CN116663219A - 数据处理方法、装置、设备以及存储介质 - Google Patents
数据处理方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN116663219A CN116663219A CN202310963817.8A CN202310963817A CN116663219A CN 116663219 A CN116663219 A CN 116663219A CN 202310963817 A CN202310963817 A CN 202310963817A CN 116663219 A CN116663219 A CN 116663219A
- Authority
- CN
- China
- Prior art keywords
- road
- target
- point
- position point
- combination
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 35
- 238000003672 processing method Methods 0.000 title abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims description 128
- 238000005457 optimization Methods 0.000 claims description 122
- 238000012545 processing Methods 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000009877 rendering Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 210000004907 gland Anatomy 0.000 description 4
- 238000003780 insertion Methods 0.000 description 4
- 230000037431 insertion Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 101000995014 Archaeoglobus fulgidus (strain ATCC 49558 / DSM 4304 / JCM 9628 / NBRC 100126 / VC-16) Iron-sulfur flavoprotein AF_1436 Proteins 0.000 description 1
- 101000995013 Methanocaldococcus jannaschii (strain ATCC 43067 / DSM 2661 / JAL-1 / JCM 10045 / NBRC 100440) Iron-sulfur flavoprotein MJ0731 Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Instructional Devices (AREA)
- Navigation (AREA)
Abstract
本申请实施例公开了一种数据处理方法、装置、设备以及存储介质，可应用于地图领域。该方法包括：确定至少一个道路组合，每个道路组合包括至少部分路段上下重叠的两条目标道路；确定每个道路组合的多个第一位置点组合；每个第一位置点组合包括分别位于每条目标道路上的一个目标位置点，每个第一位置点组合中的目标位置点具有投影关联关系；确定约束条件集合；约束条件集合至少包括每个第一位置点组合对应的第一约束条件，每个第一约束条件用于指示对应两个目标位置点的相对高程数据之差的数据约束；根据约束条件集合，确定每条目标道路的预测相对高程数据。采用本申请实施例，可基于约束条件集合快速确定每条目标道路的相对高程数据，适用性高。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种数据处理方法、装置、设备以及存储介质。
背景技术
随着社会水平的不断发展，道路也随之变得越来越错综复杂，人们在出行时需要借助电子地图完成路线规划、路线导航等。如今绝大多数的电子地图只能通过平面展示道路信息，无法直观展示重叠道路（如重叠下沉隧道）的空间展布，故三维电子地图（包括道路的经度信息、纬度信息以及高度信息）的需求越来越明显。
相关技术中，一般采用高精度传感器采集重叠道路的相对高程数据，进而根据采集到的相对高程数据生成三维电子地图。但是脱离传感器之后，相关技术无法有效得到重叠道路的相对高程数据。
发明内容
本申请实施例提供一种数据处理方法、装置、设备以及存储介质，可有效确定目标道路的预测相对高程数据，适用性高。
一方面，本申请实施例提供一种数据处理方法，该方法包括：
确定预设地图区域内的至少一个道路组合，每个上述道路组合包括至少部分路段上下重叠的两条目标道路；
确定每个上述道路组合对应的多个第一位置点组合；每个上述第一位置点组合包括分别位于对应道路组合中的每条目标道路上的一个目标位置点，每个上述第一位置点组合中的两个目标位置点具有投影关联关系；
确定约束条件集合；上述约束条件集合至少包括每个上述第一位置点组合对应的第一约束条件，每个上述第一约束条件用于指示对应第一位置点组合中的两个目标位置点的相对高程数据之差的数据约束；
根据上述约束条件集合，确定每条上述目标道路的预测相对高程数据。
另一方面，本申请实施例提供了一种数据处理装置，该装置包括：
道路处理模块，用于确定预设地图区域内的至少一个道路组合，每个上述道路组合包括至少部分路段上下重叠的两条目标道路；
位置点处理模块，用于确定每个上述道路组合对应的多个第一位置点组合；每个上述第一位置点组合包括分别位于对应道路组合中的每条目标道路上的一个目标位置点，每个上述第一位置点组合中的两个目标位置点具有投影关联关系；
约束条件构建模块，确定约束条件集合；上述约束条件集合至少包括每个上述第一位置点组合对应的第一约束条件，每个上述第一约束条件用于指示对应第一位置点组合中的两个目标位置点的相对高程数据之差的数据约束；
数据处理模块，用于根据上述约束条件集合，确定每条上述目标道路的预测相对高程数据。
另一方面，本申请实施例提供了一种电子设备，包括处理器和存储器，该处理器和存储器相互连接；
上述存储器用于存储计算机程序；
上述处理器用于在调用上述计算机程序时，执行本申请实施例提供的数据处理方法。
另一方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行以实现本申请实施例提供的数据处理方法。
另一方面，本申请实施例提供了一种计算机程序产品，该计算机程序产品包括计算机程序，上述计算机程序被处理器执行时实现本申请实施例提供的数据处理方法。
在本申请实施例中，通过确定每个道路组合对应的第一位置点组合及其对应的相对高程数据之差的数据约束，可有效确定每个道路组合内存在上下重叠关系的目标道路的预测相对高程数据，可有效提升预测相对高程数据的确定效率和便捷性，适用性高。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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是本申请实施例提供的数据处理方法的网络结构示意图；
图2是本申请实施例提供的数据处理方法的流程示意图；
图3a是本申请实施例提供的道路点投影示意图之一；
图3b是本申请实施例提供的道路点投影示意图之二；
图3c是本申请实施例提供的道路点投影示意图之三；
图4是本申请实施例提供的确定初始位置点的流程框架图；
图5是本申请实施例提供的确定目标位置点的场景示意图；
图6是本申请实施例提供的插入第一中间位置点的流程框架图；
图7是本申请实施例提供的确定第一中间位置点的流程框架图；
图8是本申请实施例提供的构建第一约束条件的流程框架图；
图9是本申请实施例提供的数据处理过程的流程框架示意图；
图10是本申请实施例提供的构建约束条件的流程框架示意图；
图11是本申请实施例提供的预设地图区域的场景示意图；
图12a-12b是本申请实施例提供的一组隧道场景对比示意图；
图12c-12d是本申请实施例提供的另一组隧道场景对比示意图；
图13是本申请实施例提供的数据处理装置的结构示意图；
图14是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例提供的数据处理方法可应用于地图领域、交通领域、导航领域以及计算机等领域，可用于确定存在上下重叠路段的两条道路上的目标位置点的相对高程数据，为导航场景、道路三维渲染以及道路空间展布等提供数据支持。
例如，本申请实施例提供的数据处理方法可适用交通领域中的智能交通系统(Intelligent Traffic System，ITS)或智能车路协同系统(Intelligent VehicleInfrastructure Cooperative Systems，IVICS)，以确定存在上下重叠路段的道路上的目标位置点的相对高程数据，为车道级导航提供数据支持。
其中，智能交通系统又称智能运输系统(Intelligent Transportation System)，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
其中，智能车路协同系统简称车路协同系统，是智能交通系统(ITS)的一个发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
参见图1，图1是本申请实施例提供的数据处理方法的网络结构示意图。如图1所示，终端10和服务器20之间可以通过通信网络连接，该通信网络，包括无线网络以及有线网络，其中无线网络包括无线广域网、无线局域网、无线城域网、以及无线个人网中的一种或多种的组合。网络中包括路由器、网关等等网络实体，图中并未示意出。终端10可以通过通信网络与服务器20进行信息交互，例如，服务器20将地图数据发送至终端10上。
其中，终端10可从服务器20获取预设地图区域的地图数据，进而基于本申请实施例提供的数据处理方法，确定预设地图区域内存在上下重叠路段的道路上的第一目标位置点的相对高程数据。可选地，服务器20可根据预设地图区域的地图数据，通过基于本申请实施例提供的数据处理方法，确定预设地图区域内存在上下重叠路段的道路上的第一目标位置点的相对高程数据，并将相对高程数据发送至终端10。可选地，终端10或者终端20可独立根据预设地图区域的地图数据，通过基于本申请实施例提供的数据处理方法，确定预设地图区域内存在上下重叠路段的道路上的第一目标位置点的相对高程数据。
其中，服务器20可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
其中，终端10可以智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、车载终端、飞行器、智能家电（例如智能电视）或者可穿戴设备等。
其中，相对高程数据是指某点沿铅垂线方向到某假定水准基面的距离，称假定高程，也称相对高程。在本申请中，道路的相对高程数据被认为是道路上各点与地面的高度差，假定水准基面是地面。
需要说明的是，图1所示的网络结构示意图仅仅是一个示例，本申请实施例描述的网络结构是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着网络结构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
可以理解的是，本申请实施例中地图数据的获取、对地图数据的处理、对相对高程数据的应用（如车道级渲染、导航）以及在相对高程数据的应用过程中涉及到的其他数据的采集与处理（位置信息的采集与处理、交通信息的采集与处理）等过程在实际应用过程中严格遵守相关国家法律法规的要求。相关数据或信息的采集与处理需要获取相关主体的知情同意或单独同意，并在法律法规及相关主体的授权范围内，开展后续数据使用及处理行为。
参见图2，图2是本申请实施例提供的数据处理方法的流程示意图。如图2所示，本申请实施例提供的数据处理方法具体可包括如下步骤：
步骤S21、确定预设地图区域中的至少一个道路组合，每个道路组合包括至少部分路段上下重叠的两条目标道路。
在一些可行的实施方式中，预设地图区域为二维电子地图中的任意区域，基于预设地图区域内的地图数据可确定多个道路组合，每个道路组合包括两条目标道路，且每个道路组合内的两条目标道路的至少部分路段上下重叠。
例如，某一道路组合内包括部分路段上下重叠的两条下沉隧道。
其中，上述地图数据包括但不限于道路拓扑、道路类型、道路位置、道路长度等，具体可基于实际应用场景需求确定，在此不做限制。
在本申请实施例中，任意两个道路组合内的目标道路不完全相同。例如，道路组合A包括目标道路1和目标道路2，道路组合B包括目标道路1和目标道路3。其中，目标道路1和目标道路2的至少部分路段上下重叠，目标道路1和目标道路3的至少部分路段上下重叠。在目标道路2和目标道路3的至少部分路段上下重叠的情况下，预设地图区域还包括道路组合C，道路组合C包括目标道路2和目标道路3。
具体地，可先根据预设地图区域的地图数据，将预设地图区域内的道路从线拓展为等比例路宽的道路面（若预设地图区域内的道路已按照等比例路宽的道路面呈现，则省略该步骤），进而可通过现有的计算几何库（如JTS）来判断两条道路是否存在上下重叠的区域。若两条道路存在上下重叠的区域，则将两条道路确定为一个道路组合内的两条目标道路，进而基于此方式可确定出预设地图区域中的所有道路组合。
其中，上述预设地图区域可以为标准清晰度（Standard Definition，SD）地图中的部分区域。SD地图，也即普通导航电子地图，一般是二维的，没有精确的高程信息，SD地图是对现实中道路的抽象表达，即道路用线、路口用点来表达。
例如，可根据SD地图中的link所绑定的相关数据，将预设地图区域内的道路从线拓展为等比例路宽的道路面。SD地图中的link指示以一条没有宽度的折线段表示所表示的道路，link上会绑定各种道路相关的数据，比如道路等级、车道数、车道宽度等等。
步骤S22、确定每个道路组合对应的多个第一位置点组合。
在确定出预设地图区域中的至少一个道路组合之后，可确定每个道路组合对应的多个第一位置点组合。
其中，每个第一位置点组合包括分别位于对应道路组合中的每条目标道路上的一个目标位置点。
为方便描述，可将每个道路组合中的一条目标道路称为第一目标道路，另一条目标道路称为第二目标道路。
对于任意一个道路组合而言，该道路组合的第一目标道路上的一个目标位置点、与第二目标道路上的一个目标位置点组成一个第一位置点组合。
其中，每个第一位置点组合中的两个目标位置点具有投影关联关系。也即对于每个第一位置点组合而言，该第一位置点组合中位于第一目标道路上的目标位置点与位于第二目标道路上的目标位置点在第一目标道路上的投影点相重合。
在一些可行的实施方式中，对于每个道路组合，在确定该道路组合对应的多个第一位置点组合时，可先确定该道路组合中的第一目标道路和第二目标道路上的多个初始位置点。
其中，第一目标道路上的每个初始位置点在第二目标道路上存在第一投影点，且该初始位置点与对应第一投影点之间的距离满足以下条件：
小于该初始位置点与第二目标道路上的每个预设位置点之间的距离；
不超过该初始位置点与该初始位置点在第二目标道路上的其他每个投影点之间的距离。
其中，第二目标道路上的每个初始位置点在第一目标道路上存在第二投影点，且该初始位置点与对应第二投影点之间的距离满足以下条件：
小于该初始位置点与第一目标道路上的每个预设位置点之间的距离；
不超过该初始位置点与该初始位置点在第一目标道路上的其他每个投影点之间的距离。
其中，上述预设位置点包括道路端点、道路拐点和道路终端。
基于此，可根据第一目标道路上的每个初始位置点和第二投影点，确定第一目标道路中与第二目标道路重叠的第一路段，根据第二目标道路上的每个初始位置点和第一投影点，确定第二目标道路中与第一目标道路重叠的第二路段。进而可根据第一路段和第二路段上的目标位置点，确定该道路组合对应的多个第一位置点组合。
具体地，对于任意一个道路组合中的第一目标道路和第二目标道路，可预先确定第一目标道路和第二目标道路上的多个初始道路点，第一目标道路和第二目标道路上的初始道路点包括但不限于道路起点、道路拐点、道路终点、每个路段中点或者道路内的任意位置点。
对于第一目标道路的每个初始道路点而言，可确定该初始道路点到第二目标道路上的每个路段上的投影点。
若该初始道路点到第二目标道路上的每个路段的投影点均位于第二目标道路之外，则该初始道路点不为第一目标道路的初始位置点。
如图3a所示，图3a是本申请实施例提供的道路点投影示意图之一。若某一道路组合内的第一目标道路为图3a中初始道路点E1、初始道路点F1、初始道路点G1以及初始道路点H1所组成的道路，该道路组合内的第二目标道路为图3a中初始道路点A1、初始道路点B1、初始道路点C1以及初始道路点D1所组成的道路。
对于第一目标道路中的初始道路点H1而言，可确定初始道路点H1到第二目标道路上的每个路段的投影点，即初始道路点H1到路段A1-B1的投影点为p1，到路段B1-C1的投影点为p2，到路段C1-D1的投影点为p3。由图3a可知，初始道路点H1到第二目标道路上的每个路段的投影点均位于第二目标道路之外，此时可确定初始道路点H1不为第一目标道路上的初始位置点。
若该初始道路点到第二目标道路上的每个路段的投影点中存在位于第二目标道路上的投影点，则从所有位于第二目标道路上的投影点中确定出与该初始道路点之间的距离最小的投影点作为候选投影点。若所有位于第二目标道路上的投影点中与该初始道路点之间的距离最小的投影点包括多个，则取其中任意一个投影点作为候选投影点。
如图3b所示，图3b是本申请实施例提供的道路点投影示意图之二。若某一道路组合内的第二目标道路为图3b中初始道路点E2、初始道路点F2、初始道路点G2以及初始道路点H2所组成的道路，该道路组合内的第一目标道路为图3b中初始道路点A2、初始道路点B2、初始道路点C2以及初始道路点D2所组成的道路。
对于第一目标道路中的初始道路点B2而言，初始道路点B2在第二目标道路上的投影点为p4和p5。此时将p4-B2之间的距离与p5-B2之间的距离，并选取距离最小的投影点（如p4）作为候选投影点。
在确定出该初始道路点在第二目标道路上的候选投影点之后，可将该初始道路点与对应候选投影点之间的距离、以及该初始道路点与第二目标道路上的每个预设位置点之间的距离进行比较。若该初始道路点与对应候选投影点之间的距离小于该初始道路点与第二目标道路上的每个预设位置点之间的距离，则将该初始道路点对应的候选投影点确定为该初始道路点在第二目标道路上的第一投影点。若该初始道路点与对应候选投影点之间的距离大于该初始道路点与第二目标道路上的至少一个预设位置点之间的距离，则确定该初始道路点对应的候选投影点不为该初始道路点在第二目标道路上的第一投影点。
如图3c所示，图3c是本申请实施例提供的道路点投影示意图之三。若某一道路组合内的第二目标道路为图3c中初始道路点E3、初始道路点F3、初始道路点G3以及初始道路点H3所组成的道路，该道路组合内的第一目标道路为图3c中初始道路点A3、初始道路点B3、初始道路点C3以及初始道路点D3所组成的道路。
对于第一目标道路中的初始道路点B3而言，初始道路点B3在第二目标道路上的候选投影点为p6。此时将p6-B3之间的距离与H3-B3之间的距离、G3-B3之间的距离、F3-B3之间的距离以及E3-B3之间的距离分别进行比较。此时p6-B3之间的距离显然大于H3-B3之间的距离、G3-B3之间的距离、以及E3-B3之间的距离，因此确定p6不是初始道路点B3在第二目标道路上的第一投影点。
需要特别说明的是，图3a-图3c中的第一目标道路和第二目标道路存在至少部分路段重叠，图3a-图3c仅用于说明投影场景，未示意出重叠路段。
可选地，对于每个道路组合中任意一条目标道路的上的初始道路点，还可如图4所示的方式确定该初始道路点是否为所在目标道路上的初始位置点。
图4是本申请实施例提供的确定初始位置点的流程框架图。如图4所示，点P一个道路组合中的一条目标道路上的初始道路点，确定点P到另一目标道路上的每个路段作垂线，并将在位于目标道路内的垂足计入集合S中。
当集合S为空集时，可确定点P在另一目标道路上不存在投影点，也即确定点P不是所在目标道路上的初始位置点。
当集合S不为空集时，从集合S中确定出与点P距离最近的垂足F，并将点P和F之间的距离记为D1。确定点P与另一目标道路上的各个预设位置点的距离中的最小值D2，并将D1和D2进行比较。
若D1大于D2，则确定点P在另一目标道路上不存在投影点，也即确定点P不是所在目标道路上的初始位置点。
若D1小于或者等于D2，则确定点P为所在目标道路上的一个初始位置点。当点P位于第一目标道路时，点F为点P在第二目标道路上的第一投影点。当点P位于第二目标道路时，点F为点P在第一目标道路上的第二投影点。
对于任意一个道路组合中的第一目标道路和第二目标道路，在基于上述方式确定出第一目标道路上的初始位置点以及每个初始位置点在第二目标道路上的第一投影点之后，可基于同样的方式确定出第二目标道路上的初始位置点以及每个初始位置点在第一目标道路上的第二投影点。
具体地，在根据第一目标道路上的每个初始位置点和第二目标道路上的每个初始位置点在第一目标道路上的第二投影点，确定第一目标道路中与第二目标道路重叠的第一路段时，可确定第一目标道路上的所有初始位置点和所有第二投影点中每两个点之间的路段的道路长度，并将道路长度最长的路段确定为第一目标道路中与第二目标道路重叠的第一路段。
同理，在根据第二目标道路上的每个初始位置点和第一目标道路上的每个初始位置点在第二目标道路上的第一投影点，确定第二目标道路中与第一目标道路重叠的第二路段时，同样可确定第二目标道路上的所有初始位置点和所有第二投影点中每两个点之间的路段的道路长度，并将道路长度最长的路段确定为第二目标道路中与第二目标道路重叠的第二路段。
具体地，对于每个道路组合，在根据第一路段和第二路段上的目标位置点，确定该道路组合对应的多个第一位置点组合时，可将第一目标道路上的一个初始位置点以及第二目标道路上与该初始位置点对应的第一投影点确定为一个第一位置点组合，将第二目标道路上的第一个初始位置点以及第一目标道路上与该初始位置点对应的第二投影点确定为一个第一位置点组合。
在一些可行的实施方式中，对于每个道路组合，在确定该道路组合对应的多个第一位置点组合时，可先确定该道路组合对应的第一路段和第二路段的道路长度，并将第一路段和第二路段中道路长度较短的路段确定为投影路段，将第一路段和第二路段中道路长度较长的路段确定为被投影路段。
进一步地，可根据预设距离在投影路段上插入至少一个第一中间位置点，并将投影路段的路段起点、路段终点以及各个第一中间位置点确定为投影路段上的目标位置点。
其中，上述预设距离具体可基于实际应用场景需求确定，在此不做限制。
并且，可确定投影路段上的每个目标位置点在被投影路段上的第三投影点，并将各个第三投影点确定为被投影路段上的目标位置点。
其中，每个目标位置点与对应第三投影点之间的距离同样满足以下条件：
小于该目标位置点与被投影路段上的每个预设位置点之间的距离；
不超过小于该目标位置点与该目标位置点在被投影路段上的其他每个投影点之间的距离。
进一步地，可将投影路段和被投影路段中具有投影关联关系的一对目标位置点确定为该道路组合对应的一个第一位置点组合。
作为一示例，参见图5，图5是本申请实施例提供的确定目标位置点的场景示意图。假设图5中路段E-J为一道路组合对应的第一路段，路段A-K为该道路组合对应的第二路段。在第一路段的道路长度小于第二路段的道路长度的情况下，第一路段为投影道路，第二道路为被投影道路。
进一步可基于预设距离在第一道路的路段起点J和路段终点W之间插入至少一个第一中间位置点（位置点L、位置点M以及位置点N），并将位置点J、位置点L、位置点M、位置点N以及位置点E确定为投影路段上的目标位置点。
并且，可确定投影路段上的每个目标位置点在被投影路段上的第三投影点，如目标位置点J对应的第三投影点A、目标位置点L对应的第三投影点P、目标位置点M对应的第三投影点Q、目标位置点N对应的第三投影点R以及目标位置点E对应的第三投影点K、并将位置点A、位置点P、位置点Q、位置点R以及位置点K确定为被投影路段上的目标位置点。
基于此，可将图5中投影路段和被投影路段中具有投影关联关系的一对目标位置点确定为该道路组合对应的一个第一位置点组合。例如，可将位置点J和位置点A确定为一个第一位置点组合，将位置点L和位置点P确定为一个第一位置点组合，将位置点M和位置点Q确定为一个第一位置点组合，将位置点N和位置点R确定为一个第一位置点组合，将位置点E和位置点K确定为一个第一位置点组合。
其中，在向投影路段插入第一中间位置点时，可在投影路段中距离投影路段的路段起点预设距离处插入一个第一中间位置点，进而在第一中间位置点之后依次按照预设距离插入一个第一中间位置点。直至插入某一第一中间位置点之后，该第一中间位置点与投影路段的路段终点之间的距离小于或者等于预设距离时，停止插入第一中间位置点。
下面结合图6对本申请实施例提供的第一中间位置点的插入流程进行进一步说明。图6是本申请实施例提供的插入第一中间位置点的流程框架图，具体可包括如下步骤：
在投影路段上插入中间位置点时，可预先确定预设距离（插入点的间距）D、以及投影路段对应的点串line，点串line由投影路段上的路段起点、路段终点以及路段拐点按分布顺序排列而成，点串line中的每个点分别从左至右对应不同的点串索引，且每个点的点串索引从左至右由1依次递增。
在开始插入中间位置点时，可先将索引变量index置为1，可用于插入中间位置点的剩余距离（tmpDis）置为0，并将点串line1的起始点（路段起点）计入结果点串result。
在当前索引变量index小于最大索引时，将点串line中的第index-1个点记为p1，将点串line中的第index个点即为p2，并将p1和p2之间的距离记为d。进一步判断当前tmpDis和d之和是否小于D，若小于D，则执行步骤1，否则执行步骤2。
步骤1：将当前tmpDis增加d，将当前索引加1，并再次确定当前索引变量index是否小于最大索引。
步骤2：在p1和p2之间插入中间位置点，且插入的终点位置点与p1的距离为D-tmpDis，并将新插入的中间位置点计入结果点串result。进一步地，将当前tmpDis更新为p2与新插入的中间位置点之间的距离，并确定当前tmpDis是否大于或者等于0。若当前tmpDis小于D，则将当前索引加1，并再次确定当前索引变量index是否小于最大索引，若当前tmpDis大于或者等于D，则执行步骤3。
步骤3：在上一个中间位置点和p2之间插入新的中间位置点，并且此次新插入的中间位置点与上一个中间位置点之间的距离为D，同时将此次新插入的中间位置点计入结果点串result。
进一步地，将当前tmpDis减少D，并重新确定当前tmpDis是否大于或者等于0。
在当前索引变量index不小于最大索引时，确定当前tmpDis是否为0。若当前tmpDis为0，则停止插入中间位置点，此时最后插入的一个中间位置点即为点串line的终止点（路段终点）。若当前tmpDis不为0，则将点串line的终止点（路段终点）计入结果点串result，并返回最终的结果点串result，此时中间位置点的插入过程结束。
其中，最终的结果点串result包括点串line的起始点和终止点、以及至少一个中间位置点。
其中，结果点串result中的中间位置点即为向投影路段插入的第一中间位置点，从而将结果点串中的各个点确定为投影路段上的目标位置点。
下面结合图7对确定第一中间位置点的流程进行进一步说明。图7是本申请实施例提供的确定第一中间位置点的流程框架图。如图7所示，当需要在p1和p2之间插入第一中间位置点p3时，可确定p1和p2之间的距离为d，插入的第一中间位置点p3与p1之间的距离为预设距离D。在此情况下，在p1和p2之间插入的第一中间位置点p3的三维坐标可以分别表示为：
P3.x=p1.x+D/d*(p2.x-p1.x)
P3.y=p1.y+D/d*(p2.y-p1.y)
P3.z=p1.z+D/d*(p2.z-p1.z)
其中，p1.x、p2.x、p3.x分别为p1、p2以及p3的x轴坐标，p1.y、p2.y、p3.y分别为p1、p2以及p3的y轴坐标，p1.z、p2.z、p3.z分别为p1、p2以及p3的z轴坐标。
步骤S23、确定约束条件集合。
在一些可行的实施方式中，约束条件集合至少包括每个第一位置点组合对应的第一约束条件，每个第一约束条件用于指示对应第一位置点组合中的两个目标位置点的相对高程数据之差的数据约束。
具体地，对于每个第一位置点组合，在确定该第一位置点组合对应的第一约束条件时，可先确定该第一位置点组合中的两个目标位置点的相对高程变量之差的平方变量。
其中，由于本申请实施例中每个目标位置点的相对高程数据未知，因此将每个目标位置点的相对高程数据以相对高程变量进行表示。
作为一示例，第一位置点组合包括目标位置点i和目标位置点j，目标位置点i和目标位置点j的相对高程变量分别为h i和h j，则可先确定目标位置点i和目标位置点j的相对高程变量之差的平方变量。
此时，可建立上述平方变量与给定最小高度差H 1的平方之间的约束关系：
但上式是一种刚性约束，现实中的情况可能非常复杂，可能出现上式无法满足的情况。为使得上述约束关系可能成立，此时可确定该第一位置点组合对应的第一松弛变量。
此时可将上述约束关系改写为：
其中，。
在添加第一松弛变量之后，可使得目标位置点i和目标位置点j对应的平方差变量可以小于最小高度差的平方，即上述刚性约束可以突破。
基于此，可将改写后的约束关系确定为第一位置组合对应的第一约束条件。
下面结合图8对构建第一约束条件的流程进行进一步说明。图8是本申请实施例提供的构建第一约束条件的流程框架图。如图8所示，在确定出任意一个道路组合之后，可根据该道路组合中第一目标道路中与第二目标道路重叠的第一路段、以及第二目标道路中与第一目标道路重叠的第一路段。
进一步地，将第一路段和第二路段中道路长度较短的路段确定为投影路段，另一路段确定为被投影路段。在投影路段上插入第一中间位置点，并将第一中间位置点和投影路段的路段起点、路段终端确定为投影路段上的目标位置点。
进一步地，确定投影路段上的每个目标位置点在被投影路段上的第三投影点，从而将两个路段上具有投影关联关系的每组目标位置点确定为一个第一位置点组合。
进一步地，对于每个第一位置点组合，可基于该第一位置点组合中两个目标位置点的相对高程变量之差的平方变量、该第一位置点对应的第一松弛变量以及第一约束高度，确定该第一位置点组合对应的第一约束条件。
步骤S24、根据约束条件集合，确定每条目标道路的预测相对高程数据。
在一些可行的实施方式中，在根据约束条件集合，确定每条目标道路的预测相对高程数据时，可根据每个第一位置点组合对应的第一松弛变量以及目标道路上的每个目标位置点的相对高程变量，构建最优化函数。
具体地，可根据每个第一位置点组合对应的第一松弛变量构建第一优化函数。
其中，第一优化函数用于表示所有第一位置点组合对应的第一松弛变量的平方和。
作为一示例，第一化函数可以表示为：
其中，表示最优化函数，m为预设地图区域中的第一位置点组合的总数量，t为第一位置点组合的索引，为第一位置点组合t对应的第一松弛变量。例如，第一位置点组合t包括目标位置点i和目标位置点j，为第一位置点组合t对应的第一约束条件中的第一松弛变量。
进一步地，根据每条目标道路上的每个目标位置点的相对高程变量，构建第三优化函数。
其中，第三优化函数用于表示所有目标道路上的所有目标位置点的相对高程变量的平方和。
其中，目标道路上的目标位置点除包括用于构建第一位置点组合的目标位置点以外，还可以包括目标道路的道路起点、道路终点、道路拐点、每个路段的路段终点或者其他位置点等，具体可基于实际应用场景需求确定，在此不做限制。
作为一示例，第三优化函数可以表示为：
其中，k为所有目标道路上的目标位置点的总数量，i为位于目标道路上的目标位置点的索引，为目标位置点i的相对高程变量。
基于此，可根据第一优化函数和第二优化函数可构建最优化函数。
作为一示例，最优化函数可以表示为：
或者，最优化函数可以表示为：
其中，、分别为第一优化函数、第三优化函数的函数权重，用于表征对应优化函数在目标优化函数中所占的比例。的权重值越大，表示对应优化函数中的松弛变量对目标优化函数的影响程度越大。的权重值越大，表示目标位置点的相对高程变量对目标优化函数的影响程度越大。
作为一示例，和可以相同，也可以不同，在此不做限制。如可以为100，可以为1。
进一步地，可根据约束条件集合对最优化函数进行处理，得到每条目标道路上的每个目标位置点的预测相对高程数据，进而根据每条目标道路上的目标位置点的预测相对高程数据，确定对应目标道路的预测相对高程数据。
在一些可行的实施方式中，上述约束条件集合还可以包括每条目标道路上的每个目标位置点对应的第二约束条件。
其中，每条目标道路上的每个目标位置点对应的第二约束条件用于指示对应目标位置点的高度约束。
其中，每条目标道路上的目标位置点除包括前述步骤S22所确定出的目标位置点以外，还可以包括目标道路的道路起点、道路终点、道路拐点、每个路段的路段终点或者其他位置点等，具体可基于实际应用场景需求确定，在此不做限制。
具体地，对于每条目标道路上的每个目标位置点，可根据第二约束高度、该目标位置点的相对高程变量和第二松弛变量，确定该目标位置点对应的第二约束条件。
其中，对于每条目标道路上的每个目标位置点，若该目标位置点所在的目标道路为高架道路，则该目标位置点的相对高程数据理论上不小于预设高架高度（此时预设高架高度为第二约束高度）。并且为了避免对高架道路上的目标位置点的刚性限制，引入第二松弛变量对该刚性限制进行柔性调节。
作为一示例，目标位置点i的第二约束条件可以表示为：
其中，为第二约束高度，此时为预设高架高度，为目标位置点i的相对高程变量，为目标位置点i的第二松弛变量。
其中，。
此时，上述第二约束高度可以为5米，在此不做限制。
其中，对于每条目标道路上的每个目标位置点，若该目标位置点所在的目标道路为下沉隧道，则该目标位置点的相对高程数据理论上不超过预设下沉高度（此时预设下沉高度为第二约束高度）。并且为了避免对下沉隧道上的目标位置点的刚性限制，引入第二松弛变量对该刚性限制进行柔性调节，
作为一示例，目标位置点i的第二约束条件可以表示为：
其中，为第二约束高度，此时为预设下沉高度，为目标位置点i的相对高程变量，为目标位置点i的第二松弛变量。
其中，。
此时，上述第二约束高度为负数，可以为-5米，在此不做限制。
可选地，上述和的绝对值可以相同，也可以不同，在此不做限制。
具体地，在根据约束条件集合，确定每条目标道路的预测相对高程数据时，可根据每个第一位置点组合对应的第一松弛变量、每条目标道路上的每个所述目标位置点对应的第二松弛变量和相对高程变量，构建最优化函数。
首先，可根据每个第一位置点组合对应的第一松弛变量构建第一优化函数。
其中，第一优化函数用于表示所有第一位置点组合对应的第一松弛变量的平方和。
作为一示例，第一化函数可以表示为：
其中，表示最优化函数，m为预设地图区域中的第一位置点组合的总数量，t为第一位置点组合的索引，为第一位置点组合t对应的第一松弛变量。例如，第一位置点组合t包括目标位置点i和目标位置点j，为第一位置点组合t对应的第一约束条件中的第一松弛变量。
进一步地，可根据每条目标道路上的每个目标位置点对应的第二松弛变量，构建第二优化函数。
其中，第二优化函数用于表示所有目标道路上的所有目标位置点对应的第二松弛变量的平方和，且第二优化函数由多个变量组成。
作为一示例，第二优化函数V 2可以表示为：
其中，k为所有目标道路上的目标位置点的总数量，i为位于目标道路上的目标位置点的索引，为目标位置点i的第二松弛变量。
进一步地，根据每条目标道路上的每个目标位置点的相对高程变量，构建第三优化函数。
其中，第三优化函数用于表示所有目标道路上的所有目标位置点的相对高程变量的平方和。
作为一示例，第三优化函数可以表示为：
其中，k为所有目标道路上的目标位置点的总数量，i为位于目标道路上的目标位置点的索引，为目标位置点i的相对高程变量。
基于此，可根据第一优化函数、第二优化函数以及第三优化函数构建最优化函数。
作为一示例，最优化函数可以表示为：
其中，m为预设地图区域中的第一位置点组合的总数量，t为第一位置点组合的索引，为第一位置点组合t对应的第一松弛变量。例如，第一位置点组合t包括目标位置点i和目标位置点j，为第一位置点组合t对应的第一约束条件中的第一松弛变量。
其中，k为所有目标道路上的目标位置点的总数量，i为位于目标道路上的目标位置点的索引，为目标位置点i的第二松弛变量。
其中，为目标位置点i的相对高程变量。
或者，最优化函数可以表示为：
其中，、以及分别为第一优化函数、第二优化函数以及第三优化函数的函数权重，用于表征对应优化函数在目标优化函数中所占的比例。和的权重值越大，表示对应优化函数中的松弛变量对目标优化函数的影响程度越大。的权重值越大，表示目标位置点的相对高程变量对目标优化函数的影响程度越大。
作为一示例，和可以相同，也可以不同，在此不做限制。
作为一示例，小于和，如和可以为100，可以为1。
进一步地，可根据约束条件集合对最优化函数进行处理，得到每条目标道路上的每个目标位置点的预测相对高程数据，进而根据每条目标道路上的目标位置点的预测相对高程数据，确定对应目标道路的预测相对高程数据。
在一些可行的实施方式中，上述约束条件集合还包括每个第二位置点组合对应的第三约束条件，每个第二位置点组合包括每条目标道路上的两个相邻目标位置点。
其中，每条目标道路上的目标位置点除包括前述步骤S22所确定出的目标位置点以外，还可以包括目标道路的道路起点、道路终点、道路拐点、每个路段的路段终点或者其他位置点等，具体可基于实际应用场景需求确定，在此不做限制。
其中，具有相邻关系的目标位置点对之间需要以平滑的坡度进行衔接，因此每个第三约束条件用于指示对应第二位置点组合中的两个目标位置点之间的路段的坡度约束。
对于每个第二位置点组合，可根据该第二位置点组合中两个目标位置点的位置信息，确定该第二位置点组合中的两个目标位置点的水平距离。如根据两个目标位置点的经纬度信息确定两个目标位置点时间的水平距离。
作为一示例，第二位置点组合包括相邻的目标位置点i和目标位置点j，目标位置点i和目标位置点j的平面距离可以表示为d ij。
进一步地，对于每个第二位置点组合，可确定该第二位置点组合中的两个目标位置点的相对高程变量之差的平方变量。
作为一示例，第二位置点组合包括相邻的目标位置点i和目标位置点j，目标位置点i和目标位置点j的相对高程变量分别为h i和h j，则目标位置点i和目标位置点j的相对高程变量之差的平方变量为。
进一步地，根据预设坡度约束值、第二位置点组合对应的平方变量和平面距离，确定第二位置点组合对应的第三约束条件。
作为一示例，第二位置点组合包括相邻的目标位置点i和目标位置点j，目标位置点i和目标位置点j的平面距离可以表示为d ij，目标位置点i和目标位置点j的相对高程变量分别为h i和h j，目标位置点i和目标位置点j的相对高程变量之差的平方变量为。第三约束条件可以表示为：
其中，s为预设坡度约束值，其可以为相邻目标位置点之间的路段的最大坡度的正切值，最大坡度可以为1角度，也可以为其他角度，具体可基于实际应用场景需求确定，在此不做限制。
在一些可行的实施方式中，在根据目标道路上的每个目标位置点的相对高程变量，构建第三优化函数时，可根据预设地图区域内的所有道路上的目标位置点的相对高程变量，构建第三优化函数。
此时第三优化函数可以表示为：
其中，n为预设地图区域内的所有目标位置点的总数量，i为预设地图区域内的目标位置点的索引，为目标位置点j的相对高程变量。
在此情况下，上述约束条件集合还包括与预设地图区域内除目标道路以外的其他道路上的目标位置点相关的约束条件，具体可以包括以下至少一项：
每个第三位置点组合对应的第四约束条件，每个第三位置点组合包括预设地图区域内除目标道路以外的每条道路上相邻的两个目标位置点，每个第四约束条件用于指示对应第三位置点组合中的两个目标位置点之间的路段的坡度约束；
每个第四位置点组合对应的第五约束条件，每个第四位置点组合包括预设地图区域内所有道路上的目标位置点中重叠且存在高度差的两个目标位置点，每个第五约束条件用于指示对应第四位置点组合中的两个目标位置点的相对高程变量之间的高度约束；
每个第五位置点组合对应的第六约束条件，每个第五位置点组合包括预设地图区域内所有道路上的目标位置点中重叠且不存在高度差的两个目标位置点，每个第六约束条件用于指示对应第六位置点组合中的两个目标位置点的相对高程变量之间的高度约束。
其中，每个第三位置点组合中的两个目标位置点之间的路段的坡度约束的确定以及表示方式，与前述每个第二位置点组合对应的第三约束条件的确定和表示方式相同，在此不再赘述。
其中，每个第四位置点组合中的两个目标位置点在预设地图区域内重叠且存在高度差，同时分别属于预设地图区域内的不同道路。也即当预设地图区域内两条道路在某一位置以一定高度差重叠交叉（压盖）时，即说明两条道路上对应于该位置的两个目标位置点存在压盖关系。
若第四位置点组合包括具有压盖关系的目标位置点和目标位置点，则该第四位置点组合对应的第五约束条件可以表示为：
其中，为压盖区理想高度，具体可基于实际应用场景需求确定，如可以为5米，在此不做限制。
其中，h i和h j分别为目标位置点i和目标位置点j的相对高程变量。
其中，每个第五位置点组合中分别属于不同道路的两个目标位置点在预设地图区域内重叠且不存在高度差时，说明两条道路在重叠位置邻接，也即重叠位置即为两条道路的连接点。
若第五位置点组合包括具有邻接关系的目标位置点和目标位置点，则该第五位置点组合对应的第六约束条件可以表示为：
其中，h i和h j分别为目标位置点i和目标位置点j的相对高程变量，第六约束条件用于约束两个目标位置点的相对高程数据保持一致。
在一些可行的实施方式中，在根据约束条件集合对最优化函数进行处理，得到每条目标道路上的每个目标位置点的预测相对高程数据时，可在约束条件集合中的约束条件的约束下，可将最优化函数的函数值达到最小时，每条目标道路上的每个目标位置点的相对高程数据确定为对应目标位置点的预测相对高程数据。
其中，可基于Ipopt等开源最优化计算库对最优化函数进行求解，也可以采用其他方式，在此不做限制。
具体地，可采用最优化算法对最优化函数进行求解，得到使得最优化函数的函数值最小时每条目标道路上的每个目标位置点的预测相对高程数据。
其中，最优化方法有许多成熟的数学工具可以使用，如凸优化中的内点法等，利用这些数学工具可以高效进行求解。
其中，凸优化凸最优化，是数学最优化的一个子领域，研究定义于凸集中的凸函数最小化的问题。内点法是一种求解线性规划或非线性凸优化问题的算法。
其中，可将对最优化函数的求解问题视为多目标优化问题，即希望第三优化函数的函数值（各目标位置点的相对高程变量的平方和）尽可能小，希望第二优化函数（各目标位置点的第二松弛变量的平方和）和第三优化函数的函数值（各第一位置点组合对应的第一松弛变量的平方和）尽可能小。
对于每条目标道路，在根据该目标道路上的目标位置点的预测相对高程数据，确定该目标道路的预测相对高程数据时，可将该目标道路上的所有目标位置点的预测相对数据以数据串或者数据等方式进行表示，并以此直接作为该目标道路的预测相对高程数据。
可选地，可根据该目标道路上的每个目标位置点的预测相对高程数据，通过线性插值算法在目标道路上每两个相邻的目标位置点之间插入至少一个第二中间位置点，并确定出每个第二中间位置点的预测点对高程数据。
从而可基于该目标道路上的每个目标位置点和每个第二中间位置点的预测相对高程数据，确定该目标道路的预测相对高程数据。
基于此，可以根据每条目标道路的预测相对高程数据实现车道级导航的渲染，产生立体化的道路渲染效果，使得立体化的高架道路和下沉隧道道路更贴合实际的道路场景，从而在无需精密设备采集道路的绝对高程数据的情况下，大幅降低相对高程数据的计算成本，提升数据处理的效率。
下面结合图9对本申请实施例提供的数据处理过程进行进一步说明。图9是本申请实施例提供的数据处理过程的流程框架示意图。
如图9所示，在确定出预设地图区域之后，可根据压盖区道路的高低关系构建高度约束条件。即从所有目标位置点中确定出各个第四位置点组合，每个第四位置点组合包括所有道路上的目标位置点中重叠且存在高度差的两个目标位置点，进而确定每个第四位置点组合对应的第五约束条件。每个第六条件用于指示两个存在压盖关系（以一定高度差重叠）的目标位置点的相对高程变量之间的高度约束。
同时，根据道路拓扑关系构建相邻道路在公共点的高度连续约束条件。即从所有目标位置点中确定出各个第五位置点组合，每个服务位置点组合包括所有道路上的目标位置点中重叠且不存在高度差的两个目标位置点，进而确定每个第五位置点组合对应的第六约束条件。每个第六约束条件用于指示分别位于不同道路且在同一公共点重合（无高度差）的两个目标位置点的相对高程变量之间的高度约束。
同时，构建相邻目标位置点的坡度约束条件。即从目标道路的目标位置点中确定出第二位置点组合、以及从所有其他道路的目标位置点中确定出第三位置点组合，并确定第二位置点组合对应的第三约束条件以及第三位置点组合对应的第四约束条件。第三约束条件和第四约束条件中的每个约束条件用于指示同一道路上的两个相邻目标位置点之间的坡度约束。
同时，构建上下重叠道路的高度约束条件。即确定出预设地图区域中的所有道路组合，并确定每个道路组合对应的多个第一位置点组合以及每个第一位置点组合对应的第一约束条件。每个第一约束条件用于指示存在上下重叠关系的两条道路对应的、具有投影关联关系的一组目标位置点的相对高程数据之差的数据约束。
同时，构建目标道路上的目标位置点的高度约束条件。即构建每条目标道路上的每个目标位置点对应的第二约束条件，每个第二约束条件用于指示对应目标位置点的高度约束。
进一步地，可根据每个第一位置点组合对应的第一松弛变量，构建第一优化函数；根据每条目标道路上的每个目标位置点对应的第二松弛变量，构建第二优化函数；根据每条目标道路上的每个目标位置点的相对高程变量，构建第三优化函数；根据第一优化函数、第二优化函数以及第三优化函数，构建最优化函数。
进一步地，在上述约束条件的约束下，将最优化函数的函数值达到最小时，每条目标道路上的每个目标位置点的相对高程数据确定为对应目标位置点的预测相对高程数据。
进一步地，根据目标道路上的每个目标位置点的预测相对高程数据，通过线性插值算法确定目标道路上每两个相邻的目标位置点之间的至少一个第二中间位置点的预测相对高程数据；基于目标道路上的每个目标位置点和每个第二中间位置点的预测相对高程数据，确定目标道路的预测相对高程数据。
可选地，在最优化函数包括第一优化函数包括预设地图区域内所有道路上的目标位置点对应的相对高程变量的情况下，可最最优化函数进行求解得到预设地图区域内所有目标位置点的预测相对高程数据。进一步可根据预设地图区域内每条道路上的目标位置点的预测相对高程数据，确定出对应道路的预测相对高程数据。
下面结合图10对构建重叠隧道对应的约束条件的流程进行进一步说明。图10是本申请实施例提供的构建约束条件的流程框架示意图。
如图10所示，在构建重叠隧道相关的约束条件之前，可先创建多层约束集合（初始为空），用于存放重叠隧道相关的约束条件。
进一步地，可从预设地图区域中确定出所有的下沉隧道，并将各个下沉隧道添加至隧道列表（tunnelList）。
进一步地，根据预设地图区域的地图数据将下沉隧道由线拓展成道路面，并将拓展成道路面的隧道添加至空间索引RTree，RTree是一种用于处理多维数据的数据结构，用于搜索遍历多维数据。
进一步地，执行遍历隧道列表（tunnelList）的操作，并将当前遍历的隧道记为currTunnel。根据空间索引RTree计算出与currTunnel在平面上存在上下重叠关系的隧道（nearbyTunnels）。遍历与currTunnel在平面上存在上下重叠关系的隧道（nearbyTunnels），并将当前遍历的与currTunnel在平面上存在上下重叠关系的隧道记为nearbyTunnel。
通过比较currTunnel的ID与当前遍历的每个与currTunnel在平面上存在上下重叠关系的隧道nearbyTunnel的ID，可实现隧道去重功能，减少数据处理量。例如，将隧道1作为currTunnel，隧道2作为与隧道1在平面上存在上下重叠关系的隧道nearbyTunnel时，若隧道1的ID大于隧道2的ID，此时不将隧道1和隧道2作为一个道路组合。以在下一次将隧道2作为currTunnel，隧道1作为与隧道2在平面上存在上下重叠关系的隧道nearbyTunnel时，由于隧道1的ID大于隧道2的ID，因此此时可将隧道1和隧道目标道路作为一个道路组合。
在确定出当前currTunnel在平面上存在上下重叠关系的隧道nearbyTunnel（currTunnel的ID小于或者等于nearbyTunnel），则可将当前currTunnel与一个nearbyTunnel作为一个道路组合，并建立每个道路组合（currTunnel和nearbyTunnel）所对应的所有约束条件currMultiLevelList，如建立第一约束条件，第二约束条件等等，并将currMultiLevelList添加至multiLevelSet。
在完成对当前currTunnel的遍历之后，可重新遍历tunnelList中的其他隧道。在完成对tunnelList中的所有隧道的遍历之后，可得到所有道路组合对应的所有约束条件。
下面结合图11对本申请实施例提供的最优化函数以及约束条件的构建进行进一步说明。图11是本申请实施例提供的预设地图区域的场景示意图。
在图11中，link1与link2和link3为非目标道路，link1与link2和link3分别在B、C处相交且存在高度差，link2和link3在A处相交且存在高度差。link1上的目标位置点为f1、c1、b1、x1，link2上的目标位置点为h2、b2、a2、d2，link3上的目标位置点为g3、c3、a3、k3。
假设在A点处link2比link3高，在B点处link1比link2高，在C点处link1比link3高，则（a2，a3）、（c1，c3）、以及（b1，b2）分别构成一个第四位置点组合，其对应的第五约束条件分别为：
其中，为压盖区理想高度，具体可基于实际应用场景需求确定，如可以为5米，在此不做限制。
其中，、、、、以及分别为link1中a2的相对高程变量、link3中a3的相对高程变量、link1中c1的相对高程变量、link4中a3的相对高程变量以及link1中b1的相对高程变量。
假设link2和link4在D处邻接且不存在高度差，则（d2，d4）构成一个第五位置点组合，其对应的第六约束条件为：
其中，为link2中d2的相对高程变量，为link4中d4的相对高程变量。
link1中（f1，c1）、（c1，b1）、（b1，x1）分别构成一个第三位置点组合，且对应的第五约束条件分别为：
其中，、、、分别为link1中各目标位置点的相对高程变量，、以及分别为link1中f1和c1之间的距离、c1和b1之间的距离以及b1和x1之间的距离。
同理，link2中（h2，b2）、（b2，a2）、（a2，d2）分别构成一个第三位置点组合，且对应的第五约束条件分别为：
其中，、、以及分别为link2中各目标位置点的相对高程变量，、以及分别为link2中h2和b2之间的距离、b2和a2之间的距离以及a2和d2之间的距离。
同理，link3中（g3，c3）、（c3，a3）、（a3，k3）分别构成一个第三位置点组合，且对应的第五约束条件分别为：
其中，、、以及分别为link3中各目标位置点的相对高程变量，、以及分别为link3中g3和c3之间的距离、c3和a3之间的距离以及a3和k3之间的距离。
link4和link5为下沉隧道，link4上的目标位置点为d4、p4、q4、e4，link5上的目标位置点为l5、r5、s5、u5、v5、w5。link4和link5为一个目标道路组合内的不同目标道路，并且link4的路段D-E与link5的路段R-V重叠，（d4，r5）、（p4，s5）、（q4，u5）以及（e4，v5）分别构成一个第一位置点组合。
link4中（d4，p4）、（p4，q4）、（q4，e4）分别构成一个第二位置点组合，且对应的第三约束条件分别为：
其中，、、以及分别为link4中各目标位置点的相对高程变量，、以及分别为link4中d4和p4之间的距离、p4和q4之间的距离以及q4和e4之间的距离。
Link5中（l5，r5）、（r5，s5）、（s5，u5）、（u5，v5）、（v5，w5）分别构成一个第二位置点组合，且对应的第三约束条件分别为：
其中，、、、、以及分别为link5中各目标位置点的相对高程变量，、、以及分别为link5中l5和r5之间的距离、r5和s5之间的距离、s5和u5之间的距离、u5和v5之间的距离以及v5和w5之间的距离。
其中，s为预设坡度约束值，其可以为相邻目标位置点之间的路段的最大坡度的正切值，最大坡度可以为1角度，也可以为其他角度，具体可基于实际应用场景需求确定，在此不做限制。
link4上的每个目标位置点对应的第二约束条件为：
其中，、、、以及分别为link4中各目标位置点对应的第二松弛变量，为第二约束高度，如可以为5米，在此不做限制。
link4上的每个目标位置点对应的第二约束条件为：
其中，、、、、以及分别为link5中各目标位置点对应的第二松弛变量。
Link4和link5对应的每个第一位置点组合所对应的第一约束条件为：
其中，、、以及分别为第一位置组合（d4，r5）、（p4，s5）、（q4，u5）以及（e4，v5）所对应的第一松弛变量，为最小高度差。
最优化函数则可表示为：
其中，、以及分别为第一优化函数、第二优化函数以及第三优化函数的函数权重，用于表征对应优化函数在目标优化函数中所占的比例。和的权重值越大，表示对应优化函数中的松弛变量对目标优化函数的影响程度越大。的权重值越大，表示目标位置点的相对高程变量对目标优化函数的影响程度越大。
作为一示例，小于和，如和可以为100，可以为1。
基于此，可在上述各项约束条件的约束下，求解出使得最优化函数的函数值最小的link4和link5中各目标位置点的预测相对高程数据，进而根据link4上的目标位置点的预测相对高程数据，确定link4的预测相对高程数据，根据link5上的目标位置点的预测相对高程数据，确定link5的预测相对高程数据。
在本申请实施例中，在对应第一位置点组合中的两个目标位置点的相对高程数据之差的数据约束、目标位置点的高度约束、相邻目标位置点的坡度约束、具有邻接关系和压盖关系的目标位置点之间的高度约束等约束条件的约束下，可将保证具有上下重叠的道路之间有足够的高度差的问题转化为数学上的最优化问题，可有效确定每个道路组合内存在上下重叠关系的目标道路的预测相对高程数据，可有效提升预测相对高程数据的确定效率和便捷性，适用性高。
并且，本申请实施例可在不知道道路绝对高程的情况下确定出目标道路的相对高程数据，可以低成数据处理成本的同时生成高质量的道路相对高程数据。
基于本申请实施例提供的数据处理方法所得到的道路相对高程数据可以用于车道级导航的渲染，产生立体化的道路效果，从而可以高效、高质量地生成用于车道级导航的道路相对高程数据。如图12a-12b所示的隧道场景对比示意图，或者如图12c-12d所示的隧道场景对比示意图。对于存在上下重叠的隧道，基于本申请实施例提供的数据处理方法可以地图原始数据进行数据编译，进而基于编译后的数据确定出图12a和图12c中上下重叠的隧道的相对高程数据，进而基于得到的相对高程数据对隧道进行车道级渲染，从而得到图12b以及图12d所示的具有明显高度差异的隧道。
其中，地图原始数据一般以文本文件的形式给出，常见的格式有geojson等。数据编译是对原始地图数据进行加工、处理，生成更紧凑、更易于使用的二进制文件，提供给上层应用方（如导航、定位、渲染等）调用。因此数据编译是一个承上启下的环节。
在本申请实施例中，预设地图区域的地图数据以及确定出的相对高程数据可以存储于指定存储空间，该指定存储空间包括但不限于云存储、数据库、区块链以及执行模型训练任务的设备自身的存储空间等，具体可基于实际应用场景需求确定，在此不做限制。
其中，数据库简而言之可视为电子化的文件柜——存储电子文件的处所，其可以为关系型数据库（SQL数据库）也可以为非关系型数据库（NoSQL数据库），在此不做限制。在本申请中可用于存储预设地图区域的地图数据以及确定出的相对高程数据。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块。在本申请实施例中，区块链中的每一个数据块均可存储预设地图区域的地图数据以及确定出的相对高程数据。云存储是在云计算概念上延伸和发展出来的一个新的概念，是指通过集群应用、网格技术以及分布存储文件系统等功能，将网络中大量各种不同类型的存储设备（存储设备也称之为存储节点）通过应用软件或应用接口集合起来协同工作，共同存储预设地图区域的地图数据以及确定出的相对高程数据。
本申请实施例中涉及到的数据处理过程可以基于云技术中的云计算实现。其中，云技术是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。
云计算是一种计算模式，是网格计算（Grid computing )、分布式计算（Distributed Computing)、并行计算（Parallel Computing)、效用计算（UtilityComputing)、网络存储（Network Storage Technologies)、虚拟化（Virtualization)、负载均衡（Load Balance)等传统计算机和网络技术发展融合的产物。云计算将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”，“云”中的资源是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。
参见图13，图13是本申请实施例提供的数据处理装置的结构示意图。本申请实施例提供的数据处理装置包括：
道路处理模块131，用于确定预设地图区域内的至少一个道路组合，每个上述道路组合包括至少部分路段上下重叠的两条目标道路；
位置点处理模块132，用于确定每个上述道路组合对应的多个第一位置点组合；每个上述第一位置点组合包括分别位于对应道路组合中的每条目标道路上的一个目标位置点，每个上述第一位置点组合中的两个目标位置点具有投影关联关系；
约束条件构建模块133，确定约束条件集合；上述约束条件集合至少包括每个上述第一位置点组合对应的第一约束条件，每个上述第一约束条件用于指示对应第一位置点组合中的两个目标位置点的相对高程数据之差的数据约束；
数据处理模块134，用于根据上述约束条件集合，确定每条上述目标道路的预测相对高程数据。
在一些可行的实施方式中，对于每个上述道路组合，上述位置点处理模块132，用于：
确定该道路组合中的第一目标道路和第二目标道路上的多个初始位置点；
其中，上述第一目标道路上的每个上述初始位置点在上述第二目标道路上存在第一投影点，且该初始位置点与对应第一投影点之间的距离满足以下条件：
小于该初始位置点与上述第二目标道路上的每个预设位置点之间的距离；
不超过该初始位置点与该初始位置点在上述第二目标道路上的其他每个投影点之间的距离；
其中，上述第二目标道路上的每个上述初始位置点在上述第一目标道路上存在第二投影点，且该初始位置点与对应第二投影点之间的距离满足以下条件：
小于该初始位置点与上述第一目标道路上的每个预设位置点之间的距离；
不超过该初始位置点与该初始位置点在上述第一目标道路上的其他每个投影点之间的距离；
其中，上述预设位置点包括道路端点、道路拐点和道路终点；
根据上述第一目标道路上的每个上述初始位置点和第二投影点，确定上述第一目标道路中与上述第二目标道路重叠的第一路段，根据上述第二目标道路上的每个上述初始位置点和第一投影点，确定上述第二目标道路中与上述第一目标道路重叠的第二路段；
根据上述第一路段和上述第二路段上的目标位置点，确定该道路组合对应的多个第一位置点组合。
在一些可行的实施方式中，上述位置点处理模块132，用于：
确定投影路段和被投影路段，上述投影路段为上述第一路段和上述第二路段中道路长度较短的路段，上述被投影路段为上述第一路段和上述第二路段中道路长度较长的路段；
根据预设距离在上述投影路段上插入至少一个第一中间位置点，将上述投影路段的路段起点、路段终点以及各上述第一中间位置点确定为上述投影路段上的目标位置点；
确定上述投影路段上的每个目标位置点在被投影路段上的第三投影点，将各上述第三投影点确定为上述被投影路段上的目标位置点；
其中，每个上述目标位置点与对应第三投影点之间的距离满足以下条件：
小于该目标位置点与上述被投影路段上的每个预设位置点之间的距离；
不超过该目标位置点与该目标位置点在上述被投影路段上的其他每个投影点之间的距离。
在一些可行的实施方式中，对于每个上述第一位置点组合，上述约束条件构建模块133，用于：
确定该第一位置点组合中的两个目标位置点的相对高程变量之差的平方变量；
确定该第一位置点组合对应的第一松弛变量；
根据第一约束高度以及该第一位置点组合对应的平方变量和第一松弛变量，确定该第一位置点组合对应的第一约束条件。
在一些可行的实施方式中，上述约束条件集合还包括每条上述目标道路上的每个上述目标位置点对应的第二约束条件，每个上述第二约束条件用于指示对应目标位置点的高度约束；
对于每条上述目标道路上的每个上述目标位置点，上述约束条件构建模块133，用于：
根据第二约束高度、该目标位置点的相对高程变量和第二松弛变量，确定该目标位置点对应的第二约束条件。
在一些可行的实施方式中，上述数据处理模块134，用于：
根据每个上述第一位置点组合对应的第一松弛变量、每条上述目标道路上的每个上述目标位置点对应的第二松弛变量和相对高程变量，构建最优化函数；
根据上述约束条件集合对上述最优化函数进行处理，得到每条上述目标道路上的每个目标位置点的预测相对高程数据；
根据每条上述目标道路上的目标位置点的预测相对高程数据，确定对应目标道路的预测相对高程数据。
在一些可行的实施方式中，上述数据处理模块134，用于：
根据每个上述第一位置点组合对应的第一松弛变量，构建第一优化函数；
根据每条上述目标道路上的每个上述目标位置点对应的第二松弛变量，构建第二优化函数；
根据每条上述目标道路上的每个上述目标位置点的相对高程变量，构建第三优化函数；
根据上述第一优化函数、上述第二优化函数以及上述第三优化函数，构建最优化函数。
在一些可行的实施方式中，上述数据处理模块134，用于：
根据上述预设地图区域内的所有道路上的目标位置点的相对高程变量，构建第三优化函数。
在一些可行的实施方式中，上述约束条件集合还包括每个第二位置点组合对应的第三约束条件，每个上述第二位置点组合包括每条上述目标道路上的两个相邻目标位置点，每个上述第三约束条件用于指示对应第二位置点组合中的两个目标位置点之间的路段的坡度约束；
对于每个上述第二位置点组合，上述约束条件构建模块133，用于：
确定该第二位置点组合中的两个目标位置点的平面距离；
确定该第二位置点组合中的两个目标位置点的相对高程变量之差的平方变量；
根据预设坡度约束值、以及该第二位置点组合对应的平方变量和平面距离，确定该第二位置点组合对应的第三约束条件。
在一些可行的实施方式中，上述约束条件集合还包括以下至少一项：
每个第三位置点组合对应的第四约束条件，每个上述第三位置点组合包括上述预设地图区域内除目标道路以外的每条道路上相邻的两个目标位置点，每个上述第四约束条件用于指示对应第三位置点组合中的两个目标位置点之间的路段的坡度约束；
每个第四位置点组合对应的第五约束条件，每个上述第四位置点组合包括上述预设地图区域内所有道路上的目标位置点中重叠且存在高度差的两个目标位置点，每个上述第五约束条件用于指示对应第四位置点组合中的两个目标位置点的相对高程变量之间的高度约束；
每个第五位置点组合对应的第六约束条件，每个上述第五位置点组合包括上述预设地图区域内所有道路上的目标位置点中重叠且不存在高度差的两个目标位置点，每个上述第六约束条件用于指示对应第六位置点组合中的两个目标位置点的相对高程变量之间的高度约束。
在一些可行的实施方式中，上述数据处理模块134，用于：
在上述约束条件集合中的约束条件的约束下，将上述最优化函数的函数值达到最小时，每条上述目标道路上的每个目标位置点的相对高程数据确定为对应目标位置点的预测相对高程数据。
在一些可行的实施方式中，对于每条上述目标道路，上述数据处理模块134，用于：
根据该目标道路上的每个目标位置点的预测相对高程数据，通过线性插值算法确定该目标道路上每两个相邻的目标位置点之间的至少一个第二中间位置点的预测相对高程数据；
基于该目标道路上的每个目标位置点和每个第二中间位置点的预测相对高程数据，确定该目标道路的预测相对高程数据。
具体实现中，上述数据处理装置可通过其内置的各个功能模块执行如上述图2中各个步骤所提供的实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
参见图14，图14是本申请实施例提供的电子设备的结构示意图。如图14所示，本实施例中的电子设备1400可以包括：处理器1401，网络接口1404和存储器1405，此外，上述电子设备1400还可以包括：对象接口1403，和至少一个通信总线1402。其中，通信总线1402用于实现这些组件之间的连接通信。其中，对象接口1403可以包括显示屏（Display）、键盘（Keyboard），可选对象接口1403还可以包括标准的有线接口、无线接口。网络接口1404可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。存储器1405可以是高速RAM存储器，也可以是非易失性存储器（non-volatile memory，NVM），例如至少一个磁盘存储器。存储器1405可选的还可以是至少一个位于远离前述处理器1401的存储装置。如图14所示，作为一种计算机可读存储介质的存储器1405中可以包括操作系统、网络通信模块、对象接口模块以及设备控制应用程序。
在图14所示的电子设备1400中，网络接口1404可提供网络通讯功能；而对象接口1403主要用于为对象提供输入的接口；而处理器1401可以用于调用存储器1405中存储的设备控制应用程序，以实现：
确定预设地图区域内的至少一个道路组合，每个上述道路组合包括至少部分路段上下重叠的两条目标道路；
确定每个上述道路组合对应的多个第一位置点组合；每个上述第一位置点组合包括分别位于对应道路组合中的每条目标道路上的一个目标位置点，每个上述第一位置点组合中的两个目标位置点具有投影关联关系；
确定约束条件集合；上述约束条件集合至少包括每个上述第一位置点组合对应的第一约束条件，每个上述第一约束条件用于指示对应第一位置点组合中的两个目标位置点的相对高程数据之差的数据约束；
根据上述约束条件集合，确定每条上述目标道路的预测相对高程数据。
在一些可行的实施方式中，对于每个上述道路组合，上述处理器1401用于：
确定该道路组合中的第一目标道路和第二目标道路上的多个初始位置点；
其中，上述第一目标道路上的每个上述初始位置点在上述第二目标道路上存在第一投影点，且该初始位置点与对应第一投影点之间的距离满足以下条件：
小于该初始位置点与上述第二目标道路上的每个预设位置点之间的距离；
不超过该初始位置点与该初始位置点在上述第二目标道路上的其他每个投影点之间的距离；
其中，上述第二目标道路上的每个上述初始位置点在上述第一目标道路上存在第二投影点，且该初始位置点与对应第二投影点之间的距离满足以下条件：
小于该初始位置点与上述第一目标道路上的每个预设位置点之间的距离；
不超过该初始位置点与该初始位置点在上述第一目标道路上的其他每个投影点之间的距离；
其中，上述预设位置点包括道路端点、道路拐点和道路终点；
根据上述第一目标道路上的每个上述初始位置点和第二投影点，确定上述第一目标道路中与上述第二目标道路重叠的第一路段，根据上述第二目标道路上的每个上述初始位置点和第一投影点，确定上述第二目标道路中与上述第一目标道路重叠的第二路段；
根据上述第一路段和上述第二路段上的目标位置点，确定该道路组合对应的多个第一位置点组合。
在一些可行的实施方式中，上述处理器1401用于：
确定投影路段和被投影路段，上述投影路段为上述第一路段和上述第二路段中道路长度较短的路段，上述被投影路段为上述第一路段和上述第二路段中道路长度较长的路段；
根据预设距离在上述投影路段上插入至少一个第一中间位置点，将上述投影路段的路段起点、路段终点以及各上述第一中间位置点确定为上述投影路段上的目标位置点；
确定上述投影路段上的每个目标位置点在被投影路段上的第三投影点，将各上述第三投影点确定为上述被投影路段上的目标位置点；
其中，每个上述目标位置点与对应第三投影点之间的距离满足以下条件：
小于该目标位置点与上述被投影路段上的每个预设位置点之间的距离；
不超过该目标位置点与该目标位置点在上述被投影路段上的其他每个投影点之间的距离。
在一些可行的实施方式中，对于每个上述第一位置点组合，上述处理器1401用于：
确定该第一位置点组合中的两个目标位置点的相对高程变量之差的平方变量；
确定该第一位置点组合对应的第一松弛变量；
根据第一约束高度以及该第一位置点组合对应的平方变量和第一松弛变量，确定该第一位置点组合对应的第一约束条件。
在一些可行的实施方式中，上述约束条件集合还包括每条上述目标道路上的每个上述目标位置点对应的第二约束条件，每个上述第二约束条件用于指示对应目标位置点的高度约束；
对于每条上述目标道路上的每个上述目标位置点，上述处理器1401用于：
根据第二约束高度、该目标位置点的相对高程变量和第二松弛变量，确定该目标位置点对应的第二约束条件。
在一些可行的实施方式中，上述处理器1401用于：
根据每个上述第一位置点组合对应的第一松弛变量、每条上述目标道路上的每个上述目标位置点对应的第二松弛变量和相对高程变量，构建最优化函数；
根据上述约束条件集合对上述最优化函数进行处理，得到每条上述目标道路上的每个目标位置点的预测相对高程数据；
根据每条上述目标道路上的目标位置点的预测相对高程数据，确定对应目标道路的预测相对高程数据。
在一些可行的实施方式中，上述处理器1401用于：
根据每个上述第一位置点组合对应的第一松弛变量，构建第一优化函数；
根据每条上述目标道路上的每个上述目标位置点对应的第二松弛变量，构建第二优化函数；
根据每条上述目标道路上的每个上述目标位置点的相对高程变量，构建第三优化函数；
根据上述第一优化函数、上述第二优化函数以及上述第三优化函数，构建最优化函数。
在一些可行的实施方式中，上述处理器1401用于：
根据上述预设地图区域内的所有道路上的目标位置点的相对高程变量，构建第三优化函数。
在一些可行的实施方式中，上述约束条件集合还包括每个第二位置点组合对应的第三约束条件，每个上述第二位置点组合包括每条上述目标道路上的两个相邻目标位置点，每个上述第三约束条件用于指示对应第二位置点组合中的两个目标位置点之间的路段的坡度约束；
对于每个上述第二位置点组合，上述处理器1401用于：
确定该第二位置点组合中的两个目标位置点的平面距离；
确定该第二位置点组合中的两个目标位置点的相对高程变量之差的平方变量；
根据预设坡度约束值、以及该第二位置点组合对应的平方变量和平面距离，确定该第二位置点组合对应的第三约束条件。
在一些可行的实施方式中，上述约束条件集合还包括以下至少一项：
每个第三位置点组合对应的第四约束条件，每个上述第三位置点组合包括上述预设地图区域内除目标道路以外的每条道路上相邻的两个目标位置点，每个上述第四约束条件用于指示对应第三位置点组合中的两个目标位置点之间的路段的坡度约束；
每个第四位置点组合对应的第五约束条件，每个上述第四位置点组合包括上述预设地图区域内所有道路上的目标位置点中重叠且存在高度差的两个目标位置点，每个上述第五约束条件用于指示对应第四位置点组合中的两个目标位置点的相对高程变量之间的高度约束；
每个第五位置点组合对应的第六约束条件，每个上述第五位置点组合包括上述预设地图区域内所有道路上的目标位置点中重叠且不存在高度差的两个目标位置点，每个上述第六约束条件用于指示对应第六位置点组合中的两个目标位置点的相对高程变量之间的高度约束。
在一些可行的实施方式中，上述处理器1401用于：
在上述约束条件集合中的约束条件的约束下，将上述最优化函数的函数值达到最小时，每条上述目标道路上的每个目标位置点的相对高程数据确定为对应目标位置点的预测相对高程数据。
在一些可行的实施方式中，对于每条上述目标道路，上述处理器1401用于：
根据该目标道路上的每个目标位置点的预测相对高程数据，通过线性插值算法确定该目标道路上每两个相邻的目标位置点之间的至少一个第二中间位置点的预测相对高程数据；
基于该目标道路上的每个目标位置点和每个第二中间位置点的预测相对高程数据，确定该目标道路的预测相对高程数据。
应当理解，在一些可行的实施方式中，上述处理器1401可以是中央处理单元(central processing unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，DSP)、专用集成电路 (application specific integratedcircuit，ASIC)、现成可编程门阵列 (field-programmable gate array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
具体实现中，上述电子设备1000可通过其内置的各个功能模块执行如上述图2中各个步骤所提供的实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，被处理器执行以实现图2中各个步骤所提供的方法，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
上述计算机可读存储介质可以是前述任一实施例提供的数据处理装置或电子设备的内部存储单元，例如电子设备的硬盘或内存。该计算机可读存储介质也可以是该电子设备的外部存储设备，例如该电子设备上配备的插接式硬盘，智能存储卡（smart mediacard, SMC），安全数字（secure digital, SD）卡，闪存卡（flash card）等。上述计算机可读存储介质还可以包括磁碟、光盘、只读存储记忆体（read-only memory，ROM）或随机存储记忆体（random access memory，RAM）等。进一步地，该计算机可读存储介质还可以既包括该电子设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该电子设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例提供了一种计算机程序产品，该计算机程序产品包括计算机程序，上述计算机程序被处理器执行图2中各个步骤所提供的方法。
本申请的权利要求书和说明书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或电子设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或电子设备固有的其它步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上所揭露的仅为本申请较佳实施例而已，不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (15)
1.一种数据处理方法，其特征在于，所述方法包括：
确定预设地图区域内的至少一个道路组合，每个所述道路组合包括至少部分路段上下重叠的两条目标道路；
确定每个所述道路组合对应的多个第一位置点组合；每个所述第一位置点组合包括分别位于对应道路组合中的每条目标道路上的一个目标位置点，每个所述第一位置点组合中的两个目标位置点具有投影关联关系；
确定约束条件集合；所述约束条件集合至少包括每个所述第一位置点组合对应的第一约束条件，每个所述第一约束条件用于指示对应第一位置点组合中的两个目标位置点的相对高程数据之差的数据约束；
根据所述约束条件集合，确定每条所述目标道路的预测相对高程数据。
2.根据权利要求1所述的方法，其特征在于，对于每个所述道路组合，确定该道路组合对应的多个第一位置点组合，包括：
确定该道路组合中的第一目标道路和第二目标道路上的多个初始位置点；
其中，所述第一目标道路上的每个所述初始位置点在所述第二目标道路上存在第一投影点，且该初始位置点与对应第一投影点之间的距离满足以下条件：
小于该初始位置点与所述第二目标道路上的每个预设位置点之间的距离；
不超过该初始位置点与该初始位置点在所述第二目标道路上的其他每个投影点之间的距离；
其中，所述第二目标道路上的每个所述初始位置点在所述第一目标道路上存在第二投影点，且该初始位置点与对应第二投影点之间的距离满足以下条件：
小于该初始位置点与所述第一目标道路上的每个预设位置点之间的距离；
不超过该初始位置点与该初始位置点在所述第一目标道路上的其他每个投影点之间的距离；
其中，所述预设位置点包括道路端点、道路拐点和道路终点；
根据所述第一目标道路上的每个所述初始位置点和第二投影点，确定所述第一目标道路中与所述第二目标道路重叠的第一路段，根据所述第二目标道路上的每个所述初始位置点和第一投影点，确定所述第二目标道路中与所述第一目标道路重叠的第二路段；
根据所述第一路段和所述第二路段上的目标位置点，确定该道路组合对应的多个第一位置点组合。
3.根据权利要求2所述的方法，其特征在于，确定所述第一路段和所述第二路段上的目标位置点，包括：
确定投影路段和被投影路段，所述投影路段为所述第一路段和所述第二路段中道路长度较短的路段，所述被投影路段为所述第一路段和所述第二路段中道路长度较长的路段；
根据预设距离在所述投影路段上插入至少一个第一中间位置点，将所述投影路段的路段起点、路段终点以及各所述第一中间位置点确定为所述投影路段上的目标位置点；
确定所述投影路段上的每个目标位置点在被投影路段上的第三投影点，将各所述第三投影点确定为所述被投影路段上的目标位置点；
其中，每个所述目标位置点与对应第三投影点之间的距离满足以下条件：
小于该目标位置点与所述被投影路段上的每个预设位置点之间的距离；
不超过该目标位置点与该目标位置点在所述被投影路段上的其他每个投影点之间的距离。
4.根据权利要求1所述的方法，其特征在于，对于每个所述第一位置点组合，确定该第一位置点组合对应的第一约束条件，包括：
确定该第一位置点组合中的两个目标位置点的相对高程变量之差的平方变量；
确定该第一位置点组合对应的第一松弛变量；
根据第一约束高度以及该第一位置点组合对应的平方变量和第一松弛变量，确定该第一位置点组合对应的第一约束条件。
5.根据权利要求4所述的方法，其特征在于，所述约束条件集合还包括每条所述目标道路上的每个所述目标位置点对应的第二约束条件，每个所述第二约束条件用于指示对应目标位置点的高度约束；
对于每条所述目标道路上的每个所述目标位置点，确定该目标位置点对应的第二约束条件，包括：
根据第二约束高度、该目标位置点的相对高程变量和第二松弛变量，确定该目标位置点对应的第二约束条件。
6.根据权利要求5所述的方法，其特征在于，所述根据所述约束条件集合，确定每条所述目标道路的预测相对高程数据，包括：
根据每个所述第一位置点组合对应的第一松弛变量、每条所述目标道路上的每个所述目标位置点对应的第二松弛变量和相对高程变量，构建最优化函数；
根据所述约束条件集合对所述最优化函数进行处理，得到每条所述目标道路上的每个目标位置点的预测相对高程数据；
根据每条所述目标道路上的目标位置点的预测相对高程数据，确定对应目标道路的预测相对高程数据。
7.根据权利要求6所述的方法，其特征在于，所述根据每个所述第一位置点组合对应的第一松弛变量、所述目标道路上的每个所述目标位置点对应的第二松弛变量和相对高程变量，构建最优化函数，包括：
根据每个所述第一位置点组合对应的第一松弛变量，构建第一优化函数；
根据每条所述目标道路上的每个所述目标位置点对应的第二松弛变量，构建第二优化函数；
根据每条所述目标道路上的每个所述目标位置点的相对高程变量，构建第三优化函数；
根据所述第一优化函数、所述第二优化函数以及所述第三优化函数，构建最优化函数。
8.根据权利要求7所述的方法，其特征在于，所述根据每条所述目标道路上的每个所述目标位置点的相对高程变量，构建第三优化函数，包括：
根据所述预设地图区域内的所有道路上的目标位置点的相对高程变量，构建第三优化函数。
9.根据权利要求1所述的方法，其特征在于，所述约束条件集合还包括每个第二位置点组合对应的第三约束条件，每个所述第二位置点组合包括每条所述目标道路上的两个相邻目标位置点，每个所述第三约束条件用于指示对应第二位置点组合中的两个目标位置点之间的路段的坡度约束；
对于每个所述第二位置点组合，确定该第二位置点组合对应的第三约束条件，包括：
确定该第二位置点组合中的两个目标位置点的平面距离；
确定该第二位置点组合中的两个目标位置点的相对高程变量之差的平方变量；
根据预设坡度约束值、以及该第二位置点组合对应的平方变量和平面距离，确定该第二位置点组合对应的第三约束条件。
10.根据权利要求8所述的方法，其特征在于，所述约束条件集合还包括以下至少一项：
每个第三位置点组合对应的第四约束条件，每个所述第三位置点组合包括所述预设地图区域内除目标道路以外的每条道路上相邻的两个目标位置点，每个所述第四约束条件用于指示对应第三位置点组合中的两个目标位置点之间的路段的坡度约束；
每个第四位置点组合对应的第五约束条件，每个所述第四位置点组合包括所述预设地图区域内所有道路上的目标位置点中重叠且存在高度差的两个目标位置点，每个所述第五约束条件用于指示对应第四位置点组合中的两个目标位置点的相对高程变量之间的高度约束；
每个第五位置点组合对应的第六约束条件，每个所述第五位置点组合包括所述预设地图区域内所有道路上的目标位置点中重叠且不存在高度差的两个目标位置点，每个所述第六约束条件用于指示对应第六位置点组合中的两个目标位置点的相对高程变量之间的高度约束。
11.根据权利要求6所述的方法，其特征在于，所述根据所述约束条件集合对所述最优化函数进行处理，得到每条所述目标道路上的每个目标位置点的预测相对高程数据，包括：
在所述约束条件集合中的约束条件的约束下，将所述最优化函数的函数值达到最小时，每条所述目标道路上的每个目标位置点的相对高程数据确定为对应目标位置点的预测相对高程数据。
12.根据权利要求6所述的方法，其特征在于，对于每条所述目标道路，根据该所述目标道路上的目标位置点的预测相对高程数据，确定该目标道路的预测相对高程数据，包括：
根据该目标道路上的每个目标位置点的预测相对高程数据，通过线性插值算法确定该目标道路上每两个相邻的目标位置点之间的至少一个第二中间位置点的预测相对高程数据；
基于该目标道路上的每个目标位置点和每个第二中间位置点的预测相对高程数据，确定该目标道路的预测相对高程数据。
13.一种数据处理装置，其特征在于，所述装置包括：
道路处理模块，用于确定预设地图区域内的至少一个道路组合，每个所述道路组合包括至少部分路段上下重叠的两条目标道路；
位置点处理模块，用于确定每个所述道路组合对应的多个第一位置点组合；每个所述第一位置点组合包括分别位于对应道路组合中的每条目标道路上的一个目标位置点，每个所述第一位置点组合中的两个目标位置点具有投影关联关系；
约束条件构建模块，确定约束条件集合；所述约束条件集合至少包括每个所述第一位置点组合对应的第一约束条件，每个所述第一约束条件用于指示对应第一位置点组合中的两个目标位置点的相对高程数据之差的数据约束；
数据处理模块，用于根据所述约束条件集合，确定每条所述目标道路的预测相对高程数据。
14.一种电子设备，其特征在于，包括处理器和存储器，所述处理器和存储器相互连接；
所述存储器用于存储计算机程序；
所述处理器用于在调用所述计算机程序时，执行如权利要求1至12任一项所述的方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1至12任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310963817.8A CN116663219B (zh) | 2023-08-02 | 2023-08-02 | 数据处理方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310963817.8A CN116663219B (zh) | 2023-08-02 | 2023-08-02 | 数据处理方法、装置、设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116663219A true CN116663219A (zh) | 2023-08-29 |
| CN116663219B CN116663219B (zh) | 2023-12-12 |
Family
ID=87714027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310963817.8A Active CN116663219B (zh) | 2023-08-02 | 2023-08-02 | 数据处理方法、装置、设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116663219B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117115381A (zh) * | 2023-10-24 | 2023-11-24 | 腾讯科技（深圳）有限公司 | 数据处理方法和装置、存储介质及电子设备 |
| CN117274462A (zh) * | 2023-10-31 | 2023-12-22 | 腾讯科技（深圳）有限公司 | 道路地图的渲染方法、装置、电子设备和存储介质 |
| CN117723073A (zh) * | 2024-02-07 | 2024-03-19 | 腾讯科技（深圳）有限公司 | 高程调整方法、装置、设备、存储介质和计算机程序产品 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150149127A1 (en) * | 2012-06-06 | 2015-05-28 | Google Inc. | Methods and Systems to Synthesize Road Elevations |
| US20210389149A1 (en) * | 2020-06-10 | 2021-12-16 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for drawing a three-dimensional road network map, apparatus and medium |
| CN113920260A (zh) * | 2021-09-29 | 2022-01-11 | 北京搜狗科技发展有限公司 | 三维路网构建方法、装置、电子设备及存储介质 |
| CN114416896A (zh) * | 2021-12-13 | 2022-04-29 | 武汉中海庭数据技术有限公司 | 一种高精度地图数据中道路层级信息提取方法及系统 |
-
2023
- 2023-08-02 CN CN202310963817.8A patent/CN116663219B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150149127A1 (en) * | 2012-06-06 | 2015-05-28 | Google Inc. | Methods and Systems to Synthesize Road Elevations |
| US20210389149A1 (en) * | 2020-06-10 | 2021-12-16 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for drawing a three-dimensional road network map, apparatus and medium |
| CN113920260A (zh) * | 2021-09-29 | 2022-01-11 | 北京搜狗科技发展有限公司 | 三维路网构建方法、装置、电子设备及存储介质 |
| WO2023051020A1 (zh) * | 2021-09-29 | 2023-04-06 | 北京搜狗科技发展有限公司 | 三维路网构建方法、装置、电子设备及存储介质 |
| CN114416896A (zh) * | 2021-12-13 | 2022-04-29 | 武汉中海庭数据技术有限公司 | 一种高精度地图数据中道路层级信息提取方法及系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117115381A (zh) * | 2023-10-24 | 2023-11-24 | 腾讯科技（深圳）有限公司 | 数据处理方法和装置、存储介质及电子设备 |
| CN117115381B (zh) * | 2023-10-24 | 2024-02-09 | 腾讯科技（深圳）有限公司 | 数据处理方法和装置、存储介质及电子设备 |
| CN117274462A (zh) * | 2023-10-31 | 2023-12-22 | 腾讯科技（深圳）有限公司 | 道路地图的渲染方法、装置、电子设备和存储介质 |
| CN117274462B (zh) * | 2023-10-31 | 2024-02-13 | 腾讯科技（深圳）有限公司 | 道路地图的渲染方法、装置、电子设备和存储介质 |
| CN117723073A (zh) * | 2024-02-07 | 2024-03-19 | 腾讯科技（深圳）有限公司 | 高程调整方法、装置、设备、存储介质和计算机程序产品 |
| CN117723073B (zh) * | 2024-02-07 | 2024-05-14 | 腾讯科技（深圳）有限公司 | 高程调整方法、装置、设备、存储介质和计算机程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116663219B (zh) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116663219B (zh) | 数据处理方法、装置、设备以及存储介质 | |
| CA2666423C (en) | Map information management system and map information distribution system | |
| CN102609517B (zh) | 一种矢量地图在线式综合服务方法及其系统 | |
| CN106470216A (zh) | 一种基于信息共享、交互的内容管理系统 | |
| Herle et al. | GIM and BIM: How to obtain interoperability between geospatial and building information modelling? | |
| CN113780475B (zh) | 一种基于gis环境下山岭隧道模型融合方法 | |
| CN112784002A (zh) | 一种虚拟场景生成方法、装置、设备和存储介质 | |
| CN104392037A (zh) | 一种城市场景参数化建模系统 | |
| Honcharenko et al. | BIM-concept for design of engineering networks at the stage of urban planning | |
| Bignami et al. | Electric vehicle sharing services for smarter cities | |
| Guyo et al. | Interoperability between BIM and GIS through open data standards: An overview of current literature | |
| CN117115381B (zh) | 数据处理方法和装置、存储介质及电子设备 | |
| CN101916267A (zh) | 应用于道路系统空间数据资源管理的智能空间数据对象建模方法 | |
| CN117146796A (zh) | 一种数据处理方法、装置、设备以及计算机可读存储介质 | |
| CN108875032A (zh) | 区域类型确定方法及装置 | |
| CN110880157B (zh) | 一种地图数据处理方法、装置、电子设备及存储介质 | |
| Stigmar | Matching route data and topographic data in a real-time environment | |
| Borkowski et al. | Use of the cde environment in team collaboration in BIM | |
| Thong et al. | Using GIS to design a traffic information database for urban transport planning | |
| Yılmaz et al. | Real time vector database updating system: a case study for Turkish topographic vector database (Topovt) | |
| CN109284922A (zh) | 一种公路工程土石方调配方法及装置 | |
| Nasir et al. | Managing Indoor Movable Assets in 3D using CityGML for Smart City Applications | |
| Kang et al. | The architecture development for the interoperability between BIM and GIS | |
| Richter et al. | Challenges and experiences in using heterogeneous, geo-referenced data for automatic creation of driving simulator environments | |
| Blankenbach et al. | BIM and the Digitalization in the Construction Industry |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40091885 Country of ref document: HK |