CN114648057A - 交通路线的生成方法、装置、电子装置和存储介质 - Google Patents
交通路线的生成方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN114648057A CN114648057A CN202210161947.5A CN202210161947A CN114648057A CN 114648057 A CN114648057 A CN 114648057A CN 202210161947 A CN202210161947 A CN 202210161947A CN 114648057 A CN114648057 A CN 114648057A
- Authority
- CN
- China
- Prior art keywords
- route
- historical
- farthest
- traffic
- travel distance
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种交通路线的生成方法、装置、电子装置和存储介质,其中,该交通路线的生成方法包括:获取多个待测目标对应的历史人像图像;对该历史人像图像进行人像聚类处理得到历史聚档信息,根据该历史聚档信息获取该待测目标对应的最远出行距离,并基于该最远出行距离确定公共交通站点;至少根据该公共交通站点生成目标交通路线。通过本申请,解决了交通路线生成的准确性低的问题,实现了基于档案轨迹规划交通路线的方法。
Description
技术领域
本申请涉及交通技术领域,特别是涉及交通路线的生成方法、装置、电子装置和存储介质。
背景技术
随着我国城市化建设进程的不断提速,城市人口规模日益扩大,越来越多的人们需要进行工作或生活活动,导致城市公共交通面临着需求飞速增加与资源严重供应不足的严峻挑战。因此如何设计既能够满足大部分人群出行和活动需求,又能够通过运载较多的乘客使公交运营收支平衡的公交线路成为解决问题的关键。
一般而言,公交站点位置确定是进行城市公交线路规划的前提条件。在相关技术中,通常是利用小规模的居民出行意愿抽样调查数据或者时间消耗长、时效性不足的人口普查结果来分析居民的出行需求,以获得公交的客流量,进而设计公交站点和线路的。这类方法被实践证明是可行且有效的,但该方法主要考虑的是环境因素,如人口密度、交通条件等,缺乏考虑城市人群的出行模式,因此费时费力效率低下,且无法适应频繁变化的城市道路结构和交通需求,导致交通路线生成的准确性较低。
目前针对相关技术中交通路线生成的准确性低的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种交通路线的生成方法、装置、电子装置和存储介质,以至少解决相关技术中公共交通路线生成的准确性低的问题。
第一方面,本申请实施例提供了一种交通路线的生成方法,所述方法包括:
获取多个待测目标对应的历史人像图像;
对所述历史人像图像进行人像聚类处理得到历史聚档信息,根据所述历史聚档信息获取所述待测目标对应的最远出行距离,并基于所述最远出行距离确定公共交通站点;
至少根据所述公共交通站点生成目标交通路线。
在其中一些实施例中,所述对所述历史人像图像进行人像聚类处理得到历史聚档信息包括:
对所述历史人像图像进行人像聚类处理以得到所述历史人像图像的聚类结果,根据所述聚类结果进行针对非公共交通目标的目标识别得到目标识别结果;
根据所述目标识别结果对所述聚档结果进行筛选处理,以得到所述历史聚档信息。
在其中一些实施例中,所述根据所述历史聚档信息获取所述待测目标对应的最远出行距离包括:
根据所述历史聚档信息计算所述待测目标在预设时间周期内对应的出行轨迹,并基于所述出行轨迹,根据预设活动范围和预设活动时间确定所述待测目标的落脚点;
根据所述落脚点获取所述最远出行距离。
在其中一些实施例中,所述至少根据所述公共交通站点生成目标交通路线包括:
根据所述历史聚档信息确定出行轨迹,以确定所述出行轨迹中的最远中转距离;
根据所述最远出行距离和所述最远中转距离确定共享车辆投放站点,并根据所述共享车辆投放站点和所述公共交通站点生成目标交通路线。
在其中一些实施例中,所述根据所述最远出行距离和所述最远中转距离确定共享车辆投放站点包括:
在所述最远出行距离小于第一预设距离的情况下,获取在所述最远出行距离的第一预设范围内的聚集点,并根据所述聚集点确定第一共享车辆投放站点;其中,所述第一共享车辆投放站点对应的投放数量基于所述聚集点确定;
在所述最远中转距离小于第二预设距离的情况下,确定在所述最远中转距离的第二预设范围内的待统计区域;
获取所述待统计区域内的中转点和起始点,根据所述中转点和起始点确定第二共享车辆投放站点;其中,所述第二共享车辆投放站点对应的投放量根据所述中转点对应的待测目标的数量确定;
根据所述第一共享车辆投放站点和所述第二共享车辆投放站点确定所述共享车辆投放站点。
在其中一些实施例中,所述基于所述最远出行距离确定公共交通站点包括:
在所述最远出行距离在预设距离范围内的情况下,确定单条路线覆盖策略,并利用所述单条路线覆盖策略确定单条路线下的所述公共交通站点;
在所述最远出行距离超过所述预设距离范围的情况下,确定组合路线覆盖策略,并利用所述组合路线覆盖策略确定组合路线下的所述公共交通站点。
在其中一些实施例中,所述历史人像图像在各图像采集点下获取得到;所述在所述最远出行距离在预设距离范围内的情况下,所述方法还包括:
获取所述最远出行距离对应的聚集点,并根据所述聚集点和所述最远出行距离获取至少一条初始交通路线;
根据所述历史聚档信息获取在每个所述图像采集点下的轨迹密度信息,根据所述轨迹密度信息对所有所述图像采集点进行划分得到所述图像采集点的划分结果;
基于所述轨迹密度信息以及所述初始交通路线的重复信息,对所述初始交通路线进行去重处理得到所述单条路线,并根据所述划分结果确定所述单条路线下的所述公共交通站点。
在其中一些实施例中,所述在所述最远出行距离超过所述预设距离范围的情况下,所述方法还包括:
获取所述最远出行距离对应的聚集点,并根据所述聚集点和所述最远出行距离获取至少一条初始交通路线,以确定所述初始交通路线中的最大单条路线;
根据所述最大单条路线和所述最远出行距离生成所述组合路线,以确定所述组合路线下的所述公共交通站点。
在其中一些实施例中,所述至少根据所述公共交通站点生成目标交通路线之后,所述方法还包括:
在获取到历史交通路线的情况下,将所述历史交通路线与所述目标交通路线进行对比以得到路线变化结果,并将所述路线变化结果发送至显示终端进行显示;
在所述历史交通路线缺失的情况下,将所述目标交通路线发送至所述显示终端进行显示。
第二方面,本申请实施例提供了一种交通路线的生成装置,所述装置包括:获取模块、聚档模块和生成模块;
所述获取模块,用于获取多个待测目标对应的历史人像图像;
所述聚档模块,用于对所述历史人像图像进行人像聚类处理得到历史聚档信息,根据所述历史聚档信息获取所述待测目标对应的最远出行距离,并基于所述最远出行距离确定公共交通站点;
所述生成模块,用于至少根据所述公共交通站点生成目标交通路线。
第三方面,本申请实施例提供了一种电子装置,包括存储器、处理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计算机程序时实现如上述第一方面所述的交通路线的生成方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的交通路线的生成方法。
相比于相关技术,本申请实施例提供的交通路线的生成方法、装置、电子装置和存储介质,通过获取多个待测目标对应的历史人像图像;对该历史人像图像进行人像聚类处理得到历史聚档信息,根据该历史聚档信息获取该待测目标对应的最远出行距离,并基于该最远出行距离确定公共交通站点;至少根据该公共交通站点生成目标交通路线,解决了交通路线生成的准确性低的问题,实现了基于档案轨迹规划交通路线的方法。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种交通路线的生成方法的应用环境图;
图2是根据本申请实施例的一种交通路线的生成方法的流程图;
图3是根据本申请优选实施例的一种共享车辆投放方法的流程图;
图4是根据本申请实施例的一种交通路线的示意图;
图5是根据本申请优选实施例的一种交通路线的生成方法的流程图;
图6是根据本申请实施例的一种交通路线的生成装置的结构框图;
图7是根据本申请实施例的一种计算机设备内部的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
在本实施例中,提供了一种交通路线的生成方法,图1是根据本申请实施例的一种交通路线的生成方法的应用环境图,如图1所示,在该应用环境中,显示终端11通过网络与服务器12进行通信。该服务器12获取获取多个待测目标对应的历史人像图像,将历史人像图像进行人像聚类处理得到历史聚档信息,根据历史聚档信息获取最远出行距离,以基于最远出行距离确定公共交通站点;该服务器12至少根据公共交通站点生成目标交通路线;该显示终端11获取该该服务器12的目标交通路线进行显示,例如,该显示终端11可以在其部署的电子地图应用程序上进行显示目标交通路线。该显示终端11可以但不限于是各种智能手机、个人计算机、笔记本电脑和平板电脑,该服务器12可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本实施例提供了一种交通路线的生成方法,图2是根据本申请实施例的一种交通路线的生成方法的流程图,如图2所示,该流程包括如下步骤:
步骤S210,获取多个待测目标对应的历史人像图像。
其中,上述待测目标是指经过各图像采集点的出行人员。该图像采集点是指在广场、园区、甚至城市中分布部署的卡口点,即架设在路边、路口的硬件设备;各卡口点用于通过安装的图像采集设备抓拍各待测目标的历史人像图像。该历史人像图像可以包括人脸图片、人体图片和步态序列图片。需要说明的是,每张图像中可能包含人脸图片或人体图片,也可能同时包含人脸图片和人体图片,或者都不包含人脸图片和人体图片。
步骤S220,对该历史人像图像进行人像聚类处理得到历史聚档信息,根据该历史聚档信息获取该待测目标对应的最远出行距离,并基于该最远出行距离确定公共交通站点。
其中,对出行人员经过图像采集点的数据进行聚档,具体地,利用部署在图像采集点的图像采集设备对经过的出行人员,即上述待测目标进行人脸人体数据抓拍得到上述历史人像图像,利用抓拍后得到的历史人像图像进行人脸人体聚类,以将各待测目标进行聚类,将全市出行人员在图像采集点出现的所有图像聚集在一起。在聚档任务结束后会形成单个出行人员的历史聚档信息,并经过算法加工处理,在地图中进行人员轨迹路线绘制,可以得到单个出行人员全天的城市运动轨迹图,以便判断该人员的起始点、落脚点、中转点和终点,并且可以根据通过轨迹路线绘制得到的最远出行距离确定上述公共交通站点,例如可以将每个待测目标对应的最远出行距离的两端设置为公共交通站点,从而实现对整个城市的公共交通网络进行大幅度优化,实现了资源利用最大化。
步骤S230,至少根据该公共交通站点生成目标交通路线。
其中,可以调用地图应用程序接口(Application Programming Interface,简称为API),对通过上述步骤选址得到的公共交通站点进行路径规划,从而得到上述目标交通路线。
相关技术中的路线生成方法进行实地调研的时间过长,而本申请实施例通过上述步骤S210至步骤S230,通过对获取到的历史人像图像进行人像聚类得到历史聚档信息,根据历史聚档信息获取最远出行距离,以确定公共交通站点,并最终根据公共交通站点生成公共交通路线,从而基于人像聚类算法实现了人口流动轨迹的确定,避免了传统方法获取居民出行需求不准确导致的公共交通站点选址易出错的情况,解决了交通路线生成的准确性低的问题,实现了基于档案轨迹规划交通路线的方法。
在其中一些实施例中,上述对该历史人像图像进行人像聚类处理得到历史聚档信息还包括如下步骤:对该历史人像图像进行人像聚类处理以得到该历史人像图像的聚类结果,根据该聚类结果进行针对非公共交通目标的目标识别得到目标识别结果;根据该目标识别结果对该聚档结果进行筛选处理,以得到该历史聚档信息。
其中,可以由主控装置根据多个历史人像图像中的人像特征对历史人像图像进行像聚类,得到多个人像图像集合,以形成上述历史人像图像的聚类结果。例如,假设针对n张人像图像进行人像聚类,依次提取每个人像图像的人像特征,可以提取得到n个人像特征,每个人像特征对应一个一维或多维的特征向量,计算n个人像特征之间的欧氏距离作为第一距离,然后使用k-means聚类算法、条件随机场算法(conditional random fieldalgorithm,简称为CRF)或者均值漂移聚类算法等聚类方法根据欧氏距离进行聚类,从而把n张人像图像划分为多个人像图像集合,并最终将同一类人像存储于档案数据库中。然后根据聚类结果统计出行人员聚档后的数据,并对该聚类结果进行目标识别,过滤出电瓶车人员、自驾人员等非公共交通目标,以将识别到的非公共交通目标剔除,最终将保留的数据作为上述历史聚档信息。通过上述实施例,通过在人像聚类过程中筛选过滤电瓶车人员、自驾人员等非公共交通目标,避免了在后续交通路线流程中计入非公共交通目标的出行轨迹导致的交通路线生成错误,从而有效提高了交通路线生成的准确性和效率。
在其中一些实施例中,上述根据该历史聚档信息获取该待测目标对应的最远出行距离还包括如下步骤:根据该历史聚档信息计算该待测目标在预设时间周期内对应的出行轨迹,并基于该出行轨迹,根据预设活动范围和预设活动时间确定所述待测目标的落脚点;根据该落脚点获取该最远出行距离。
其中,上述预设时间周期可以预先进行设置,例如可以设置为每周或每两周等周期。以预设时间周期为每周为例,可以根据上述每个待测目标对应的历史聚档信息中的出行数据,绘制出每个出行人员在每周内的出行轨迹,且统计的出行轨迹还可以划分为周内和周末,以提高后续交通路线生成的准确性。根据统计得到的各出行人员的出行轨迹,可以计算得到出行人员对应的每天的落脚点;该落脚点可以包括该出行人员对应的起始点、中转点和终点等。需要补充说明的是,起始点是指基于历史聚档信息的出行轨迹得到的每个出行人员每天在地图中出现的首个位置;中转点是指基于出行轨迹得到的在预设活动范围内,活动时间超过半小时且小于预设活动时间的位置;终点是指基于出行轨迹得到的在预设活动范围内,且活动时间超过预设活动时间的位置。该预设活动范围和预设活动时间可以预先进行设置,例如,该预设活动范围可以设置为活动半径是500米的圆形区域,该预设活动范围可以设置为5小时,在此不再赘述。则根据起始点和终点之间的距离可以计算得到上述最远出行距离。通过上述实施例,通过计算得到预设时间周期内的出行轨迹,确定待测目标的落脚点,进而获取到最远出行距离,保证了数据分析统计的准确性和即时性,从而有利于提高交通路线生成的准确性。
在其中一些实施例中,上述至少根据该公共交通站点生成目标交通路线还包括如下步骤:根据该历史聚档信息确定出行轨迹,以确定该出行轨迹中的最远中转距离;根据该最远出行距离和该最远中转距离确定共享车辆投放站点,并根据该共享车辆投放站点和该公共交通站点生成目标交通路线。其中,在根据历史聚档信息计算得到上述出行轨迹之后,可以通过上述步骤,根据出行轨迹统计得到对应待测目标的中转点和终点所在位置,以便根据中转点和终端之间的距离确定上述最远中转距离,并最终根据该最远出行距离和该最远中转距离确定共享车辆投放站点。可以理解的是,该共享车辆包括共享自行车或共享电动车等。
在其中一些实施例中,上述根据该最远出行距离和该最远中转距离确定共享车辆投放站点还包括如下步骤:
步骤S221,在该最远出行距离小于第一预设距离的情况下,获取在该最远出行距离的第一预设范围内的聚集点,并根据该聚集点确定第一共享车辆投放站点;其中,该第一共享车辆投放站点对应的投放数量基于该聚集点确定。
其中,上述第一预设距离和上述第一预设范围可以预先结合实际情况进行设置,例如可以结合城市区域面积将该第一预设距离设置为3公里,并将该第一预设范围设置为半径为1公里的圆形区域。上述聚集点是指有大量出行人员聚集的位置,例如小区、园区或写字楼等。则当上述最远出行距离,即起始点和终点之间的距离小于该第一预设距离时,说明对应的待测目标的出行距离不远,此时可以对其出行路线进行共享车辆推荐,并判断在该第一预设范围内是否存在小区等聚集点以及存在的聚集点的个数。若检测到聚集点的数量小于或等于2个,则可以直接将聚集点例如小区门口确定为第一共享车辆投放站点,并根据该聚集点出现的出行人员的数量确定该第一共享车辆投档站点对应的投放数量;若聚集点的数量大于2个,则可以将各聚集点之间两两进行组合,则该第一共享车辆投放点确定在组合的两个聚集点间的折中点的位置,且对应的投放数量可以基于这两个聚集点的出行人数确定。
步骤S222,在该最远中转距离小于第二预设距离的情况下,确定在该最远中转距离的第二预设范围内的待统计区域;获取该待统计区域内的中转点和起始点,根据该中转点和起始点确定第二共享车辆投放站点;其中,该第二共享车辆投放站点对应的投放量根据该中转点对应的待测目标的数量确定。
其中,上述第二预设距离和上述第二预设范围可以预先结合实际情况进行设置,例如可以结合城市区域面积将该第二预设距离设置为2公里,将该第二预设范围设置为半径为500米的圆形区域,且上述待统计区域位于该第二预设范围内。则可以统计该待统计区域内所有的中转点与起始点;如果有起始点,可以直接将该起始点设置为上述第二共享车辆投放站点;如果该待统计区域内不存在起始点,可以将该第二预设范围内的中心地点设置为该第二共享车辆投放站点;最终可以基于中转点对应的出行人员的数量确定该第二共享车辆投放站点的投放数量,以实现共享车辆的精准投放。
步骤S223,根据该第一共享车辆投放站点和该第二共享车辆投放站点确定该共享车辆投放站点。
具体地,对上述计算得到的第一共享车辆投放站点和第二共享车辆投放站点进行汇总,从而最终确定上述共享车辆投放站点。
在相关技术中,城市公共交通路线的规划通常还会采用基于出租车GPS数据确定公交站点位置的方法实现;基于出租车GPS数据的公交站点选址方法客服了传统方法获取居民出行需求不准确的缺陷,为后续公交线路的规划工作提供了一个更好的基础,但现有基于出租车GPS数据的公交站点选址方法未考虑划分交通热点区域的整体性,或未考虑公交站点的服务半径,使得交通路线的规划中通常仅局限于公交站点,局限性较强。而本申请通过上述实施例,利用城市中的人员聚档数据轨迹图进行算法定向分析,实现了对城市交通中的共享车辆的投放地点以及投放量的精准评估,从而将共享车辆的投放地点和公交站点有效结合起来,极大缓解了城市交通的拥堵,达到了社会资源最大化的目的。
下面结合实际应用场景对本申请的实施例进行详细说明,以上述共享车辆为共享单车为例,图3是根据本申请优选实施例的一种共享车辆投放方法的流程图,如图3所示,该流程包括如下步骤:
步骤S301,获取聚类结果,从该聚类结果中过滤自驾人员、电瓶车人员等人员轨迹数据,得到历史聚档信息。
步骤S302,根据历史聚档信息分析出每个人每天的落脚点,并统计出每个人每周的落脚点。
步骤S303,判断中转点至终点的距离是否小于2公里;若判断结果为是,则根据周围500米的周转点进行共享车辆投放量与投放点的选择;若判断结果为否,则执行后续步骤S306。
步骤S304,以每个小区为分析的起始点,分析最远出行距离;判断最远出行距离,即起始点至终端的距离是否在3公里以内;若判断结果为是,则执行后续步骤S305;若判断结果为后,则执行后续步骤S306。
步骤S305,判断1公里范围内存在的小区是否大于2个;若判断结果为是,则确定共享单车投放点为两两组合后的每两个小区的折中点,投放量根据这两个小区的人数确定;若判断结果为否,则确定共享单车投放点为小区门口,投放量根据该小区的出行人员数据确定。
步骤S306,制定公共交通路线。
在其中一些实施例中,上述基于该最远出行距离确定公共交通站点还包括如下步骤:在该最远出行距离在预设距离范围内的情况下,确定单条路线覆盖策略,并利用该单条路线覆盖策略确定单条路线下的该公共交通站点;在该最远出行距离超过该预设距离范围的情况下,确定组合路线覆盖策略,并利用该组合路线覆盖策略确定组合路线下的该公共交通站点。
其中,上述预设距离范围可以预先结合实际情况进行设置;例如,该预设距离范围可以设置为2~20公里。具体地,如果上述待测目标对应的出行轨迹存在起始点与终点,且起始点与终点之间的距离小于20公里且大于2公里,或者中转点与终点之间的距离小于20公里且大于2公里,即上述最远出行距离在预设距离范围内,则说明此时可以确定单条路线覆盖策略,也就是说可以确定该最远出行距离之间一条最优路线作为覆盖的单条路线,并可以将所保留的单条路线经过的聚集点作为上述公共交通站点。相反地,如果最远出行距离超过预设距离范围,例如起始点与终点之间的距离大于20公里,则说明此时待测目标对应的出行范围较大,可以确定组合路线覆盖策略,即通过多条路线组合覆盖出行范围,并最终将组合路线经过的聚集点作为公共交通站点。
通过上述实施例,通过最远出行距离范围的判断结果,确定相应的路线覆盖策略,从而基于对应路线覆盖策略确定公共交通站点,有效提高了公共交通站点生成的准确性和全面性。
在其中一些实施例中,上述历史人像图像在各图像采集点下获取得到;上述在该最远出行距离在预设距离范围内的情况下,上述交通路线的生成方法还包括如下步骤:
获取该最远出行距离对应的聚集点,并根据该聚集点和该最远出行距离获取至少一条初始交通路线;根据该历史聚档信息获取在每个该图像采集点下的轨迹密度信息,根据该轨迹密度信息对所有该图像采集点进行划分得到该图像采集点的划分结果;基于该轨迹密度信息以及该初始交通路线的重复信息,对该初始交通路线进行去重处理得到该单条路线,并根据该划分结果确定该单条路线下的该公共交通站点。
其中,将上述最远出行距离经过的各聚集点依次作为出发点,根据对应的终点与中转点,通过调用地图API得出各聚集点对应的最优路线作为上述初始交通路线;该最优路线可以为距离最短或者所用时间最短的路线。然后根据上述历史聚档信息获取各图像采集点的轨迹密度信息,以得到上述划分结果;例如,以每个图像采集点为切分点,通过历史聚档信息判断每个图像采集点下的人口密度;若该图像采集点的人数大于10,得分为10分,人数大于5且小于10,得分为10分,人数小于5且大于2,得分为2分,人数小于1则得分1,并将各得分作为上述划分结果;并且可以由工作人员预先设置若得分为10分和5分,则此图像采集点必须架设公共交通站点,如果小于5分且与下个卡口相距未超过500米,则在下个图像采集点处进行站点架设的规则,以便后续确定公共交通站点。根据上述轨迹密度信息和各初始交通路线之间的重复信息可以对各初始交通路线进行去重处理;例如,若检测得到某一初始交通路线与其他初始交通路线之间的重复率超过80%,但基于轨迹密度信息能够得到高峰时段内该初始交通路线存在10分钟超过50个人数的数据,则保留该初始交通路线,否则保留距离最长的一条初始交通路线作为上述单条路线,并按照上述划分结果对应的站点架设的规则确定该单条路线下的公共交通站点。通过上述实施例,通过采用图像采集点积分形式确定公共交通站点,实现了对公共交通站点的人性化制定,从而进一步提高了交通路线生成的准确性,极大城市缓解城市交通的拥堵。
在其中一些实施例中,上述在该最远出行距离超过该预设距离范围的情况下,上述交通路线的生成方法还包括如下步骤:
获取该最远出行距离对应的聚集点,并根据该聚集点和该最远出行距离获取至少一条初始交通路线,以确定该初始交通路线中的最大单条路线;根据该最大单条路线和该最远出行距离生成该组合路线,以确定该组合路线下的该公共交通站点。具体地,图4是根据本申请实施例的一种交通路线的示意图,如图4所示,有A、B、C、D四个小区,则图中分别示出了从各小区出发的带有箭头的路线,并依次表示为A路线、B路线、C路线以及D路线。假设从A小区出发的出行人员距离上班地点共30公里,且A小区对应的初始交通路线最远可以覆盖到20公里,则剩余未覆盖的10公里可以以上条线路结束时附近的小区站点进行覆盖;并且,C路线与A路线、B路线之间的重叠度超过80%,因此可以去掉C路线,使用A、B两条路线进行覆盖。
在其中一些实施例中,上述至少根据该公共交通站点生成目标交通路线之后,上述交通路线的生成方法还包括如下步骤:
步骤S241,在获取到历史交通路线的情况下,将该历史交通路线与该目标交通路线进行对比以得到路线变化结果,并将该路线变化结果发送至显示终端进行显示。
其中,上述历史交通路线是指在生成上述目标交通路线之前已经通过上述步骤或者其他路线生成方法所生成的交通路线;在该历史交通路线生成后可以由上述主控装置进行存储。则当该主控装置检测到该历史交通存在的情况下,说明此时是非首次生成交通路线,因此可以将该历史交通路线和目标交通路线对比得到路线变化结果,并将路线变化结果发送到显示终端上部署的交通平台,以实现针对交通路线变化点的实时告警处理。
步骤S242,在该历史交通路线缺失的情况下,将该目标交通路线发送至该显示终端进行显示。
其中,当上述主控装置检测到上述历史交通路线缺失时,说明此次是首次生成交通路线,则可以直接将通过上述步骤生成的目标交通路线发送至上述显示终端部署的交通平台,以在该交通平台上实时显示该目标交通路线。
通过上述步骤S241至步骤S242,通过在首次生成交通路线以及非首次生成交通路线的情况下,生成不同的显示结果,从而有效提高了交通路线生成方法的安全性和准确性,提升了用户体验。
下面结合实际应用场景对本申请的实施例进行详细说明,图5是根据本申请优选实施例的一种交通路线的生成方法的流程图,如图5所示,该流程包括如下步骤:
步骤S501,城市中各卡口数据抓拍得到历史人像图像。
步骤S502,根据历史人像图像进行人脸时空域聚档和人体时空域聚档,得到人脸人体聚档后的历史聚档信息。
步骤S503,基于人员轨迹算法模型,即上述步骤分析历史聚档信息,分析周期为每周运行一次。
步骤S504,确定周末公共交通站点、共享单车投放站点以及共享单车投放站点对应的投放数量,将其存放至数据库;确定周内公共交通站点、共享单车投放站点以及共享单车投放站点对应的投放数量,将其存放至数据库。
步骤S505,检测是否是首次分析;若非首次分析,将变化点告警至交通平台;若首次分析,将分析结果展示在交通平台。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种交通路线的生成装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图6是根据本申请实施例的一种交通路线的生成装置的结构框图,如图6所示,该装置包括:获取模块61、聚档模块62和生成模块63。该获取模块61,用于获取多个待测目标对应的历史人像图像;该聚档模块62,用于对该历史人像图像进行人像聚类处理得到历史聚档信息,根据该历史聚档信息获取该待测目标对应的最远出行距离,并基于该最远出行距离确定公共交通站点;该生成模块63,用于至少根据该公共交通站点生成目标交通路线。
通过上述实施例,聚档模块62对获取到的历史人像图像进行人像聚类得到历史聚档信息,根据历史聚档信息获取最远出行距离,以确定公共交通站点,生成模块63最终根据公共交通站点生成公共交通路线,从而基于人像聚类算法实现了人口流动轨迹的确定,避免了传统方法获取居民出行需求不准确导致的公共交通站点选址易出错的情况,解决了交通路线生成的准确性低的问题,实现了基于档案轨迹规划交通路线的装置。
在其中一些实施例中,上述聚档模62块还用于对该历史人像图像进行人像聚类处理以得到该历史人像图像的聚类结果,根据该聚类结果进行针对非公共交通目标的目标识别得到目标识别结果;该聚档模块62根据该目标识别结果对该聚档结果进行筛选处理,以得到该历史聚档信息。
在其中一些实施例中,上述聚档模块62还用于根据该历史聚档信息计算该待测目标在预设时间周期内对应的出行轨迹,并基于该出行轨迹,根据预设活动范围和预设活动时间确定所述待测目标的落脚点;该聚档模块62根据该落脚点获取该最远出行距离。
在其中一些实施例中,上述生成模块63还用于根据该历史聚档信息确定出行轨迹,以确定该出行轨迹中的最远中转距离;该生成模块63根据该最远出行距离和该最远中转距离确定共享车辆投放站点,并根据该共享车辆投放站点和该公共交通站点生成目标交通路线。
在其中一些实施例中,上述生成模块63还用于在该最远出行距离小于第一预设距离的情况下,获取在该最远出行距离的第一预设范围内的聚集点,并根据该聚集点确定第一共享车辆投放站点;其中,该第一共享车辆投放站点对应的投放数量基于该聚集点确定;该生成模块63在该最远中转距离小于第二预设距离的情况下,确定在该最远中转距离的第二预设范围内的待统计区域;该生成模块63获取该待统计区域内的中转点和起始点,根据该中转点和起始点确定第二共享车辆投放站点;其中,该第二共享车辆投放站点对应的投放量根据该中转点对应的待测目标的数量确定;该生成模块63根据该第一共享车辆投放站点和该第二共享车辆投放站点确定该共享车辆投放站点。
在其中一些实施例中,上述生成模块63还用于在该最远出行距离在预设距离范围内的情况下,确定单条路线覆盖策略,并利用该单条路线覆盖策略确定单条路线下的该公共交通站点;该生成模块63在该最远出行距离超过该预设距离范围的情况下,确定组合路线覆盖策略,并利用该组合路线覆盖策略确定组合路线下的该公共交通站点。
在其中一些实施例中,上述历史人像图像在各图像采集点下获取得到;上述生成模块63还用于获取该最远出行距离对应的聚集点,并根据该聚集点和该最远出行距离获取至少一条初始交通路线;该生成模块63根据该历史聚档信息获取在每个该图像采集点下的轨迹密度信息,根据该轨迹密度信息对所有该图像采集点进行划分得到该图像采集点的划分结果;该生成模块63基于该轨迹密度信息以及该初始交通路线的重复信息,对该初始交通路线进行去重处理得到该单条路线,并根据该划分结果确定该单条路线下的该公共交通站点。
在其中一些实施例中,上述生成模块63还用于获取该最远出行距离对应的聚集点,并根据该聚集点和该最远出行距离获取至少一条初始交通路线,以确定该初始交通路线中的最大单条路线;该生成模块63根据该最大单条路线和该最远出行距离生成该组合路线,以确定该组合路线下的该公共交通站点。
在其中一些实施例中,上述交通路线的生成装置还包括显示模块;该显示模块,用于在获取到历史交通路线的情况下,将该历史交通路线与该目标交通路线进行对比以得到路线变化结果,并将该路线变化结果发送至显示终端进行显示;该显示模块在该历史交通路线缺失的情况下,将该目标交通路线发送至该显示终端进行显示。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种人像图像聚类系统,该系统包括:主控装置以及各图像采集设备;其中,该各图像采集设备对应安装在各图像采集点下;该图像采集设备用于采集多个待测目标对应的历史人像图像。该主控装置用于执行上述任一项方法实施例中的步骤。通过上述实施例,主控装置对获取到的历史人像图像进行人像聚类得到历史聚档信息,根据历史聚档信息获取最远出行距离,以确定公共交通站点,并最终根据公共交通站点生成公共交通路线,从而基于人像聚类算法实现了人口流动轨迹的确定,避免了传统方法获取居民出行需求不准确导致的公共交通站点选址易出错的情况,解决了交通路线生成的准确性低的问题,实现了基于档案轨迹规划交通路线的系统。
在其中一些实施例中,提供了一种计算机设备,该计算机设备可以是服务器,图7是根据本申请实施例的一种计算机设备内部的结构图,如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标交通路线。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种交通路线的生成方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取多个待测目标对应的历史人像图像。
S2,对该历史人像图像进行人像聚类处理得到历史聚档信息,根据该历史聚档信息获取该待测目标对应的最远出行距离,并基于该最远出行距离确定公共交通站点。
S3,至少根据该公共交通站点生成目标交通路线。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
另外,结合上述实施例中的交通路线的生成方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种交通路线的生成方法。
本领域的技术人员应该明白,以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种交通路线的生成方法,其特征在于,所述方法包括:
获取多个待测目标对应的历史人像图像;
对所述历史人像图像进行人像聚类处理得到历史聚档信息,根据所述历史聚档信息获取所述待测目标对应的最远出行距离,并基于所述最远出行距离确定公共交通站点;
至少根据所述公共交通站点生成目标交通路线。
2.根据权利要求1所述的生成方法,其特征在于,所述对所述历史人像图像进行人像聚类处理得到历史聚档信息包括:
对所述历史人像图像进行人像聚类处理以得到所述历史人像图像的聚类结果,根据所述聚类结果进行针对非公共交通目标的目标识别得到目标识别结果;
根据所述目标识别结果对所述聚档结果进行筛选处理,以得到所述历史聚档信息。
3.根据权利要求1所述的生成方法,其特征在于,所述根据所述历史聚档信息获取所述待测目标对应的最远出行距离包括:
根据所述历史聚档信息计算所述待测目标在预设时间周期内对应的出行轨迹,并基于所述出行轨迹,根据预设活动范围和预设活动时间确定所述待测目标的落脚点;
根据所述落脚点获取所述最远出行距离。
4.根据权利要求1所述的生成方法,其特征在于,所述至少根据所述公共交通站点生成目标交通路线包括:
根据所述历史聚档信息确定出行轨迹,以确定所述出行轨迹中的最远中转距离;
根据所述最远出行距离和所述最远中转距离确定共享车辆投放站点,并根据所述共享车辆投放站点和所述公共交通站点生成目标交通路线。
5.根据权利要求4所述的生成方法,其特征在于,所述根据所述最远出行距离和所述最远中转距离确定共享车辆投放站点包括:
在所述最远出行距离小于第一预设距离的情况下,获取在所述最远出行距离的第一预设范围内的聚集点,并根据所述聚集点确定第一共享车辆投放站点;其中,所述第一共享车辆投放站点对应的投放数量基于所述聚集点确定;
在所述最远中转距离小于第二预设距离的情况下,确定在所述最远中转距离的第二预设范围内的待统计区域;
获取所述待统计区域内的中转点和起始点,根据所述中转点和起始点确定第二共享车辆投放站点;其中,所述第二共享车辆投放站点对应的投放量根据所述中转点对应的待测目标的数量确定;
根据所述第一共享车辆投放站点和所述第二共享车辆投放站点确定所述共享车辆投放站点。
6.根据权利要求1所述的生成方法,其特征在于,所述基于所述最远出行距离确定公共交通站点包括:
在所述最远出行距离在预设距离范围内的情况下,确定单条路线覆盖策略,并利用所述单条路线覆盖策略确定单条路线下的所述公共交通站点;
在所述最远出行距离超过所述预设距离范围的情况下,确定组合路线覆盖策略,并利用所述组合路线覆盖策略确定组合路线下的所述公共交通站点。
7.根据权利要求6所述的生成方法,其特征在于,所述历史人像图像在各图像采集点下获取得到;所述在所述最远出行距离在预设距离范围内的情况下,所述方法还包括:
获取所述最远出行距离对应的聚集点,并根据所述聚集点和所述最远出行距离获取至少一条初始交通路线;
根据所述历史聚档信息获取在每个所述图像采集点下的轨迹密度信息,根据所述轨迹密度信息对所有所述图像采集点进行划分得到所述图像采集点的划分结果;
基于所述轨迹密度信息以及所述初始交通路线的重复信息,对所述初始交通路线进行去重处理得到所述单条路线,并根据所述划分结果确定所述单条路线下的所述公共交通站点。
8.根据权利要求6所述的生成方法,其特征在于,所述在所述最远出行距离超过所述预设距离范围的情况下,所述方法还包括:
获取所述最远出行距离对应的聚集点,并根据所述聚集点和所述最远出行距离获取至少一条初始交通路线,以确定所述初始交通路线中的最大单条路线;
根据所述最大单条路线和所述最远出行距离生成所述组合路线,以确定所述组合路线下的所述公共交通站点。
9.根据权利要求1至8任一项所述的生成方法,其特征在于,所述至少根据所述公共交通站点生成目标交通路线之后,所述方法还包括:
在获取到历史交通路线的情况下,将所述历史交通路线与所述目标交通路线进行对比以得到路线变化结果,并将所述路线变化结果发送至显示终端进行显示;
在所述历史交通路线缺失的情况下,将所述目标交通路线发送至所述显示终端进行显示。
10.一种交通路线的生成装置,其特征在于,所述装置包括:获取模块、聚档模块和生成模块;
所述获取模块,用于获取多个待测目标对应的历史人像图像;
所述聚档模块,用于对所述历史人像图像进行人像聚类处理得到历史聚档信息,根据所述历史聚档信息获取所述待测目标对应的最远出行距离,并基于所述最远出行距离确定公共交通站点;
所述生成模块,用于至少根据所述公共交通站点生成目标交通路线。
11.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至9中任一项所述的交通路线的生成方法。
12.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至9中任一项所述的交通路线的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210161947.5A CN114648057A (zh) | 2022-02-22 | 2022-02-22 | 交通路线的生成方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210161947.5A CN114648057A (zh) | 2022-02-22 | 2022-02-22 | 交通路线的生成方法、装置、电子装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114648057A true CN114648057A (zh) | 2022-06-21 |
Family
ID=81993531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210161947.5A Pending CN114648057A (zh) | 2022-02-22 | 2022-02-22 | 交通路线的生成方法、装置、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648057A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114560A (zh) * | 2023-10-25 | 2023-11-24 | 中科云谷科技有限公司 | 用于确定物品运输路径的方法、装置、存储介质及处理器 |
-
2022
- 2022-02-22 CN CN202210161947.5A patent/CN114648057A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114560A (zh) * | 2023-10-25 | 2023-11-24 | 中科云谷科技有限公司 | 用于确定物品运输路径的方法、装置、存储介质及处理器 |
CN117114560B (zh) * | 2023-10-25 | 2024-01-05 | 中科云谷科技有限公司 | 用于确定物品运输路径的方法、装置、存储介质及处理器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10639995B2 (en) | Methods, circuits, devices, systems and associated computer executable code for driver decision support | |
CN112818497B (zh) | 交通仿真方法、装置、计算机设备和存储介质 | |
Xu et al. | Real-time street parking availability estimation | |
CN110969857B (zh) | 一种交通信息处理方法及装置 | |
US9355063B2 (en) | Parking lot detection using probe data | |
CN110570660A (zh) | 一种实时在线交通仿真系统及方法 | |
CN101710448B (zh) | 基于全方位计算机视觉的道路交通状态检测装置 | |
CN112489433B (zh) | 交通拥堵分析方法及装置 | |
WO2019091108A1 (zh) | 一种交通出行调查数据处理方法 | |
US20190329788A1 (en) | Road condition status prediction method, device, and server, and storage medium | |
CN108021858A (zh) | 移动客体识别方法及客体流量分析方法 | |
WO2021082464A1 (zh) | 预测车辆的目的地的方法和装置 | |
CN109102114B (zh) | 一种基于数据融合的公交出行下车站点估计方法 | |
CN109979197B (zh) | 基于融合数据的高速公路交通时间地图构建方法、系统 | |
CN110472999B (zh) | 基于地铁和共享单车数据的客流模式分析方法及装置 | |
CN110363985A (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
CN112447041A (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
Zhang et al. | pCruise: Reducing cruising miles for taxicab networks | |
CN108648453A (zh) | 一种基于手机位置更新信息进行交通出行数据画像的方法 | |
CN114648057A (zh) | 交通路线的生成方法、装置、电子装置和存储介质 | |
CN110189537B (zh) | 基于时空特征的停车诱导方法、装置、设备及存储介质 | |
CN109977527B (zh) | 一种城市公共充电站网络的充电桩配置方法 | |
CN117546218A (zh) | 用于交通预测的分布式多任务机器学习 | |
CN114372830A (zh) | 一种基于时空多图神经网络的网约车需求预测方法 | |
Djuric et al. | Parkassistant: An algorithm for guiding a car to a parking spot |
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 |