CN115206102A - 确定交通路径的方法、装置、电子设备和介质 - Google Patents
确定交通路径的方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN115206102A CN115206102A CN202210839255.1A CN202210839255A CN115206102A CN 115206102 A CN115206102 A CN 115206102A CN 202210839255 A CN202210839255 A CN 202210839255A CN 115206102 A CN115206102 A CN 115206102A
- Authority
- CN
- China
- Prior art keywords
- traffic
- path
- determining
- time
- paths
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002123 temporal effect Effects 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 101100394003 Butyrivibrio fibrisolvens end1 gene Proteins 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种确定交通路径的方法、装置、设备、介质和产品,涉及智能交通领域,具体为自动驾驶、大数据等技术领域。确定交通路径的方法包括:基于多个交通路径的位置信息,确定多个交通路径彼此之间的空间相似度;基于与多个交通路径相关的时间信息,确定多个交通路径彼此之间的时间相似度;基于空间相似度和时间相似度,将多个交通路径划分为至少一个类别;针对至少一个类别中的目标类别,基于与目标类别的交通路径相关联的空间相似度,从目标类别的交通路径中确定目标交通路径。
Description
技术领域
本公开涉及智能交通领域,具体为自动驾驶、大数据等技术领域,更具体地,涉及一种确定交通路径的方法、装置、电子设备、介质和程序产品。
背景技术
随着交通技术和生活水平的提高,用户的出行频率越来越高,形成大量的出行交通路径。为了提高出行体验,需要挖掘用户的出行规律,以便在具有代表性的交通路径上进行相应规划,以此提高用户的出行体验。
发明内容
本公开提供了一种确定交通路径的方法、装置、电子设备、存储介质以及程序产品。
根据本公开的一方面,提供了一种确定交通路径的方法,包括:基于多个交通路径的位置信息,确定所述多个交通路径彼此之间的空间相似度;基于与所述多个交通路径相关的时间信息,确定所述多个交通路径彼此之间的时间相似度;基于所述空间相似度和所述时间相似度,将所述多个交通路径划分为至少一个类别;针对所述至少一个类别中的目标类别,基于与所述目标类别的交通路径相关联的空间相似度,从所述目标类别的交通路径中确定目标交通路径。
根据本公开的另一方面,提供了一种确定交通路径的装置,包括:第一确定模块、第二确定模块、划分模块以及第三确定模块。第一确定模块,用于基于多个交通路径的位置信息,确定所述多个交通路径彼此之间的空间相似度;第二确定模块,用于基于所述多个交通路径的时间信息,确定所述多个交通路径彼此之间的时间相似度;划分模块,用于基于所述空间相似度和所述时间相似度,将所述多个交通路径划分为至少一个类别;第三确定模块,用于针对所述至少一个类别中的目标类别,基于与所述目标类别的交通路径相关联的空间相似度,从所述目标类别的交通路径中确定目标交通路径。
根据本公开的另一方面,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指令,所述指令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上述的确定交通路径的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行上述的确定交通路径的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令存储于可读存储介质和电子设备其中至少之一上,所述计算机程序/指令被处理器执行时实现上述确定交通路径的方法的步骤。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1A~图1C示意性示出了基于空间相似度进行路径聚类的示意图;
图1D示意性示出了基于时间相似度进行路径聚类的示意图;
图1E示意性示出了交通路径的示意图;
图2示意性示出了根据本公开一实施例的确定交通路径的方法的流程图;
图3示意性示出了根据本公开一实施例的确定空间相似度的示意图;
图4示意性示出了根据本公开一实施例的确定时间相似度的示意图;
图5示意性示出了根据本公开一实施例的确定时间相似度的示意图;
图6示意性示出了根据本公开一实施例的确定交通路径的装置的框图;以及
图7是用来实现本公开实施例的用于执行确定交通路径的的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
近年来,随着城市规模不断扩张,道路长度不断增加,车辆频繁出行形成大量的交通数据,车辆包括自动驾驶车辆。道路卡口抓拍数据作为交通数据的重要组成部分,通过对经过路口的车辆进行拍摄记录,有效地保存了车辆的出行路径。
在智慧交管领域,挖掘并提取每个车辆的出行规律,对理解和预测车辆行为有着重要的意义。然而对于同一车辆,其在不同日期的轨迹虽然存在相似性,但是仍存在不同大小的空间差异和时间差异。因此,如何从交通数据中得到车辆的出行规律成为重要的问题。
对每一车辆的出行规律进行提取包括确定针对该车辆的目标交通路径,目标交通路径例如为车辆的代表路径,基于目标交通路径可以为智慧交管提供重要的辅助信息,以提升交通管理能力。得到车辆的代表路径之后,可以基于代表路径预测车辆下一个到达的目的地,以便提前为车辆提供相应的导航引导方案。还可以基于多个车辆的多个代表路径进行车流量的汇总。还可以基于代表路径进行城市规划等等。
目前,当对交通路径进行规律提取时,需要对每辆车的所有路径进行聚类,从而将相似的路径归为一类后再提取代表路径。对于每条路径,通过交通卡口采集的数据包括车辆经过每一个卡口的位置和时间,位置包括卡口所在的坐标。当对交通路径进行聚类时,可以考虑空间距离和时间相似度两个主要因素。在一些情况下,聚类方法包括直接对特定时间段内所有交通路径的出发地和到达地进行点聚类,然后将出发地和到达地都在相同簇的两条路径聚为一类。
通过对多个交通路径进行聚类,将相似的交通路径聚为一个类别,然后从各类别中获取具有代表性的目标交通路径。
图1A~图1C示意性示出了基于空间相似度进行路径聚类的示意图。
如图1A所示,以6交通路径为例,6个交通路径分别为交通路径AH、交通路径BH、交通路径CI、交通路径DI、交通路径EI、交通路径FJ。交通路径AH的出发地例如为A地,到达地例如为H地,与交通路径AH相关的出发时刻例如为9:00,达到时刻例如为9:30。交通路径BH的出发地例如为B地,到达地例如为H地,与交通路径BH相关的出发时刻例如为9:05,达到时刻例如为9:40。
可以对6个交通路径的出发地进行聚类,将距离较近的出发地聚为一类。对6个交通路径的到达地进行聚类,将距离较近的到达地为一类。聚类结果例如包括2个出发地类别和1个到达地类别,1个出发地类别(包括出发地A、B、C)和1个到达地类别(包括到达地H、I、J)对应的交通路径为一类,另一个出发地类别(包括出发地D、E、F)和1个到达地类别(包括到达地H、I、J)对应的交通路径为另一类别,从而将6条交通路径划分为2个类别。得到2个类别后,可以从2个类别中的至少一个类别,确定具有代表性的目标交通路径,作为提取的路径规律进行输出。
基于出发地和到达地的空间位置进行聚类,通常忽略了交通路径中间段的信息,从而造成聚类误差。
如图1B所示,以两个交通路径为例,一个交通路径以虚线箭头表示,另一个交通路径以实线箭头表示,箭头方向表示交通路径的方向,黑色圆点例如表示交通卡口采集数据的位置。可以看出,由于该两个交通路径的出发地距离较近,因此出发地聚类为同一个簇,两个交通路径的达到地距离较近,因此到达地聚类为同一个簇,从而将两个交通路径划分为一个类别。但是,两个交通路径的中间路段的信息差异性较大,若将两者划为一个类别,从该类别中提取的目标交通路径不具有代表性。在现实交通场景中,两个交通路径可能代表了一个车辆在特定时间内到达目的地的两种不同的方式,所以希望将两个交通路径划分为两个类别。
如图1C所示,基于交通路径的出发地或到达地进行聚类,也有可能会将相似度很高的两个交通路径划分为两个类别。图1C中的虚线箭头和实现箭头分别表示两个交通路径,两个交通路径除了起点不同外没有其他差异,此情况有可能是交通卡口抓拍数据遗失造成,两个交通路径应划分为一个类别。但是,由于出发地的不同,聚类时通常不会将两个出发地聚为一簇,故造成交通路径的聚类误差。
另外,可以根据时间相似度对交通路径进行划分。
在一示例中,如果根据固定时段对时间上相似的交通路径进行划分,则很有可能因为时段划分的间题导致时间相似的交通路径没有被划分为一类。例如,如果将出发时刻在9:00~9:30间的交通路径的出发地聚为一簇,那有可能会忽略出发时刻为9:29的出发地和出发时刻为9:31的出发地没有被聚为一类,导致两个交通路径没有被划分为一类。
在另一示例中,可以通过滑动窗口解决上述问题。例如,滑动窗口为10分钟,如果两个交通路径的出发时刻的时刻差在10分钟之内,可以将其在时间维度上划为一类。但是,滑动窗口在一些情况下也不适用,如图1D所示。
图1D示意性示出了基于时间相似度进行路径聚类的示意图。
如图1D所示,以两组交通路径为例,第一组交通路径包括交通路径L_1和L_2,第二组交通路径包括交通路径L_3和L_4。如果将滑动窗口设置为30分钟,第一组的两个交通路径L_1和L_2会被分成一类,但是L_1和L_2的真实时间相似度并不高,因为他们各自只有4分钟的长度,30分钟的滑动窗口对于L_1和L_2来说过大。
对于第二组交通路径L_3和L_4来说,30分钟的滑动窗口无法将其出发时刻或到达时刻聚为一类,因此30分钟的滑动窗口对于L_3和L_4来说又过小,因为两条交通路径L_3和L_4的行驶时间的跨度(超过两个小时)较大。
图1E示意性示出了交通路径的示意图。
如图1E所示,以4个交通路径为例,其中两个交通路径以虚线箭头表示,两个交通路径以实线箭头表示。4个交通路径的出发地、到达地、中间路段具有细微差异,但是4个交通路径的整体相似度较高,因此,本公开希望将该4个交通路径划分为一类。
有鉴于此,本公开的实施例提出了一种确定交通路径的方法,该方法可以将相似度较高的交通路径划分为一类,并基于划分结果确定具有代表性的目标交通路径。以下参考图2~图5描述本公开的确定交通路径的方法。
图2示意性示出了根据本公开一实施例的确定交通路径的方法的流程图。
如图2所示,本公开实施例的确定交通路径的方法200例如可以包括操作S210~操作S240。
在操作S210,基于多个交通路径的位置信息,确定多个交通路径彼此之间的空间相似度。
示例性地,针对多个交通路径中的任意两个交通路径,可以基于任意两个交通路径的位置信息,确定任意两个交通路径之间的空间相似度,空间相似度表征了两个交通路径之间的位置距离,位置距离越小,空间相似度越大。
在操作S220,基于与多个交通路径相关的时间信息,确定多个交通路径彼此之间的时间相似度。
针对多个交通路径中的任意两个交通路径,基于与任意两个交通路径相关的时间信息,确定任意两个交通路径的时间相似度,每个交通路径可以包括多个位置,时间信息例如包括交通路径经过每个位置的时刻。时间相似度表征了两个交通路径之间的时间距离,时间距离越小,时间相似度越大。
在操作S230,基于空间相似度和时间相似度,将多个交通路径划分为至少一个类别。
在得到多个交通路径中两两交通路径之间的空间相似度和时间相似度之后,基于空间相似度和时间相似度,将多个交通路径划分为至少一个类别。一个类别内的交通路径之间的空间相似度较大并且时间相似度也较大。
在操作S240,针对至少一个类别中的目标类别,基于与目标类别的交通路径相关联的空间相似度,从目标类别的交通路径中确定目标交通路径。
在得到至少一个类别之后,可以将至少一个类别中的部分类别或全部类别作为目标类别。每个目标类别中例如包括多个交通路径,基于每个目标类别中的多个交通路径彼此之间的空间相似度,从该目标类别中确定目标交通路径,目标交通路径为该目标类别中多个交通路径的代表路径。
根据本公开的实施例,基于交通路径的空间相似度和时间相似度对多个交通路径进行划分,提高了划分的准确性。划分得到的类别中交通路径之间的相似度较高,从目标类别中确定的目标交通路径具有较好的代表性。得到目标交通路径之后,可以基于目标交通路径进行相关的交通规划,当车辆的行驶路径与具有代表性的目标交通路径一致时,可以基于目标交通路径预测车辆下一个到达的目的地,以便提前为车辆提供相应的导航引导方案,还可以基于多个目标交通路径进行交通流量的汇总,还可以基于目标交通路径进行城市规划等,提高了交通的智能化。
在一示例中,多个交通路径可以是针对一个车辆的交通路径,确定的目标交通路径可以是该车辆的代表路径。多个交通路径可以是该车辆在预设时间段内的历史路径,预设时间段内车辆的路径通常是较有规律的,预设时间段例如包括工作日或周末。
在另一示例中,当多个车辆的行驶规律相近时,多个交通路径也可以是不同车辆的交通路径,确定的目标交通路径可以作为多个车辆的代表路径。
图3示意性示出了根据本公开一实施例的确定空间相似度的示意图。
如图3所示,从多个交通路径中确定任意两个交通路径,任意两个交通路径例如以第一交通路径和第二交通路径为例。第一交通路径例如以多个第一特征点表示,多个第一特征点例如包括A1、A2、A3、A4、A5,第二交通路径例如以多个第二特征点表示,多个第二特征点例如包括B1、B2、B3、B4、B5、B6、B7、B8。第一特征点和第二特征点可以是交通路径上的位置,该位置例如为采集数据的交通卡口的位置。
接下来,从第一交通路径中确定第一子路径,从第二交通路径中确定第二子路径。第二子路径与第一子路径之间的位置距离小于等于预设距离。例如,第一子路径为A2-A3,第二子路径为B4-B5。
在一示例中,第二子路径与第一子路径之间的位置距离小于等于预设距离例如包括第一子路径中任意位置和第二子路径中任意位置之间的位置距离小于预设距离。或者,第二子路径与第一子路径之间的位置距离小于等于预设距离包括第二子路径的端点位置B4和第一子路径的端点位置A2之间的位置距离小于等于预设距离,第二子路径的端点位置B5和第一子路径的端点位置A3之间的位置距离小于等于预设距离。
得到第一子路径和第二子路径之后,可以基于第一子路径的位置信息和第二子路径的位置信息,确定参考子路径的路径长度,参考子路径例如为C1-C2。
在一示例中,第一子路径包括多个第一特征点A1~A5,第二子路径包括多个第二特征点B1~B8。可以基于第一特征点和第二特征点,确定参考特征点,然后基于参考特征点确定参考子路径。
例如,将距离小于预设距离的第一特征点A2和第二特征点B4的中点作为参考特征点C1。将距离小于预设距离的第一特征点A3和第二特征点B5的中点作为参考特征点C2。将参考特征点C1和C2之间的路径作为参考子路径,参考子路径如图3中的虚线表示。
然后,基于第一交通路径的位置信息,确定第一交通路径的路径长度。基于第二交通路径的位置信息,确定第二交通路径的路径长度。
接下来,基于参考子路径的路径长度、第一交通路径的路径长度和第二交通路径的路径长度,确定第一交通路径和第二交通路径之间的空间相似度。参考子路径例如表征了第一交通路径和第二交通路径之间的公共子序列,参考子路径表征第一交通路径和第二交通路径之间相近的路段。
在另一示例中,得到参考子路径的路径长度、第一交通路径的路径长度和第二交通路径的路径长度之后,确定第一交通路径的路径长度和第二交通路径的路径长度的和值。然后,基于参考子路径的路径长度和和值之比,确定第一交通路径和第二交通路径之间的空间相似度。空间相似度S_1如公式(1)所示。
其中,lcs表示参考子路径的路径长度,L_1表示第一交通路径的路径长度,L_2表示第二交通路径的路径长度。S_1的值在0~1之间。
可以理解,基于任意两个交通路径确定参考子路径,基于参考子路径的路径长度和交通路径的路径长度来确定空间相似度,充分考虑了交通路径的出发地、到达地、中间路段之间的相似程度,提高了空间相似度的准确性。
图4示意性示出了根据本公开一实施例的确定时间相似度的示意图。
如图4所示,交通路径的时间信息例如包括与交通路径相关的出发时刻、与交通路径相关的到达时刻以及与交通路径相关的时间段长度。
从多个交通路径中确定任意两个交通路径,任意两个交通路径例如包括第三交通路径和第四交通路径,第三交通路径可以是上文的第一交通路径,第四交通路径例如可以是上文的第二交通路径。例如,第三交通路径为L_11,第四交通路径为L_21;或者第三交通路径为L_12,第四交通路径为L_22。与第三交通路径相关的出发时刻为start1,到达时刻为end1。与第四交通路径相关的出发时刻为start2,到达时刻为end2。
基于与第三交通路径相关的出发时刻start1、与第三交通路径相关的到达时刻end1、与第四交通路径相关的出发时刻start2、与第四交通路径相关的到达时刻end2,确定第三交通路径和第四交通路径的共同时间段长度。
例如,从与第三交通路径相关的出发时刻start1以及与第四交通数据相关的出发时刻start2中,确定时刻在后的目标出发时刻,目标出发时刻为start2。即,目标出发时刻为出发时刻start1和出发时刻start2中较大的一个。
从与第三交通路径相关的到达时刻end1以及与第四交通数据相关的到达时刻end2中,确定时刻在前的目标到达时刻,目标到达时刻为end1。即,目标达到时刻为到达时刻end1和到达时刻end2中较小的一个。
接下来,将目标出发时刻和目标到达时刻之间的时间段长度,确定为共同时间段长度。共同时间段长度Δtime如公式(2)所示。
Δtime=max(start1,start2)-min(end1,end2) 公式(2)
其中,共同时间段长度Δtime可以大于等于0,也可以小于等于0。例如,当第三交通路径为L_11、第四交通路径为L_21时,共同时间段长度Δtime大于等于0。当第三交通路径为L_12、第四交通路径为L_22时,共同时间段长度Δtime小于等于0,图4中示出的-Δtime大于等于0。
基于共同时间段长度Δtime、与第三交通路径相关的时间段长度(start1至end1之间的时间段长度)、与第四交通路径相关的时间段长度(start2至end2之间的时间段长度),确定第三交通路径和第四交通路径之间的时间相似度。
例如,基于第三交通路径的时间段长度和第四交通路径的时间段长度的并集,确定总时间段,基于共同时间段长度和总时间段之比,确定第三交通路径和第四交通路径之间的时间相似度。时间相似度S_2如公式(3)所示。
其中,总时间段为表示为max(end1,end2)-min(start1,start2)。Δtime的值在-1~1之间,S_2的值在0~1之间。
图5示意性示出了根据本公开一实施例的确定时间相似度的示意图。
如图5所示,针对第三交通路径L_11和第四交通路径L_21,基于公式(3)得到的时间相似度较小。针对第三交通路径L_12和第四交通路径L_22,基于公式(3)得到的时间相似度较大。后续基于时间相似度进行聚类时,第三交通路径L_11和第四交通路径L_21在小概率上会被聚为一类,第三交通路径L_12和第四交通路径L_22在大概率上会被聚为一类。
可以理解,基于与交通路径相关的出发时刻、与交通路径相关的达到时刻、交通路径的时间段长度(时间跨度)来确定交通路径的时间相似度,提高了时间相似度的准确性。解决了仅基于出发时刻、达到时刻确定时间相似度,或者仅基于时间滑动窗口确定时间相似度存在的问题。
在本公开的另一示例中,得到任意两个交通路径的空间相似度和时间相似度之后,可以对空间相似度和时间相似度进行加权相加,得到针对任意两个交通路径的总相似度。然后,基于总相似度对多个交通路径进行聚类,得到至少一个类别。例如,将总相似度较大的路径划分为一类,总相似度越大,路径越相似。聚类方式例如包括但不仅限于层次聚类(Hierarchical Clustering)、密度聚类(DBSCAN)。总相似度S如公式(4)所示。
S=ω_1*S_1+ω_2*S_2 公式(4)
其中,ω_1为空间相似度S_1的的权重,ω_2为时间相似度S_2的的权重。
可以理解,可以根据实际需要为空间相似度和时间相似度设置不同的权重,提高灵活性。
在本公开的另一示例中,在得到至少一个类别之后,可以基于至少一个类别中各自类别所包含的交通路径的数量,从至少一个类别中确定目标类别,所确定的目标类别例如包括N个交通路径,N为大于1的整数。例如,目标类别中的交通路径的数量大于预设数量,或者目标类别中交通路径的数量大于其他类别的交通路径的数量。
针对目标类别,将N个交通路径中的任意一个作为候选交通路径,如果候选交通路径与N个交通路径中剩余交通路径之间的空间相似度满足相似度条件,将候选交通路径确定为目标交通路径。相似度条件包括该候选交通路径与剩余交通路径之间的平均空间相似度最大。
例如,N个交通路径包括交通路径n_1、交通路径n_2、交通路径n_3。
当候选交通路径为交通路径n_1时,交通路径n_1与交通路径n_2之间的空间相似度例如为0.7,交通路径n_1与交通路径n_3之间的空间相似度例如为0.9,则针对候选交通路径的平均空间相似度为(0.7+0.9)/2=0.8。
当候选交通路径为交通路径n_2时,交通路径n_2与交通路径n_1之间的空间相似度例如为0.7,交通路径n_2与交通路径n_3之间的空间相似度例如为0.5,则针对候选交通路径的平均空间相似度为(0.7+0.5)/2=0.6。
当候选交通路径为交通路径n_3时,交通路径n_3与交通路径n_1之间的空间相似度例如为0.9,交通路径n_3与交通路径n_2之间的空间相似度例如为0.5,则针对候选交通路径的平均空间相似度为(0.7+0.5)/2=0.7。
此时,将最大的平均空间相似度0.8对应的候选交通路径(交通路径n_1)确定为针对目标类别的目标交通路径。
当目标类别包括多个类别时,可以分别确定针对每个目标类别的目标交通路径。
可以理解,基于总距离对交通路径进行聚类,提高了聚类准确性。基于空间相似度从目标类别中确定目标交通路径,使得目标交通路径更具代表性。
在本公开的另一示例中,在确定目标类别中具有代表性的目标交通路径之后,还可以获得与目标交通路径相关联的时间范围,时间范围例如包括与目标交通路径相关的出发时刻范围以及与目标交通路径相关的到达时刻范围。
例如,目标类别包括至少两个交通路径,基于至少两个交通路径各自对应的出发时刻,确定时刻在前的第一出发时刻和时刻在后的第二出发时刻。基于第一出发时刻和第二出发时刻,确定出发时刻范围,例如将第一出发时刻和第二出发时刻之间的时间段作为出发时刻范围。目标类别中的所有交通路径的出发时刻均落入出发时刻范围之内。
基于至少两个交通路径各自对应的到达时刻,确定时刻在前的第一到达时刻和时刻在后的第二到达时刻,基于第一到达时刻和第二到达时刻,确定到达时刻范围,例如将第一达到时刻和第二达到时刻之间的时间段作为达到时刻范围。目标类别中的所有交通路径的达到时刻均落入达到时刻范围之内。
在得到目标交通路径、出发时刻范围、到达时刻范围之后,可以输出目标交通路径、出发时刻范围、到达时刻范围。出发时刻范围和到达时刻范围表征了具有代表性的目标交通路径的时间规律。
另外,针对每个车辆可以确定至少一个目标交通路径,可以将车辆的标识、至少一个目标交通路径、出发时刻范围、到达时刻范围进行关联输出,便于得知车辆的出行规律。车辆的标识例如包括车牌号、车牌颜色等等。
可以理解,通过本公开的实施例,基于历史的交通路径大数据,挖掘表征车辆出行规律的目标交通路径,提高了规律挖掘的效率和准确性。
图6示意性示出了根据本公开一实施例的确定交通路径的装置的框图。
如图6所示,本公开实施例的确定交通路径的装置600例如包括第一确定模块610、第二确定模块620、划分模块630以及第三确定模块640。
第一确定模块610可以用于基于多个交通路径的位置信息,确定多个交通路径彼此之间的空间相似度。根据本公开实施例,第一确定模块610例如可以执行上文参考图2描述的操作S210,在此不再赘述。
第二确定模块620可以用于基于与多个交通路径相关的时间信息,确定多个交通路径彼此之间的时间相似度。根据本公开实施例,第二确定模块620例如可以执行上文参考图2描述的操作S220,在此不再赘述。
划分模块630可以用于基于空间相似度和时间相似度,将多个交通路径划分为至少一个类别。根据本公开实施例,划分模块630例如可以执行上文参考图2描述的操作S230,在此不再赘述。
第三确定模块640可以用于针对至少一个类别中的目标类别,基于与目标类别的交通路径相关联的空间相似度,从目标类别的交通路径中确定目标交通路径。根据本公开实施例,第三确定模块640例如可以执行上文参考图2描述的操作S240,在此不再赘述。
根据本公开的实施例,第一确定模块610包括:第一确定子模块、第二确定子模块、第三确定子模块和第四确定子模块。第一确定子模块,用于从多个交通路径中确定任意两个交通路径,任意两个交通路径包括第一交通路径和第二交通路径;第二确定子模块,用于从第一交通路径中确定第一子路径;第三确定子模块,用于从第二交通路径中确定第二子路径,其中,第二子路径与第一子路径之间的位置距离小于等于预设距离;第四确定子模块,用于基于第一子路径的位置信息、第二子路径的位置信息、第一交通路径的位置信息和第二交通路径的位置信息,确定第一交通路径和第二交通路径之间的空间相似度。
根据本公开的实施例,第四确定子模块包括:第一确定单元、第二确定单元、第三确定单元和第四确定单元。第一确定单元,用于基于第一子路径的位置信息和第二子路径的位置信息,确定参考子路径的路径长度;第二确定单元,用于基于第一交通路径的位置信息,确定第一交通路径的路径长度;第三确定单元,用于基于第二交通路径的位置信息,确定第二交通路径的路径长度;第四确定单元,用于基于参考子路径的路径长度、第一交通路径的路径长度和第二交通路径的路径长度,确定第一交通路径和第二交通路径之间的空间相似度。
根据本公开的实施例,第四确定单元包括:第一确定子单元和第二确定子单元。第一确定子单元,用于确定第一交通路径的路径长度和第二交通路径的路径长度的和值;第二确定子单元,用于基于参考子路径的路径长度和和值之比,确定第一交通路径和第二交通路径之间的空间相似度。
根据本公开的实施例,第一子路径包括第一特征点,第二子路径包括第二特征点;装置600还可以包括:第四确定模块和第五确定模块。第四确定模块,用于基于第一特征点和第二特征点,确定参考特征点;第五确定模块,用于基于参考特征点,确定参考子路径。
根据本公开的实施例,时间信息包括与交通路径相关的出发时刻、与交通路径相关的到达时刻以及与交通路径相关的时间段长度;第二确定模块620包括:第五确定子模块、第六确定子模块和第七确定子模块。第五确定子模块,用于从多个交通路径中确定任意两个交通路径,任意两个交通路径包括第三交通路径和第四交通路径;第六确定子模块,用于基于与第三交通路径相关的出发时刻、与第三交通路径相关的到达时刻、与第四交通路径相关的出发时刻、与第四交通路径相关的到达时刻,确定第三交通路径和第四交通路径的共同时间段长度;第七确定子模块,用于基于共同时间段长度、与第三交通路径相关的时间段长度、与第四交通路径相关的时间段长度,确定第三交通路径和第四交通路径之间的时间相似度。
根据本公开的实施例,第六确定子模块包括:第五确定单元、第六确定单元和第七确定单元。第五确定单元,用于从与第三交通路径相关的出发时刻以及与第四交通数据相关的出发时刻中,确定时刻在后的目标出发时刻;第六确定单元,用于从与第三交通路径相关的到达时刻以及与第四交通数据相关的到达时刻中,确定时刻在前的目标到达时刻;第七确定单元,用于将目标出发时刻和目标到达时刻之间的时间段长度,确定为共同时间段长度。
根据本公开的实施例,第七确定子模块包括:第八确定单元和第九确定单元。第八确定单元,用于基于第三交通路径的时间段长度和第四交通路径的时间段长度的并集,确定总时间段;第九确定单元,用于基于共同时间段长度和总时间段之比,确定第三交通路径和第四交通路径之间的时间相似度。
根据本公开的实施例,划分模块630包括:相加子模块和聚类子模块。相加子模块,用于对空间相似度和时间相似度进行加权相加,得到总相似度;聚类子模块,用于基于总相似度,对多个交通路径进行聚类,得到至少一个类别。
根据本公开的实施例,装置600还可以包括:第六确定模块,用于基于至少一个类别中各自类别所包含的交通路径的数量,从至少一个类别中确定目标类别,其中,目标类别包括N个交通路径,N为大于1的整数;其中,第三确定模块640还用于:针对N个交通路径中的候选交通路径,响应于确定候选交通路径与N个交通路径中剩余交通路径之间的空间相似度满足相似度条件,将候选交通路径确定为目标交通路径。
根据本公开的实施例,装置600还可以包括:第七确定模块,用于针对目标类别中的交通路径,基于与交通路径相关的出发时刻以及与交通路径相关的到达时刻,确定与目标交通路径相关的出发时刻范围以及与目标交通路径相关的到达时刻范围。
根据本公开的实施例,第七确定模块包括:第八确定子模块、第九确定子模块、第十确定子模块和第十一确定子模块。第八确定子模块,用于基于至少两个交通路径各自对应的出发时刻,确定时刻在前的第一出发时刻和时刻在后的第二出发时刻;第九确定子模块,用于基于第一出发时刻和第二出发时刻,确定出发时刻范围;第十确定子模块,用于基于至少两个交通路径各自对应的到达时刻,确定时刻在前的第一到达时刻和时刻在后的第二到达时刻;第十一确定子模块,用于基于第一到达时刻和第二到达时刻,确定到达时刻范围。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开实施例,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行上文所描述的确定交通路径的方法。
根据本公开实施例,提供了一种计算机程序产品,包括计算机程序/指令,计算机程序/指令存储于可读存储介质和电子设备其中至少之一上,计算机程序/指令被处理器执行时实现上文所描述的确定交通路径的方法。
图7是用来实现本公开实施例的用于执行确定交通路径的的电子设备的框图。
图7示出了可以用来实施本公开实施例的示例电子设备700的示意性框图。电子设备700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/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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。
计算单元701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。计算单元701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计算单元、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。计算单元701执行上文所描述的各个方法和处理,例如确定交通路径的方法。例如,在一些实施例中,确定交通路径的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的确定交通路径的方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行确定交通路径的方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程确定交通路径的装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码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。
在本公开的上下文中,机器可读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程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。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,可以在计算机上实施此处描述的系统和技术,该计算机具有: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计算机。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)和互联网。
计算机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,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开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,只要能够实现本公开公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (27)
1.一种确定交通路径的方法,包括:
基于多个交通路径的位置信息,确定所述多个交通路径彼此之间的空间相似度;
基于与所述多个交通路径相关的时间信息,确定所述多个交通路径彼此之间的时间相似度;
基于所述空间相似度和所述时间相似度,将所述多个交通路径划分为至少一个类别;以及
针对所述至少一个类别中的目标类别,基于与所述目标类别的交通路径相关联的空间相似度,从所述目标类别的交通路径中确定目标交通路径。
2.根据权利要求1所述的方法,其中,所述基于多个交通路径的位置信息,确定所述多个交通路径彼此之间的空间相似度包括:
从所述多个交通路径中确定任意两个交通路径,任意两个交通路径包括第一交通路径和第二交通路径;
从所述第一交通路径中确定第一子路径;
从所述第二交通路径中确定第二子路径,其中,所述第二子路径与所述第一子路径之间的位置距离小于等于预设距离;以及
基于所述第一子路径的位置信息、所述第二子路径的位置信息、所述第一交通路径的位置信息和所述第二交通路径的位置信息,确定所述第一交通路径和所述第二交通路径之间的空间相似度。
3.根据权利要求2所述的方法,其中,所述基于所述第一子路径的位置信息、所述第二子路径的位置信息、所述第一交通路径的位置信息和所述第二交通路径的位置信息,确定所述第一交通路径和所述第二交通路径之间的空间相似度包括:
基于所述第一子路径的位置信息和所述第二子路径的位置信息,确定参考子路径的路径长度;
基于所述第一交通路径的位置信息,确定所述第一交通路径的路径长度;
基于所述第二交通路径的位置信息,确定所述第二交通路径的路径长度;以及
基于所述参考子路径的路径长度、所述第一交通路径的路径长度和所述第二交通路径的路径长度,确定所述第一交通路径和所述第二交通路径之间的空间相似度。
4.根据权利要求3所述的方法,其中,所述基于所述参考子路径的路径长度、所述第一交通路径的路径长度和所述第二交通路径的路径长度,确定所述第一交通路径和所述第二交通路径之间的空间相似度包括:
确定所述第一交通路径的路径长度和所述第二交通路径的路径长度的和值;以及
基于所述参考子路径的路径长度和所述和值之比,确定所述第一交通路径和所述第二交通路径之间的空间相似度。
5.根据权利要求3或4所述的方法,其中,所述第一子路径包括第一特征点,所述第二子路径包括第二特征点;所述方法还包括:
基于所述第一特征点和所述第二特征点,确定参考特征点;以及
基于所述参考特征点,确定所述参考子路径。
6.根据权利要求1所述的方法,其中,所述时间信息包括与交通路径相关的出发时刻、与交通路径相关的到达时刻以及与交通路径相关的时间段长度;所述基于与所述多个交通路径相关的时间信息,确定所述多个交通路径彼此之间的时间相似度包括:
从所述多个交通路径中确定任意两个交通路径,任意两个交通路径包括第三交通路径和第四交通路径;
基于与所述第三交通路径相关的出发时刻、与所述第三交通路径相关的到达时刻、与所述第四交通路径相关的出发时刻、与所述第四交通路径相关的到达时刻,确定所述第三交通路径和所述第四交通路径的共同时间段长度;以及
基于所述共同时间段长度、与所述第三交通路径相关的时间段长度、与所述第四交通路径相关的时间段长度,确定所述第三交通路径和所述第四交通路径之间的时间相似度。
7.根据权利要求6所述的方法,其中,所述基于与所述第三交通路径的相关出发时刻、与所述第三交通路径相关的到达时刻、与所述第四交通路径相关的出发时刻、与所述第四交通路径相关的到达时刻,确定所述第三交通路径和所述第四交通路径的共同时间段长度包括:
从与所述第三交通路径相关的出发时刻以及与所述第四交通数据相关的出发时刻中,确定时刻在后的目标出发时刻;
从与所述第三交通路径相关的到达时刻以及与所述第四交通数据相关的到达时刻中,确定时刻在前的目标到达时刻;以及
将所述目标出发时刻和所述目标到达时刻之间的时间段长度,确定为所述共同时间段长度。
8.根据权利要求6所述的方法,其中,所述基于所述共同时间段长度、所述第三交通路径的时间段长度、所述第四交通路径的时间段长度,确定所述第三交通路径和所述第四交通路径之间的时间相似度包括:
基于所述第三交通路径的时间段长度和所述第四交通路径的时间段长度的并集,确定总时间段;以及
基于所述共同时间段长度和所述总时间段之比,确定所述第三交通路径和所述第四交通路径之间的时间相似度。
9.根据权利要求1所述的方法,其中,所述基于所述空间相似度和所述时间相似度,将所述多个交通路径划分为至少一个类别包括:
对所述空间相似度和所述时间相似度进行加权相加,得到总相似度;以及
基于所述总相似度,对所述多个交通路径进行聚类,得到所述至少一个类别。
10.根据权利要求1所述的方法,其中:
所述方法还包括:基于所述至少一个类别中各自类别所包含的交通路径的数量,从所述至少一个类别中确定所述目标类别,其中,所述目标类别包括N个交通路径,N为大于1的整数;
其中,所述针对所述至少一个类别中的目标类别,基于与所述目标类别的交通路径相关联的空间相似度,从所述目标类别的交通路径中确定目标交通路径包括:
针对所述N个交通路径中的候选交通路径,响应于确定所述候选交通路径与所述N个交通路径中剩余交通路径之间的空间相似度满足相似度条件,将所述候选交通路径确定为所述目标交通路径。
11.根据权利要求1所述的方法,还包括:
针对所述目标类别中的交通路径,基于与所述交通路径相关的出发时刻以及与所述交通路径相关的到达时刻,确定与所述目标交通路径相关的出发时刻范围以及与所述目标交通路径相关的到达时刻范围。
12.根据权利要求11所述的方法,其中,所述目标类别包括至少两个交通路径;所述针对所述目标类别中的交通路径,基于与所述交通路径相关的出发时刻以及与所述交通路径相关的到达时刻,确定与所述目标交通路径相关的出发时刻范围以及与所述目标交通路径相关的到达时刻范围包括:
基于所述至少两个交通路径各自对应的出发时刻,确定时刻在前的第一出发时刻和时刻在后的第二出发时刻;
基于所述第一出发时刻和所述第二出发时刻,确定所述出发时刻范围;
基于所述至少两个交通路径各自对应的到达时刻,确定时刻在前的第一到达时刻和时刻在后的第二到达时刻;以及
基于所述第一到达时刻和所述第二到达时刻,确定所述到达时刻范围。
13.一种确定交通路径的装置,包括:
第一确定模块,用于基于多个交通路径的位置信息,确定所述多个交通路径彼此之间的空间相似度;
第二确定模块,用于基于与所述多个交通路径相关的时间信息,确定所述多个交通路径彼此之间的时间相似度;
划分模块,用于基于所述空间相似度和所述时间相似度,将所述多个交通路径划分为至少一个类别;以及
第三确定模块,用于针对所述至少一个类别中的目标类别,基于与所述目标类别的交通路径相关联的空间相似度,从所述目标类别的交通路径中确定目标交通路径。
14.根据权利要求13所述的装置,其中,所述第一确定模块包括:
第一确定子模块,用于从所述多个交通路径中确定任意两个交通路径,任意两个交通路径包括第一交通路径和第二交通路径;
第二确定子模块,用于从所述第一交通路径中确定第一子路径;
第三确定子模块,用于从所述第二交通路径中确定第二子路径,其中,所述第二子路径与所述第一子路径之间的位置距离小于等于预设距离;以及
第四确定子模块,用于基于所述第一子路径的位置信息、所述第二子路径的位置信息、所述第一交通路径的位置信息和所述第二交通路径的位置信息,确定所述第一交通路径和所述第二交通路径之间的空间相似度。
15.根据权利要求14所述的装置,其中,所述第四确定子模块包括:
第一确定单元,用于基于所述第一子路径的位置信息和所述第二子路径的位置信息,确定参考子路径的路径长度;
第二确定单元,用于基于所述第一交通路径的位置信息,确定所述第一交通路径的路径长度;
第三确定单元,用于基于所述第二交通路径的位置信息,确定所述第二交通路径的路径长度;以及
第四确定单元,用于基于所述参考子路径的路径长度、所述第一交通路径的路径长度和所述第二交通路径的路径长度,确定所述第一交通路径和所述第二交通路径之间的空间相似度。
16.根据权利要求15所述的装置,其中,所述第四确定单元包括:
第一确定子单元,用于确定所述第一交通路径的路径长度和所述第二交通路径的路径长度的和值;以及
第二确定子单元,用于基于所述参考子路径的路径长度和所述和值之比,确定所述第一交通路径和所述第二交通路径之间的空间相似度。
17.根据权利要求15或16所述的装置,其中,所述第一子路径包括第一特征点,所述第二子路径包括第二特征点;所述装置还包括:
第四确定模块,用于基于所述第一特征点和所述第二特征点,确定参考特征点;以及
第五确定模块,用于基于所述参考特征点,确定所述参考子路径。
18.根据权利要求13所述的装置,其中,所述时间信息包括与交通路径相关的出发时刻、与交通路径相关的到达时刻以及与交通路径相关的时间段长度;所述第二确定模块包括:
第五确定子模块,用于从所述多个交通路径中确定任意两个交通路径,任意两个交通路径包括第三交通路径和第四交通路径;
第六确定子模块,用于基于与所述第三交通路径相关的出发时刻、与所述第三交通路径相关的到达时刻、与所述第四交通路径相关的出发时刻、与所述第四交通路径相关的到达时刻,确定所述第三交通路径和所述第四交通路径的共同时间段长度;以及
第七确定子模块,用于基于所述共同时间段长度、与所述第三交通路径相关的时间段长度、与所述第四交通路径相关的时间段长度,确定所述第三交通路径和所述第四交通路径之间的时间相似度。
19.根据权利要求18所述的装置,其中,所述第六确定子模块包括:
第五确定单元,用于从与所述第三交通路径相关的出发时刻以及与所述第四交通数据相关的出发时刻中,确定时刻在后的目标出发时刻;
第六确定单元,用于从与所述第三交通路径相关的到达时刻以及与所述第四交通数据相关的到达时刻中,确定时刻在前的目标到达时刻;以及
第七确定单元,用于将所述目标出发时刻和所述目标到达时刻之间的时间段长度,确定为所述共同时间段长度。
20.根据权利要求18所述的装置,其中,所述第七确定子模块包括:
第八确定单元,用于基于所述第三交通路径的时间段长度和所述第四交通路径的时间段长度的并集,确定总时间段;以及
第九确定单元,用于基于所述共同时间段长度和所述总时间段之比,确定所述第三交通路径和所述第四交通路径之间的时间相似度。
21.根据权利要求13所述的装置,其中,所述划分模块包括:
相加子模块,用于对所述空间相似度和所述时间相似度进行加权相加,得到总相似度;以及
聚类子模块,用于基于所述总相似度,对所述多个交通路径进行聚类,得到所述至少一个类别。
22.根据权利要求13所述的装置,其中:
所述装置还包括:第六确定模块,用于基于所述至少一个类别中各自类别所包含的交通路径的数量,从所述至少一个类别中确定所述目标类别,其中,所述目标类别包括N个交通路径,N为大于1的整数;
其中,所述第三确定模块还用于:
针对所述N个交通路径中的候选交通路径,响应于确定所述候选交通路径与所述N个交通路径中剩余交通路径之间的空间相似度满足相似度条件,将所述候选交通路径确定为所述目标交通路径。
23.根据权利要求13所述的装置,还包括:
第七确定模块,用于针对所述目标类别中的交通路径,基于与所述交通路径相关的出发时刻以及与所述交通路径相关的到达时刻,确定与所述目标交通路径相关的出发时刻范围以及与所述目标交通路径相关的到达时刻范围。
24.根据权利要求23所述的装置,其中,所述第七确定模块包括:
第八确定子模块,用于基于所述至少两个交通路径各自对应的出发时刻,确定时刻在前的第一出发时刻和时刻在后的第二出发时刻;
第九确定子模块,用于基于所述第一出发时刻和所述第二出发时刻,确定所述出发时刻范围;
第十确定子模块,用于基于所述至少两个交通路径各自对应的到达时刻,确定时刻在前的第一到达时刻和时刻在后的第二到达时刻;以及
第十一确定子模块,用于基于所述第一到达时刻和所述第二到达时刻,确定所述到达时刻范围。
25.一种电子设备,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指令,所述指令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权利要求1-12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-12中任一项所述的方法。
27.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令存储于可读存储介质和电子设备其中至少之一上,所述计算机程序/指令被处理器执行时实现根据权利要求1-12中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210839255.1A CN115206102B (zh) | 2022-07-15 | 2022-07-15 | 确定交通路径的方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210839255.1A CN115206102B (zh) | 2022-07-15 | 2022-07-15 | 确定交通路径的方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115206102A true CN115206102A (zh) | 2022-10-18 |
CN115206102B CN115206102B (zh) | 2023-07-18 |
Family
ID=83582274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210839255.1A Active CN115206102B (zh) | 2022-07-15 | 2022-07-15 | 确定交通路径的方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115206102B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116453333A (zh) * | 2023-03-24 | 2023-07-18 | 阿波罗智联(北京)科技有限公司 | 用于预测主要车流路径的方法及模型训练方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004039283A1 (de) * | 2004-08-13 | 2006-03-02 | Daimlerchrysler Ag | Verfahren und Verkehrzentrale zur Prognose wenigstens einer streckenbezogenen Kenngröße |
CN101751777A (zh) * | 2008-12-02 | 2010-06-23 | 同济大学 | 基于空间聚类分析的城市路网交通小区动态划分方法 |
CN106096762A (zh) * | 2016-06-01 | 2016-11-09 | 四川九洲电器集团有限责任公司 | 一种路径规划方法及电子设备 |
US20190180612A1 (en) * | 2016-08-15 | 2019-06-13 | University Of Southern California | Latent space model for road networks to predict time-varying traffic |
CN111540198A (zh) * | 2020-04-17 | 2020-08-14 | 浙江工业大学 | 基于有向图卷积神经网络的城市交通态势识别方法 |
CN112651455A (zh) * | 2020-12-30 | 2021-04-13 | 云南大学 | 一种基于非负矩阵分解与动态时间规整算法的交通流缺失值填充方法 |
-
2022
- 2022-07-15 CN CN202210839255.1A patent/CN115206102B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004039283A1 (de) * | 2004-08-13 | 2006-03-02 | Daimlerchrysler Ag | Verfahren und Verkehrzentrale zur Prognose wenigstens einer streckenbezogenen Kenngröße |
CN101751777A (zh) * | 2008-12-02 | 2010-06-23 | 同济大学 | 基于空间聚类分析的城市路网交通小区动态划分方法 |
CN106096762A (zh) * | 2016-06-01 | 2016-11-09 | 四川九洲电器集团有限责任公司 | 一种路径规划方法及电子设备 |
US20190180612A1 (en) * | 2016-08-15 | 2019-06-13 | University Of Southern California | Latent space model for road networks to predict time-varying traffic |
CN111540198A (zh) * | 2020-04-17 | 2020-08-14 | 浙江工业大学 | 基于有向图卷积神经网络的城市交通态势识别方法 |
CN112651455A (zh) * | 2020-12-30 | 2021-04-13 | 云南大学 | 一种基于非负矩阵分解与动态时间规整算法的交通流缺失值填充方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116453333A (zh) * | 2023-03-24 | 2023-07-18 | 阿波罗智联(北京)科技有限公司 | 用于预测主要车流路径的方法及模型训练方法 |
CN116453333B (zh) * | 2023-03-24 | 2024-04-16 | 阿波罗智联(北京)科技有限公司 | 用于预测主要车流路径的方法及模型训练方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115206102B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9644976B2 (en) | Building missing movement path of an object | |
CN111737377B (zh) | 一种漂移轨迹的识别方法、装置及计算设备、存储介质 | |
CN113029180A (zh) | 一种交通限制识别方法、装置、电子设备及存储介质 | |
CN113066302B (zh) | 车辆信息预测方法、装置及电子设备 | |
US20160153787A1 (en) | Method and system for division of road network | |
CN113899381B (zh) | 用于生成路线信息的方法、装置、设备、介质和产品 | |
CN115206102B (zh) | 确定交通路径的方法、装置、电子设备和介质 | |
CN114689069A (zh) | 自动驾驶设备的导航路线处理方法、装置及电子设备 | |
CN114676178A (zh) | 事故检测方法、装置及电子设备 | |
CN114543829A (zh) | 模型训练方法、导航轨迹的推荐方法、装置及车辆 | |
CN113806585A (zh) | 一种获取路段通行时长的方法、装置、电子设备及存储介质 | |
CN113326449A (zh) | 预测交通流量的方法、装置、电子设备和介质 | |
EP4141386A1 (en) | Road data monitoring method and apparatus, electronic device and storage medium | |
CN112735130B (zh) | 交通数据的处理方法、装置、电子设备和介质 | |
CN112685531B (zh) | 车辆匹配方法和装置、计算设备以及计算机可读存储介质 | |
CN115168527A (zh) | 实时轨迹数据处理方法、装置、系统及电子设备 | |
CN115330067A (zh) | 一种交通拥堵预测方法、装置、电子设备及存储介质 | |
Antoniades et al. | Fare and duration prediction: A study of New York city taxi rides | |
CN110542428B (zh) | 驾驶路线质量评估方法及装置 | |
León et al. | Improvements of a topological map-matching algorithm in post-processing mode | |
CN112381305A (zh) | 打车时长预估方法、装置、电子设备及存储介质 | |
CN113851007B (zh) | 划分时段的方法、装置、电子设备和存储介质 | |
CN114970949B (zh) | 行驶速度预测方法、装置、电子设备及存储介质 | |
CN114199228B (zh) | 地图数据生成方法、装置、电子设备和存储介质 | |
CN114158119B (zh) | 行驶方向的识别方法、装置、电子设备和介质 |
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 |