CN115586557A - 一种基于路网数据的车辆行驶轨迹纠偏方法及装置 - Google Patents
一种基于路网数据的车辆行驶轨迹纠偏方法及装置 Download PDFInfo
- Publication number
- CN115586557A CN115586557A CN202211588497.4A CN202211588497A CN115586557A CN 115586557 A CN115586557 A CN 115586557A CN 202211588497 A CN202211588497 A CN 202211588497A CN 115586557 A CN115586557 A CN 115586557A
- Authority
- CN
- China
- Prior art keywords
- track
- road
- road network
- points
- road section
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/50—Determining position whereby the position solution is constrained to lie upon a particular curve or surface, e.g. for locomotives on railway tracks
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明实施例提供一种基于路网数据的车辆行驶轨迹纠偏方法及装置,所述方法包括:获取路网矢量数据,构建对应的路网有向图;根据节点重要性对节点集合进行排序迭代收缩后的最短路径;然后建立多级混合索引;采集当前车辆的车辆行驶轨迹,并获取车辆行驶轨迹中按照时间先后顺序的GPS序列点,对GPS序列点中进行轨迹分段;并以轨迹点为圆心,结合多级混合索引,确定对应的候选路段;基于轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,确定纠偏路段,并根据纠偏路段对所述车辆行驶轨迹进行纠偏。采用本方法不仅能够来实现基于路网的快速、准确的纠偏,并且在纠偏时极大提高单次轨迹纠偏的轨迹点数量、纠偏的性能核并发能力。
Description
技术领域
本发明涉及轨迹定位技术领域,尤其涉及一种基于路网数据的车辆行驶轨迹纠偏方法及装置。
背景技术
目前电网线路规模越来越大,巡检线路和设备日益复杂,线路及设备的巡视工作量日益增加,过度依赖作业人员对工作地点周边的熟悉程度,而由于作业人员不了解路况和交通事件等情况,亦或郊区、农村的地理环境复杂,造成无法及时准确到达作业地点,给电网设备的运维工作带来了很大难度。因此,需要具备采集行驶轨迹的能力,来记录巡检人员巡检过程的行驶路径,既可以提供给后续作业参考,又能够便于巡检台区经理的工作管控。
而针对行驶轨迹在山区、弱信号区域可能存在的位置不准确的问题。由于GPS精度以及系统误差等原因,实际采集的GPS坐标点往往是在道路附近,并不在道路上,而通常车辆只能在路网内行驶,此时就亟需一种进行车辆行驶轨迹纠偏的方法,能够通过路网判断各个轨迹点实际在哪条道路上,即将轨迹序列转化为路段序列,也起到修正误差的作用,从而为车辆提供正确的行驶道路。
发明内容
针对现有技术中存在的问题,本发明实施例提供一种基于路网数据的车辆行驶轨迹纠偏方法及装置。
本发明实施例提供一种基于路网数据的车辆行驶轨迹纠偏方法,包括:
获取大数据中的路网矢量数据,并根据所述路网矢量数据构建对应的路网有向图,所述路网有向图包括节点集合、有向边集合、由路段双顶点、长度、路段夹角构成的路段四元组、双向路段的反向路段四元组;
计算所述节点集合中的节点重要性,并根据所述节点重要性对节点集合进行排序,对所述节点集合的层次结构按照节点重要性依次进行迭代收缩,并计算迭代收缩后,相邻节点间的最短路径;
针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引;
采集当前车辆的车辆行驶轨迹,并获取所述车辆行驶轨迹中按照时间先后顺序的GPS序列点,并获取预设的长度分段及时间间隔,基于所述长度分段及时间间隔确定所述GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点;
基于所述轨迹点,设置以轨迹点为圆心的缓冲区,结合所述多级混合索引,确定所述轨迹点的缓冲区内对应的候选路段;
基于所述轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,计算所述候选路段的状态转移概率,根据所述状态转移概率确定纠偏路段,并根据所述纠偏路段对所述车辆行驶轨迹进行纠偏。
在其中一个实施例中,所述方法还包括:
基于所述车辆行驶轨迹的道路类型设置对应的长度阈值,当所述长度分段大于长度阈值时,对所述车辆行驶轨迹进行轨迹拆分;
基于所述GPS序列点设置对应的滞留区阈值,当存在连续的GPS序列点位于所述滞留区阈值内时,所述GPS序列点为滞留点,并对所述滞留点设置滞留时间阈值,当所述时间间隔大于所述滞留时间阈值,根据对应的滞留点进行轨迹拆分。
在其中一个实施例中,所述路网矢量数据,包括:
路段ID、道路等级、道路方向、路段顶点坐标。
在其中一个实施例中,所述方法还包括:
将路网有向图中的数据根据金字塔分级标准,结合所述道路等级进行空间划分,构建多级空间网格索引;
在所述多级空间网格索引中的最大层级的每一块网格中建立R树索引,形成路网有向图的多级混合索引。
在其中一个实施例中,所述方法还包括:
在所述迭代收缩过程中,每次收缩后,更新所述节点集合的优先级排序,并根据更新后的节点集合的优先级排序进行下一次收缩。
在其中一个实施例中,所述计算所述候选路段的状态转移概率,包括:
本发明实施例提供一种基于路网数据的车辆行驶轨迹纠偏装置,包括:
获取模块,用于获取大数据中的路网矢量数据,并根据所述路网矢量数据构建对应的路网有向图,所述路网有向图包括节点集合、有向边集合、由路段双顶点、长度、路段夹角构成的路段四元组、双向路段的反向路段四元组;
迭代模块,用于计算所述节点集合中的节点重要性,并根据所述节点重要性对节点集合进行排序,对所述节点集合的层次结构按照节点重要性依次进行迭代收缩,并计算迭代收缩后,相邻节点间的最短路径;
索引构建模块,用于针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引;
分段模块,用于采集当前车辆的车辆行驶轨迹,并获取所述车辆行驶轨迹中按照时间先后顺序的GPS序列点,并获取预设的长度分段及时间间隔,基于所述长度分段及时间间隔确定所述GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点;
设置模块,用于基于所述轨迹点,设置以轨迹点为圆心的缓冲区,结合所述多级混合索引,确定所述轨迹点的缓冲区内对应的候选路段;
纠偏模块,用于基于所述轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,计算所述候选路段的状态转移概率,根据所述状态转移概率确定纠偏路段,并根据所述纠偏路段对所述车辆行驶轨迹进行纠偏。
在其中一个实施例中,所述装置还包括:
第一拆分模块,用于基于所述车辆行驶轨迹的道路类型设置对应的长度阈值,当所述长度分段大于长度阈值时,对所述车辆行驶轨迹进行轨迹拆分;
第二拆分模块,用于基于所述GPS序列点设置对应的滞留区阈值,当存在连续的GPS序列点位于所述滞留区阈值内时,所述GPS序列点为滞留点,并对所述滞留点设置滞留时间阈值,当所述时间间隔大于所述滞留时间阈值,根据对应的滞留点进行轨迹拆分。
本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述基于路网数据的车辆行驶轨迹纠偏方法的步骤。
本发明实施例提供一种非暂态计算机可读存储介质,其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基于路网数据的车辆行驶轨迹纠偏方法的步骤。
本发明实施例提供的一种基于路网数据的车辆行驶轨迹纠偏方法及装置,获取大数据中的路网矢量数据,并根据路网矢量数据构建对应的路网有向图,路网有向图包括节点集合、有向边集合、由路段双顶点、长度、路段夹角构成的路段四元组、双向路段的反向路段四元组;计算节点集合中的节点重要性,并根据节点重要性对节点集合进行排序,对节点集合的层次结构按照节点重要性依次进行迭代收缩,并计算迭代收缩后,相邻节点间的最短路径;针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引;采集当前车辆的车辆行驶轨迹,并获取车辆行驶轨迹中按照时间先后顺序的GPS序列点,并获取预设的长度分段及时间间隔,基于长度分段及时间间隔确定GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点;基于轨迹点,设置以轨迹点为圆心的缓冲区,结合多级混合索引,确定轨迹点的缓冲区内对应的候选路段;基于轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,计算候选路段的状态转移概率,根据所述状态转移概率确定纠偏路段,并根据纠偏路段对所述车辆行驶轨迹进行纠偏。这样基于隐马尔可夫模型设计,对路网进行层次结构构建,收缩不重要的路网节点,同时结合层次路网的R树索引和分段纠偏技术,来实现基于路网的快速、准确的纠偏,并且在纠偏时极大提高单次轨迹纠偏的轨迹点数量、纠偏的性能核并发能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明实施例中一种基于路网数据的车辆行驶轨迹纠偏方法的流程图;
图2为本发明另一实施例中调整候选路段个数的评估匹配准确率的统计坐标图;
图3为本发明另一实施例中调整滞留区半径的评估匹配准确率的统计坐标图;
图4为本发明另一实施例中调整滞留时间的评估匹配准确率的统计坐标图;
图5为本发明实施例中一种基于路网数据的车辆行驶轨迹纠偏装置的结构图;
图6为本发明实施例中电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的一种基于路网数据的车辆行驶轨迹纠偏方法的流程示意图,如图1所示,本发明实施例提供了一种基于路网数据的车辆行驶轨迹纠偏方法,包括:
步骤S101,获取大数据中的路网矢量数据,并根据所述路网矢量数据构建对应的路网有向图,所述路网有向图包括节点集合、有向边集合、由路段双顶点、长度、路段夹角构成的路段四元组、双向路段的反向路段四元组。
具体地,获取交通网络大数据中的路网矢量数据,其中,路网矢量数据可以包括任意的道路相关数据,比如道路的编号、道路各个节点编号、坐标、道路及道路节点之间关联关系、道路属性等等,也可以比如路段ID、道路等级、道路方向、路段顶点坐标等,然后根据路网矢量数据构建对应的路网有向图,其中,路网矢量数据可以包括节点(路口)的集合、有向边(道路段)的集合、以及路段四元组,双向路线中与路段四元组对应的反向路段四元组,其中,路段四元组包括双顶点(起点、终点)、长度、路段夹角(路段与某个方位的夹角,比如与正北的夹角),反向路段四元组中与路段四元组存在路段夹角的方向区别。
步骤S102,计算所述节点集合中的节点重要性,并根据所述节点重要性对节点集合进行排序,对所述节点集合的层次结构按照节点重要性依次进行迭代收缩,并计算迭代收缩后,相邻节点间的最短路径。
具体地,计算路网有向图中节点集合中的各个节点的重要性,其中,节点重要性可以表示节点在路网中的交通地位重要性,比如当路网中失去某个节点,其他节点之间道路会增加,则节点的重要性较高,而当路网中失去某个节点,其他节点之间道路会减少时,则节点的重要性较低,具体的计算方法可以根据与节点关联的有向边的数量(边差)计算,然后根据节点重要性对节点集合进行排序,构建优先队列,并生成节点对应的层次结构,通过节点集合迭代收缩最不重要的结点构建层次结构,收缩结点创建捷径。收缩节点过程可以采用庸懒更新策略。在对节点进行收缩之前,先更新节点优先级,如果优先级超过了当前排序的第二个节点,则不对节点进行收缩,计算第二个节点重要度,重复进行,直到找到最小值,然后可以通过Dijkstra最短路径算法,计算节点收缩后,相邻两个节点间的最短路径,创建两点之间的捷径。
步骤S103,针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引。
具体地,针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引,多级混合索引包括多等级的对于路网中节点数据的索引,具体的索引建立步骤可以包括:将路网有向图中的数据根据金字塔分级标准,结合道路等级进行空间划分,构建多级空间网格索引,在多级空间网格索引中的最大层级的每一块网格中建立R树索引,形成路网有向图的多级混合索引。
步骤S104,采集当前车辆的车辆行驶轨迹,并获取所述车辆行驶轨迹中按照时间先后顺序的GPS序列点,并获取预设的长度分段及时间间隔,基于所述长度分段及时间间隔确定所述GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点。
具体地,可以通过车站移动终端采集需要进行车辆行驶轨迹纠偏的当前车辆的车辆行驶轨迹,并根据车辆行驶轨迹中按照车辆移动的时间先后顺序进路对应的GPS序列点,然后获取预设的时间间隔及长度分段,其中,时间间隔及长度分段可以根据路段路况、拥堵情况等综合因素设定,然后通过两个指标对GPS序列点对应的车辆行驶轨迹进行分段处理,具体的分段步骤可以包括:1)两个轨迹点长度:为该长度设置一个合理阈值,如果超过该长度则可以将轨迹在这两个点进行拆分;2)轨迹点滞留时间:为轨迹点设置滞留区阈值,连续几个轨迹点都在滞留区阈值内则判断这些点都是滞留点,为滞留点设置滞留时间阈值,如果超过该滞留时间则可以将滞留点当成轨迹分段点,并确定轨迹分段对应的分段之间的轨迹点。
步骤S105,基于所述轨迹点,设置于轨迹点为圆心的缓冲区,结合所述多级混合索引,确定所述缓冲区内对应的候选路段。
具体地,基于车辆行驶轨迹的轨迹点,可以对轨迹点设置对应的缓冲区,其中,缓冲区的半径可以人为设定,也可以根据轨迹分段长度、拥堵情况、道路等级等因素综合设定,比如设置为100米,然后采用对应的算法,比如K-近邻算法,根据路网中轨迹分段附近的道路密集程度设置在车辆行驶轨迹上合理的K值,基于混合索引,快速获取在路网中与轨迹点关联的在轨迹点缓冲区内的候选路段,候选路段的数量为K。
步骤S106,基于所述轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,计算所述候选路段的状态转移概率,根据所述状态转移概率确定纠偏路段,并根据所述纠偏路段对所述车辆行驶轨迹进行纠偏。
具体地,基于轨迹点以及每个轨迹点在缓冲区内的候选路段,计算每个轨迹点的候选路段之间的状态转移概率,其中,将一个候选路段移动到另一个候选路段过程为状态转移概率,然后根据状态转移概率确定轨迹点之间的纠偏路段,比如通过维特比算法逐步累乘算出纠偏路段然后根据纠偏路段对车辆行驶轨迹进行纠偏,具体的计算步骤可以通过预设的隐马尔可夫模型进行计算,在计算过程中,将轨迹点作为隐马尔可夫模型的观测序列,将纠偏后的轨迹真实坐标当作状态序列,结合每个轨迹点在缓冲区内的候选路段进行计算,得到输出后的车辆真实轨迹。
其中,对于状态转移概率的计算,包括:状态转移概率计算,状态转移概率即在某种隐含状态下得到某种观测值的概率。其概率符合标准的正态分布:
本发明实施例提供的一种基于路网数据的车辆行驶轨迹纠偏方法,获取大数据中的路网矢量数据,并根据路网矢量数据构建对应的路网有向图,路网有向图包括节点集合、有向边集合、由路段双顶点、长度、路段夹角构成的路段四元组、双向路段的反向路段四元组;计算节点集合中的节点重要性,并根据节点重要性对节点集合进行排序,对节点集合的层次结构按照节点重要性依次进行迭代收缩,并计算迭代收缩后,相邻节点间的最短路径;针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引;采集当前车辆的车辆行驶轨迹,并获取车辆行驶轨迹中按照时间先后顺序的GPS序列点,并获取预设的长度分段及时间间隔,基于长度分段及时间间隔确定GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点;基于轨迹点,设置以轨迹点为圆心的缓冲区,结合多级混合索引,确定轨迹点的缓冲区内对应的候选路段;基于轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,计算候选路段的状态转移概率,根据所述状态转移概率确定纠偏路段,并根据纠偏路段对所述车辆行驶轨迹进行纠偏。这样基于隐马尔可夫模型设计,对路网进行层次结构构建,收缩不重要的路网节点,同时结合层次路网的R树索引和分段纠偏技术,来实现基于路网的快速、准确的纠偏,并且在纠偏时极大提高单次轨迹纠偏的轨迹点数量、纠偏的性能核并发能力。
在另一实施例中,使用的数据是真实车辆轨迹数据,路网数据为厦门市的道路数据,共有175648条路段,车辆轨迹数据为526个轨迹点,采样间隔为2秒,进行基于路网数据的车辆行驶轨迹纠偏方法后,得到的实验数据为:
其中,实验参数包括:缓冲区半径设置为100米,GPS定位误差的标准差σ 取值为20米。
1、通过调整候选路段个数k,评估匹配的准确率如图2所示;
2、滞留时间阈值为10秒,通过调整滞留区半径,评估匹配的准确率如图3所示;
3、滞留区半径为5m,通过调整滞留时间,评估匹配的准确率如图4所示。
图5为本发明实施例提供的一种基于路网数据的车辆行驶轨迹纠偏装置,包括:获取模块S201、迭代模块S202、索引构建模块S203、分段模块S204、设置模块S205、纠偏模块S206,其中:
获取模块S201,用于获取大数据中的路网矢量数据,并根据所述路网矢量数据构建对应的路网有向图,所述路网有向图包括节点集合、有向边集合、由路段双顶点、长度、路段夹角构成的路段四元组、双向路段的反向路段四元组。
迭代模块S202,用于计算所述节点集合中的节点重要性,并根据所述节点重要性对节点集合进行排序,对所述节点集合的层次结构按照节点重要性依次进行迭代收缩,并计算迭代收缩后,相邻节点间的最短路径。
索引构建模块S203,用于针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引。
分段模块S204,用于采集当前车辆的车辆行驶轨迹,并获取所述车辆行驶轨迹中按照时间先后顺序的GPS序列点,并获取预设的长度分段及时间间隔,基于所述长度分段及时间间隔确定所述GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点。
设置模块S205,用于基于所述轨迹点,设置以轨迹点为圆心的缓冲区,结合所述多级混合索引,确定所述轨迹点的缓冲区内对应的候选路段。
纠偏模块S206,用于基于所述轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,计算所述候选路段的状态转移概率,根据所述状态转移概率确定纠偏路段,并根据所述纠偏路段对所述车辆行驶轨迹进行纠偏。
在其中一个实施例中,所述装置还包括:
第一拆分模块,用于基于所述车辆行驶轨迹的道路类型设置对应的长度阈值,当所述长度分段大于长度阈值时,对所述车辆行驶轨迹进行轨迹拆分。
第二拆分模块,用于基于所述GPS序列点设置对应的滞留区阈值,当存在连续的GPS序列点位于所述滞留区阈值内时,所述GPS序列点为滞留点,并对所述滞留点设置滞留时间阈值,当所述时间间隔大于所述滞留时间阈值,根据对应的滞留点进行轨迹拆分。
关于基于路网数据的车辆行驶轨迹纠偏装置的具体限定可以参见上文中对于基于路网数据的车辆行驶轨迹纠偏方法的限定,在此不再赘述。上述基于路网数据的车辆行驶轨迹纠偏装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图6示例了一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)301、存储器(memory)302、通信接口(Communications Interface)303和通信总线304,其中,处理器301,存储器302,通信接口303通过通信总线304完成相互间的通信。处理器301可以调用存储器302中的逻辑指令,以执行如下方法:获取大数据中的路网矢量数据,并根据路网矢量数据构建对应的路网有向图,路网有向图包括节点集合、有向边集合、由路段双顶点、长度、路段夹角构成的路段四元组、双向路段的反向路段四元组;计算节点集合中的节点重要性,并根据节点重要性对节点集合进行排序,对节点集合的层次结构按照节点重要性依次进行迭代收缩,并计算迭代收缩后,相邻节点间的最短路径;针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引;采集当前车辆的车辆行驶轨迹,并获取车辆行驶轨迹中按照时间先后顺序的GPS序列点,并获取预设的长度分段及时间间隔,基于长度分段及时间间隔确定GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点;基于轨迹点,设置以轨迹点为圆心的缓冲区,结合多级混合索引,确定轨迹点的缓冲区内对应的候选路段;基于轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,计算候选路段的状态转移概率,根据所述状态转移概率确定纠偏路段,并根据纠偏路段对所述车辆行驶轨迹进行纠偏。
此外,上述的存储器302中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:获取大数据中的路网矢量数据,并根据路网矢量数据构建对应的路网有向图,路网有向图包括节点集合、有向边集合、由路段双顶点、长度、路段夹角构成的路段四元组、双向路段的反向路段四元组;计算节点集合中的节点重要性,并根据节点重要性对节点集合进行排序,对节点集合的层次结构按照节点重要性依次进行迭代收缩,并计算迭代收缩后,相邻节点间的最短路径;针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引;采集当前车辆的车辆行驶轨迹,并获取车辆行驶轨迹中按照时间先后顺序的GPS序列点,并获取预设的长度分段及时间间隔,基于长度分段及时间间隔确定GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点;基于轨迹点,设置以轨迹点为圆心的缓冲区,结合多级混合索引,确定轨迹点的缓冲区内对应的候选路段;基于轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,计算候选路段的状态转移概率,根据所述状态转移概率确定纠偏路段,并根据纠偏路段对所述车辆行驶轨迹进行纠偏。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于路网数据的车辆行驶轨迹纠偏方法,其特征在于,包括:
获取大数据中的路网矢量数据,并根据所述路网矢量数据构建对应的路网有向图,所述路网有向图包括节点集合、有向边集合、由路段双顶点、长度、路段夹角构成的路段四元组、双向路段的反向路段四元组;
计算所述节点集合中的节点重要性,并根据所述节点重要性对节点集合进行排序,对所述节点集合的层次结构按照节点重要性依次进行迭代收缩,并计算迭代收缩后,相邻节点间的最短路径;
针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引;
采集当前车辆的车辆行驶轨迹,并获取所述车辆行驶轨迹中按照时间先后顺序的GPS序列点,并获取预设的长度分段及时间间隔,基于所述长度分段及时间间隔确定所述GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点;
基于所述轨迹点,设置以轨迹点为圆心的缓冲区,结合所述多级混合索引,确定所述轨迹点的缓冲区内对应的候选路段;
基于所述轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,计算所述候选路段的状态转移概率,根据所述状态转移概率确定纠偏路段,并根据所述纠偏路段对所述车辆行驶轨迹进行纠偏。
2.根据权利要求1所述的基于路网数据的车辆行驶轨迹纠偏方法,其特征在于,所述基于所述长度分段及时间间隔确定所述GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点,包括:
基于所述车辆行驶轨迹的道路类型设置对应的长度阈值,当所述长度分段大于长度阈值时,对所述车辆行驶轨迹进行轨迹拆分;
基于所述GPS序列点设置对应的滞留区阈值,当存在连续的GPS序列点位于所述滞留区阈值内时,所述GPS序列点为滞留点,并对所述滞留点设置滞留时间阈值,当所述时间间隔大于所述滞留时间阈值,根据对应的滞留点进行轨迹拆分。
3.根据权利要求1所述的基于路网数据的车辆行驶轨迹纠偏方法,其特征在于,所述路网矢量数据,包括:
路段ID、道路等级、道路方向、路段顶点坐标。
4.根据权利要求3所述的基于路网数据的车辆行驶轨迹纠偏方法,其特征在于,所述针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引段,包括:
将路网有向图中的数据根据金字塔分级标准,结合所述道路等级进行空间划分,构建多级空间网格索引;
在所述多级空间网格索引中的最大层级的每一块网格中建立R树索引,形成路网有向图的多级混合索引。
5.根据权利要求1所述的基于路网数据的车辆行驶轨迹纠偏方法,其特征在于,所述对所述节点集合的层次结构按照节点重要性依次进行迭代收缩,包括:
在所述迭代收缩过程中,每次收缩后,更新所述节点集合的优先级排序,并根据更新后的节点集合的优先级排序进行下一次收缩。
7.一种基于路网数据的车辆行驶轨迹纠偏装置,其特征在于,所述装置包括:
获取模块,用于获取大数据中的路网矢量数据,并根据所述路网矢量数据构建对应的路网有向图,所述路网有向图包括节点集合、有向边集合、由路段双顶点、长度、路段夹角构成的路段四元组、双向路段的反向路段四元组;
迭代模块,用于计算所述节点集合中的节点重要性,并根据所述节点重要性对节点集合进行排序,对所述节点集合的层次结构按照节点重要性依次进行迭代收缩,并计算迭代收缩后,相邻节点间的最短路径;
索引构建模块,用于针对迭代收缩后的路网有向图,基于网格索引和R树索引构建路网有向图的多级混合索引;
分段模块,用于采集当前车辆的车辆行驶轨迹,并获取所述车辆行驶轨迹中按照时间先后顺序的GPS序列点,并获取预设的长度分段及时间间隔,基于所述长度分段及时间间隔确定所述GPS序列点中的轨迹分段以及所述轨迹分段对应的轨迹点;
设置模块,用于基于所述轨迹点,设置以轨迹点为圆心的缓冲区,结合所述多级混合索引,确定所述轨迹点的缓冲区内对应的候选路段;
纠偏模块,用于基于所述轨迹点以及轨迹点对应的候选路段,结合预设的隐马尔可夫模型,计算所述候选路段的状态转移概率,根据所述状态转移概率确定纠偏路段,并根据所述纠偏路段对所述车辆行驶轨迹进行纠偏。
8.根据权利要求7所述的基于路网数据的车辆行驶轨迹纠偏方法,其特征在于,所述方法还包括:
第一拆分模块,用于基于所述车辆行驶轨迹的道路类型设置对应的长度阈值,当所述长度分段大于长度阈值时,对所述车辆行驶轨迹进行轨迹拆分;
第二拆分模块,用于基于所述GPS序列点设置对应的滞留区阈值,当存在连续的GPS序列点位于所述滞留区阈值内时,所述GPS序列点为滞留点,并对所述滞留点设置滞留时间阈值,当所述时间间隔大于所述滞留时间阈值,根据对应的滞留点进行轨迹拆分。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述基于路网数据的车辆行驶轨迹纠偏方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述基于路网数据的车辆行驶轨迹纠偏方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211588497.4A CN115586557B (zh) | 2022-12-12 | 2022-12-12 | 一种基于路网数据的车辆行驶轨迹纠偏方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211588497.4A CN115586557B (zh) | 2022-12-12 | 2022-12-12 | 一种基于路网数据的车辆行驶轨迹纠偏方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115586557A true CN115586557A (zh) | 2023-01-10 |
CN115586557B CN115586557B (zh) | 2023-05-12 |
Family
ID=84783612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211588497.4A Active CN115586557B (zh) | 2022-12-12 | 2022-12-12 | 一种基于路网数据的车辆行驶轨迹纠偏方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115586557B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116405879A (zh) * | 2023-05-19 | 2023-07-07 | 上海松椿果健康科技有限公司 | 一种室内定位轨迹纠偏方法、装置、设备和存储介质 |
CN117419732A (zh) * | 2023-10-10 | 2024-01-19 | 中国船舶集团有限公司第七〇九研究所 | 一种基于路网的感知目标定位纠偏方法、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104076375A (zh) * | 2013-03-27 | 2014-10-01 | 株式会社日立制作所 | 路径搜索方法和路径搜索装置 |
CN105556243A (zh) * | 2013-08-06 | 2016-05-04 | 高通股份有限公司 | 用于使用轨迹进行位置估计的方法及设备 |
CN108629978A (zh) * | 2018-06-07 | 2018-10-09 | 重庆邮电大学 | 一种基于高维路网和循环神经网络的交通轨迹预测方法 |
CN109035783A (zh) * | 2018-09-17 | 2018-12-18 | 东南大学 | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 |
CN111813112A (zh) * | 2020-06-30 | 2020-10-23 | 中国第一汽车股份有限公司 | 一种车辆轨迹点确定方法、装置、车辆及存储介质 |
EP3828501A1 (en) * | 2019-11-29 | 2021-06-02 | Tata Consultancy Services Limited | Method and system for estimating a trajectory from gps data points |
CN113155139A (zh) * | 2021-06-28 | 2021-07-23 | 中移(上海)信息通信科技有限公司 | 车辆轨迹纠偏方法、装置及电子设备 |
CN113587944A (zh) * | 2021-06-24 | 2021-11-02 | 深圳市跨越新科技有限公司 | 准实时的车辆行驶路线生成方法、系统及设备 |
CN114964272A (zh) * | 2022-05-07 | 2022-08-30 | 武汉大学 | 一种融合车载图像语义的车辆轨迹地图匹配方法 |
-
2022
- 2022-12-12 CN CN202211588497.4A patent/CN115586557B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104076375A (zh) * | 2013-03-27 | 2014-10-01 | 株式会社日立制作所 | 路径搜索方法和路径搜索装置 |
CN105556243A (zh) * | 2013-08-06 | 2016-05-04 | 高通股份有限公司 | 用于使用轨迹进行位置估计的方法及设备 |
CN108629978A (zh) * | 2018-06-07 | 2018-10-09 | 重庆邮电大学 | 一种基于高维路网和循环神经网络的交通轨迹预测方法 |
CN109035783A (zh) * | 2018-09-17 | 2018-12-18 | 东南大学 | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 |
EP3828501A1 (en) * | 2019-11-29 | 2021-06-02 | Tata Consultancy Services Limited | Method and system for estimating a trajectory from gps data points |
CN111813112A (zh) * | 2020-06-30 | 2020-10-23 | 中国第一汽车股份有限公司 | 一种车辆轨迹点确定方法、装置、车辆及存储介质 |
CN113587944A (zh) * | 2021-06-24 | 2021-11-02 | 深圳市跨越新科技有限公司 | 准实时的车辆行驶路线生成方法、系统及设备 |
CN113155139A (zh) * | 2021-06-28 | 2021-07-23 | 中移(上海)信息通信科技有限公司 | 车辆轨迹纠偏方法、装置及电子设备 |
CN114964272A (zh) * | 2022-05-07 | 2022-08-30 | 武汉大学 | 一种融合车载图像语义的车辆轨迹地图匹配方法 |
Non-Patent Citations (2)
Title |
---|
吴晓明等: "面向车辆监控的LBS地图可视化技术研究", 《地理与地理信息科学》 * |
邬群勇等: "出租车GPS轨迹集聚和精细化路网提取", 《测绘学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116405879A (zh) * | 2023-05-19 | 2023-07-07 | 上海松椿果健康科技有限公司 | 一种室内定位轨迹纠偏方法、装置、设备和存储介质 |
CN116405879B (zh) * | 2023-05-19 | 2023-11-24 | 上海松椿果健康科技有限公司 | 一种室内定位轨迹纠偏方法、装置、设备和存储介质 |
CN117419732A (zh) * | 2023-10-10 | 2024-01-19 | 中国船舶集团有限公司第七〇九研究所 | 一种基于路网的感知目标定位纠偏方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115586557B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115586557A (zh) | 一种基于路网数据的车辆行驶轨迹纠偏方法及装置 | |
CN111862659B (zh) | 一种gps轨迹数据匹配和补全的方法 | |
CN110427360A (zh) | 轨迹数据的处理方法、处理装置、处理系统及计算机程序产品 | |
CN108596396A (zh) | 一种基于养护历史修正的路面性能预测和养护方法及装置 | |
CN107563566A (zh) | 一种基于支持向量机的公交站间运行时间区间预测方法 | |
US20210342502A1 (en) | Multiple Objective Optimization Route Selection Method Based on Step Ring Grid Network for Power Transmission Line | |
CN112598883B (zh) | 基于贝叶斯网络的输电线路落雷概率预警方法及预警系统 | |
CN109522385B (zh) | 一种多尺度道路网m-n匹配模式的判定方法 | |
CN112906934A (zh) | 基于gis地图的城市配电网故障抢修路径优化方法及系统 | |
CN107071721A (zh) | 基于手机定位数据的停留点提取方法 | |
CN114866969A (zh) | 基于手机信令大数据的地铁清分清算方法与系统 | |
CN107908899B (zh) | 一种用于风电场建设施工道路的选线系统及选线方法 | |
CN107655490B (zh) | 基于移动用户轨迹分段和最热搜索的热点路径发现方法 | |
CN114386674A (zh) | 一种输电线路树木倒伏动态风险预警方法和系统 | |
CN108062438B (zh) | 一种用于风电场运行道路的选线系统及选线方法 | |
CN113821579A (zh) | 路线的生成方法、装置、电子设备和存储器 | |
CN112052339A (zh) | 基于知识图谱的目标轨迹预测方法、系统及存储介质 | |
EP4266004A1 (en) | User trajectory positioning method, electronic device and computer storage medium | |
CN114245329B (zh) | 通行方式识别方法、装置、设备及存储介质 | |
CN112857378A (zh) | 一种轨迹匹配方法及装置 | |
Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
CN115578860A (zh) | 城市密集路网环境下车辆出行路径识别方法 | |
CN113284030B (zh) | 一种城市交通网络社区划分方法 | |
CN112541455A (zh) | 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法 | |
CN113327327A (zh) | 一种面状水系骨架线自动提取方法 |
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 |