CN114863715A - 停车数据确定方法、装置、电子设备及存储介质 - Google Patents
停车数据确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114863715A CN114863715A CN202210482236.8A CN202210482236A CN114863715A CN 114863715 A CN114863715 A CN 114863715A CN 202210482236 A CN202210482236 A CN 202210482236A CN 114863715 A CN114863715 A CN 114863715A
- Authority
- CN
- China
- Prior art keywords
- parking
- point group
- data
- time
- points
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种停车数据确定方法、装置、电子设备及存储介质。一种停车数据确定方法,包括:获取车辆轨迹数据,所述车辆轨迹数据包括采样点的时间数据和位置数据;根据所述车辆轨迹数据和设定速度阈值确定所述采样点中的停车轨迹点;对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据;根据所述第一点群的停车数据和设定距离阈值对所述第一点群进行聚合得到第二点群,并确定所述第二点群的停车数据;其中,所述停车数据包括停车时间、停留时长和停车位置。利用上述方法,通过获取车辆轨迹数据,并对其分析和处理得到包含时间维度的停车数据,能够为刻画车辆基于时间顺序的行为提供可靠的数据支撑。
Description
技术领域
本发明涉及交通监测技术领域,尤其涉及一种停车数据确定方法、装置、电子设备及存储介质。
背景技术
在现代化的交通运输统计领域中,货运物流企业通过对车辆轨迹数据分析来识别车辆停靠点,进而监管车辆的停车次数和停车地点。具体的,通过对车辆停靠点数据的提取和分析,能够得到车辆停靠点。例如,采用点火状态变化时间间隔确定车辆停车时长,但这种方法忽略了货物运输车主行车前检车、热车的使用习惯,停车时长统计实际使用工况有偏差;又如,采用密度聚类的方法对停车点进行聚合,此方法对聚合参数(邻域半径、密度阈值)依赖性高,且聚合后的停车点失去了时间属性。
综上,目前没有有效的方法可以从车辆轨迹数据中准确获取基于时间维度的停车点数据,因此需要通过一种方法去为清晰刻画车辆按时间顺序的行为提供数据基础。
发明内容
本发明提供了一种停车数据确定方法、装置、电子设备及存储介质,以提高停车数据的准确性。
第一方面,本发明实施例提供了一种停车数据确定方法,包括:
获取车辆轨迹数据,所述车辆轨迹数据包括采样点的时间数据和位置数据;
根据所述车辆轨迹数据和设定速度阈值确定所述采样点中的停车轨迹点;
对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据;
根据所述第一点群的停车数据和设定距离阈值对所述第一点群进行聚合得到第二点群,并确定所述第二点群的停车数据;
其中,所述停车数据包括停车时间、停留时长和停车位置。
可选的,根据所述车辆轨迹数据和设定速度阈值确定所述采样点中的停车轨迹点,包括:
根据所述采样点中每组相邻采样点的时间数据和位置数据,计算所述相邻采样点之间的平均速度;
若所述相邻采样点之间的平均速度小于或等于所述设定速度阈值,则将所述相邻采样点标记为所述停车轨迹点。
可选的,对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据,包括:
根据所述停车轨迹点的时间数据和位置数据对所述停车轨迹点进行聚合,得到第一点群;
对于每个第一点群:
根据所述第一点群中各停车轨迹点的位置数据的中心值确定所述第一点群的停车位置;
根据所述第一点群中各停车轨迹点的时间数据中的末尾时间数据确定所述第一点群的停车时间;
根据所述第一点群中各停车轨迹点的时间数据中,起始时间数据与末尾时间数据的差值确定所述第一点群的停留时长。
可选的,根据所述第一点群的停车数据和设定距离阈值对所述第一点群进行聚合得到第二点群,包括:
按照时间维度对所述第一点群的停车数据排序;
计算所述第一点群的停车数据中,每组在时间维度上连续的两个停车位置之间的距离;
若所述两个停车位置之间的距离小于或等于所述设定距离阈值,则将所述两个停车位置对应的两个第一点群合并为一类;
其中,每个合并后的类为一个第二点群。
可选的,确定所述第二点群的停车数据,包括:
根据所述第二点群中各第一点群的停车时间中的最后停车时间确定所述第二点群的停车时间;
根据所述第二点群中各第一点群的停留时长总和确定所述第二点群的停留时间;
根据所述第二点群中各第一点群的停车位置的中心值确定所述第二点群的停车位置。
可选的,在对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据之后,还包括:
根据所述第一点群的停留时间以及设定时间阈值过滤所述第一点群。
可选的,所述停车位置基于经纬度坐标表示;
所述两个停车位置之间的距离根据半正矢公式计算。
第二方面,本发明实施例还提供了一种停车数据确定装置,包括:
获取模块,用于获取车辆轨迹数据,所述车辆轨迹数据包括采样点的时间数据和位置数据;
确定模块,用于根据所述车辆轨迹数据和设定速度阈值确定所述采样点中的停车轨迹点;
第一聚合模块,用于对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据;
第二聚合模块,用于根据所述第一点群的停车数据和设定距离阈值对所述第一点群进行聚合得到第二点群,并确定所述第二点群的停车数据;
其中,所述停车数据包括停车时间、停留时长和停车位置。
第三方面,本发明实施例还提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如本发明实施例中任一所述的停车数据确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的停车数据确定方法。
本发明实施例提供了一种停车数据确定方法、装置、电子设备及存储介质,通过获取车辆轨迹数据,车辆轨迹数据包括采样点的时间数据和位置数据;然后根据车辆轨迹数据和设定速度阈值确定采样点中的停车轨迹点;再对停车轨迹点进行聚合,得到第一点群以及第一点群的停车数据;接着根据第一点群的停车数据和设定距离阈值对第一点群进行聚合得到第二点群,并确定第二点群的停车数据,其中,所述停车数据包括停车时间、停留时长和停车位置。利用上述方法,通过获取车辆轨迹数据,并对其分析和处理得到包含时间维度的停车数据,能够提高停车数据的准确性,并为刻画车辆基于时间顺序的行为提供可靠的数据支撑。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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是根据本发明实施例一提供的一种停车数据确定方法的流程图;
图2是根据本发明实施例二提供的一种停车数据确定方法的流程图;
图3是根据本发明实施例三提供的一种停车数据确定装置的结构示意图;
图4是根据本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种停车数据确定方法的流程图,本实施例可适用于识别确定车辆的停车位置、停车时间等停车数据的情况,该方法可以由停车数据确定装置来执行,该装置可以采用硬件和/或软件的形式实现,该装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取车辆轨迹数据,所述车辆轨迹数据包括采样点的时间数据和位置数据。
其中,通过接收车辆一定时间范围内全球定位系统(Global PositioningSystem,GPS)终端回传的车联网轨迹数据来获取车辆轨迹数据。每一个回传的时间点可以认为是一个采样点,车辆轨迹数据包括每个采样点对应的时间以及该时间车辆所在的位置,从而为分析停车数据提供依据。对于原始的车联网轨迹数据可以进行清洗,去除可识别的错误的数据,即去除位置漂移和时间漂移的数据之后,获得采样点的时间数据和位置数据。此外,车辆轨迹数据还可以包括速度数据,或者可以根据时间数据和位置数据推算出速度数据。
S120、根据所述车辆轨迹数据和设定速度阈值确定所述采样点中的停车轨迹点。
其中,停车轨迹点可以认为是将车辆停留的各个位置看成一个个的点,每一个点都是车辆的停车轨迹点。设定速度阈值用来区分车辆停车轨迹点和车辆运行轨迹点,例如设定速度阈值可以是2Km/h,其可以根据实际需要进行设定,此处不作具体限定。
具体的,针对每一个车辆,按照时间顺序将获取的车辆轨迹数据进行排序,计算两个连续时间的速度均值,比较两个连续时间的速度均值与设定速度阈值的大小关系,如果速度均值小于或等于阈值,则将此时间点数据标记为车辆停车轨迹点数据,如果速度均值大于阈值,则将该时间点数据标记为车辆运行轨迹点数据。
示例性的,轨迹数据可以为:
11:10:00-位置A1、11:15:00-位置A2、11:20:00-位置A3、
11:25:00-位置A4、11:30:00-位置B、11:35:00-位置C、
11:40:00-位置D1、11:45:00-位置D2、11:50:00-位置D3、
11:55:00-位置D4、12:00:00-位置D5。
假设A1~A4、D1~D5相邻点之间的距离都小于166.7(即相邻点平均速度小于2Km/h);A4与B、B与C、C与D1之间的距离大于166.7(即相邻点平均速度大于2Km/h),则位置B和C不是停车轨迹点,其他点是停车轨迹点。
S130、对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据。
其中,停车数据包括停车时间、停留时长和停车位置。对停车轨迹点进行聚合,不限定具体采用的聚合方法,例如可以用聚类算法进行聚合,或者将处于设定半径范围/设定距离范围/设定时间段范围内的停车轨迹点聚为一个点群等。第一点群可以认为是对停车轨迹点进行第一次聚合后得到的点群。
S140、根据所述第一点群的停车数据和设定距离阈值对所述第一点群进行聚合得到第二点群,并确定所述第二点群的停车数据。
其中,设定距离阈值可根据实际需要进行设定,此处不作具体限定,例如设定距离阈值可以是300米,其可以用来区分各第一点群是否为同一类,具体的,可以通过计算两个连续时间停车轨迹点的位置距离,比较其与预设距离阈值的大小关系,如果位置距离小于或等于阈值,则将这两个第一点群聚合到同一类别,如果位置距离大于阈值,则将这两个第一点群聚合到不同类别。
将在时间维度上连续的第一点群(同一类别)的停车数据进行聚合得到第二点群,即第二点群可以认为是将经过设定距离阈值筛选后的同类别的各第一点群再次进行聚合得到的。其中,第二点群的停车数据可以根据第一点群的停车数据确定,具体的,可以根据所有第一点群最后停车的停车时间、停留时长总和、停车位置中心点来确定第二点群的停车数据;也可以从第一点群包含的停车轨迹点,根据所有停车轨迹点的末尾时间、起始和结束时间差值、位置数据的中心点来确定第二点群的停车数据。
需要说明的是,若某个第一点群中仅有一条车辆轨迹点的数据记录则不做以上处理,仅保留该条数据即可。
本发明提供的一种停车数据确定方法,通过获取车辆轨迹数据,车辆轨迹数据包括采样点的时间数据和位置数据;然后根据车辆轨迹数据和设定速度阈值确定采样点中的停车轨迹点;再对停车轨迹点进行聚合,得到第一点群以及第一点群的停车数据;接着根据第一点群的停车数据和设定距离阈值对第一点群进行聚合得到第二点群,并确定第二点群的停车数据,其中,所述停车数据包括停车时间、停留时长和停车位置。利用上述方法,通过获取车辆轨迹数据,并对其分析和处理得到包含时间维度的停车数据,能够提高停车数据的准确性,并为刻画车辆基于时间顺序的行为提供可靠的数据支撑。
实施例二
图2为本发明实施例二提供的一种停车数据确定方法的流程图,本实施例在上述实施例的基础上进行细化。
在实施例中,对根据车辆轨迹数据和设定速度阈值确定采样点中的停车轨迹点、对停车轨迹点进行聚合,得到第一点群以及第一点群的停车数据和根据第一点群的停车数据和设定距离阈值对第一点群进行聚合得到第二点群进行了具体描述。需要说明的是,未在本实施例中详尽描述的技术细节可参见上述任意实施例。
如图2所示,该方法包括:
S210、获取车辆轨迹数据,所述车辆轨迹数据包括采样点的时间数据和位置数据。
S220、根据所述采样点中每组相邻采样点的时间数据和位置数据,计算所述相邻采样点之间的平均速度。
具体的,可以通过计算相邻采样点之间的位置数据的差值和时间数据的差值,再利用平均速度=位置差值/时间差值,来得到相邻采样点之间的平均速度。
S230、若所述相邻采样点之间的平均速度小于或等于所述设定速度阈值,则将所述相邻采样点标记为所述停车轨迹点。
如上述实施例中的示例,位置B和C不是停车轨迹点,其他点是停车轨迹点。
S240、根据所述停车轨迹点的时间数据和位置数据对所述停车轨迹点进行聚合,得到第一点群。
具体的,可以将处于设定时间段范围以及设定距离范围内的停车轨迹点聚合为一个点群。设定时间段范围以及设定距离范围可根据实际进行设定,例如将11:09:00-11:26:00这一时间段内的停车轨迹点聚合为一个点群。
按照上述实施例中的示例,根据停车轨迹点的时间数据和位置数据对停车轨迹点进行聚合,得到的第一点群为:
第一点群1:11:10:00-位置A1、11:15:00-位置A2、11:20:00-位置A3、11:25:00-位置A4。
第一点群2:11:40:00-位置D1、11:45:00-位置D2、11:50:00-位置D3、11:55:00-位置D4、12:00:00-位置D5。
可选的,在对停车轨迹点进行聚合,得到第一点群以及第一点群的停车数据之后,还包括:根据第一点群的停留时间以及设定时间阈值过滤第一点群。
具体的,设定时间阈值同样可以按需设置,此处不作限定,例如设定时间阈值可以是15分钟,可以通过比较第一点群的车辆停留时间与设定时间阈值的大小关系,选择并截取各第一点群的车辆停留时间大于或等于15分钟的,将各第一点群的停留时间小于15分钟的过滤掉。
按照上述实施例中的示例,因为此时第一点群1的停留时长为:15min,第一点群2的停留时长为:20min,因此,这两个第一点群的停留时间均大于等于15分钟。
则根据第一点群的停留时间以及设定时间阈值过滤后的第一点群为:
第一点群1:11:10:00-位置A1、11:15:00-位置A2、11:20:00-位置A3、11:25:00-位置A4。
第一点群2:11:40:00-位置D1、11:45:00-位置D2、11:50:00-位置D3、11:55:00-位置D4、12:00:00-位置D5。
S250、对于每个第一点群:根据所述第一点群中各停车轨迹点的位置数据的中心值确定所述第一点群的停车位置,根据所述第一点群中各停车轨迹点的时间数据中的末尾时间数据确定所述第一点群的停车时间,根据所述第一点群中各停车轨迹点的时间数据中,起始时间数据与末尾时间数据的差值确定所述第一点群的停留时长。
具体的,针对某一第一点群,可以取此点群的最后数据上传时间为停车点停车时间(即各停车轨迹点的时间数据中的末尾时间数据),计算第一点群中经纬度位置数据的中心值(例如算数平均值、最大值与最小值的中间值等)作为第一点群的停车位置数据,将第一点群的首尾时间差值(起始时间数据与末尾时间数据的差值)作为该点群的停留时长。
按照上述实施例中的示例,第一点群1的停车时间为:11:25:00,停车位置为:位置A1~A4的中心值,停留时长为:15min;第一点群2的停车时间为:12:00:00,停车位置为:位置D1~D5的中心值,停留时长为:20min。
S260、按照时间维度对所述第一点群的停车数据排序。
具体的,可以按照时间维度对第一点群的停车数据进行升序排列。
S270、计算所述第一点群的停车数据中,每组在时间维度上连续的两个停车位置之间的距离。
具体的,停车位置可以用经纬度坐标表示,也可以用XY坐标等表示,两个停车位置之间的距离可以用停车位置坐标相对应的公式进行计算,例如用半正矢公式、欧式距离等。
可选的,停车位置基于经纬度坐标表示;两个停车位置之间的距离根据半正矢公式计算。
S280、若所述两个停车位置之间的距离小于或等于所述设定距离阈值,则将所述两个停车位置对应的两个第一点群合并为一类。
其中,每个合并后的类为一个第二点群。
例如,设定距离阈值可以为300m。按照上述实施例中的示例,第一点群1和第一点群2之间的距离超过了300m,第一点群1和第一点群2为不同类,分别作为第二点群1和第二点群2。
在另一示例中,假如一开始的轨迹数据中A4与B、B与C、C与D1之间的距离也都小于166.7,则位置B和C也是停车轨迹点,那么B和C也组成一个第一点群,记为第一点群3。如果第一点群1与第一点群3的距离(也就是A1~A4的中心值与B、C的中心值之间的距离)小于设定距离阈值(300m),则第一点群1和第一点群3合并为同一类,即第一点群1和第一点群3合并为第二点群1,此时第二点群1为:11:10:00-位置A1、11:15:00-位置A2、11:20:00-位置A3、11:25:00-位置A4、11:30:00-位置B、11:35:00-位置C。而第一点群2与第一点群1、第一点群3之间的距离都超过了300m,因此第一点群2独立作为第二点群2。
S290、根据所述第二点群中各第一点群的停车时间中的最后停车时间确定所述第二点群的停车时间;根据所述第二点群中各第一点群的停留时长总和确定所述第二点群的停留时间;根据所述第二点群中各第一点群的停车位置的中心值确定所述第二点群的停车位置。
具体的,可以从第一点群的角度出发来确定第二点群的停车数据,第二点群的停车时间可以根据第二点群中各第一点群的停车时间中的最后停车时间来确定,停留时间可以根据第二点群中各第一点群的停留时长总和来确定,停车位置可以根据第二点群中各第一点群的停车位置的中心值(例如计算各第一点群中的经纬度位置数据的算数平均值)来确定。
如上述的示例中,第一点群1和第一点群3合并为第二点群1,此时第二点群1的停车数据具体为:停车时间:11:35:00,停车位置:位置A1~A4、B、C的中心值,停留时长:15+5=20min。
需要说明的是,如果第二点群中只有一条停车数据,则直接将该停车数据作为最终的停车数据即可。
本发明实施例提供了一种停车数据确定方法,通过比较时间上相邻的两个采样点的平均速度与设定速度阈值大小,来判断其是否为停车轨迹点,并对停车轨迹点进行首次聚合。通过设定时间阈值以及第一点群的停留时间来筛选第一点群,通过比较时间上相邻得两个停车位置距离与设定阈值的大小关系,来判断其是否为同一类别的停车轨迹点,并对时间维度上连续的同一类停车轨迹点进行再次聚合,获得最终的停车数据,能够提高停车数据的准确性,并为刻画车辆基于时间顺序的行为提供可靠的数据支撑。
实施例三
图3为本发明实施例三提供的一种停车数据确定装置的结构示意图。如图3所示,该装置包括:获取模块31、确定模块32、第一聚合模块33、第二聚合模块34。
其中,获取模块31,用于获取车辆轨迹数据,所述车辆轨迹数据包括采样点的时间数据和位置数据;
确定模块32,用于根据所述车辆轨迹数据和设定速度阈值确定所述采样点中的停车轨迹点;
第一聚合模块33,用于对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据;
第二聚合模块34,用于根据所述第一点群的停车数据和设定距离阈值对所述第一点群进行聚合得到第二点群,并确定所述第二点群的停车数据;其中,所述停车数据包括停车时间、停留时长和停车位置。
在本实施例中,该装置首先通过获取模块31,获取车辆轨迹数据,所车辆轨迹数据包括采样点的时间数据和位置数据;然后通过确定模块32,根据车辆轨迹数据和设定速度阈值确定采样点中的停车轨迹点;接着通过第一聚合模块33,对停车轨迹点进行聚合,得到第一点群以及第一点群的停车数据;最后通过第二聚合模块34,根据第一点群的停车数据和设定距离阈值对第一点群进行聚合得到第二点群,并确定第二点群的停车数据。通过获取车辆轨迹数据,并对其分析和处理得到包含时间维度的停车数据,能够提高停车数据的准确性,并为刻画车辆基于时间顺序的行为提供可靠的数据支撑。
可选的,确定模块32包括:
第一计算单元,用于根据所述采样点中每组相邻采样点的时间数据和位置数据,计算所述相邻采样点之间的平均速度;
标记单元,用于若所述相邻采样点之间的平均速度小于或等于所述设定速度阈值,则将所述相邻采样点标记为所述停车轨迹点。
可选的,所述第一聚合模块33具体用于:
根据所述停车轨迹点的时间数据和位置数据对所述停车轨迹点进行聚合,得到第一点群;
对于每个第一点群:
根据所述第一点群中各停车轨迹点的位置数据的中心值确定所述第一点群的停车位置;
根据所述第一点群中各停车轨迹点的时间数据中的末尾时间数据确定所述第一点群的停车时间;
根据所述第一点群中各停车轨迹点的时间数据中,起始时间数据与末尾时间数据的差值确定所述第一点群的停留时长。
可选的,第二聚合模块34包括:
排序单元,用于按照时间维度对所述第一点群的停车数据排序;
第二计算单元,用于计算所述第一点群的停车数据中,每组在时间维度上连续的两个停车位置之间的距离;
合并单元,用于若所述两个停车位置之间的距离小于或等于所述设定距离阈值,则将所述两个停车位置对应的两个第一点群合并为一类;
其中,每个合并后的类为一个第二点群。
可选的,确定所述第二点群的停车数据,包括:
根据所述第二点群中各第一点群的停车时间中的最后停车时间确定所述第二点群的停车时间;
根据所述第二点群中各第一点群的停留时长总和确定所述第二点群的停留时间;
根据所述第二点群中各第一点群的停车位置的中心值确定所述第二点群的停车位置。
可选的,该装置还包括:
过滤模块,用于在对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据之后,根据所述第一点群的停留时间以及设定时间阈值过滤所述第一点群。
可选的,所述停车位置基于经纬度坐标表示;所述两个停车位置之间的距离根据半正矢公式计算。
本发明实施例所提供的停车数据确定装置可执行本发明任意实施例所提供的停车数据确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理。
在一些实施例中,停车数据确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的方法实施例的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述方法实施例。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种停车数据确定方法,其特征在于,包括:
获取车辆轨迹数据,所述车辆轨迹数据包括采样点的时间数据和位置数据;
根据所述车辆轨迹数据和设定速度阈值确定所述采样点中的停车轨迹点;
对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据;
根据所述第一点群的停车数据和设定距离阈值对所述第一点群进行聚合得到第二点群,并确定所述第二点群的停车数据;
其中,所述停车数据包括停车时间、停留时长和停车位置。
2.根据权利要求1所述的方法,其特征在于,根据所述车辆轨迹数据和设定速度阈值确定所述采样点中的停车轨迹点,包括:
根据所述采样点中每组相邻采样点的时间数据和位置数据,计算所述相邻采样点之间的平均速度;
若所述相邻采样点之间的平均速度小于或等于所述设定速度阈值,则将所述相邻采样点标记为所述停车轨迹点。
3.根据权利要求1所述的方法,其特征在于,对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据,包括:
根据所述停车轨迹点的时间数据和位置数据对所述停车轨迹点进行聚合,得到第一点群;
对于每个第一点群:
根据所述第一点群中各停车轨迹点的位置数据的中心值确定所述第一点群的停车位置;
根据所述第一点群中各停车轨迹点的时间数据中的末尾时间数据确定所述第一点群的停车时间;
根据所述第一点群中各停车轨迹点的时间数据中,起始时间数据与末尾时间数据的差值确定所述第一点群的停留时长。
4.根据权利要求1所述的方法,其特征在于,根据所述第一点群的停车数据和设定距离阈值对所述第一点群进行聚合得到第二点群,包括:
按照时间维度对所述第一点群的停车数据排序;
计算所述第一点群的停车数据中,每组在时间维度上连续的两个停车位置之间的距离;
若所述两个停车位置之间的距离小于或等于所述设定距离阈值,则将所述两个停车位置对应的两个第一点群合并为一类;
其中,每个合并后的类为一个第二点群。
5.根据权利要求1所述的方法,其特征在于,确定所述第二点群的停车数据,包括:
根据所述第二点群中各第一点群的停车时间中的最后停车时间确定所述第二点群的停车时间;
根据所述第二点群中各第一点群的停留时长总和确定所述第二点群的停留时间;
根据所述第二点群中各第一点群的停车位置的中心值确定所述第二点群的停车位置。
6.根据权利要求1所述的方法,其特征在于,在对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据之后,还包括:
根据所述第一点群的停留时间以及设定时间阈值过滤所述第一点群。
7.根据权利要求4所述的方法,其特征在于,所述停车位置基于经纬度坐标表示;
所述两个停车位置之间的距离根据半正矢公式计算。
8.一种停车数据确定装置,其特征在于,包括:
获取模块,用于获取车辆轨迹数据,所述车辆轨迹数据包括采样点的时间数据和位置数据;
确定模块,用于根据所述车辆轨迹数据和设定速度阈值确定所述采样点中的停车轨迹点;
第一聚合模块,用于对所述停车轨迹点进行聚合,得到第一点群以及所述第一点群的停车数据;
第二聚合模块,用于根据所述第一点群的停车数据和设定距离阈值对所述第一点群进行聚合得到第二点群,并确定所述第二点群的停车数据;
其中,所述停车数据包括停车时间、停留时长和停车位置。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-7中任一所述的停车数据确定方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的停车数据确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210482236.8A CN114863715A (zh) | 2022-05-05 | 2022-05-05 | 停车数据确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210482236.8A CN114863715A (zh) | 2022-05-05 | 2022-05-05 | 停车数据确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114863715A true CN114863715A (zh) | 2022-08-05 |
Family
ID=82636057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210482236.8A Pending CN114863715A (zh) | 2022-05-05 | 2022-05-05 | 停车数据确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114863715A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116205530A (zh) * | 2023-02-17 | 2023-06-02 | 连云港海通市民一卡通有限公司 | 一种城市智慧停车规划方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102607553A (zh) * | 2012-03-06 | 2012-07-25 | 北京建筑工程学院 | 一种基于出行轨迹数据的行程识别方法 |
CN104596507A (zh) * | 2015-02-09 | 2015-05-06 | 成都小步创想畅联科技有限公司 | 一种移动终端出行轨迹的确定方法 |
CN109541654A (zh) * | 2018-11-19 | 2019-03-29 | 北京金州世纪信息技术有限公司 | 一种车辆停靠点的计算方法及装置 |
CN111143440A (zh) * | 2019-12-30 | 2020-05-12 | 北京中交兴路信息科技有限公司 | 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质 |
CN111159582A (zh) * | 2019-12-20 | 2020-05-15 | 北京邮电大学 | 一种移动对象轨迹数据的处理方法及装置 |
CN112700201A (zh) * | 2021-01-12 | 2021-04-23 | 上海斑马来拉物流科技有限公司 | 货源推荐方法、电子设备和存储介质 |
CN112989222A (zh) * | 2021-03-04 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 一种位置确定方法、装置及电子设备 |
CN113139139A (zh) * | 2021-04-28 | 2021-07-20 | 北京百度网讯科技有限公司 | 用于确定上车点的方法、装置、电子设备和介质 |
CN114140300A (zh) * | 2021-11-02 | 2022-03-04 | 北京中交兴路车联网科技有限公司 | 基于gps数据识别车辆停靠点方法、装置、存储介质及终端 |
CN114298642A (zh) * | 2021-12-31 | 2022-04-08 | 北京交通大学 | 从轨迹数据中提取城市内货车出行od的方法 |
-
2022
- 2022-05-05 CN CN202210482236.8A patent/CN114863715A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102607553A (zh) * | 2012-03-06 | 2012-07-25 | 北京建筑工程学院 | 一种基于出行轨迹数据的行程识别方法 |
CN104596507A (zh) * | 2015-02-09 | 2015-05-06 | 成都小步创想畅联科技有限公司 | 一种移动终端出行轨迹的确定方法 |
CN109541654A (zh) * | 2018-11-19 | 2019-03-29 | 北京金州世纪信息技术有限公司 | 一种车辆停靠点的计算方法及装置 |
CN111159582A (zh) * | 2019-12-20 | 2020-05-15 | 北京邮电大学 | 一种移动对象轨迹数据的处理方法及装置 |
CN111143440A (zh) * | 2019-12-30 | 2020-05-12 | 北京中交兴路信息科技有限公司 | 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质 |
CN112700201A (zh) * | 2021-01-12 | 2021-04-23 | 上海斑马来拉物流科技有限公司 | 货源推荐方法、电子设备和存储介质 |
CN112989222A (zh) * | 2021-03-04 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 一种位置确定方法、装置及电子设备 |
CN113139139A (zh) * | 2021-04-28 | 2021-07-20 | 北京百度网讯科技有限公司 | 用于确定上车点的方法、装置、电子设备和介质 |
CN114140300A (zh) * | 2021-11-02 | 2022-03-04 | 北京中交兴路车联网科技有限公司 | 基于gps数据识别车辆停靠点方法、装置、存储介质及终端 |
CN114298642A (zh) * | 2021-12-31 | 2022-04-08 | 北京交通大学 | 从轨迹数据中提取城市内货车出行od的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116205530A (zh) * | 2023-02-17 | 2023-06-02 | 连云港海通市民一卡通有限公司 | 一种城市智慧停车规划方法及系统 |
CN116205530B (zh) * | 2023-02-17 | 2023-09-22 | 连云港海通市民一卡通有限公司 | 一种城市智慧停车规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113593218A (zh) | 交通异常事件的检测方法、装置、电子设备及存储介质 | |
CN114863715A (zh) | 停车数据确定方法、装置、电子设备及存储介质 | |
CN115440037B (zh) | 交通流量数据采集方法、装置、电子设备及存储介质 | |
CN113447013B (zh) | 施工道路识别方法、装置、设备、存储介质和程序产品 | |
CN115936522A (zh) | 一种车辆停靠站点的评估方法、装置、设备以及存储介质 | |
CN114674327A (zh) | 行驶轨迹的推送方法、装置、电子设备和导航设备 | |
CN113052397A (zh) | 上车信息的确定方法、装置、电子设备和存储介质 | |
CN112699563A (zh) | 一种速度分段方法、装置、电子设备及存储介质 | |
CN113407839B (zh) | 出行方式的确定方法、装置、设备和存储介质 | |
CN116662788B (zh) | 一种车辆轨迹处理方法、装置、设备和存储介质 | |
CN113990068B (zh) | 交通数据的处理方法、装置、设备以及存储介质 | |
CN115658826A (zh) | 一种轨迹停留点确定方法、装置、设备及存储介质 | |
CN115476882A (zh) | 行为决策模型优化、行为决策方法、装置、设备及介质 | |
CN115034295A (zh) | 一种频繁位置确定方法、装置、设备及存储介质 | |
CN115238811A (zh) | 异常检测模型的训练方法、装置、设备及存储介质 | |
CN115755019A (zh) | 目标跟踪方法、装置、设备及介质 | |
CN116484993A (zh) | 换电站换电需求预测方法、装置、设备及介质 | |
CN117346808A (zh) | 一种车辆的公车私用检测方法、装置、设备及存储介质 | |
CN115798074A (zh) | 一种车辆工况数据生成方法、装置、设备及存储介质 | |
CN117291617A (zh) | 一种自动建立客服反馈工单的方法及智能研判系统 | |
CN118035788A (zh) | 一种目标车辆相对位置分类方法、装置、设备及存储介质 | |
CN117058629A (zh) | 轨迹分割方法、装置、电子设备和存储介质 | |
CN116934779A (zh) | 一种激光点云的分割方法、装置、电子设备及存储介质 | |
CN114298967A (zh) | 高精地图数据变更的质量检测方法、装置、设备及存储介质 | |
CN116087894A (zh) | 雷达姿态检测方法、装置、电子设备以及存储介质 |
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 |