CN116303835B - 用于道路规划的测绘数据管理方法 - Google Patents
用于道路规划的测绘数据管理方法 Download PDFInfo
- Publication number
- CN116303835B CN116303835B CN202310586581.0A CN202310586581A CN116303835B CN 116303835 B CN116303835 B CN 116303835B CN 202310586581 A CN202310586581 A CN 202310586581A CN 116303835 B CN116303835 B CN 116303835B
- Authority
- CN
- China
- Prior art keywords
- nodes
- road
- route
- association
- degree
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013507 mapping Methods 0.000 title claims abstract description 38
- 238000013439 planning Methods 0.000 title claims abstract description 30
- 238000013523 data management Methods 0.000 title claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 238000007726 management method Methods 0.000 claims abstract description 11
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000012937 correction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Navigation (AREA)
Abstract
本发明涉及电子数字数据处理技术领域,具体涉及用于道路规划的测绘数据管理方法,包括:根据获得的路口之间多条路线获得权重值,得到路线所对应节点之间的关联程度,并根据路线的重复情况获得关联程度的置信度,由关联程度和置信度获得实际关联程度,并由实际关联程度对路口之间的距离进行修正,利用修正结果对节点进行分类,实现对测绘数据的分类管理。本发明避免了在对测绘数据进行分类时,仅靠路口之间的欧氏距离进行分类之对后续道路规划的意义不大的问题,通过获取路口之间的实际关联程度以及对距离度量特征的优化,提高了K近邻算法的分类效果,并使得测绘数据的分类更具有实际意义。
Description
技术领域
本发明涉及电子数字数据处理技术领域,具体涉及用于道路规划的测绘数据管理方法。
背景技术
随着城市的发展,道路的开发建设越来越多,因此合理的道路规划和管理,有利于更好地掌握道路的实际情况和变化趋势,帮助我们更好的理解不同道路的特点和作用,从而提高道路规划的精度和可行性,因此对于道路规划的相关测绘数据的分类是非常有必要的,而常用的便是基于道路路口为样本点,通过K近邻算法对周围的路点进行分类,将某一路点归为离他最近的K个路点所在的道路分类;
常用的K近邻算法在进行道路规划方面的分类管理时,通常是以节点作为样本点,以路口之间的道路级别和欧式距离等浅层特征作为距离度量特征,并设定K近邻范围,以范围内的节点作为同一分类。但是道路状况较为复杂,其中存在较多例如单行路或道路分支等情况,因此基于常规的距离度量特征是无法准确表示的,因此本发明通过对道路之间的实际关系等特征进行分析,进而调整样本点之间计算距离度量特征时的权重调整值,进而对K近邻分类结果进行调整。
发明内容
本发明提供用于道路规划的测绘数据管理方法,以解决现有的问题。
本发明的用于道路规划的测绘数据管理方法采用如下技术方案:
本发明提供了用于道路规划的测绘数据管理方法,该方法包括以下步骤:
获取道路路口的位置坐标,将各路段的宽度、车流量以及允许的行驶方向的数量作为对应路段的参数;将任意路段的参数形成的序列记为路段参数序列,根据路口的位置坐标和路段对应的路段参数序列获得道路图结构;
根据任意路段所对应两个路口的所有路段的平均参数获得路段的权重值;
根据道路图结构获得任意两个节点之间的若干个路线,利用任意两个节点所对应任意路线上的每一个路段的权重值对参数进行调节,获得两个节点之间的关联程度;
根据路线所包含的所有路段对应的集合之间的交集,获得重复路段;
根据任意两个节点之间的关联程度,与重复路段所属路线对应的两个节点之间的关联程度的差异获得两个节点之间关联程度的置信度;
利用两个节点之间的关联程度的置信度对关联程度进行调节,获得两个节点之间的实际关联程度;
将任意两个节点之间位置坐标的欧式距离记为对应两个节点之间的距离度量特征,利用节点之间的实际关联程度对距离度量特征进行调节,获得修正后的距离度量特征;
根据修正后的距离度量特征对节点进行分类,实现对测绘数据的分类管理。
进一步的,所述道路图结构,获取方法如下:
将道路路口记作为节点,将道路路口的位置坐标作为节点值,将道路各路段作为边,将道路各路段所对应的路段参数序列作为边值,根据所获得的节点、节点值、边以及边值构建对应的图结构,记为道路图结构。
进一步的,所述权重值,获取方法如下:
其中,k表示路段的权重值,表示路段的路段参数序列中第m个参数;表示路
段所对应第r个路口下,第t个路段的路段参数序列中第m个参数;M表示路段参数序列中共
有M个参数;表示第r个路口下共对应有T个路段。
进一步的,所述关联程度,获取方法如下:
其中,表示根据两个节点所对应的第n条路线,获得的两个节点之间的关联程
度;表示两个节点所对应的第n条路线中,第i个路段的路段参数序列中第m个参数;M表
示路段参数序列中共有M个参数;表示两个节点所对应的第n条路线中,第i个路段的权
重值;I表示两个节点所对应的路线中有I个路段。
进一步的,所述重复路段,获取方法如下:
将任意两个节点作为目标节点对,当出现与目标节点对中任意一个节点相同,但与另一个节点不相同的情况下,且与目标节点对所对应的任意线路中,包含的路段所形成的集合之间存在交集,将在节点不完全相同时,节点之间对应路线产生交集部分的路段记为重复路段。
进一步的,所述两个节点之间关联程度的置信度,获取方法如下:
获取任意两个节点之间的任意一个路线所对应的多种重复路段,每一个重复路段都对应有若干个重复路线,获取所有节点之间的关联程度;
其中,表示根据两个节点之间第n条路线,获得的两个节点之间关联程度的置信
度;表示根据两个节点之间第n条路线获得的两个节点之间的关联程度;表示两个节
点之间第n种路线的第种重复路段,对应的第j条重复路线所对应的两个节点之间的关联
程度;表示第种重复路段对应的所有重复路线;表征第种重复路线中,包含重复路段
的数量;表示两个节点之间第n种路线中包含的路段数量;表示两个节点之间第n种路线
共有E种重复路段。
进一步的,所述实际关联程度,获取方法如下:
获取根据两个节点之间所有路线,获得的两个节点之间关联程度的置信度的总和,记为总置信度,将任意一个路线所对应的两个节点之间关联程度的置信度与总置信度之间的比值记为归一化置信度,利用归一化置信度对两个节点之间的实际关联程度进行乘积,将乘积结果记为实际关联程度因子,获得两个节点所对应每一种路线下的实际关联程度因子,将任意两个节点所对应的若干个实际关联程度因子进行累加求和,获得对应的两个节点之间的实际关联程度。
进一步的,所述修正后的距离度量特征,获取方法如下:
利用所有节点之间的实际关联程度中的最大值和最小值,结合线性归一化函数将所有节点之间的实际关联程度进行归一化处理,获得任意两个节点之间的归一化实际关联程度,将1减归一化实际关联程度对距离度量特征进行乘积,获得两个节点所对应的修正后的距离度量特征。
进一步的,所述根据修正后的距离度量特征对节点进行分类,实现对测绘数据的分类管理,包括的具体步骤如下:
根据预设的K近邻算法中K值,根据得到的任意两个节点对应的修正后的距离度量特征,以每一个节点分别为样本中心,利用K近邻算法对节点进行分类,实现在道路规划过程中,对所获取的测绘数据中对应的节点进行分类,即实现对测绘数据的分类管理。
本发明的技术方案的有益效果是:常规的节点之间通过K近邻算法进行相关节点分类时,通常是以节点之间道路的距离,道路级别等浅层直观特征作为距离度量特征,无法表征节点之间的实际关联。因此本发明通过对节点之间的多条路线中,以组成路线的多个路段的交通情况,通勤数据等信息作为重要程度值,并以路口对应的多个路段中的差异作为权重值,得到路线的关联程度,并通过对路线之间的重复部分进行分析,避免因其余路线的实际关联程度导致路线反映的关联程度不能完全反映当前两个节点之间的关系,从而使得节点之间根据其实际关联信息得到距离度量特征的优化,提高了K近邻算法的分类效果,使得分类结果更具有实际意义。
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为本发明用于道路规划的测绘数据管理方法的步骤流程图;
图2为道路示意图;
图3为道路路段权重比较示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的用于道路规划的测绘数据管理方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的用于道路规划的测绘数据管理方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的用于道路规划的测绘数据管理方法的步骤流程图,该方法包括以下步骤:
步骤S001,结合GIS技术获得道路测绘相关的地理数据,并构建对应的图结构。
结合GIS技术获取对道路测绘获取的相关包含地理信息的测绘数据,所述测绘数据即获取一定范围下所在地区的道路网络中,所有路口的位置坐标、道路各路段所对应的宽度、车流量以及允许的行驶方向的数量,并对道路各路段所对应的宽度、车流量以及允许的行驶方向的数量进行线性归一化处理;
将道路各路段所对应的宽度、车流量以及允许的行驶方向的数量作为参数,则将
所有参数所组成的序列记为路段参数序列,其中,表示路段参数序
列第m个参数,M表示路段参数序列中共有M个参数。
将道路路口记作为节点,将道路路口的位置坐标作为节点值,将道路各路段作为边,将道路各路段所对应的路段参数序列作为边值,根据所获得的节点、节点值、边以及边值构建对应的图结构,将构建的图结构记为道路图结构;
所获取的道路图结构中各节点、节点值、边以及边值反映了道路以及所形成路口之间的拓扑关系。
步骤S002,根据道路图结构获取节点之间的路线,并根据节点所对应路线的参数获得节点之间的关联程度。
步骤(1),在城市的道路网格中,不相邻的节点之间,通常存在多条路线,因此对于这两个节点之间的关联性的判断,首先需要得到其中存在的多条道路组合的方式。
对于任意两个节点之间,利用Dijkstra算法,获取在道路图结构中两个节点之间的最短路径,得到多条两个节点之间的最短路径,记为路线,需要说明的是,Dijkstra算法,即迪杰斯特拉算法为现有的最短路径算法,本实施例中不过多赘述。
由于实际生活中,人们普遍会选择红绿灯数量最少的路线即路口数量最少,因此利用Dijkstra算法获取的路线会存在不合理的情况,所以对于得到的两个节点之间的多条线路,统计每条线路中所包含节点的数量,以其中节点数量最少为选取条件,对每条线路进行判定,获得若干条符合条件的路线,作为两个节点的多条路线。
对于城市的道路网络中,节点之间的关系通常为所对应路口之间的欧式距离,以及节点之间边所对应道路路段的相关参数,包括了道路的宽度,道路的宽度决定了可以容纳交通工具的数量,反映了对应路段是主干道还是次干道等,另外,还有道路路段的车流量,反映了对应路段的拥挤程度以及道路使用情况。
因此对于路口之间的相关特征,除了通过直观上的欧式距离的大小作为判断依据外,还应该考虑路口之间存在的道路路段信息,当任意两个节点所对应路口之间的距离较远时,但是两个节点之间所对应的若干个的路段组合方式较多,可以获得若干条路线,同时不同路线的组合方式中还存在单行道这类权重价值不同的道路类型,因此,需要得到节点之间存在的多条道路并进行排列组合。
步骤(2),对于任意两个节点之间第n条路线的重要程度值,通常基于路线中的多段道路的重要程度值的累加求均值作为该条线路的权重值。
如图2所示,其中圆圈为节点,黑色线段表示各个路段,根据步骤(1)中利用
Dijkstra算法,获取在道路图结构中两个节点之间的最短路径,得到的路口A到路口B对应
的路线有三种,即、和,当路口C与路口A之间的路段1的路段重要程度为
0.7时,但是路口C所对应的四个路段1,4,5,9的重要程度分别为0.7,0.2,0.3,0.2时,那么
对于路口C来说,对应的组成该路线的路段1与该路线的相关程度一定是较高的,因此对应
的在通过计算多个路段的重要程度求均值时,需要根据每一路段所表现的相关程度作为权
重值进而调整。
另外,对于任意两个节点之间对应的第n条线路的第i个路段,一个路段对应两个
路口,而这两个路口分别存在多个路段,则根据多个路段之间的参数之间的差异,获得任意
路段的权重值:
其中,表示路段的路段参数序列中第m个参数;表示路段所对应第r个路口
下,第t个路段的路段参数序列中第m个参数;M表示路段参数序列中共有M个参数;表示第
r个路口下共对应有T个路段;
表示对路段所属的节点所具有的多条路段的路段参数序列中所有参数
的累加值;表示该路段所有对应参数与对应节点具有的多条路段的参数的累加值
之间的比值,得到该路段与其他存在共同路口的路段之间的差异,当这一比值越高,即越表
明当前这一路段的参数在这一路口处越突出,对应的权重值越大。
最终得到这一路段所表现出来的,与对应的节点所包含的其他路段之间的差异,
当这一值越高,对应的表征该路段所对应两个路口之间的关联度越高,因此这一路段用于
计算当前路线的关联程度时的权重更要大。同时由于一个路段的定义通常是表征从一个红
绿灯至另一个红绿灯之间的路线,因此这里认为一个路段是由两个节点组成,而得到的是由其中一个路口得到的权重值,因此通过对两个节点分别得到
的权重值进行累加后求均,得到最终的这条路段的权重值。
获得道路图结构中任意两个节点所对应所有路线上所有路段的权重值。
步骤(3),于是对于任意两个节点,根据这两个节点所对应的第n条路线上的每一个路段的参数与权重值,获得这两个路口,即两个节点之间的关联程度:
其中,表示根据两个节点所对应的第n条路线,获得的两个节点之间的关联程
度;表示两个节点所对应的第n条路线中,第i个路段的路段参数序列中第m个参数;M表
示路段参数序列中共有M个参数;表示两个节点所对应的第n条路线中,第i个路段的权
重值;I表示两个节点所对应的路线中有I个路段。
表示两个节点所对应的第n条路线中,第i个路段的路段参数序列中所
有参数的累加求均值,利用第i个路段的多个参数来反映对应路段的重要程度,最终通过累
加多个路段的重要程度,得到当前这条路线的重要程度。
从交通出行方面看,当两个节点之间的关联程度越高,两个节点对应的两个路
口之间的关联程度越高,同时由于结合了每一个路段自身的权重值,表明了这条路线的交
通流量和交通重要性相对较高,存在的关联程度越高,即后续若对利用一个节点进行K近邻
聚类时,另一个节点更需要被分为同一类。
步骤S003,根据各节点所对应路段之间的重复情况获得对应节点之间关联程度的置信度,再根据置信度以及节点之间的关联程度获得节点之间的实际关联程度。
对于任意两个节点之间的最终关联程度,常规方式是通过对多条路线的关联程度进行累加求均。但是其中会存在一个问题,以将任意两个节点作为目标节点对为例,当出现与目标节点对中任意一个节点相同,但与另一个节点不相同,且与目标节点对所对应的任意线路中,包含的路段所形成的集合存在交集,即所对应集合不完全属于目标节点对所对应路线中所有路段形成的集合时,则发生交集的部分路段的权重值会受到影响,即目标节点对所对应线路中路段的权重值会发生变化,将这种节点不完全相同时,路线存在交集的情况称为重复路线,产生交集部分的路段记为重复路段;
如图2所示,以当路口A和路口B之间所对应的路线,其中由于路段3和路段7
的权重值很高,计算得到路线对应两个节点之间的关联程度较高,但可能会存在,其中路段
3和路段7的权重值很高,但是由于路口G和路口B之间的关联程度很高,而路段3和路段7是
由于路线而导致程度高,所以由于路线之间存在重复,错误的导致路线的权
重值同样很高。因此对于这类情况,在通过对多条路线的关联程度进行累加得到节点A和B
之间的关联程度时,要对这一情况进行路线权重值的调整;
如图3所示,假设路段2和路段3为组成某一条路线的路段,其中括号内的值为每一个路段参与路线关联程度计算时的权重值,图3中左、右两部分分别为两种情况,虽然路段2和路段3在两种情况下计算得到的权重值是相同的,但是在右半部分的情况中,路段1的权重值反而更高。
对于任意两个节点之间存在的第n条路线,对其中包含的连续路段进行组合判定,
即例如图2中路口A和路口B之间的路线中存在的连续路段为、,对于其中存
在的连续路段,分别得到多个与第条路线的路段数量相同的重复路线。同时除用于判定的
连续路段与第条路线存在重复,其余的重复路线判定时,节点A和节点B之间的其余路段不
参与判断,例如在图2中,路线可能得到的重复路线为路线、路线,而由
于路线、路线中的各个路段属于节点A和节点B之间所对应的路线,因此根据
本实施例中判断获取重复路线的方法,判断出路线和路线不属于路线
的重复路线。
则获取任意两个节点之间的任意一个路线所对应的多种重复路段,每一个重复路段都对应有若干个重复路线,获取所有节点之间的关联程度;
步骤(1),于是根据任意两个节点之间的第n条路线,与多个重复路段对应的多条
路线之间关联程度的差异,得到路线的关联程度用于评估对应的两个节点之间关联程度时
的置信度:
其中,表示根据两个节点之间第n条路线,获得的两个节点之间关联程度的置信
度;表示根据两个节点之间第n条路线获得的两个节点之间的关联程度;表示两个节
点之间第n种路线的第种重复路段,对应的第j条重复路线所对应的两个节点之间的关联
程度;表示第种重复路段对应的所有重复路线;表征第种重复路线中,包含重复路段
的数量;表示两个节点之间第n种路线中包含的路段数量;表示两个节点之间第n种路线
共有E种重复路段;
表示在第e种重复路段的多条重复路线,所对应第n条路线的
突出程度,当结果值越高,第n条路线对应的两个节点自身所表征出来的关联程度越高,即
第n条路线上多个路段的重要程度主要受对应两个节点的影响,从而达到的较高的关联程
度,而不是因与其余节点之间的关联程度较高时,路线发生重复,而导致将其余节点之间关
联程度误认为是第n条路线对应的两个节点之间的关联程度。
表征第种重复路段中,重复路段的路段数量,为原路线中的路段数量,在进行
路线的置信度判定时,当重复路线中重复的路段数量越多,用于判断置信度时的权重值越
高。
最终通过对每一种重复路段的组合方式对应的多条重复路线中关联程度的差异
的累加求均值,得到第n条路线用于判断对应两个节点之间关联程度的置信度,从而通过将作为下方某一路线参与下方节点之间关联程度判定时,能够表征两个节点之间的实际的
道路情况所反映出来的关联特征,避免了路线中的部分路段的实际重要程度是由其余路线
所赋予,而不是当前路线自身所具有的这一情况,进而对于后续路线中具有的实际意义更
加准确,使得对节点之间关联程度判定时,节点之间关联程度以及关联程度的置信度都更
加准确。
步骤(2),得到路口,即节点之间实际关联程度,通过多条路线获得对应两个节点之间的多个关联程度以及关联程度的置信度,通过以置信度作为权重后,进行加权求和从而得到对应两个节点之间的实际关联程度L,获取方法为:
其中,表示根据两个节点之间第n条路线,获得的两个节点之间关联程度的置信
度;表示根据两个节点所对应的第n条路线,获得的两个节点之间的关联程度;N表示两个
节点之间共有N条路线。
表示第n条路线根据置信度得到的权重值,以对节点之间的关联程度进行
调节。
当的值越大,对应的两个节点之间的多条线路中,交通通行情况较好,同时两个
节点之间存在的关联程度较高,即当对节点进行分类时,即使与另一个节点的距离较远,但
是对这两个节点的关注度是需要更高的。
步骤S004,利用实际关联程度对节点之间的距离度量特征进行调节,根据调节后的距离度量特征对节点进行分类,实现对测绘数据的智能管理。
利用K近邻算法,以任意节点为样本中心,将节点之间的位置坐标获取欧式距离作
为节点之间的距离度量特征h,利用样本中心与其他节点之间的实际关联程度对距离度量
特征h进行调整,得到任意两个节点之间对应的修正后的距离度量特征H:
其中,H为两个节点所对应修正后的距离度量特征,h表示节点之间的距离度量特
征,表示节点之间的实际关联程度,表示线性归一化函数;
当节点之间的关联程度越高时,其在计算距离度量特征时反而应该越小,即越应该靠近样本中心,因此这里对关联程度进行归一化后作为调整,即关联程度越高,调整值越小。
至此,通过对道路网格图中,两两节点之间存在的多条路线之间中多个路段的实际通行情况等参数作为基础重要程度特征,根据每段道路对应的节点具有的多个路段之间的差异,给予不同权重值并进行加权求和得到某一条路线的关联程度,并对其中可能存在的每条路线由于与其余路线重复从而导致得到的关联程度并不能完全作为当前这一路线自己本身的实际特征,并基于这一特征对每条路线的关联程度给予置信度,并最终得到节点之间的实际关联程度,并作为调整值对K近邻算法中的距离度量特征进行调整优化。
根据得到的任意两个节点对应的修正后的距离度量特征,以每一个节点分别为样本中心,利用K近邻算法对节点进行分类,并根据经验预设K近邻算法中K值的大小,从而得到能够表征实际关联特征的优化后的节点分类结果,至此,实现了在道路规划过程中,对所获取的测绘数据中对应的节点进行分类,即通过对道路路段进行分析实现了对道路路口进行分类,即实现了对测绘数据的分类管理,便于在专业市政工作人员对道路规划过程中,可根据路口之间的修正后的距离度量特征,对各路口所对应路段考虑对其进行增设或对道路上的公共设施进行增加、减少以及维护,实现更高效率的道路规划工作。
需要说明的是,本实施例中所用的exp(-x)模型仅用于表示负相关关系和约束模
型输出的结果处于区间内,具体实施时,可替换成具有同样目的的其他模型,本实施例
只是以exp(-x)模型为例进行叙述,不对其做具体限定,其中x是指该模型的输入。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.用于道路规划的测绘数据管理方法,其特征在于,该方法包括以下步骤:
获取道路路口的位置坐标,将各路段的宽度、车流量以及允许的行驶方向的数量作为对应路段的参数;将任意路段的参数形成的序列记为路段参数序列,根据路口的位置坐标和路段对应的路段参数序列获得道路图结构;
根据任意路段所对应两个路口的所有路段的平均参数获得路段的权重值;根据道路图结构获得任意两个节点之间的若干个路线,利用任意两个节点所对应任意路线上的每一个路段的权重值对参数进行调节,获得两个节点之间的关联程度;
根据路线所包含的所有路段对应的集合之间的交集,获得重复路段;根据任意两个节点之间的关联程度,与重复路段所属路线对应的两个节点之间的关联程度的差异获得两个节点之间关联程度的置信度;利用两个节点之间的关联程度的置信度对关联程度进行调节,获得两个节点之间的实际关联程度;
将任意两个节点之间位置坐标的欧式距离记为对应两个节点之间的距离度量特征,利用节点之间的实际关联程度对距离度量特征进行调节,获得修正后的距离度量特征;根据修正后的距离度量特征对节点进行分类,实现对测绘数据的分类管理。
2.根据权利要求1所述用于道路规划的测绘数据管理方法,其特征在于,所述道路图结构,获取方法如下:
将道路路口记作为节点,将道路路口的位置坐标作为节点值,将道路各路段作为边,将道路各路段所对应的路段参数序列作为边值,根据所获得的节点、节点值、边以及边值构建对应的图结构,记为道路图结构。
3.根据权利要求1所述用于道路规划的测绘数据管理方法,其特征在于,所述权重值,获取方法如下:
其中,k表示路段的权重值,表示路段的路段参数序列中第m个参数;/>表示路段所对应第r个路口下,第t个路段的路段参数序列中第m个参数;M表示路段参数序列中共有M个参数;/>表示第r个路口下共对应有T个路段。
4.根据权利要求1所述用于道路规划的测绘数据管理方法,其特征在于,所述关联程度,获取方法如下:
其中,表示根据两个节点所对应的第n条路线,获得的两个节点之间的关联程度;/>表示两个节点所对应的第n条路线中,第i个路段的路段参数序列中第m个参数;M表示路段参数序列中共有M个参数;/>表示两个节点所对应的第n条路线中,第i个路段的权重值;I表示两个节点所对应的路线中有I个路段。
5.根据权利要求1所述用于道路规划的测绘数据管理方法,其特征在于,所述重复路段,获取方法如下:
将任意两个节点作为目标节点对,当出现与目标节点对中任意一个节点相同,但与另一个节点不相同的情况下,且与目标节点对所对应的任意线路中,包含的路段所形成的集合之间存在交集,将在节点不完全相同时,节点之间对应路线产生交集部分的路段记为重复路段。
6.根据权利要求1所述用于道路规划的测绘数据管理方法,其特征在于,所述两个节点之间关联程度的置信度,获取方法如下:
获取任意两个节点之间的任意一个路线所对应的多种重复路段,每一个重复路段都对应有若干个重复路线,获取所有节点之间的关联程度;
其中,表示根据两个节点之间第n条路线,获得的两个节点之间关联程度的置信度;表示根据两个节点之间第n条路线获得的两个节点之间的关联程度;/>表示两个节点之间第n种路线的第/>种重复路段,对应的第j条重复路线所对应的两个节点之间的关联程度;表示第/>种重复路段对应的所有重复路线;/>表征第/>种重复路线中,包含重复路段的数量;/>表示两个节点之间第n种路线中包含的路段数量;/>表示两个节点之间第n种路线共有E种重复路段。
7.根据权利要求1所述用于道路规划的测绘数据管理方法,其特征在于,所述实际关联程度,获取方法如下:
获取根据两个节点之间所有路线,获得的两个节点之间关联程度的置信度的总和,记为总置信度,将任意一个路线所对应的两个节点之间关联程度的置信度与总置信度之间的比值记为归一化置信度,利用归一化置信度对两个节点之间的实际关联程度进行乘积,将乘积结果记为实际关联程度因子,获得两个节点所对应每一种路线下的实际关联程度因子,将任意两个节点所对应的若干个实际关联程度因子进行累加求和,获得对应的两个节点之间的实际关联程度。
8.根据权利要求1所述用于道路规划的测绘数据管理方法,其特征在于,所述修正后的距离度量特征,获取方法如下:
利用所有节点之间的实际关联程度中的最大值和最小值,结合线性归一化函数将所有节点之间的实际关联程度进行归一化处理,获得任意两个节点之间的归一化实际关联程度,将1减归一化实际关联程度对距离度量特征进行乘积,获得两个节点所对应的修正后的距离度量特征。
9.根据权利要求1所述用于道路规划的测绘数据管理方法,其特征在于,所述根据修正后的距离度量特征对节点进行分类,实现对测绘数据的分类管理,包括的具体步骤如下:
根据预设的K近邻算法中K值,根据得到的任意两个节点对应的修正后的距离度量特征,以每一个节点分别为样本中心,利用K近邻算法对节点进行分类,实现在道路规划过程中,对所获取的测绘数据中对应的节点进行分类,即实现对测绘数据的分类管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310586581.0A CN116303835B (zh) | 2023-05-24 | 2023-05-24 | 用于道路规划的测绘数据管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310586581.0A CN116303835B (zh) | 2023-05-24 | 2023-05-24 | 用于道路规划的测绘数据管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116303835A CN116303835A (zh) | 2023-06-23 |
CN116303835B true CN116303835B (zh) | 2023-07-21 |
Family
ID=86822542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310586581.0A Active CN116303835B (zh) | 2023-05-24 | 2023-05-24 | 用于道路规划的测绘数据管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116303835B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2012289A1 (fr) * | 2007-07-02 | 2009-01-07 | Mediamobile | Estimation de trafic dans un réseau routier |
CN110634287A (zh) * | 2019-08-26 | 2019-12-31 | 上海电科智能系统股份有限公司 | 一种基于边缘计算的城市交通状态精细化判别方法 |
CN112652172A (zh) * | 2021-01-19 | 2021-04-13 | 东南大学 | 一种基于车辆gps轨迹的路段交通量分析方法 |
CN113256980A (zh) * | 2021-05-28 | 2021-08-13 | 佳都科技集团股份有限公司 | 一种路网状态的确定方法、装置、设备及存储介质 |
CN114663606A (zh) * | 2022-02-22 | 2022-06-24 | 长沙理工大学 | 一种三维道路模型系统及生成方式 |
-
2023
- 2023-05-24 CN CN202310586581.0A patent/CN116303835B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2012289A1 (fr) * | 2007-07-02 | 2009-01-07 | Mediamobile | Estimation de trafic dans un réseau routier |
CN110634287A (zh) * | 2019-08-26 | 2019-12-31 | 上海电科智能系统股份有限公司 | 一种基于边缘计算的城市交通状态精细化判别方法 |
CN112652172A (zh) * | 2021-01-19 | 2021-04-13 | 东南大学 | 一种基于车辆gps轨迹的路段交通量分析方法 |
CN113256980A (zh) * | 2021-05-28 | 2021-08-13 | 佳都科技集团股份有限公司 | 一种路网状态的确定方法、装置、设备及存储介质 |
CN114663606A (zh) * | 2022-02-22 | 2022-06-24 | 长沙理工大学 | 一种三维道路模型系统及生成方式 |
Non-Patent Citations (1)
Title |
---|
路面状况识别与传感器应用研究;高畅 等;《机电信息》(第627期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116303835A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106912015B (zh) | 一种基于移动网络数据的人员出行链识别方法 | |
CN108109382B (zh) | 基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 | |
JP5081734B2 (ja) | 交通情報を生成するための交通情報提供システム、及び、カーナビゲーションシステム | |
CN109448361B (zh) | 居民交通出行流量预测系统及其预测方法 | |
CN107920362A (zh) | 一种基于微区域的lte网络性能评估方法 | |
CN105091889A (zh) | 一种热点路径的确定方法及设备 | |
Zhang et al. | A generic matching algorithm for line networks of different resolutions | |
CN106780262B (zh) | 一种考虑城市道路网络约束的同位模式发现方法及装置 | |
CN111836199B (zh) | 一种室内导航动态避障寻径方法 | |
CN112347596B (zh) | 一种城市公交线网优化方法 | |
CN114093168A (zh) | 一种基于韧性视角下的城市道路交通运行状态评价方法 | |
KR101394976B1 (ko) | 연속지적도의 다축척 모델 생성 방법 | |
CN109238297B (zh) | 一种用户最优及系统最优的动态路径选择方法 | |
US20220108603A1 (en) | Detection method of key road-sections based on ricci flow | |
CN109522385B (zh) | 一种多尺度道路网m-n匹配模式的判定方法 | |
CN110662232A (zh) | 一种采用多粒度级联森林评估链路质量的方法 | |
CN115752503A (zh) | 园区导航路径规划方法和装置 | |
CN116303835B (zh) | 用于道路规划的测绘数据管理方法 | |
CN117664168A (zh) | 一种园区车辆导航路径规划方法、介质及系统 | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
CN105243439A (zh) | 基于路网结构的城市群城际铁路线网规模测算方法 | |
CN114877901B (zh) | 基于地图栅格化融合与A-star搜索的城市应急路径规划方法 | |
CN110633890A (zh) | 一种土地利用效率判断方法和系统 | |
CN111862660B (zh) | 基于效用补偿机制的实时路径规划方法及相关设备 | |
CN113553357A (zh) | 一种基于HW-Louvain的城市公交网络划分性空间社团探测方法 |
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 |