CN114722890A - 目标场所的边界生成方法、装置、电子设备及存储介质 - Google Patents
目标场所的边界生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114722890A CN114722890A CN202210114300.7A CN202210114300A CN114722890A CN 114722890 A CN114722890 A CN 114722890A CN 202210114300 A CN202210114300 A CN 202210114300A CN 114722890 A CN114722890 A CN 114722890A
- Authority
- CN
- China
- Prior art keywords
- target
- track
- track points
- points
- candidate
- 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
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Geometry (AREA)
- Navigation (AREA)
Abstract
本公开实施例公开了一种目标场所的边界生成方法、装置、电子设备及存储介质,所述方法包括:获取历史时间段内以目标场所为目的地的目标轨迹;从所述目标轨迹中提取位于目标场所内的候选轨迹点;对所述候选轨迹点进行密度聚类,获得目标轨迹点;确定所述目标轨迹点构成的点集的凸包,并将所述凸包确定为所述目标场所的边界。该技术方案能够通过历史时间段内的轨迹数据挖掘目标场所的边界,在降低了成本的同时,提高了准确度。
Description
技术领域
本公开涉及地理信息技术领域,具体涉及一种目标场所的边界生成方法、装置、电子设备及存储介质。
背景技术
随着基于位置的服务(LBS)的发展,越来越多的应用软件集成了与电子地图有关的服务能力。比如,用户可以通过地图导航类应用软件或者网约车应用软件搜索电子地图中的兴趣点(Point of Interest,简称为POI),规划到POI的导航路线等,其中,电子地图中的POI表征的是现实世界的住宅小区、楼内底商、地铁站、停车场等场所。
以导航服务场景为例,在引导被导航对象进入停车场这类覆盖了一定地理区域的目标场所的过程中,需要使用目标场所的边界判定被导航对象是否进入目标场所。已有技术中,通常采用人工作业方式或者识别卫星图片的方式获得目标场所的边界,但是人工作业方式人工成本较高,而卫星图片方式由于图片清晰度不高,识别出的边界准确度较低。因此,如何低成本地生成准确度较高的目标场所的边界是当前技术领域中需要解决的技术问题之一。
发明内容
本公开实施例提供一种目标场所的边界生成方法、装置、电子设备及计算机可读存储介质。
第一方面,本公开实施例中提供了一种目标场所的边界生成方法,其中,包括:
获取历史时间段内以目标场所为目的地的目标轨迹;
从所述目标轨迹中提取位于目标场所内的候选轨迹点;
对所述候选轨迹点进行密度聚类,获得目标轨迹点;
确定所述目标轨迹点构成的点集的凸包,并将所述凸包确定为所述目标场所的边界。
进一步地,从所述目标轨迹中提取位于目标场所内的候选轨迹点,包括:
提取所述目标轨迹中轨迹末端的第一预设数量个轨迹点;其中,所述目标轨迹包括多个按照对应时间先后顺序排列的有序轨迹点,所述轨迹末端包括对应时间在后的一个或多个轨迹点;
从所述第一预设数量个轨迹点中,将未在所述目标场所内的疑似轨迹点剔除后,获得候选轨迹点。
进一步地,所述疑似轨迹点,包括以下至少之一:
与预设道路距离小于或等于距离阈值的轨迹点;
与所述目标场所的位置坐标之间的连线跨过所述预设道路的轨迹点。
进一步地,对所述候选轨迹点进行密度聚类,获得目标轨迹点,包括:
对所述候选轨迹点进行密度聚类,得到聚类簇;
按所述聚类簇包括的候选轨迹点的总量,选择总量满足设定条件的聚类簇包括的候选轨迹点作为目标轨迹点。进一步地,所述目标轨迹包括目的地为所述目标场所的导航轨迹,或者,到达过所述目标场所的时长满足时间长度条件的巡航轨迹。
第二方面,本发明实施例中提供了一种基于位置的服务提供方法,其中,包括:利用第一方面所述的方法生成的目标场所的边界为被服务对象提供基于位置的服务,所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
第二方面,本发明实施例中提供了一种目标场所的边界生成装置,其中,包括:
获取模块,被配置为获取历史时间段内以目标场所为目的地的目标轨迹;
提取模块,被配置为从所述目标轨迹中提取位于目标场所内的候选轨迹点;
聚类模块,被配置为对所述候选轨迹点进行密度聚类,获得目标轨迹点;
确定模块,被配置为确定所述目标轨迹点构成的点集的凸包,并将所述凸包确定为所述目标场所的边界。
第四方面,本发明实施例中提供了一种基于位置的服务装置,其中,包括:利用第三方面所述目标场所的边界生成装置生成的目标场所的边界为被服务对象提供基于位置的服务,所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中,上述装置的结构中包括存储器和处理器,所述存储器用于存储一条或多条支持上述装置执行上述对应方法的计算机指令,所述处理器被配置为用于执行所述存储器中存储的计算机指令。上述装置还可以包括通信接口,用于上述装置与其他设备或通信网络通信。
第五方面,本公开实施例提供了一种电子设备,包括存储器、处理器以及存储在存储器上的计算机程序,其中,所述处理器执行所述计算机程序以实现上述任一方面所述的方法。
第六方面,本公开实施例提供了一种计算机可读存储介质,用于存储上述任一装置所用的计算机指令,该计算机指令被处理器执行时用于实现上述任一方面所述的方法。
第七方面,本公开实施例提供了一种计算机程序产品,其包含计算机指令,该计算机指令被处理器执行时用于实现上述任一方面所述的方法。
本公开实施例提供的技术方案可以包括以下有益效果:
本公开实施例中,通过收集历史时间段内以目标场所为目的地的目标轨迹,并从目标轨迹中初步确定位于目标场所的候选轨迹点,利用密度聚类方式对候选轨迹点做进一步筛选,将离群轨迹点从候选轨迹点中剔除后得到目标轨迹点;对目标轨迹点构成的点集求凸包,并将该凸包对应的边界确定为目标场所的边界。本公开实施例通过历史时间段内的轨迹数据挖掘目标场所的边界,在降低了成本的同时,提高了准确度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开一实施方式的目标场所的边界生成方法的流程图;
图2(a)-图2(d)示出根据本公开一实施方式在停车场区域边界的确定场景中的应用示意图;
图3示出根据本公开一实施方式的目标场所的边界生成装置的结构框图;
图4是适于用来实现根据本公开一实施方式的目标场所的边界生成和/或基于位置的服务提供方法的电子设备的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施方式,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施方式无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
下面通过具体实施例详细介绍本公开实施例的细节。
图1示出根据本公开一实施方式的目标场所的边界生成方法的流程图。如图1所示,该目标场所的边界生成方法包括以下步骤:
在步骤S101中,获取历史时间段内以目标场所为目的地的目标轨迹;
在步骤S102中,从所述目标轨迹中提取位于目标场所内的候选轨迹点;
在步骤S103中,对所述候选轨迹点进行密度聚类,获得目标轨迹点;
在步骤S104中,确定所述目标轨迹点构成的点集的凸包,并将所述凸包确定为所述目标场所的边界。
本实施例中,目标场所可以是边界未知的区域,例如可以是地面停车场区域。为了挖掘目标场所的边界,本公开实施例通过收集位置服务系统中历史时间段内以目标场所为目的地的目标轨迹,并通过统计分析目标轨迹获得目标场所的边界。
在一些实施例中,目标轨迹可以包括但不限于导航过程中得到的导航轨迹,和/或巡航轨迹;巡航轨迹可以是时长满足时间长度条件的轨迹,例如时长在15分钟内的巡航轨迹。巡航轨迹为导航结束之后,导航应用未被停止的情况下,导航应用所持续采集到的轨迹点构成的轨迹。在获得导航轨迹和巡航轨迹之后,将同一被引导对象的同一次导航对应的导航轨迹和巡航轨迹合并为一条目标轨迹。
在一些实施例中,目标轨迹可以包括多条,并且该多条目标轨迹可以对应于多个被引导对象。
在一些实施例中,历史时间段可以是最近几个月,例如目标轨迹可以是最近3个月内的轨迹。
目标轨迹由于目的地是目标场所,因此每条目标轨迹中只有部分轨迹点才位于目标场所。此外,在引导有误或者被引导对象临时改变目的地之后,最终未进入目标场所的情况下,虽然在导航过程中定位的目的地是目标场所,但是实际轨迹中可能并不存在处于目标场所内的轨迹点。
因此,为了获得目标场所的边界,本公开实施例可以从目标轨迹中筛选出位于目标场所内的候选轨迹点。在一些实施例中,可以从目标轨迹中将大概率位于目标场所的轨迹点筛选出来作为候选轨迹点,而将大概率不在目标场所内的轨迹点直接剔除。
在从目标轨迹中提取出大概率位于目标场所内的候选轨迹点后,可以针对候选轨迹点进行密度聚类。密度聚类可以理解为将密度较大的候选轨迹点聚为一类,而将密度较小的候选轨迹点聚为不同类。在一些实施例中,可以采用DBSCAN(Density-Based SpatialClustering of Applications with Noise)密度聚类算法对所提取出的候选轨迹点进行聚类。聚类的结果中可以包括多个聚簇,每个聚簇中包括被聚为一类的一个或多个候选轨迹点,在此可以将每个聚簇中的候选轨迹点称之为该聚簇的成员。
在一些实施例中,轨迹点的筛选过程中可以采用排除法,将大概率不在目标场所的轨迹点进行剔除,而保留的轨迹点是大概率处于目标场所的轨迹点。因此,保留的候选轨迹点中可能还存在实际不在目标场所的轨迹点。因此,本公开实施例通过密度聚类方法对保留的轨迹点进行聚类,并根据聚类结果筛选出离群轨迹点,而离群轨迹点可以理解为与大多数轨迹点的距离较远的轨迹点,也即与大多数轨迹点不在一个聚簇内的少数轨迹点。
在一些实施例中,进一步从候选轨迹点中将上述离群轨迹点进行剔除,得到位于目标场所内的目标轨迹点。
通过对目标轨迹点构成的点集求凸包,并根据所求出的凸包确定目标场所的边界。凸包可以理解为以多个点构成的点集中的某些目标轨迹点为顶点的多边形,并且点集中的其他目标轨迹点均位于该多边形内。凸包可以采用已知的求解方式,在此不再赘述。
在一些实施例中,目标场所的边界可以包括凸包边界对应的位置信息。
本公开实施例中,通过收集历史时间段内以目标场所为目的地的目标轨迹,并从目标轨迹中初步确定位于目标场所的候选轨迹点,利用密度聚类方式对候选轨迹点做进一步筛选,将离群轨迹点从候选轨迹点中剔除后得到目标轨迹点;对目标轨迹点构成的点集求凸包,并将该凸包对应的边界确定为目标场所的边界。本公开实施例通过历史时间段内的轨迹数据挖掘目标场所的边界,在降低了成本的同时,提高了准确度。
在本实施例的一个可选实现方式中,步骤S102,即从所述目标轨迹中提取位于目标场所内的候选轨迹点的步骤,进一步包括以下步骤:
提取所述目标轨迹中轨迹末端的第一预设数量个轨迹点;其中,所述目标轨迹包括多个按照对应时间先后顺序排列的有序轨迹点,所述轨迹末端包括对应时间在后的一个或多个轨迹点;
从所述第一预设数量个轨迹点中,将未在所述目标场所内的疑似轨迹点剔除后,获得候选轨迹点。
该可选的实现方式中,目标轨迹为目的地在目标场所的轨迹数据,而一条轨迹由时间上连续的多个轨迹点构成,也即目标轨迹包括多个按照对应时间先后顺序排列的有序轨迹点,而目标轨迹中轨迹末端包括对应时间靠后的一个或多个轨迹点,也即目标轨迹的轨迹末端为该目标轨迹中终点所在的一段轨迹,因此目标轨迹中每条轨迹末端的轨迹点最有可能位于目标场所。
本公开实施例中,可以从每条轨迹末端提取第一预设数量个轨迹点,进而再从所提取出的第一预设数量个轨迹点中将不在目标场所的疑似轨迹点剔除后,得到候选轨迹点。在一些实施例中,疑似轨迹点可以理解为可能不在目标场所内的轨迹点,可以通过其他辅助判断方式确定疑似轨迹点,例如距离道路较近的轨迹点为疑似轨迹点,因为该轨迹点大概率是在道路上,而不是在目标场所内。通过上述方式,可以初步筛选出位于目标场所内的候选轨迹点。
在本实施例的一个可选实现方式中,所述选轨迹点包括以下至少之一:
与预设道路距离小于或等于距离阈值的轨迹点;
与所述目标场所的位置坐标之间的连线跨过所述预设道路的轨迹点。
该可选的实现方式中,预设道路可以是预先设置的道路。在一些实施例中,预设道路可以是公共有名道路。基于位置的服务系统中,可以将道路划分为公共路、内部路、私有路、地下停车场道路、立体停车场道路;而道路是否有名称分为有名路和无名路。因此,公共有名道路可以理解为有名称的公共路。
在一些实施例中,针对从目标轨迹的轨迹末端提取出的第一预设数量个轨迹点,可以先判断轨迹点与周边公共有名道路之间的距离,如果距离小于或等于距离阈值,则可以认为该轨迹点大概率在该公共有名道路上,而不是在目标场所内,因此可以将这类轨迹点确定为疑似轨迹点。
在另一些实施例中,可以将上述轨迹点与目标场所的地图坐标进行连线,该地图坐标可以是目标场所的地理位置坐标,采用经纬度表示。该连线如果跨过预设道路,例如跨过公共有名道路,则可以认为该轨迹点在公共有名道路的另一边,而不在目标场所内,因此可以将该轨迹点确定为疑似轨迹点。
通过上述两种方式中的一种或多种的组合,可以确定疑似不在目标场所内的疑似轨迹点,从而将疑似轨迹点从第一预设数量个轨迹点中剔除,得到候选轨迹点。
在本实施例的一个可选实现方式中,步骤S103,即对所述候选轨迹点进行密度聚类,获得目标轨迹点的步骤,进一步包括以下步骤:
对所述候选轨迹点进行密度聚类,得到聚类簇;
按所述聚类簇包括的候选轨迹点的总量,选择总量满足设定条件的聚类簇包括的候选轨迹点作为目标轨迹点。
该可选的实现方式中,通过确定疑似轨迹点的方式将明显不在目标场所内的轨迹点剔除后,得到候选轨迹点。而候选轨迹点中可能依然存在不在目标场所内的轨迹点,因此本公开实施例采用密度聚类的方式,将所有候选轨迹点进行密度聚类,得到一个或多个聚类簇,每个聚类簇中的候选轨迹点数量可能有所不同,为了从中选出集中在一起的多组候选轨迹点,可以从聚类得到的多个聚类簇中,基于其中候选轨迹点的总量,选出总量满足设定条件的聚类簇,并将选出的聚类簇中的候选轨迹点确定为目标轨迹点。
在一些实施例中,设定条件可以是聚簇数量最多的第二预设数量个聚类簇。在一些实施例中,第二预设数量可以设置为3,也即将聚簇数量最多的前三个聚类簇确定为目标聚类簇,进而再将非目标聚类簇内的其他候选轨迹点确定为离群轨迹点,从候选轨迹点中剔除离群轨迹点,将保留的该3个目标聚类簇中的候选轨迹点作为目标轨迹点。
经过上述多种筛选方式,也即基于与预设道路的距离以及是否跨路的初步筛选方式,以及基于密度聚类的方式筛选出位于目标场所的目标轨迹点。本公开实施例通过初步筛选方式和基于密度聚类的进一步筛选方式,将不属于目标场所的轨迹点筛除,最大程度地还原了目标场所内的目标轨迹点,进一步提高了基于目标轨迹点的目标场所边界的准确率。
根据本公开一实施方式的基于位置的服务提供方法,该基于位置的服务提供方法包括:利用上述目标场所的边界生成方法所生成的目标场所的边界为被服务对象提供基于位置的服务,所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
本实施例中,该基于位置的服务提供方法可以在终端上执行,终端是手机、ipad、电脑、智能手表、车辆等。本公开实施例,针对电子地图上的目标场所,利用上文提及的目标场所的边界生成方法确定目标场所的边界,进而在基于位置的服务过程中,可以使用该边界,将被服务对象引导至目标场所内,方便被服务对象能够顺利抵达目标场所。
被服务对象可以是手机、ipad、电脑、智能手表、车辆、机器人等。在引导被服务对象去往目标场所的过程中,可以基于上述目标场所的边界生成方法获得的边界进行引导,具体细节可以参见上述对目标场所的边界生成方法的描述,在此不再赘述。
图2(a)-图2(d)示出根据本公开一实施方式在停车场区域边界的确定场景中的应用示意图。服务器收集了近3个月内以停车场A为目的地的目标轨迹。针对每条目标轨迹,从中提取出了最末端的5个轨迹点。需要说明的是,该目标轨迹可以是导航轨迹、巡航轨迹或者同一被导航对象在同一次导航中导航轨迹和巡航轨迹拼接得到的轨迹。从目标轨迹中提取出最末端的5个轨迹点后,得到如图2(a)所示的轨迹点分布示意图。从图2(a)所示的候选轨迹点中提出在公共有名道路上的候选轨迹点以及跨路的候选轨迹点之后,得到如图2(b)所示的轨迹点分布示意图;进一步对图2(b)中的轨迹点进行DBSCAN密度聚类之后,保留轨迹点数量在前三名的三个聚簇中的轨迹点,而剔除其他轨迹点之后,得到如图2(c)所示的轨迹点分布示意图。对图2(c)中的轨迹点求凸包之后,得到如图2(d)所示的边界。从图2(d)可以看出,通过这种方式得到的停车场区域边界的准确率较高。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图3示出根据本公开一实施方式的目标场所的边界生成装置的结构框图。该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图3所示,该目标场所的边界生成装置包括:
获取模块301,被配置为获取历史时间段内以目标场所为目的地的目标轨迹;
提取模块302,被配置为从所述目标轨迹中提取位于目标场所内的候选轨迹点;
聚类模块303,被配置为对所述候选轨迹点进行密度聚类,获得目标轨迹点;
确定模块304,被配置为确定所述目标轨迹点构成的点集的凸包,并将所述凸包确定为所述目标场所的边界。
本实施例中,目标场所可以是边界未知的区域,例如可以是地面停车场区域。为了挖掘目标场所的边界,本公开实施例通过收集位置服务系统中历史时间段内以目标场所为目的地的目标轨迹,并通过统计分析目标轨迹获得目标场所的边界。
在一些实施例中,目标轨迹可以包括但不限于导航过程中得到的导航轨迹,和/或巡航轨迹;巡航轨迹可以是时长满足时间长度条件的轨迹,例如时长在15分钟内的巡航轨迹。巡航轨迹为导航结束之后,导航应用未被停止的情况下,导航应用所持续采集到的轨迹点构成的轨迹。在获得导航轨迹和巡航轨迹之后,将同一被引导对象的同一次导航对应的导航轨迹和巡航轨迹合并为一条目标轨迹。
在一些实施例中,目标轨迹可以包括多条,并且该多条目标轨迹可以对应于多个被引导对象。
在一些实施例中,历史时间段可以是最近几个月,例如目标轨迹可以是最近3个月内的轨迹。
目标轨迹由于目的地是目标场所,因此每条目标轨迹中只有部分轨迹点才位于目标场所。此外,在引导有误或者被引导对象临时改变目的地之后,最终未进入目标场所的情况下,虽然在导航过程中定位的目的地是目标场所,但是实际轨迹中可能并不存在处于目标场所内的轨迹点。
因此,为了获得目标场所的边界,本公开实施例可以从目标轨迹中筛选出位于目标场所内的候选轨迹点。在一些实施例中,可以从目标轨迹中将大概率位于目标场所的轨迹点筛选出来作为候选轨迹点,而将大概率不在目标场所内的轨迹点直接剔除。
在从目标轨迹中提取出大概率位于目标场所内的候选轨迹点后,可以针对候选轨迹点进行密度聚类。密度聚类可以理解为将密度较大的候选轨迹点聚为一类,而将密度较小的候选轨迹点聚为不同类。在一些实施例中,可以采用DBSCAN(Density-Based SpatialClustering of Applications with Noise)密度聚类算法对所提取出的候选轨迹点进行聚类。聚类的结果中可以包括多个聚簇,每个聚簇中包括被聚为一类的一个或多个候选轨迹点,在此可以将每个聚簇中的候选轨迹点称之为该聚簇的成员。
在一些实施例中,轨迹点的筛选过程中可以采用排除法,将大概率不在目标场所的轨迹点进行剔除,而保留的轨迹点是大概率处于目标场所的轨迹点。因此,保留的候选轨迹点中可能还存在实际不在目标场所的轨迹点。因此,本公开实施例通过密度聚类装置对保留的轨迹点进行聚类,并根据聚类结果筛选出离群轨迹点,而离群轨迹点可以理解为与大多数轨迹点的距离较远的轨迹点,也即与大多数轨迹点不在一个聚簇内的少数轨迹点。
在一些实施例中,进一步从候选轨迹点中将上述离群轨迹点进行剔除,得到位于目标场所内的目标轨迹点。
通过对目标轨迹点构成的点集求凸包,并根据所求出的凸包确定目标场所的边界。凸包可以理解为以多个点构成的点集中的某些目标轨迹点为顶点的多边形,并且点集中的其他目标轨迹点均位于该多边形内。凸包可以采用已知的求解方式,在此不再赘述。
在一些实施例中,目标场所的边界可以包括凸包边界对应的位置信息。
本公开实施例中,通过收集历史时间段内以目标场所为目的地的目标轨迹,并从目标轨迹中初步确定位于目标场所的候选轨迹点,利用密度聚类方式对候选轨迹点做进一步筛选,将离群轨迹点从候选轨迹点中剔除后得到目标轨迹点;对目标轨迹点构成的点集求凸包,并将该凸包对应的边界确定为目标场所的边界。本公开实施例通过历史时间段内的轨迹数据挖掘目标场所的边界,在降低了成本的同时,提高了准确度。
在本实施例的一个可选实现方式中,所述提取模块,包括:
提取子模块,被配置为提取所述目标轨迹中轨迹末端的第一预设数量个轨迹点;其中,所述目标轨迹包括多个按照对应时间先后顺序排列的有序轨迹点,所述轨迹末端包括对应时间在后的一个或多个轨迹点;
第一剔除子模块,被配置为从所述第一预设数量个轨迹点中,将未在所述目标场所内的疑似轨迹点剔除后,获得候选轨迹点。
该可选的实现方式中,目标轨迹为目的地在目标场所的轨迹数据,而一条轨迹由时间上连续的多个轨迹点构成,也即目标轨迹包括多个按照对应时间先后顺序排列的有序轨迹点,而目标轨迹中轨迹末端包括对应时间靠后的一个或多个轨迹点,也即目标轨迹的轨迹末端为该目标轨迹中终点所在的一段轨迹,因此目标轨迹中每条轨迹末端的轨迹点最有可能位于目标场所。本公开实施例中,可以从每条轨迹末端提取第一预设数量个轨迹点,进而再从所提取出的第一预设数量个轨迹点中将不在目标场所的疑似轨迹点剔除后,得到候选轨迹点。在一些实施例中,疑似轨迹点可以理解为可能不在目标场所内的轨迹点,可以通过其他辅助判断方式确定疑似轨迹点,例如距离道路较近的轨迹点为疑似轨迹点,因为该轨迹点大概率是在道路上,而不是在目标场所内。通过上述方式,可以初步筛选出位于目标场所内的候选轨迹点。
在本实施例的一个可选实现方式中,所述选轨迹点包括以下至少之一:与预设道路距离小于或等于距离阈值的轨迹点;
与所述目标场所的位置坐标之间的连线跨过所述预设道路的轨迹点。
该可选的实现方式中,预设道路可以是预先设置的道路。在一些实施例中,预设道路可以是公共有名道路。基于位置的服务系统中,可以将道路划分为公共路、内部路、私有路、地下停车场道路、立体停车场道路;而道路是否有名称分为有名路和无名路。因此,公共有名道路可以理解为有名称的公共路。
在一些实施例中,针对从目标轨迹的轨迹末端提取出的第一预设数量个轨迹点,可以先判断轨迹点与周边公共有名道路之间的距离,如果距离小于或等于距离阈值,则可以认为该轨迹点大概率在该公共有名道路上,而不是在目标场所内,因此可以将这类轨迹点确定为疑似轨迹点。
在另一些实施例中,可以将上述轨迹点与目标场所的地图坐标进行连线,该地图坐标可以是目标场所的地理位置坐标,采用经纬度表示。该连线如果跨过预设道路,例如跨过公共有名道路,则可以认为该轨迹点在公共有名道路的另一边,而不在目标场所内,因此可以将该轨迹点确定为疑似轨迹点。
通过上述两种方式中的一种或多种的组合,可以确定疑似不在目标场所内的疑似轨迹点,从而将疑似轨迹点从第一预设数量个轨迹点中剔除,得到候选轨迹点。在本实施例的一个可选实现方式中,所述聚类模块,包括:
聚类子模块,被配置为对所述候选轨迹点进行密度聚类,得到聚类簇;
选择模块,被配置为按所述聚类簇包括的候选轨迹点的总量,选择总量满足设定条件的聚类簇包括的候选轨迹点作为目标轨迹点。
该可选的实现方式中,通过确定疑似轨迹点的方式将明显不在目标场所内的轨迹点剔除后,得到候选轨迹点。而候选轨迹点中可能依然存在不在目标场所内的轨迹点,因此本公开实施例采用密度聚类的方式,将所有候选轨迹点进行密度聚类,
得到一个或多个聚类簇,每个聚类簇中的候选轨迹点数量可能有所不同,为了从中选出集中在一起的多组候选轨迹点,可以从聚类得到的多个聚类簇中,基于其中候选轨迹点的总量,选出总量满足设定条件的聚类簇,并将选出的聚类簇中的候选轨迹点确定为目标轨迹点。
在一些实施例中,设定条件可以是聚簇数量最多的第二预设数量个聚类簇。在一些实施例中,第二预设数量可以设置为3,也即将聚簇数量最多的前三个聚类簇确定为目标聚类簇,进而再将非目标聚类簇内的其他候选轨迹点确定为离群轨迹点,从候选轨迹点中剔除离群轨迹点,将保留的该3个目标聚类簇中的候选轨迹点作为目标轨迹点。
经过上述多种筛选方式,也即基于与预设道路的距离以及是否跨路的初步筛选方式,以及基于密度聚类的方式筛选出位于目标场所的目标轨迹点。本公开实施例通过初步筛选方式和基于密度聚类的进一步筛选方式,将不属于目标场所的轨迹点筛除,最大程度地还原了目标场所内的目标轨迹点,进一步提高了基于目标轨迹点的目标场所边界的准确率。
根据本公开一实施方式的基于位置的服务提供装置,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。该基于位置的服务提供装置包括:
利用所述目标场所的边界生成装置生成的目标场所的边界为被服务对象提供基于位置的服务,所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
本公开实施例中的基于位置的服务提供装置与上文中的基于位置的服务提供方法对应一致,具体细节可以参见上文中对基于位置的服务提供方法的描述,在此不再赘述。
图4是适于用来实现根据本公开实施方式的目标场所的边界生成和/基于位置的服务提供方法的电子设备的结构示意图。
如图4所示,电子设备400包括处理单元401,其可实现为CPU、GPU、FPGA、NPU等处理单元。处理单元401可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行本公开上述任一方法的实施方式中的各种处理。在RAM403中,还存储有电子设备400操作所需的各种程序和数据。处理单元401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本公开的实施方式,上文参考本公开实施方式中的任一方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行本公开实施方式中任一方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种目标场所的边界生成方法,其中,包括:
获取历史时间段内以目标场所为目的地的目标轨迹;
从所述目标轨迹中提取位于目标场所内的候选轨迹点;
对所述候选轨迹点进行密度聚类,获得目标轨迹点;
确定所述目标轨迹点构成的点集的凸包,并将所述凸包确定为所述目标场所的边界。
2.根据权利要求1所述的方法,其中,从所述目标轨迹中提取位于目标场所内的候选轨迹点,包括:
提取所述目标轨迹中轨迹末端的第一预设数量个轨迹点;其中,所述目标轨迹包括多个按照对应时间先后顺序排列的有序轨迹点,所述轨迹末端包括对应时间在后的一个或多个轨迹点;
从所述第一预设数量个轨迹点中,将未在所述目标场所内的疑似轨迹点剔除后,获得候选轨迹点。
3.根据权利要求2所述的方法,其中,所述疑似轨迹点,包括以下至少之一:
与预设道路距离小于或等于距离阈值的轨迹点;
与所述目标场所的位置坐标之间的连线跨过所述预设道路的轨迹点。
4.根据权利要求1-3任一项所述的方法,其中,对所述候选轨迹点进行密度聚类,获得目标轨迹点,包括:
对所述候选轨迹点进行密度聚类,得到聚类簇;
按所述聚类簇包括的候选轨迹点的总量,选择总量满足设定条件的聚类簇包括的候选轨迹点作为目标轨迹点。
5.根据权利要求1-3任一项所述的方法,其中,所述目标轨迹包括目的地为所述目标场所的导航轨迹,或者,到达过所述目标场所的时长满足时间长度条件的巡航轨迹。
6.一种基于位置的服务提供方法,其中,包括:利用权利要求1-5任一项所述的方法生成的目标场所的边界为被服务对象提供基于位置的服务,所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
7.一种目标场所的边界生成装置,其中,包括:
获取模块,被配置为获取历史时间段内以目标场所为目的地的目标轨迹;
提取模块,被配置为从所述目标轨迹中提取位于目标场所内的候选轨迹点;
聚类模块,被配置为对所述候选轨迹点进行密度聚类,获得目标轨迹点;
确定模块,被配置为确定所述目标轨迹点构成的点集的凸包,并将所述凸包确定为所述目标场所的边界。
8.一种电子设备,其中,包括存储器、处理器以及存储在存储器上的计算机程序,其中,所述处理器执行所述计算机程序以实现权利要求1-6任一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机指令,其中,该计算机指令被处理器执行时实现权利要求1-6任一项所述的方法。
10.一种计算机程序产品,其包括计算机指令,其中,该计算机指令被处理器执行时实现权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210114300.7A CN114722890A (zh) | 2022-01-30 | 2022-01-30 | 目标场所的边界生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210114300.7A CN114722890A (zh) | 2022-01-30 | 2022-01-30 | 目标场所的边界生成方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114722890A true CN114722890A (zh) | 2022-07-08 |
Family
ID=82235952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210114300.7A Pending CN114722890A (zh) | 2022-01-30 | 2022-01-30 | 目标场所的边界生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114722890A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071954A (zh) * | 2022-12-29 | 2023-05-05 | 北京中交兴路信息科技有限公司 | 车辆停靠区域的识别方法、装置、设备及存储介质 |
-
2022
- 2022-01-30 CN CN202210114300.7A patent/CN114722890A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071954A (zh) * | 2022-12-29 | 2023-05-05 | 北京中交兴路信息科技有限公司 | 车辆停靠区域的识别方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107247718B (zh) | 一种地图数据的更新方法和装置、导航系统及服务器 | |
EP2975555B1 (en) | Method and apparatus for displaying a point of interest | |
CN108170793B (zh) | 基于车辆语义轨迹数据的停留点分析方法及其系统 | |
Guo et al. | Towards high accuracy road maps generation from massive GPS traces data | |
CN105136147A (zh) | 一种室内导航方法、装置以及终端 | |
CN104819726A (zh) | 导航数据处理方法、装置及导航终端 | |
CN113196331A (zh) | 利用卫星影像的应用服务提供装置及方法 | |
KR20060074601A (ko) | 항법 서비스 방법 및 그에 따른 단말기 | |
US20150177002A1 (en) | Method and system for generating a parking areas map based on signals from personal communication devices indicative of parking events | |
EP2659227B1 (en) | Incremental network generation providing seamless network | |
CN114722890A (zh) | 目标场所的边界生成方法、装置、电子设备及存储介质 | |
CN114116927A (zh) | 环岛道路识别方法、装置、电子设备及存储介质 | |
CN110749330B (zh) | 导航路径规划方法及装置 | |
CN112541624B (zh) | 一种揽投网点的选址方法、装置、介质及电子设备 | |
CN112258128B (zh) | 目标位置估计方法、装置、电子设备及计算机存储介质 | |
CN114689063A (zh) | 地图建模及导航引导方法、电子设备及计算机程序产品 | |
CN114595266A (zh) | 到达点挖掘方法、电子设备及存储介质 | |
CN114842207A (zh) | 路网生成方法、装置、可读存储介质及电子设备 | |
CN115129796A (zh) | 定位数据分析方法、装置、设备和介质 | |
CN114999143B (zh) | 红灯时长挖掘方法、电子设备及计算机程序产品 | |
CN111862584A (zh) | 道路信息获取方法、装置、电子设备及可读存储介质 | |
CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 | |
CN114897041A (zh) | 停车场出入口确定方法、电子设备及存储介质 | |
CN111582962B (zh) | 一种服务状态识别方法及装置 | |
CN114782793A (zh) | 目标嫌疑度识别方法、系统、设备及介质 |
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 |