一示例性实施例提供的一种路径规划系统的架构示意图。
图2是一示例性实施例提供的一种路径规划方法的流程图。
图3是一示例性实施例提供的一种定位数据去噪的示意图。
图4是一示例性实施例提供的一种压缩轨迹数据的示意图。
图5是一示例性实施例提供的一种压缩轨迹数据的流程图。
图6是一示例性实施例提供的一种计算轨迹相似度的示意图。
图7是一示例性实施例提供的另一种路径规划方法的流程图。
图8是一示例性实施例提供的一种设备的结构示意图。
图9是一示例性实施例提供的一种路径规划装置的框图。
图10是一示例性实施例提供的另一种路径规划装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
在货物配送领域，区别于普通运输车辆的行驶路径规划，存在一些特殊的交通工具，允许其行驶的路线并非固定不变，随各种因素动态变化，或者允许行驶的路线难以确定，成本较高。
比如，危化品车辆由于存在安全风险，危化品运输需要在相关部门许可的道路进行。由于各地的政策不一样，危化品线路大多是非结构化信息，并且没有权威部门制定的危化品运输电子线路。那么，危化品企业在向陌生目的地运输货物时，难以进行线路规划。
又如，在海事方面，航线制作可参考航海图进行设计，航线设计需要考虑航线水深、船舶吃水深度、季节变化等因素，导致航线制作成本较高，更新周期较长。在相关技术中，船舶航行通常使用经验航线，而经验航线并无全球的数字化线路。
针对相关技术中难以对一些特殊交通工具进行行驶路线规划的问题，本说明书旨在提供一种路径规划方案，将各个交通工具的历史行驶路线作为参考，计算历史行驶路线的相似度，并结合交通工具的类型，从中选取较多交通工具行驶过的路线作为候选路径推荐给用户。
请参见图1，图1是一示例性实施例提供的一种路径规划系统的架构示意图。如图1所示，该系统可以包括服务器11、若干电子设备，比如手机12、手机13、电脑14和电脑15等，以及网络16。
服务器11可以为包含一独立主机的物理服务器，或者服务器11可以为主机集群承载的虚拟服务器。在运行过程中，服务器11可以运行某一应用的服务器侧的程序，以实现该应用的相关功能。比如，当服务器11运行路径规划平台的程序时，可以实现为该路径规划平台的服务端。而在本说明书一个或多个实施例的技术方案中，可由服务器11通过与手机12、手机13、电脑14和电脑15等电子设备上运行的客户端进行配合，以实现本说明书的路径规划方案。
手机12、手机13、电脑14和电脑15等只是用户可以使用的一种类型的电子设备。实际上，用户显然还可以使用诸如下述类型的电子设备：平板设备、笔记本电脑、掌上电脑(PDAs，Personal Digital Assistants)、可穿戴设备(如智能眼镜、智能手表等)等，本说明书一个或多个实施例并不对此进行限制。在运行过程中，该电子设备可以运行某一应用的客户端侧的程序，以实现该应用的相关功能，比如当该电子设备运行路径规划平台的程序时，可以实现为该路径规划平台的客户端。
需要指出的是：路径规划平台的客户端的应用程序可以被预先安装在电子设备上，使得该客户端可以在该电子设备上被启动并运行；当然，当采用诸如HTML5技术的在线“客户端”时，无需在电子设备上安装相应的应用程序，即可获得并运行该客户端。
而对于电子设备12-15与服务器11之间进行交互的网络16，可以包括多种类型的有线或无线网络。在一实施例中，网络16可以包括公共交换电话网络(Public SwitchedTelephone Network，PSTN)和因特网。服务器11与手机12-13之间可以通过网络16建立长连接，使得服务器11通过该长连接向手机12-13发送推送消息等。
请参见图2，图2是一示例性实施例提供的一种路径规划方法的流程图。如图2所示，该方法应用于服务端，可以包括以下步骤：
步骤202，从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的多个行驶路线。
本说明书的路径规划方案旨在分析移动用户位置的相似性，提取移动用户的相似路径以进行行驶路线的预测。该移动用户包括各个类型的多个交通工具，比如危化品车辆、航空工具(比如航运的交通工具)等。
作为一示例性实施例，交通工具在行驶过程中，可实时上传定位数据，从而可根据定位数据来得到该交通工具的行程对应的行驶轨迹数据。具体而言，可获取至少一个交通工具在历史行程中上传的定位数据，并根据定位数据生成历史行程对应的轨迹数据，从而对轨迹数据进行分段得到历史行程的多个行驶路线。
举例而言，对车船等交通工具的路径的线路计算，首先可对其行程轨迹进行定义。车辆或轮船在一次完整的行程轨迹中会途径多个定位点，包括时间和空间定位的数据。为此，可定义行程的内容包括轨迹点序列、轨迹开始点、轨迹结束点、轨迹长度、轨迹点数。如表1所示：
表1
轨迹点序列是一个完整行程路径的轨迹点序列，根据行程轨迹时间进行排序。其中，轨迹点包括时间、经度、纬度、海拔等信息，可由车、船等交通工具定时接收的卫星定位数据得到。轨迹开始和结束点是行程轨迹开始和结束的轨迹点，轨迹长度是车或船完整行程的总行驶里程，轨迹点数是轨迹点序列中的轨迹点数量。如表2所示：
| 字段名 | 类型 | 描述 |
| gmtCreate | String | 轨迹时间 |
| Lng | double | 经度 |
| Lat | double | 纬度 |
| altitude | double | 海拔 |
表2
由于交通工具在整个行程中可能存在一次或多次的启停，比如休息、维修等等，可将整个行程的轨迹数据划分得到多个行驶路线。比如，如前所述，在定位数据包括交通工具的位置信息和位置信息对应的定位时间信息的情况下，可根据位置信息生成轨迹数据；然后，根据定位时间信息和驻留时长阈值确定交通工具的行驶出发时间信息和行驶结束时间信息，并根据行驶出发时间信息和行驶结束时间信息对轨迹数据进行分段得到多个行驶路线。
举例而言，可设置驻留时长阈值来作为判定交通工具是否停止的依据。比如，针对车辆设置驻留时长阈值为18分钟，当车辆驻留的时间超过18分钟时，判定车辆行驶结束。或者，可设置行驶速度阈值或者行驶范围阈值来判断车辆是否行程开始和行程结束。比如，当车辆5分钟内的运行半径超过600米时，判定该车辆行程开始。或者，还可由车辆主动上报行程开始和行程结束的时间。当然，针对不同类型的交通工具可设定不同数值的驻留时长阈值和行驶范围阈值，并且其具体数值可根据实际情况灵活设定，本说明书并不对此进行限制。
在本实施例中，定位数据往往存在噪声，在定位数据包括交通工具的位置信息和位置信息对应的定位时间信息时，可通过以下方式来维护定位数据以提高后续路径规划的精度：在任一位置信息对应的定位时间信息与参考时间不相匹配的情况下，删除该位置信息和对应的定位时间信息；在任一位置信息不符合预设的位置范围的情况下，删除该位置信息和对应的定位时间信息；在任一位置信息处交通工具的线速度不符合预设的线速度范围的情况下，删除该位置信息和对应的定位时间信息。
举例而言，通常定位数据存在噪声，会影响线路相似距离的准确性。因此，定位数据去噪采用规则方式，基础的数据范围规则包括基于定位时间与系统时间(作为参考时间)的差值来进行去噪，经纬度范围是否合理、是否在预设的范围内进行去噪等等。
除此之外，请参见图3，图3是一示例性实施例提供的一种定位数据去噪的示意图。如图3所示，还可设定线速度范围作为判断是否为噪点的依据，然后计算定位数据的线速度来进行去噪。比如，线速度通过时间相邻的两点之间的距离和时间差计算，而对于车辆的漂移规则可定义为：2个连续的轨迹点之间的速度大于160km/h记为一次漂移。连续漂移定义为：多个连续的两点间距离大于2km。例如，图3中轨迹点A-H和J-L为连续漂移。当然，确定是否连续漂移的距离阈值，可根据实际情况灵活设定，比如除2km以外，还可以设定为10km，本说明书并不对此进行限制。
步骤204，计算选取出的多个行驶路线之间的轨迹相似度以得到至少一个相似路线集合，同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件，且同一相似路线集合内的行驶路线均对应同一类型的交通工具。
在计算相似度之前，可对行驶路线进行压缩以降低数据量，从而降低相似度计算的计算量以提高计算效率。比如，当行驶路线为曲线时，可将曲线近似表示为一系列点，从而减少点的数量。作为一示例性实施例，在任一行驶路线属于曲线的情况下，对该行驶路线进行压缩得到用于表征该行驶路线的几何形状的行驶特征路线，以计算各个行驶特征路线之间的相似度作为轨迹相似度。而针对压缩行驶路线的方式，可结合路线上所有点到首尾之间连线的距离。
举例而言，图4是一示例性实施例提供的一种压缩轨迹数据的示意图。如图4所示，行驶路线L的起点为A，终点为B，两点之间的连线为K。比如，行驶路线L上的轨迹点C距离连线K的距离为d1，行驶路线L上的轨迹点D距离连线K的距离为d2，行驶路线L上的轨迹点D距离连线K的距离为d3。
针对压缩行驶路线的具体方式，可将任一行驶路线的起点和终点连接形成一条线段，计算该任一行驶路线上所有点到该线段的距离以确定最大距离值。其中，若最大距离值在限差范围内，则将该任一行驶路线的起点和终点之间的点删除；否则，通过该任一行驶路线上对应于最大距离值的点将该任一行驶路线划分为两条行驶路线以继续分别计算最大距离值，直到删除所有行驶路线的起点和终点之间的点为止。
为了便于理解，下面结合图5进行举例说明。
在对行程分段后，可以获取行驶路线的定位数据。由于车辆或船一次完整的行程可能里程较远，行驶轨迹的包含的轨迹点较多，如果直接对行驶路线进行相似度计算，将导致计算量较大，效率低。为了提高计算效率，可先进行行程轨迹数据压缩，生成轨迹压缩数据，然后再进行相似度计算。行程轨迹数据定义如表3所示：
| 字段名 | 类型 | 描述 |
| Vhc_id | String | 交通工具ID |
| O_area_code | String | 出发区域编码 |
| D_area_code | String | 到达区域编码 |
| trajectoryPointList | List<TrajectoryPoint> | 压缩后轨迹点序列 |
表3
压缩的思路为：对每一条曲线的首末点虚连一条直线,求虚线上所有点与该直线的距离,并找出最大距离值dmax,用dmax与限差D相比:若dmax<D,则这条曲线上的中间点全部舍去；若dmax≥D,则保留dmax对应的轨迹点,并以该点为界,将曲线分为两部分曲线,并对这两部分曲线重复使用上述方法进行压缩。
请参见图5，图5是一示例性实施例提供的一种压缩轨迹数据的流程图。如图5所示，压缩轨迹数据的过程可以包括以下步骤：
步骤502，根据获取到的车辆定位点序列生成车辆轨迹originPoints。
步骤504，获取车辆轨迹originPoints的首尾定位点。
步骤506，输入轨迹压缩函数的参数。
在本实施例中，可获取车辆定位点序列根据上述行程轨迹进行定义，以得到车辆轨迹数据originPoints。需要注意的是，轨迹压缩不能改变车辆的总行程(即不能改变轨迹长度)，因为需要保留轨迹首末定位点。
本实施例采用递归方式查询距离两点连线的最大距离点。定义轨迹首末两点：开始位置点start，结束位置点end。轨迹点偏差阈值为dMax，到达start和end构成的线段K的最大距离点是maxPt，最大距离为maxDist，压缩后轨迹为resultPoints。
递归查询到达两点直线前，初始化设置start是轨迹的出发点start＝0，end为轨迹到达点end＝定位点数量cnt-1。轨迹上到线段K之间的距离小于maxDist的点可以丢失，以实现轨迹压缩的目的。比如，由于道路宽度可达30米，在计算线路的场景，可以接受车辆在道路上，不关注于在哪个车道上，因此可以设置dMax＝30米。
步骤508，若start<end，则转入步骤510；否则，转入步骤520。
步骤510，计算start和end之间轨迹点i到达start与end之间直线line的距离curDist[i]。
步骤512，计算curDist[i]数组中的数值最大值maxDist和点maxPt。
步骤514，若maxDist>＝dMax，则转入步骤516；否则，转入步骤520。
递归查询到达线段K的点结束条件是开始点序号小于结束点序号，即start<end。计算start到end之间的定位点curDist[i]到达start与end之间线段K的距离d，然后进行距离比较，计算到达line的最大距离点maxPt。最大距离点maxPt到达线段K的距离maxDist与dmax进行比较，如果小于阈值dmax，丢弃该定位点，否值保留到压缩后轨迹序列resultPoints中。然后，通过最大距离点maxPt将整个轨迹分为两段，A段的开始点stat＝start，结束点end＝maxPt。B段的开始点start＝maxPt，结束点end＝end。对分段后的两段轨迹重新计算查询到达线段距离最大定位点，直到递归结束。最后，对压缩后的轨迹序列resultPoints，根据定位点的时间进行排序得到压缩后的轨迹序列。
步骤516，保存为maxPt的轨迹点到resultPoints轨迹序列。
步骤518A，设置start＝start,end＝maxPt。
步骤518B，设置start＝maxPt,end＝end。
步骤520，得到resultPoints。
步骤522，根据定位点时间对resultPoints进行排序。
需要说明的是，为了计算行驶线路的相似度，同时还需要提高计算效率，应当设定相似度计算的前提为：选择出发地和到达地相同的线路进行相似计算。对此，对于行驶路线的首末点，可采用对地图进行网格编码以划分得到多个网格编码区域，从而采用网格对区域进行标示。当两点属于同一网格编码区域时，可认为两点相同。
在本实施例中，对于两行驶路线的相似度，可采用该两行驶路线所围成区域的面积来衡量。具体而言，针对任意两行驶路线，计算该任意两行驶路线所围成区域的面积，根据计算得到的面积确定该任意两行驶路线之间的相似度。其中，如果两个行驶线路轨迹完全重合，这两个行驶轨迹合围生成的区域是一个轨迹线，面积为0，相似度最高。如果两个行驶轨迹合围生成的区域面积较大，说明两个相似偏差较大。因此，可设定两行驶路线之间的相似度与该两行驶路线所围成区域的面积呈负相关。
进一步的，由于不同的行驶路线的长度不一样，为了提高体现轨迹相似度的准确性，还可进一步结合线路长度进行计算。因此，可设定两行驶路线之间的相似度与该两行驶路线所围成区域的周长呈正相关。比如，可定义两条轨迹相似距离公式：distance＝area/perimeter。其中，distance表示轨迹相似距离，area表示两行驶路线所围成区域的面积，perimeter表示两行驶路线所围成区域的周长。
对于相似度比较的两个行程轨迹线路进行合围生成多变边区域，由于两个轨迹的出发地和目的地相同，线路方向相同，可对两个轨迹进行合围，连接两个轨迹的两个开始点和两个结束点，并且保证合为后的环形方向一致。
举例而言，请参见图6，图6是一示例性实施例提供的一种计算轨迹相似度的示意图。如图6所示，定义两个轨迹分别是tr1和tr2，获取tr1和tr2的结束点，生成tr1结束点到tr2结束点的连线tr1End，tr1End线段作为tr1轨迹的延长线段，然后将tr1End追加到tr1轨迹末尾，生成新的轨迹线tr1New。
然后获取tr1和tr2的开始点，从tr1开始点到tr2开始点连线生成线段tr2Start，tr2Start线段作为tr2轨迹线段的开始延伸，然后将tr2Start追加到tr2线段的开始，生成新的轨迹线tr2New。
由于tr1和tr2的出发地和目的地相同，方向也一致，tr1New和tr2New的方向也一致。因此将tr2New反转后，tr2New逆序和tr1New方向相反，两个轨迹合并生成连接环ring。最后通过连接环ring生成多个多边形，即multiPolygon。
在生成多个多边形后，计算所有多边形的面积和为area，所有多边形的周长和为perimeter，然后计算两个轨迹的相似距离distance。比如，可设定相似条件为distacnce<＝6。
步骤206，当存在针对目标交通工具的待规划路径时，确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合，并从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
基于上述对相似路线集合的划分，在存在针对目标交通工具的待规划路径时，可确定符合待规划路径的出发地和目的地，且与目标交通工具的类型相匹配的目标相似路线集合，从而可以从目标相似路线集合中选取作为待规划路径的候选路径。通过上述基于历史行程和匹配相同类型交通工具的路径规划方式，可在保证规划出的路径实际可行且准确的情况下，降低路径规划的成本。比如，当目标交通工具为危化品车辆时，可出发地与该危化品车辆的出发地相同、目的地与该危化品车辆的目的地相同，且对应于危化品车辆的相似路线集合中选取候选路径向用户进行推荐。
在本实施例中，当存在多个符合待规划路径的出发地和目的地，且与目标交通工具的类型相匹配的相似路线集合时，可进一步结合采纳同一行驶路线(轨迹相似度满足相似条件)的交通工具的数量进行推荐。比如，由于行驶同一行驶路线的交通工具越多，大概率表明该行驶路线的可行性越高。因此，针对该情况，可根据各相似路线集合所包含行驶路线的数量来选取目标相似路线集合；其中，各相似路线集合被选取为目标相似路线集合的概率与所包含行驶路线的数量呈正相关。
例如，为了分析历史线路计算不同交通工具类型(如危化品车辆)的行驶路线，或者不同类型船舶的航线，可筛选历史一个月的车辆或者船行程轨迹相似数据进行计算，确定出发地和目的地之间的线路相似距离小于等于6的车辆数。线路的车辆数指标用于衡量相同类型车辆可通行或推荐线路的置信度。
请参见图7，图7是一示例性实施例提供的另一种路径规划方法的流程图。如图7所示，该方法应用于服务端，可以包括以下步骤：
步骤702，获取至少一个相似路线集合，同一相似路线集合内的行驶路线均对应同一类型的交通工具，所述至少一个相似路线集合由计算多个行驶路线之间的轨迹相似度并使得同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件得到，所述多个行驶路线通过从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的行驶路线得到。
步骤704，获取针对目标交通工具的待规划路径的出发地和目的地，并确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合。
步骤706，从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
如前所述，服务端可获取至少一个交通工具在历史行程中上传的定位数据，并根据所述定位数据生成所述历史行程对应的轨迹数据，然后对所述轨迹数据进行分段得到所述历史行程的多个行驶路线。
如前所述，所述定位数据包括交通工具的位置信息和所述位置信息对应的定位时间信息。在该情况下，可根据所述位置信息生成所述轨迹数据，然后：根据所述定位时间信息和驻留时长阈值确定交通工具的行驶出发时间信息和行驶结束时间信息，并根据所述行驶出发时间信息和所述行驶结束时间信息对所述轨迹数据进行分段得到多个行驶路线。
如前所述，定位数据包括交通工具的位置信息和所述位置信息对应的定位时间信息。在该情况下，可通过以下方式中至少之一维护所述定位数据：
在任一位置信息对应的定位时间信息与参考时间不相匹配的情况下，删除该位置信息和对应的定位时间信息；
在任一位置信息不符合预设的位置范围的情况下，删除该位置信息和对应的定位时间信息；
在任一位置信息处交通工具的线速度不符合预设的线速度范围的情况下，删除该位置信息和对应的定位时间信息。
如前所述，服务端还可在任一行驶路线属于曲线的情况下，对所述任一行驶路线进行压缩得到用于表征所述任一行驶路线的几何形状的行驶特征路线，以计算各个行驶特征路线之间的相似度作为所述轨迹相似度。
如前所述，服务端可将所述任一行驶路线的起点和终点连接形成一条线段，计算所述任一行驶路线上所有点到所述线段的距离以确定最大距离值，其中，若所述最大距离值在限差范围内，则将所述任一行驶路线的起点和终点之间的点删除；否则，通过所述任一行驶路线上对应于所述最大距离值的点将所述任一行驶路线划分为两条行驶路线以继续分别计算最大距离值，直到删除所有行驶路线的起点和终点之间的点为止。
如前所述，服务端可针对任意两行驶路线，计算所述任意两行驶路线所围成区域的面积，然后根据计算得到的面积确定所述任意两行驶路线之间的相似度；其中，两行驶路线之间的相似度与该两行驶路线所围成区域的面积呈负相关。
如前所述，两行驶路线之间的相似度与该两行驶路线所围成区域的周长呈正相关。
如前所述，当存在多个符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的相似路线集合时，可根据各相似路线集合所包含行驶路线的数量来选取目标相似路线集合；其中，各相似路线集合被选取为所述目标相似路线集合的概率与所包含行驶路线的数量呈正相关。
如前所述，交通工具的类型包括危化品车辆和/或航空工具。
需要说明的是，图7所示实施例的具体实施过程，可参考图2所示实施例的相关部分，在此不再赘述。
与上述方法实施例相对应，本说明书还提供了相应的装置实施例，其具体实施过程可参考上述方法实施例，在此不再赘述。
图8是一示例性实施例提供的一种设备的示意结构图。请参考图8，在硬件层面，该设备包括处理器802、内部总线804、网络接口806、内存808以及非易失性存储器810，当然还可能包括其他所需要的硬件。本说明书一个或多个实施例可以基于软件方式来实现，比如由处理器802从非易失性存储器810中读取对应的计算机程序到内存808中然后运行。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
请参考图9，一种路径规划装置可以应用于如图8所示的设备中，以实现本说明书的技术方案。该装置可以包括：
选取单元91，从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的多个行驶路线；
计算单元92，计算选取出的多个行驶路线之间的轨迹相似度以得到至少一个相似路线集合，同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件，且同一相似路线集合内的行驶路线均对应同一类型的交通工具；
规划单元93，当存在针对目标交通工具的待规划路径时，确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合，并从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
请参考图10，另一种路径规划装置可以应用于如图8所示的设备中，以实现本说明书的技术方案。该装置可以包括：
获取单元1001，获取至少一个相似路线集合，同一相似路线集合内的行驶路线均对应同一类型的交通工具，所述至少一个相似路线集合由计算多个行驶路线之间的轨迹相似度并使得同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件得到，所述多个行驶路线通过从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的行驶路线得到。
确定单元1002，获取针对目标交通工具的待规划路径的出发地和目的地，并确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合。
选取单元1003，从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
在一个典型的配置中，计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。
Claims (10)
1.一种路径规划方法，其特征在于，包括：
从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的多个行驶路线；
计算选取出的多个行驶路线之间的轨迹相似度以得到至少一个相似路线集合，同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件，且同一相似路线集合内的行驶路线均对应同一类型的交通工具；
当存在针对目标交通工具的待规划路径时，确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合，并从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
2.根据权利要求1所述的方法，其特征在于，还包括：
获取至少一个交通工具在历史行程中上传的定位数据，并根据所述定位数据生成所述历史行程对应的轨迹数据；
对所述轨迹数据进行分段得到所述历史行程的多个行驶路线。
3.根据权利要求2所述的方法，其特征在于，所述定位数据包括交通工具的位置信息和所述位置信息对应的定位时间信息；
根据所述定位数据生成所述历史行程对应的轨迹数据，包括：根据所述位置信息生成所述轨迹数据；
所述对所述轨迹数据进行分段得到所述历史行程的多个行驶路线，包括：根据所述定位时间信息和驻留时长阈值确定交通工具的行驶出发时间信息和行驶结束时间信息，并根据所述行驶出发时间信息和所述行驶结束时间信息对所述轨迹数据进行分段得到多个行驶路线。
4.根据权利要求1所述的方法，其特征在于，还包括：
在任一行驶路线属于曲线的情况下，对所述任一行驶路线进行压缩得到用于表征所述任一行驶路线的几何形状的行驶特征路线，以计算各个行驶特征路线之间的相似度作为所述轨迹相似度。
5.根据权利要求4所述的方法，其特征在于，所述对所述任一行驶路线进行压缩得到用于表征所述任一行驶路线的几何形状的行驶特征路线，包括：
将所述任一行驶路线的起点和终点连接形成一条线段，计算所述任一行驶路线上所有点到所述线段的距离以确定最大距离值；
若所述最大距离值在限差范围内，则将所述任一行驶路线的起点和终点之间的点删除；
否则，通过所述任一行驶路线上对应于所述最大距离值的点将所述任一行驶路线划分为两条行驶路线以继续分别计算最大距离值，直到删除所有行驶路线的起点和终点之间的点为止。
6.根据权利要求1所述的方法，其特征在于，所述计算选取出的多个行驶路线之间的轨迹相似度，包括：
针对任意两行驶路线，计算所述任意两行驶路线所围成区域的面积；
根据计算得到的面积确定所述任意两行驶路线之间的相似度；其中，两行驶路线之间的相似度与该两行驶路线所围成区域的面积呈负相关。
7.根据权利要求6所述的方法，其特征在于，两行驶路线之间的相似度与该两行驶路线所围成区域的周长呈正相关。
8.一种路径规划装置，其特征在于，包括：
选取单元，从至少一个交通工具在历史行程的行驶路线中选取出出发地和目的地均相匹配的多个行驶路线；
计算单元，计算选取出的多个行驶路线之间的轨迹相似度以得到至少一个相似路线集合，同一相似路线集合内的行驶路线之间的轨迹相似度符合相似条件，且同一相似路线集合内的行驶路线均对应同一类型的交通工具；
规划单元，当存在针对目标交通工具的待规划路径时，确定符合所述待规划路径的出发地和目的地，且与所述目标交通工具的类型相匹配的目标相似路线集合，并从所述目标相似路线集合中选取作为所述待规划路径的候选路径。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，该指令被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210316601.8A CN114563003A (zh) | 2022-03-28 | 2022-03-28 | 路径规划方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210316601.8A CN114563003A (zh) | 2022-03-28 | 2022-03-28 | 路径规划方法及装置、电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114563003A true CN114563003A (zh) | 2022-05-31 |
Family
ID=81720199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210316601.8A Pending CN114563003A (zh) | 2022-03-28 | 2022-03-28 | 路径规划方法及装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114563003A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115146824A (zh) * | 2022-06-01 | 2022-10-04 | 禾多科技（北京）有限公司 | 车辆换电方法、装置、电子设备和计算机可读介质 |
| CN115628750A (zh) * | 2022-10-10 | 2023-01-20 | 中国第一汽车股份有限公司 | 一种车辆行驶路线比较方法、系统、电子设备和存储介质 |
| CN115655301A (zh) * | 2022-11-11 | 2023-01-31 | 北京中交兴路车联网科技有限公司 | 车辆导航路线的选取方法、装置、电子设备及介质 |
| CN116045975A (zh) * | 2022-12-21 | 2023-05-02 | 共青科技职业学院 | 一种全航陆程物流跟踪方法与系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105865467A (zh) * | 2016-03-31 | 2016-08-17 | 百度在线网络技术（北京）有限公司 | 基于地图的导航方法和装置 |
| CN107003139A (zh) * | 2014-12-24 | 2017-08-01 | 爱信艾达株式会社 | 路径搜索系统、方法以及程序 |
| CN108225356A (zh) * | 2017-12-04 | 2018-06-29 | 北京中交兴路信息科技有限公司 | 一种基于货车历史轨迹的货运导航方法及装置 |
| CN111078810A (zh) * | 2019-11-29 | 2020-04-28 | 北京三快在线科技有限公司 | 经验路线生成方法和装置、存储介质和电子设备 |
| CN111859167A (zh) * | 2019-04-29 | 2020-10-30 | 北京四维图新科技股份有限公司 | 路径获取方法、装置、系统和存储介质 |
| JP2021103091A (ja) * | 2019-12-24 | 2021-07-15 | トヨタ自動車株式会社 | ルート検索システム |
| CN113131946A (zh) * | 2019-12-30 | 2021-07-16 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及存储介质 |
-
2022
- 2022-03-28 CN CN202210316601.8A patent/CN114563003A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107003139A (zh) * | 2014-12-24 | 2017-08-01 | 爱信艾达株式会社 | 路径搜索系统、方法以及程序 |
| CN105865467A (zh) * | 2016-03-31 | 2016-08-17 | 百度在线网络技术（北京）有限公司 | 基于地图的导航方法和装置 |
| CN108225356A (zh) * | 2017-12-04 | 2018-06-29 | 北京中交兴路信息科技有限公司 | 一种基于货车历史轨迹的货运导航方法及装置 |
| CN111859167A (zh) * | 2019-04-29 | 2020-10-30 | 北京四维图新科技股份有限公司 | 路径获取方法、装置、系统和存储介质 |
| CN111078810A (zh) * | 2019-11-29 | 2020-04-28 | 北京三快在线科技有限公司 | 经验路线生成方法和装置、存储介质和电子设备 |
| JP2021103091A (ja) * | 2019-12-24 | 2021-07-15 | トヨタ自動車株式会社 | ルート検索システム |
| CN113131946A (zh) * | 2019-12-30 | 2021-07-16 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115146824A (zh) * | 2022-06-01 | 2022-10-04 | 禾多科技（北京）有限公司 | 车辆换电方法、装置、电子设备和计算机可读介质 |
| CN115146824B (zh) * | 2022-06-01 | 2023-05-26 | 禾多科技（北京）有限公司 | 车辆换电方法、装置、电子设备和计算机可读介质 |
| CN115628750A (zh) * | 2022-10-10 | 2023-01-20 | 中国第一汽车股份有限公司 | 一种车辆行驶路线比较方法、系统、电子设备和存储介质 |
| CN115655301A (zh) * | 2022-11-11 | 2023-01-31 | 北京中交兴路车联网科技有限公司 | 车辆导航路线的选取方法、装置、电子设备及介质 |
| CN116045975A (zh) * | 2022-12-21 | 2023-05-02 | 共青科技职业学院 | 一种全航陆程物流跟踪方法与系统 |
| CN116045975B (zh) * | 2022-12-21 | 2023-09-15 | 共青科技职业学院 | 一种全航陆程物流跟踪方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114563003A (zh) | 路径规划方法及装置、电子设备、存储介质 | |
| CN104462190B (zh) | 一种基于海量空间轨迹挖掘的在线的位置预测方法 | |
| US20180330225A1 (en) | System and method for determining vehicle load status | |
| US11162797B2 (en) | Map matching method and apparatus | |
| CN109726489B (zh) | 一种建立辅助驾驶数据库的方法及系统 | |
| US11741135B2 (en) | Improving offline map data availability | |
| CN111931077B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| Chen et al. | Research on Ship Meteorological Route Based on A‐Star Algorithm | |
| WO2021207999A1 (zh) | 车辆定位的方法和装置、定位图层生成的方法和装置 | |
| Shang et al. | Finding traffic-aware fastest paths in spatial networks | |
| Li et al. | Robust inferences of travel paths from GPS trajectories | |
| CN111159317A (zh) | 用于确定路径拓扑关系的系统和方法 | |
| CN110832478A (zh) | 用于按需服务的系统和方法 | |
| CN114707616A (zh) | 轨迹间伴随关系的识别方法、装置及设备 | |
| CN114742507A (zh) | 车辆货物配载方法、装置、计算机设备及存储介质 | |
| Cho et al. | A basis of spatial big data analysis with map-matching system | |
| CN112261093B (zh) | 人车数据匹配方法及装置 | |
| WO2021143487A1 (zh) | 确定poi坐标 | |
| Xie et al. | High-accuracy off-line map-matching of trajectory network division based on weight adaptation HMM | |
| Bashir et al. | An intelligent linear time trajectory data compression framework for smart planning of sustainable metropolitan cities | |
| CN118243113A (zh) | 车辆轨迹的路网匹配方法、装置、终端设备及存储介质 | |
| CN115587308A (zh) | 航道的确定方法、装置、电子设备及存储介质 | |
| CN110222138B (zh) | 基于航线的浮标搜索方法和系统 | |
| Li et al. | A Novel Map Matching Method Based on Improved Hidden Markov and Conditional Random Fields Model | |
| Chen et al. | An integrated map-match algorithm with position feedback and shape-based mismatch detection and correction |
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 |