CN117053820A - 轨迹路线的匹配方法、装置、设备及存储介质 - Google Patents
轨迹路线的匹配方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117053820A CN117053820A CN202311180809.2A CN202311180809A CN117053820A CN 117053820 A CN117053820 A CN 117053820A CN 202311180809 A CN202311180809 A CN 202311180809A CN 117053820 A CN117053820 A CN 117053820A
- Authority
- CN
- China
- Prior art keywords
- road
- track
- point
- service area
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 26
- 238000012544 monitoring process Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000013138 pruning Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本申请提供一种轨迹路线的匹配方法、装置、设备及存储介质。该方法包括:在确定出获取到的车辆轨迹属于服务区内的轨迹时,根据车辆轨迹以及服务区内的道路集合,计算道路轨迹在服务器服务区的定位误差值,然后根据车辆轨迹、定位误差值和服务区内的道路集合,确定出待匹配道路集合,最后根据预设的路线确定模型从待匹配道路集合中,确定出与车辆轨迹匹配的目标轨迹路线。通过对服务区进行定位误差值的计算,进而增加了服务区匹配的道路的覆盖度,提高了轨迹路线的匹配正确率,并且只针对于服务区的定位误差值进行调整,有效减轻了后续路线匹配的压力。
Description
技术领域
本申请涉及数据处理技术,尤其涉及一种轨迹路线的匹配方法、装置、设备及存储介质。
背景技术
近年来,随着各种感知技术与传感器设备的发展,自动驾驶技术成为新的研究热点。自动驾驶过程中,实时地图匹配技术在车辆定位、路线规划、实时导航、路况上报与更新、驾驶决策等过程中起到了重要的作用。
现有技术中,对于地图轨迹匹配技术通常是将单个或系列的全球卫星导航系统(Global Navigation Satellite System,GNSS)点与路网进行匹配的过程,然而在高架、立交道路、高速服务区等复杂场景受到平行道路以及建筑物遮挡的干扰,匹配正确率较低。
综上所述,如何在服务区场景下,实现高匹配度的轨迹路线匹配是本领域亟需解决的技术问题。
发明内容
本申请提供一种轨迹路线的匹配方法、装置、设备及存储介质,用以解决在服务区场景下,实现高匹配度的轨迹路线匹配问题。
第一方面,本申请提供一种轨迹路线的匹配方法,所述方法包括:
在确定出获取到的车辆轨迹属于服务区内的轨迹时,根据所述车辆轨迹以及所述服务区内的道路集合,计算所述道路轨迹在所述服务器服务区的定位误差值,所述定位误差值用于表示所述道路轨迹在所述服务区内的路线偏差;
根据所述车辆轨迹、所述定位误差值和所述服务区内的道路集合,确定出待匹配道路集合,所述待匹配道路集合中包括多条备选路线,每个备选路线是由车辆的轨迹点与绑定路段之间距离小于所述定位误差值的路段构成;
根据预设的路线确定模型从所述待匹配道路集合中,确定出与所述车辆轨迹匹配的目标轨迹路线。
结合第一方面,在一些实施例中,所述根据所述车辆轨迹以及所述服务区内的道路集合,计算所述道路轨迹在所述服务区的定位误差值,包括:
根据服务区内的道路拓扑关系,获取出进入所述服务区至离开所述服务区之间的道路集合,所述道路集合中包括从进入所述服务区的第一路段至离开所述服务区的第二路段之间的每条可通行道路中的每个道路点的位置信息;
从所述道路集合中的每条可通行道路中的道路点中,确定出目标道路点;其中,所述目标道路点为到达所述第一路段的距离与到达所述第二路段的距离之和最大的道路点;
根据所述目标道路点以及预设的道路范围半径,确定所述目标道路点与目标非高速路段的距离,所述目标非高速路段为与所述目标道路点之间的距离最近的非高速路段;
根据所述目标道路点与目标非高速路段的距离,以及所述服务区的误差系数,计算得到所述服务区的定位误差值。
结合第一方面,在一些实施例中,所述根据所述目标道路点以及预设的道路范围半径,确定所述目标道路点与目标非高速路段的距离,包括:
根据以所述目标道路点为圆心,所述道路范围半径为半径的圆形区域范围内的每条道路的道路属性,计算所述圆形范围内每条道路与所述目标道路点之间的距离;
获取所述圆形范围内与所述目标道路点距离最小的非高速路段,作为所述目标非高速路段,并得到所述目标道路点与所述目标非高速路段的距离。
结合第一方面,在一些实施例中,所述服务区内的道路集合包括所述服务区内的路网路段;
相应的,所述根据所述车辆轨迹、所述定位误差值和所述服务区内的道路集合,确定出待匹配道路集合,包括:
针对所述车辆轨迹中的每个轨迹点,将所述轨迹点与所述服务区内的路网路段进行绑定,得到所述轨迹点对应的第一路段集合;
根据所述轨迹点与所述第一路段集合中的每个路段之间的距离,筛选出所述第一路段集合中到所述轨迹点之间的距离小于所述定位误差值的路段,组成所述轨迹点对应的第二路段集合;
根据所述车辆轨迹中的每个轨迹点对应的第二路段集合,获取所述待匹配道路集合。
结合第一方面,在一些实施例中,所述根据所述车辆轨迹中的每个轨迹点对应的第二路段集合,获取所述待匹配道路集合,包括:
针对所述车辆轨迹按照行驶方向的任两个相邻的轨迹点,所述两个相邻轨迹点中在后方轨迹点对应的第二路段集合中每个路段的道路等级、所述两个相邻轨迹点对应的第二路段集合中的路段组成的每条路线的长度,所述后方轨迹点到对应的第二路段集合追踪的每个路段的投影角度,计算出所述两个相邻轨迹点之间的每个路线的代价和;
根据任两个相邻的轨迹点之间的每个路线的代价和,获取代价和小于预设代价和阈值的路线,得到所述任两个相邻的轨迹点对应的备选路线集合;
根据所述车辆轨迹中的所有相邻轨迹点对应的备选路线集合,获取从所述车辆轨迹的起点至终点之间的所述待匹配道路集合。
结合第一方面,在一些实施例中,所述根据所述车辆轨迹中的所有相邻轨迹点对应的备选路线集合,获取从所述车辆轨迹的起点至终点之间的所述待匹配道路集合,包括:
根据所述车辆轨迹中的所有相邻轨迹点对应的备选路线集合,按照所述车辆轨迹点所示的车辆的行驶方向,相邻轨迹点对应的备选路线集合中的路线进行组合连接,得到从所述车辆轨迹的起点至终点之间的多条备选路线,组成所述待匹配道路集合。
结合第一方面,在一些实施例中,所述方法还包括:
获取车辆的行驶轨迹,所述行驶轨迹中包括对所述车辆行驶过程中按照预设时间间隔采集的轨迹点的位置信息;
对所述车辆行驶轨迹中的数据进行预处理,得到所述车辆轨迹,其中,所述预处理包括去噪处理,抽稀处理和去重处理中的至少一种。
结合第一方面,在一些实施例中,所述方法还包括:
对所述车辆轨迹中的每一个轨迹点,按照预设范围进行路线抓取,得到与所述车辆轨迹对应的多条道路;
根据所述多条道路中每条道路的道路属性,确定所述车辆轨迹是否处于所述服务区内的轨迹。
第二方面,本申请提供一种轨迹路线的匹配装置,所述装置包括:
计算模块,用于在确定出获取到的车辆轨迹属于服务区内的轨迹时,根据所述车辆轨迹以及所述服务区内的道路集合,计算所述道路轨迹在所述服务区的定位误差值,所述定位误差值用于表示所述道路轨迹在所述服务区内的路线偏差;
第一确定模块,用于根据所述车辆轨迹、所述定位误差值和所述服务区内的道路集合,确定出待匹配道路集合,所述待匹配道路集合中包括多条备选路线,每个备选路线是由车辆的轨迹点与绑定路段之间距离小于所述定位误差值的路段构成;
第二确定模块,用于根据预设的路线确定模型从所述待匹配道路集合中,确定出与所述车辆轨迹匹配的目标轨迹路线。
结合第二方面,在一些实施例中,所述计算模块,包括:
获取单元,用于根据服务区内的道路拓扑关系,获取出进入所述服务区至离开所述服务区之间的道路集合,所述道路集合中包括从进入所述服务区的第一路段至离开所述服务区的第二路段之间的每条可通行道路中的每个道路点的位置信息;
第一确定单元,用于从所述道路集合中的每条可通行道路中的道路点中,确定出目标道路点;其中,所述目标道路点为到达所述第一路段的距离与到达所述第二路段的距离之和最大的道路点;
第二确定单元,用于根据所述目标道路点以及预设的道路范围半径,确定所述目标道路点与目标非高速路段的距离,所述目标非高速路段为与所述目标道路点之间的距离最近的非高速路段;
计算单元,用于根据所述目标道路点与目标非高速路段的距离,以及所述服务区的误差系数,计算得到所述服务区的定位误差值。
结合第二方面,在一些实施例中,所述第二确定单元,包括:
计算子单元,用于根据以所述目标道路点为圆心,所述道路范围半径为半径的圆形区域范围内的每条道路的道路属性,计算所述圆形范围内每条道路与所述目标道路点之间的距离;
获取子单元,用于获取所述圆形范围内与所述目标道路点距离最小的非高速路段,作为所述目标非高速路段,并得到所述目标道路点与所述目标非高速路段的距离。
结合第二方面,在一些实施例中,所述服务区内的道路集合包括所述服务区内的路网路段;
相应的,所述第一确定模块,包括:
绑定单元,用于针对所述车辆轨迹中的每个轨迹点,将所述轨迹点与所述服务区内的路网路段进行绑定,得到所述轨迹点对应的第一路段集合;
筛选单元,用于根据所述轨迹点与所述第一路段集合中的每个路段之间的距离,筛选出所述第一路段集合中到所述轨迹点之间的距离小于所述定位误差值的路段,组成所述轨迹点对应的第二路段集合;
获取单元,用于根据所述车辆轨迹中的每个轨迹点对应的第二路段集合,获取所述待匹配道路集合。
结合第二方面,在一些实施例中,所述获取单元,包括:
计算子单元,用于针对所述车辆轨迹按照行驶方向的任两个相邻的轨迹点,所述两个相邻轨迹点中在后方轨迹点对应的第二路段集合中每个路段的道路等级、所述两个相邻轨迹点对应的第二路段集合中的路段组成的每条路线的长度,所述后方轨迹点到对应的第二路段集合追踪的每个路段的投影角度,计算出所述两个相邻轨迹点之间的每个路线的代价和;
确定子单元,用于根据任两个相邻的轨迹点之间的每个路线的代价和,获取代价和小于预设代价和阈值的路线,得到所述任两个相邻的轨迹点对应的备选路线集合;
获取子单元,用于根据所述车辆轨迹中的所有相邻轨迹点对应的备选路线集合,获取从所述车辆轨迹的起点至终点之间的所述待匹配道路集合。
结合第二方面,在一些实施例中,所述获取子单元,具体用于:
根据所述车辆轨迹中的所有相邻轨迹点对应的备选路线集合,按照所述车辆轨迹点所示的车辆的行驶方向,相邻轨迹点对应的备选路线集合中的路线进行组合连接,得到从所述车辆轨迹的起点至终点之间的多条备选路线,组成所述待匹配道路集合。
结合第二方面,在一些实施例中,所述装置还包括:
获取模块,用于获取车辆的行驶轨迹,所述行驶轨迹中包括对所述车辆行驶过程中按照预设时间间隔采集的轨迹点的位置信息;
处理模块,用于对所述车辆行驶轨迹中的数据进行预处理,得到所述车辆轨迹,其中,所述预处理包括去噪处理,抽稀处理和去重处理中的至少一种。
结合第二方面,在一些实施例中,所述装置还包括:
抓取模块,用于对所述车辆轨迹中的每一个轨迹点,按照预设范围进行路线抓取,得到与所述车辆轨迹对应的多条道路;
第三确定模块,用于根据所述多条道路中每条道路的道路属性,确定所述车辆轨迹是否处于所述服务区内的轨迹。
第三方面,本申请提供一种电子设备,包括:存储器,处理器,显示器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现前述任一方面所述的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现前述任一方面所述的轨迹路线的匹配方法。
本申请提供的轨迹路线的匹配方法、装置、设备及存储介质,在确定出获取到的车辆轨迹属于服务区内的轨迹时,根据车辆轨迹以及服务区内的道路集合,计算道路轨迹在服务器服务区的定位误差值,然后根据车辆轨迹、定位误差值和服务区内的道路集合,确定出待匹配道路集合,最后根据预设的路线确定模型从待匹配道路集合中,确定出与车辆轨迹匹配的目标轨迹路线。通过对服务区进行定位误差值的计算,进而增加了服务区匹配的道路的覆盖度,提高了轨迹路线的匹配正确率,并且只针对于服务区的定位误差值进行调整,有效减轻了后续路线匹配的压力。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的轨迹路线的匹配方法的应用场景图;
图2为本申请实施例提供的轨迹路线的匹配方法实施例一的流程示意;
图3为本申请实施例提供的轨迹路线的匹配方法实施例二的流程示意图;
图4为本申请实施例提供的服务区与进出路段连通关系示意图;
图5为本申请提供的确定目标道路点的示意图;
图6为本申请实施例提供的轨迹路线的匹配方法实施例三的流程示意图;
图7为本申请实施例提供的轨迹路线的匹配方法实施例四的流程示意图;
图8为本申请实施例提供的轨迹路线的匹配方法实施例五的流程示意图;
图9为本申请实施例提供的轨迹路线的匹配方法实施例六的流程示意图;
图10为本申请实施例提供的轨迹路线的匹配方法具体实例流程示意图;
图11为本申请实施例提供的A服务区区域内道路拓扑示意图;
图12为本申请实施例提供的目标道路点示意图;
图13为本申请实施例提供的目标非高速路段示意图;
图14为本申请实施例提供的车辆轨迹点道路绑定示意图;
图15为本申请实施例提供的轨迹路线的匹配装置实施例一的结构示意图;
图16为本申请实施例提供的轨迹路线的匹配装置实施例二的结构示意图;
图17为本申请实施例提供的轨迹路线的匹配装置实施例三的结构示意图;
图18为本申请实施例提供的轨迹路线的匹配装置实施例四的结构示意图;
图19为本申请实施例提供的轨迹路线的匹配装置实施例五的结构示意图;
图20为本申请实施例提供的轨迹路线的匹配装置实施例六的结构示意图;
图21为本申请实施例提供的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
近年来,随着各种感知技术与传感器设备的发展,自动驾驶技术成为新的研究热点。自动驾驶过程中,实时地图匹配技术在车辆定位、路线规划、实时导航、路况上报与更新、驾驶决策等过程中起到了重要的作用。目前,对于地图轨迹匹配技术通常是将单个或系列的全球卫星导航系统(Global Navigation Satellite System,GNSS)点与路网进行匹配的过程,然而在高架、立交道路、高速服务区等复杂场景受到平行道路以及建筑物遮挡的干扰,匹配正确率较低。
针对于上述问题,本申请提供一种轨迹路线的匹配方法、装置、设备及存储介质。具体的,现有的地图轨迹匹配技术通常是将单个或系列的GNSS点与路网进行匹配的过程,具体的是通过计算车辆轨迹点与路网中道路之间的距离值,依据距离值确定与车辆轨迹点匹配的道路。然而由于车辆轨迹点是通过全球定位系统(Global Positioning System,GPS)技术采集的,受GPS定位精度的限制,轨迹点的位置有一定的浮动误差,尤其是在高速服务区这种复杂场景下,现有的匹配路网的方法容易出现错误匹配。考虑到这些问题,发明人研究了是否可以通过对服务区的定位误差值进行精准计算,再根据定位误差值,对轨迹绑定的路段进行过滤,有效的提高绑路的覆盖度,实现高匹配度的轨迹路线匹配。基于此,提出本申请的技术方案。
本申请实施例的技术方案可以应用于路径规划、实时系统导航、流行路径发现等方面。
还应理解,本申请实施例的技术方案还可以应用于不同行驶场景下的路况监测,例如高速服务区道路、城市快速路、普通道路、室内道路等行驶场景下的交通拥堵监测。
下面以行驶场景为服务区对服务区交通监测场景为例,结合图1说明适用于本申请实施例的系统架构。如图1所示,该系统架构包括监测平台100、多个车辆101,图中仅用一个车辆作为示意,监测平台100可通过通信连接与车辆101同时通信,进而实现数据的传输。
需要说明的是,车辆101中配置有定位系统模块或者车载设备,从而实现车辆定位信息的获取。监测平台100可接受车辆101上报的车辆轨迹,监测平台100可将车辆轨迹与路网道路进行匹配,进而根据路网道路的车辆情况得到服务区内部道路的交通拥堵信息。
上述表述中涉及到的实体设备,其在图中均为示例性的,并不代表唯一,本申请对于涉及到的实体设备的具体形态和类型均不作具体限定。
面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请实施例提供的轨迹路线的匹配方法实施例一的流程示意图,如图2所示,具体包括:
S201:在确定出获取到的车辆轨迹属于服务区内的轨迹时,根据车辆轨迹以及服务区内的道路集合,计算道路轨迹在服务器服务区的定位误差值。
在本步骤中,由于高速服务区建筑群的干扰,会导致车辆定位出现误差,进而使得车辆轨迹与路网绑定时会出现错误绑定,为了避免轨迹与路线匹配出现错误,在确定出获取到的车辆轨迹属于服务区内的轨迹时,根据车辆轨迹以及服务区内的道路集合,计算道路轨迹在服务器服务区的定位误差值。其中,定位误差值用于表示道路轨迹在服务区内的路线偏差。
具体的,首先根据服务区内的道路拓扑关系,获取出进入服务区至离开服务区之间的道路集合,然后从道路集合中的每条可通行道路中的道路点中,确定出目标道路点,再根据目标道路点以及预设的道路范围半径,确定目标道路点与目标非高速路段的距离,最后根据目标道路点与目标非高速路段的距离,以及服务区的误差系数,计算得到服务区的定位误差值。
S202:根据车辆轨迹、定位误差值和服务区内的道路集合,确定出待匹配道路集合。
在本步骤中,在计算得到服务区的定位误差值后,由于每个轨迹点可以匹配的路段有很多,为了能够精准匹配出车辆轨迹对应的实际路网路线,则根据车辆轨迹、定位误差值和服务区内的道路集合,确定出待匹配道路集合。其中,待匹配道路集合中包括多条备选路线,每个备选路线是由车辆的轨迹点与绑定路段之间距离小于定位误差值的路段构成。
具体的,针对车辆轨迹中的每个轨迹点,将轨迹点与服务区内的路网路段进行绑定,得到轨迹点对应的第一路段集合,然后根据轨迹点与第一路段集合中的每个路段之间的距离,筛选出第一路段集合中到轨迹点之间的距离小于定位误差值的路段,组成轨迹点对应的第二路段集合,最后根据车辆轨迹中的每个轨迹点对应的第二路段集合,获取待匹配道路集合。
S203:根据预设的路线确定模型从待匹配道路集合中,确定出与车辆轨迹匹配的目标轨迹路线。
在本步骤中,在得到待匹配道路集合,为了使得车辆轨迹匹配的路线更加精准,匹配度更高,则需要在待匹配道路集合中筛选出与车辆轨迹匹配度最高的一条路线作为目标轨迹路线。
在一种具体的实施方式中,可通过预设的路线确定模型对待匹配道路集合中每个路线进行匹配度计算,并将匹配度最高的确定为目标轨迹路线。
需要说明的是,上述的路线确定模型可以是由隐马尔科夫模型训练得到的。隐马尔科夫模型利用预先设定的大量的车辆轨迹进行训练,从而得到路线确定模型,在得到待匹配道路集合后,将待匹配道路集合中的每一条备选路线与车辆轨迹输入到路线确定模型中,输出每一条备选路线的匹配度,将匹配度最高的一条路线作为目标轨迹路线。
本实施例提供的轨迹路线的匹配方法,在确定出获取到的车辆轨迹属于服务区内的轨迹时,根据车辆轨迹以及服务区内的道路集合,计算道路轨迹在服务器服务区的定位误差值,然后根据车辆轨迹、定位误差值和服务区内的道路集合,确定出待匹配道路集合,最后根据预设的路线确定模型从待匹配道路集合中,确定出与车辆轨迹匹配的目标轨迹路线。通过对服务区进行定位误差值的计算,进而增加了服务区匹配的道路的覆盖度,提高了轨迹路线的匹配正确率,并且只针对于服务区的定位误差值进行调整,有效减轻了后续路线匹配的压力。
图3为本申请实施例提供的轨迹路线的匹配方法实施例二的流程示意图,如图3所示,在上述实施例的基础上,步骤S201,具体包括:
S301:根据服务区内的道路拓扑关系,获取出进入服务区至离开服务区之间的道路集合。
在本步骤中,为了在车辆轨迹进行道路绑定过程中,能够增加服务区匹配的道路的覆盖度,则根据服务区内的道路拓扑关系,获取出进入服务区至离开服务区之间的道路集合。其中,道路集合中包括从进入服务区的第一路段至离开服务区的第二路段之间的每条可通行道路中的每个道路点的位置信息。
具体的,图4为本申请实施例提供的服务区与进出路段连通关系示意图,参考图4,根据道路连通性确定出进入服务区的第一路段和离开服务区的第二路段,并得到第一路段与服务区C之间的交点B,第二路段与服务区C之间的交点A,则确定出服务区道路的范围在点A和点B之间,则根据服务区内的道路拓扑关系,进而获取出点A和点B之间服务区的道路集合。
值得注意的是,图4中仅示出服务区C与进出服务区路段的连通关系,服务区C中包含有服务区内部道路。
S302:从道路集合中的每条可通行道路中的道路点中,确定出目标道路点。
在本步骤中,为保证定位误差值的准确度,则从道路集合中的每条可通行道路中的道路点中,确定出目标道路点。其中,目标道路点为到达第一路段的距离与到达第二路段的距离之和最大的道路点。
具体的,图5为本申请提供的确定目标道路点的示意图,参考图5,图5仅示出服务区一条道路图和道路图中两个道路点,分别计算道路集合中的每条可通行道路中的道路点距离第一路段与服务区交点B以及第二路段与服务区交点C的距离之和,将距离之和最大的道路点确定为目标道路点。
S303:根据目标道路点以及预设的道路范围半径,确定目标道路点与目标非高速路段的距离。
在本步骤中,在确定出目标道路点之后,为保证定位误差值的准确,根据目标道路点以及预设的道路范围半径,确定目标道路点与目标非高速路段的距离。
具体的根据以目标道路点为圆心,道路范围半径为半径的圆形区域范围内的每条道路的道路属性,计算圆形范围内每条道路与目标道路点之间的距离,进而获取圆形范围内与目标道路点距离最小的非高速路段,作为目标非高速路段,并得到目标道路点与目标非高速路段的距离。
S304:根据目标道路点与目标非高速路段的距离,以及服务区的误差系数,计算得到服务区的定位误差值。
在本步骤中,由于服务区之间的道路以及环境特征均不同,则为了能使得每个有轨迹匹配需求的服务区在计算定位误差值时更加准确,则预先设定服务区的误差系数,根据目标道路点与目标非高速路段的距离,以及服务区的误差系数,计算得到服务区的定位误差值。
具体的,服务区的定位误差值具体为目标道路点与目标非高速路段的距离与误差系数的乘积。
本实施例提供的轨迹路线的匹配方法,首先根据服务区内的道路拓扑关系,获取出进入服务区至离开服务区之间的道路集合,然后从道路集合中的每条可通行道路中的道路点中,确定出目标道路点,再根据目标道路点以及预设的道路范围半径,确定目标道路点与目标非高速路段的距离,最后根据目标道路点与目标非高速路段的距离,以及服务区的误差系数,计算得到服务区的定位误差值。通过上述方法,使得计算得到的服务区的定位误差值更精准,进而有效减轻后续算法的压力。
图6为本申请实施例提供的轨迹路线的匹配方法实施例三的流程示意图,如图6所示,在上述实施例的基础上,步骤S303,具体包括:
S601:根据以目标道路点为圆心,道路范围半径为半径的圆形区域范围内的每条道路的道路属性,计算圆形范围内每条道路与目标道路点之间的距离。
在本步骤中,为了更准确的计算服务区的定位误差值,根据以目标道路点为圆心,道路范围半径为半径的圆形区域范围内的每条道路的道路属性,计算圆形范围内每条道路与目标道路点之间的距离。
具体的,以目标道路点为圆心,道路范围半径为半径的圆形区域范围内包含有多条路段,根据每条道路的道路属性,筛选出非高速路段,并计算目标道路点距离每条非高速路段的距离。
S602:获取圆形范围内与目标道路点距离最小的非高速路段,作为目标非高速路段,并得到目标道路点与目标非高速路段的距离。
在本步骤中,通过计算目标道路点距离每条非高速路的距离,将距离最小的非高速路段作为标非高速路段,并得到目标道路点与目标非高速路段的距离。
本实施例提供的轨迹路线的匹配方法,根据以目标道路点为圆心,道路范围半径为半径的圆形区域范围内的每条道路的道路属性,计算圆形范围内每条道路与目标道路点之间的距离,获取圆形范围内与目标道路点距离最小的非高速路段,作为目标非高速路段,并得到目标道路点与目标非高速路段的距离。通过上述方法,使得服务区定位误差值准确度更高。
图7为本申请实施例提供的轨迹路线的匹配方法实施例四的流程示意图,如图7所示,在上述任一实施例的基础上,服务区内的道路集合包括服务区内的路网路段,则步骤S202,具体包括:
S701:针对车辆轨迹中的每个轨迹点,将轨迹点与服务区内的路网路段进行绑定,得到轨迹点对应的第一路段集合。
在本步骤中,为了能够将轨迹点可通行的高速服务区道路全覆盖,进而得到轨迹匹配正确率,针对车辆轨迹中的每个轨迹点,将轨迹点与服务区内的路网路段进行绑定,得到轨迹点对应的第一路段集合。
具体的,根据服务区实际环境特征,预先设定范围区域对每个轨迹点进行道路绑定,进而得到每个轨迹点对应的第一路段集合。
S702:根据轨迹点与第一路段集合中的每个路段之间的距离,筛选出第一路段集合中到轨迹点之间的距离小于定位误差值的路段,组成轨迹点对应的第二路段集合。
在本步骤中,在对每个轨迹点进行路网路段绑定,得到每个轨迹点对应的第一路段集合后,为了提供匹配正确率,需要将误差较大的路段过滤掉,使其绑路尽可能多的涵盖有效的路线,则根据轨迹点与第一路段集合中的每个路段之间的距离,筛选出第一路段集合中到轨迹点之间的距离小于定位误差值的路段,组成轨迹点对应的第二路段集合。
具体的,通过欧氏距离算法计算轨迹点到第一的第一路段集合中每个路段的距离,将每个距离与定位误差值进行比较,将距离大于定位误差值的路段过滤掉,将剩下距离小于定位误差值的路段组成轨迹点对应的第二路段集合。
S703:根据车辆轨迹中的每个轨迹点对应的第二路段集合,获取待匹配道路集合。
在本步骤中,通过对每个轨迹点对应的第一路段集合筛选得到第二路段集合后,将车辆轨迹中的每个轨迹点依次进行路线计算,从而获取待匹配道路集合。
具体的,针对车辆轨迹按照行驶方向的任两个相邻的轨迹点,两个相邻轨迹点中在后方轨迹点对应的第二路段集合中每个路段的道路等级、两个相邻轨迹点对应的第二路段集合中的路段组成的每条路线的长度,后方轨迹点到对应的第二路段集合追踪的每个路段的投影角度,计算出两个相邻轨迹点之间的每个路线的代价和,然后根据任两个相邻的轨迹点之间的每个路线的代价和,获取代价和小于预设代价和阈值的路线,得到任两个相邻的轨迹点对应的备选路线集合,最后根据车辆轨迹中的所有相邻轨迹点对应的备选路线集合,获取从车辆轨迹的起点至终点之间的待匹配道路集合。
本实施例提供的轨迹路线的匹配方法,针对车辆轨迹中的每个轨迹点,将轨迹点与服务区内的路网路段进行绑定,得到轨迹点对应的第一路段集合,根据轨迹点与第一路段集合中的每个路段之间的距离,筛选出第一路段集合中到轨迹点之间的距离小于定位误差值的路段,组成轨迹点对应的第二路段集合,根据车辆轨迹中的每个轨迹点对应的第二路段集合,获取待匹配道路集合。通过定位误差值对待匹配道路进行筛选,增加服务区匹配的道路的覆盖度,并提高了匹配正确率。
图8为本申请实施例提供的轨迹路线的匹配方法实施例五的流程示意图,如图8所示,在上述实施例的基础上,步骤S703,具体包括:
S801:针对车辆轨迹按照行驶方向的任两个相邻的轨迹点,两个相邻轨迹点中在后方轨迹点对应的第二路段集合中每个路段的道路等级、两个相邻轨迹点对应的第二路段集合中的路段组成的每条路线的长度,后方轨迹点到对应的第二路段集合追踪的每个路段的投影角度,计算出两个相邻轨迹点之间的每个路线的代价和。
在本步骤中,在对车辆轨迹中每个轨迹点进行路线计算过程中,为了使得路线匹配度更高,准确率更高,针对车辆轨迹按照行驶方向的任两个相邻的轨迹点,计算出两个相邻轨迹点之间的每个路线的代价和。其中,代价和为速度代价、长度代价和角度代价之和。
具体的,将车辆轨迹按照行驶方向的任两个相邻的轨迹点分别对应的第二路段集合进行排列组合,得到两个相邻的轨迹点之间的路线,然后根据方轨迹点的速度和后方轨迹点对应的第二路段集合中每个路段的道路等级,加权计算得到每个路线的速度代价;根据两个相邻轨迹点对应的第二路段集合中的路段组成的每条路线的长度,计算得到每个路线的长度代价;根据后方轨迹点到对应的第二路段集合追踪的每个路段的投影角度,计算得到每个路线的角度代价。将每个路线的速度代价、长度代价和角度代价相加得到每个路线的代价和。
S802:根据任两个相邻的轨迹点之间的每个路线的代价和,获取代价和小于预设代价和阈值的路线,得到任两个相邻的轨迹点对应的备选路线集合。
在本步骤中,为了提高路线匹配的正确率,根据任两个相邻的轨迹点之间的每个路线的代价和,对任两个相邻的轨迹点对应的路线进行裁剪优化,得到任两个相邻的轨迹点对应的备选路线集合。
具体的,根据服务区实际环境情况,预设代价和阈值,获取代价和小于预设代价和阈值的路线,组成任两个相邻的轨迹点对应的备选路线集合。
需要说明的是,上述对备选路线集合的确定过程,还可以通过剪枝算法实现。具体的可以将两个相邻的轨迹点对应的路线转化为决策树数据,然后将决策树数据和预设代价和阈值输入到剪枝算法中,经过剪枝优化计算,输出修剪后的决策树数据,并将修剪后的决策树数据转化为任两个相邻的轨迹点对应的备选路线集合。
S803:根据车辆轨迹中的所有相邻轨迹点对应的备选路线集合,获取从车辆轨迹的起点至终点之间的待匹配道路集合。
在本步骤中,在对车辆轨迹中两个相邻的轨迹点之间的路线计算,得到车辆轨迹中的所有相邻轨迹点对应的备选路线集合后,将每个备选路线集合依据轨迹点先后顺序进行排列组合,得到从车辆轨迹的起点至终点之间的待匹配道路集合。
具体的,根据车辆轨迹中的所有相邻轨迹点对应的备选路线集合,按照车辆轨迹点所示的车辆的行驶方向,相邻轨迹点对应的备选路线集合中的路线进行组合连接,得到从车辆轨迹的起点至终点之间的多条备选路线,组成待匹配道路集合。
本实施例提供的轨迹路线的匹配方法,针对车辆轨迹按照行驶方向的任两个相邻的轨迹点,两个相邻轨迹点中在后方轨迹点对应的第二路段集合中每个路段的道路等级、两个相邻轨迹点对应的第二路段集合中的路段组成的每条路线的长度,后方轨迹点到对应的第二路段集合追踪的每个路段的投影角度,计算出两个相邻轨迹点之间的每个路线的代价和,根据任两个相邻的轨迹点之间的每个路线的代价和,获取代价和小于预设代价和阈值的路线,得到任两个相邻的轨迹点对应的备选路线集合,根据车辆轨迹中的所有相邻轨迹点对应的备选路线集合,获取从车辆轨迹的起点至终点之间的待匹配道路集合。通过不同代价之和对路线进行匹配,并对待匹配道路进行筛选,提高了轨迹路线的匹配正确率。
图9为本申请实施例提供的轨迹路线的匹配方法实施例六的流程示意图,如图9所示,在前述实施例的基础上,本实施例提供的轨迹路线的匹配方法,还包括:
S901:获取车辆的行驶轨迹。
在本步骤中,用户可通过终端设备向服务器上传车辆的行驶轨迹,又或者是车辆在行驶过程中实时向服务器上传车辆的行驶轨迹,又或者是服务器可通过资源数据库中存储的车辆的历史行驶轨迹获取得到所需要的车辆的行驶轨迹。
S902:对车辆行驶轨迹中的数据进行预处理,得到车辆轨迹。
在本步骤中,为了使得后续匹配更精准,需要对轨迹进行预处理,对车辆行驶轨迹中的数据进行预处理包括去噪处理、抽稀处理、去重处理中的至少一个,其中,去噪处理是对车辆行驶轨迹进行噪声处理,可以通过小波变换实现,也可以通过其他具有噪声处理的算法实现;抽稀处理为将车辆轨迹中轨迹点密集区域进行轨迹点筛选处理;去重处理为将车辆轨迹中重复的轨迹点删除。
S903:对车辆轨迹中的每一个轨迹点,按照预设范围进行路线抓取,得到与车辆轨迹对应的多条道路。
在本步骤中,为了增加服务区匹配的道路的覆盖度,对车辆轨迹中的每一个轨迹点,按照预设范围进行路线抓取,得到与车辆轨迹对应的多条道路。
S904:根据多条道路中每条道路的道路属性,确定车辆轨迹是否处于服务区内的轨迹。
在本步骤中,在上述得到的与车辆轨迹对应的多条道路中包括了每条道路的道路属性,道路属性包括道路等级,道路等级包括高速、国道、省道、乡道、县道,根据道路等级确定轨迹是否处于服务区内的轨迹。
具体的,对多条道路的道路等级进行比例计算,若高速占比最大,则确定车辆轨迹处于服务区内的轨迹;若有任一道路等级占比大于高速,则确定车辆轨迹不处于服务区内的轨迹
本实施例提供的轨迹路线的匹配方法,获取车辆的行驶轨迹,并对车辆行驶轨迹中的数据进行预处理,得到车辆轨迹,对车辆轨迹中的每一个轨迹点,按照预设范围进行路线抓取,得到与车辆轨迹对应的多条道路,根据多条道路中每条道路的道路属性,确定车辆轨迹是否处于服务区内的轨迹。通过上述方法对车辆轨迹的处理,为后续轨迹匹配提供了更准确的数据基础。
下面结合图10,以行驶场景为A服务区,对A服务区交通拥堵情况进行监测为例,对本申请实施例提供的轨迹路线的匹配做出详细说明。
需要说明的是,本实施例仅以一辆车为例,对A服务区内车辆的轨迹匹配进行描述,其中,预先设定A服务区的误差系数为50。如图10所示,具体包括:
S1001:获取原始轨迹。
在本步骤中,A服务区为了实现服务区内交通拥堵情况的监测,需要获取服务区内车辆的轨迹信息。
在具体的实现方式中,行驶进A服务区内的车辆可实时向服务区交通监测平台上报轨迹,交通监测平台在监测到车辆进入服务区后,也可向车辆发送定位信息授权,在车辆向交通监测平台授权定位信息后,交通监测平台可通过卫星信号获取车辆的轨迹,交通监测平台还可直接从车辆获取车辆的行驶导航轨迹,并将车辆的行驶导航轨迹存储在数据库中,在监测到车辆进入服务区后,可直接在数据库中调用该车辆在服务区内部的行驶导航轨迹。通过上述任一方式获取到车辆的轨迹后,将车辆的轨迹作为原始轨迹。
值得注意的是,上述获取到的原始轨迹为车辆行驶过程中按照预设时间间隔采集的轨迹点的经纬度坐标,并且获取原始轨迹的方式本实施例不做具体限定。
S1002:轨迹预处理。
在本步骤中,获取到车辆的原始轨迹后,为了能够使得原始轨迹与路网路段匹配正确率更高,则需要对原始轨迹中的轨迹点进行预处理,从而得到车辆轨迹。
在具体的实现方式中,在获取到的原始轨迹中,会存在异常轨迹点。例如噪声点、重复点、错误点,错误点可以包括只有经度的轨迹点或者只有纬度轨迹点,对于原始轨迹中的噪声点、重复点、错误点,可通过去噪、去重进行处理,对于去噪可通过小波变换的方法进行去噪处理,重复点为相同经纬度坐标的轨迹点,对于重复点只保留一个轨迹点,其他重复的轨迹点可通过软件代码的形式进行去除。对于原始轨迹中轨迹点密集的路段,为了能后续对轨迹的匹配准确率更高,则还可以对原始轨迹进行抽稀处理。
S1003:抓路。
在本步骤中,在原始轨迹预处理后得到车辆轨迹,对车辆轨迹进行路网路线的匹配,针对于车辆轨迹中的每个轨迹点进行抓路,得到每个轨迹点对应的多条道路。
需要说明的是,对每个轨迹点进行抓路,需要根据实际环境进行抓路范围设定,根据A服务区的属性,以预设范围为5公里,对每个轨迹点进行抓路。
S1004:是否是服务区。
在本步骤中,为了使得轨迹匹配更加精准,在获得车辆轨迹后,根据抓路得到的每个轨迹点对应的多条道路的属性,确定车辆轨迹是否处于A服务区区域内。
具体的,将抓路得到的每个轨迹点对应的多条道路的属性进行比例计算,若属性为服务区的占比大于其他属性,则确定车辆轨迹处于A服务区区域内,若任一其他道路属性占比大于服务区属性占比,则确定车辆轨迹不处于A服务区区域内。其中,其他道路属性可以是国道、省道、乡道、县道等。通过计算得到,服务区属性为80%。国道属性为10%,省道属性为10%,由于服务区属性占比最大,则可以确定车辆轨迹处于A服务区区域内。
S1005:服务区定位误差值计算。
在本步骤中,根据A服务区的实际环境,对A服务区进行定位误差值计算,其中,A服务区的误差系数为50。
具体的,图11为本申请实施例提供的A服务区区域内道路拓扑示意图,参考图11,首先提取A服务区的特征,根据A服务区的道路连通性关系,确定出进入服务区并与服务区直连的路段B和离开服务区并与服务区直连的路段C,设定路段B与服务区道路交点为Bend,路段C与服务区道路交点为Cstart,然后根据道路拓扑关系,找出点Bend和Cstart之间A服务区的道路集合,值得注意的是A服务区内每条可通行道路中的每个道路点的位置信息。
获取到A服务区的道路集合后,图12为本申请实施例提供的目标道路点示意图,参考图12,在服务区的道路集合中确定目标道路点,具体的,计算道路集合中每个道路点到点Bend和Cstart的距离之和,图中仅示出两个道路点E和道路点G到点Bend和Cstart的距离,经过计算得到道路点E与点Bend和Cstart的距离之和为:DistanceE=DistanceE->Bend+DistanceE->Cstart,且DistanceE为8,道路点G与点Bend和Cstart的距离之和为:DistanceG=DistanceG->Bend+DistanceG->Cstart,且DistanceG为12,则确定目标道路点为到点Bend和Cstart的距离之和最大的道路点G。
在确定出目标道路点G后,以点G为圆心,搜索半径为3公里进行圆形范围内非高速路段搜索,图13为本申请实施例提供的目标非高速路段示意图,参考图13,确定出圆形范围内的非高速路段后,分别计算点G到每一条非高速路段的距离,将距离最小的非高速路段确定为目标非高速路段F,并得到点G到非高速路段F的距离DistD-F为2,将DistD-F与A服务区的误差系数的乘积,确定为A服务区的定位误差值V为100。
S1006:形成目标路线。
在本步骤中,通过上述步骤计算得到A服务区的定位误差值V后,通过对车辆轨迹进行路网路线绑定,并根据A服务区的定位误差值V进行路线的筛选过滤,得到多条备选路线,最后在多条备选路线中确定出目标路线。
具体的,针对于车辆轨迹,对车辆轨迹中每个轨迹点进行A服务区内的路网路段绑定,从而得到每个轨迹点对应的路段集合,图14为本申请实施例提供的车辆轨迹点道路绑定示意图,参考图14,车辆轨迹依次为轨迹点X1、X2、X3,通过对每个轨迹点进行A服务区的路网路段进行绑定,得到轨迹点X1对应的路段集合(LinkX1-1,LinkX1-2),轨迹点X2对应的路段集合(LinkX2-1,LinkX2-2,LinkX2-3),轨迹点X3对应的路段集合(LinkX3-1,LinkX3-2)。根据A服务区的定位误差值,对三个轨迹点绑定的路段集合进行筛选过滤,进而使得尽可能多的覆盖有效路线,减少错误道路的绑定。
具体的,分别计算轨迹点到对应的路段集合中每个路段的距离,并将距离与定位误差值V进行比较,将距离大于V的过滤掉,从而得到每个轨迹点对应的最终的路段集合,点X1对应的最终的路段集合为(LinkX1-1),点X2对应的最终的路段集合(LinkX2-1,LinkX2-2),点X3对应的最终的路段集合(LinkX3-1)。在得到每个轨迹点对应的最终的路段集合后,按照行驶方向依次对相邻的两个轨迹点进行路线计算,直至最后一个轨迹点计算完成,从而得到多条备选路线。首先对轨迹点X1到轨迹点X2进行路线计算,对两个轨迹点分别对应的最终的路段进行排列组合,得到轨迹点X1到以及点X2的路线集合为{路线1:LinkX1-1-LinkX2-1,路线2:LinkX1-1-LinkX2-2},为了使得两个轨迹点路网路线匹配更准确,分别计算路线1和路线2的代价和,并根据代价和对路线进行裁剪优化,从而得到更精准的路线。其中,代价和为速度代价、长度代价和角度代价之和,对路线1进行代价和计算具体包括:根据在轨迹点X2车辆的行驶速度以及LinkX2-1的道路等级,计算得到路线1的速度代价;根据LinkX1-1和LinkX2-1两个路段长度之和得到路线1的长度代价;根据轨迹点X2到LinkX2-1的投影角度,得到路线1的角度代价,经过将上述不同的代价相加得到路线1的代价和,通过相同的方式计算得到路线2的代价和。
其中,代价和越小,则说明路线匹配度越高,预先设定代价和阈值,则对轨迹点X1到轨迹点X2之间的线路进行裁剪优化,得到轨迹点X1到轨迹点X2的优选路线为路线1和路线2。具体的,路线代价和小于代价和阈值则保留,路线代价和大于代价和阈值,则丢弃。
在确定了轨迹点X1到轨迹点X2的优选路线后,继续对轨迹点X2到轨迹点X3的路线进行计算,与上述方式相同,首先对两个轨迹点分别对应的最终的路段进行排列组合,得到轨迹点X2到轨迹点X3的路线集合为{路线3:LinkX2-1-LinkX3-1,路线4:LinkX2-2-LinkX3-1},分别对路线3和路线4进行代价和计算,其计算方法与上述相同,且对轨迹点X2到轨迹点X3的路线进行裁剪优化的方法也与上述方法相同,在此不再赘述。最后得到轨迹点X2到轨迹点X3的优选路线为路线3和路线4。
在得到每两个相邻轨迹点对应的优选路线后,将优选路线按照行驶方向,对优选路线依次进行排列组合,得到车辆轨迹的起点至终点之间的待匹配道路集合。
在得到车辆轨迹的起点至终点之间的待匹配道路集合,通过预先设定的路线确定模型,对待匹配道路集合中每一条备选路线进行匹配度计算,从而将匹配度最高的备选路线作为目标轨迹路线。值得注意的是,预先设定的路线确定模型可以是隐马尔科夫模型。
S1007:原始定位误差值。
在本步骤中,经过对车辆轨迹点是否处于A服务区区域内进行判断,若确定车辆轨迹不处于服务区区域内,则直接采用现有的通用定位误差值对车辆轨迹进行路网路线匹配。
S1008:形成目标路线。
在本步骤中,在上述步骤计算得到车辆轨迹的待匹配道路集合后,通过计算得到目标路线,与前述步骤1006方法一致,在此不再赘述。
S1009:根据目标路线,生成交通拥堵信息。
在本步骤中,在前述步骤对车辆轨迹进行路网路线匹配后,由于上述步骤只是以一辆车为例,对车辆轨迹路网路线匹配进行描述,实际情况下,进入服务区内部的车辆均会通过上述方法进行路线匹配,进而A服务区的监测平台在接收到多辆车辆上报的原始轨迹后,分别对每辆车辆的轨迹进行路线匹配,从而得到每条路网道路上的车辆数量,进而可以分析出服务区内部道路的交通拥堵信息情况,并根据得到的交通拥堵严重的道路进行相应的疏导。
本申请实施例提供的轨迹路线的匹配方法,通过对进入服务区内的车辆进行车辆轨迹统计,进而根据车辆轨迹进行路网路线匹配,并通过对服务区进行定位误差值的定量计算,从而提升了路网路线的匹配正确率,在得到每条道路车辆行驶情况后,监测平台根据车辆行驶情况,从而分析得到服务区内部道路交通拥堵信息。为服务区内部交通疏导工作提供了数据基础。
图15为本申请实施例提供的轨迹路线的匹配装置实施例一的结构示意图,如图15所示,轨迹路线的匹配装置1500包括:
计算模块1501,用于在确定出获取到的车辆轨迹属于服务区内的轨迹时,根据车辆轨迹以及服务区内的道路集合,计算道路轨迹在服务区的定位误差值,定位误差值用于表示道路轨迹在服务区内的路线偏差。
第一确定模块1502,用于根据车辆轨迹、定位误差值和服务区内的道路集合,确定出待匹配道路集合,待匹配道路集合中包括多条备选路线,每个备选路线是由车辆的轨迹点与绑定路段之间距离小于定位误差值的路段构成。
第二确定模块1503,用于根据预设的路线确定模型从待匹配道路集合中,确定出与车辆轨迹匹配的目标轨迹路线。
图16为本申请实施例提供的轨迹路线的匹配装置实施例二的结构示意图,如图16所示,计算模块1501包括:
获取单元1601,用于根据服务区内的道路拓扑关系,获取出进入服务区至离开服务区之间的道路集合,道路集合中包括从进入服务区的第一路段至离开服务区的第二路段之间的每条可通行道路中的每个道路点的位置信息。
第一确定单元1602,用于从道路集合中的每条可通行道路中的道路点中,确定出目标道路点;其中,目标道路点为到达第一路段的距离与到达第二路段的距离之和最大的道路点。
第二确定单元1603,用于根据目标道路点以及预设的道路范围半径,确定目标道路点与目标非高速路段的距离,目标非高速路段为与目标道路点之间的距离最近的非高速路段。
计算单元1604,用于根据目标道路点与目标非高速路段的距离,以及服务区的误差系数,计算得到服务区的定位误差值。
图17为本申请实施例提供的轨迹路线的匹配装置实施例三的结构示意图,如图17所示,第二确定单元1603包括:
计算子单元1701,用于根据以目标道路点为圆心,道路范围半径为半径的圆形区域范围内的每条道路的道路属性,计算圆形范围内每条道路与目标道路点之间的距离。
获取子单元1702,用于获取圆形范围内与目标道路点距离最小的非高速路段,作为目标非高速路段,并得到目标道路点与目标非高速路段的距离。
图18为本申请实施例提供的轨迹路线的匹配装置实施例四的结构示意图,如图18所示,服务区内的道路集合包括服务区内的路网路段,则第一确定模块1502包括:
绑定单元1801,用于针对车辆轨迹中的每个轨迹点,将轨迹点与服务区内的路网路段进行绑定,得到轨迹点对应的第一路段集合。
筛选单元1802,用于根据轨迹点与第一路段集合中的每个路段之间的距离,筛选出第一路段集合中到轨迹点之间的距离小于定位误差值的路段,组成轨迹点对应的第二路段集合。
获取单元1803,用于根据车辆轨迹中的每个轨迹点对应的第二路段集合,获取待匹配道路集合。
图19为本申请实施例提供的轨迹路线的匹配装置实施例五的结构示意图,如图19所示,获取单元1803包括:
计算子单元1901,用于针对车辆轨迹按照行驶方向的任两个相邻的轨迹点,两个相邻轨迹点中在后方轨迹点对应的第二路段集合中每个路段的道路等级、两个相邻轨迹点对应的第二路段集合中的路段组成的每条路线的长度,后方轨迹点到对应的第二路段集合追踪的每个路段的投影角度,计算出两个相邻轨迹点之间的每个路线的代价和。
确定子单元1902,用于根据任两个相邻的轨迹点之间的每个路线的代价和,获取代价和小于预设代价和阈值的路线,得到任两个相邻的轨迹点对应的备选路线集合。
获取子单元1903,用于根据车辆轨迹中的所有相邻轨迹点对应的备选路线集合,获取从车辆轨迹的起点至终点之间的待匹配道路集合。
其中,获取子单元1903,具体用于:
根据车辆轨迹中的所有相邻轨迹点对应的备选路线集合,按照车辆轨迹点所示的车辆的行驶方向,相邻轨迹点对应的备选路线集合中的路线进行组合连接,得到从车辆轨迹的起点至终点之间的多条备选路线,组成待匹配道路集合。
图20为本申请实施例提供的轨迹路线的匹配装置实施例六的结构示意图,如图20所示,轨迹路线的匹配装置1500,还包括:
获取模块2001,用于获取车辆的行驶轨迹,行驶轨迹中包括对车辆行驶过程中按照预设时间间隔采集的轨迹点的位置信息。
处理模块2002,用于对车辆行驶轨迹中的数据进行预处理,得到车辆轨迹,其中,预处理包括去噪处理,抽稀处理和去重处理中的至少一种。
抓取模块2003,用于对车辆轨迹中的每一个轨迹点,按照预设范围进行路线抓取,得到与车辆轨迹对应的多条道路。
第三确定模块2004,用于根据多条道路中每条道路的道路属性,确定车辆轨迹是否处于服务区内的轨迹。
上述各个实施例提供的轨迹路线的匹配装置,用于执行前述任一方法实施例中轨迹路线的匹配方法,其实现原理和技术效果类似,在此不再赘述。
图21为本申请实施例提供的电子设备的结构示意图,如图21所示,电子设备2100包括:存储器2101,处理器2102,显示器2103;
存储器2101存储计算机执行指令。
处理器2102执行存储器存储的计算机执行指令,以实现任一项实施例中的方法。
显示器2103用于显示目标轨迹路线图。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现任一项实施例中的方法。
上述的计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器,电可擦除可编程只读存储器,可擦除可编程只读存储器,可编程只读存储器,只读存储器,磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
可选的,将可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (11)
1.一种轨迹路线的匹配方法,其特征在于,所述方法包括:
在确定出获取到的车辆轨迹属于服务区内的轨迹时,根据所述车辆轨迹以及所述服务区内的道路集合,计算所述道路轨迹在所述服务区的定位误差值,所述定位误差值用于表示所述道路轨迹在所述服务区内的路线偏差;
根据所述车辆轨迹、所述定位误差值和所述服务区内的道路集合,确定出待匹配道路集合,所述待匹配道路集合中包括多条备选路线,每个备选路线是由车辆的轨迹点与绑定路段之间距离小于所述定位误差值的路段构成;
根据预设的路线确定模型从所述待匹配道路集合中,确定出与所述车辆轨迹匹配的目标轨迹路线。
2.根据权利要求1所述的方法,其特征在于,所述根据所述车辆轨迹以及所述服务区内的道路集合,计算所述道路轨迹在所述服务区的定位误差值,包括:
根据服务区内的道路拓扑关系,获取出进入所述服务区至离开所述服务区之间的道路集合,所述道路集合中包括从进入所述服务区的第一路段至离开所述服务区的第二路段之间的每条可通行道路中的每个道路点的位置信息;
从所述道路集合中的每条可通行道路中的道路点中,确定出目标道路点;其中,所述目标道路点为到达所述第一路段的距离与到达所述第二路段的距离之和最大的道路点;
根据所述目标道路点以及预设的道路范围半径,确定所述目标道路点与目标非高速路段的距离,所述目标非高速路段为与所述目标道路点之间的距离最近的非高速路段;
根据所述目标道路点与目标非高速路段的距离,以及所述服务区的误差系数,计算得到所述服务区的定位误差值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标道路点以及预设的道路范围半径,确定所述目标道路点与目标非高速路段的距离,包括:
根据以所述目标道路点为圆心,所述道路范围半径为半径的圆形区域范围内的每条道路的道路属性,计算所述圆形范围内每条道路与所述目标道路点之间的距离;
获取所述圆形范围内与所述目标道路点距离最小的非高速路段,作为所述目标非高速路段,并得到所述目标道路点与所述目标非高速路段的距离。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述服务区内的道路集合包括所述服务区内的路网路段;
相应的,所述根据所述车辆轨迹、所述定位误差值和所述服务区内的道路集合,确定出待匹配道路集合,包括:
针对所述车辆轨迹中的每个轨迹点,将所述轨迹点与所述服务区内的路网路段进行绑定,得到所述轨迹点对应的第一路段集合;
根据所述轨迹点与所述第一路段集合中的每个路段之间的距离,筛选出所述第一路段集合中到所述轨迹点之间的距离小于所述定位误差值的路段,组成所述轨迹点对应的第二路段集合;
根据所述车辆轨迹中的每个轨迹点对应的第二路段集合,获取所述待匹配道路集合。
5.根据权利要求4所述的方法,其特征在于,所述根据所述车辆轨迹中的每个轨迹点对应的第二路段集合,获取所述待匹配道路集合,包括:
针对所述车辆轨迹按照行驶方向的任两个相邻的轨迹点,所述两个相邻轨迹点中在后方轨迹点对应的第二路段集合中每个路段的道路等级、所述两个相邻轨迹点对应的第二路段集合中的路段组成的每条路线的长度,所述后方轨迹点到对应的第二路段集合追踪的每个路段的投影角度,计算出所述两个相邻轨迹点之间的每个路线的代价和;
根据任两个相邻的轨迹点之间的每个路线的代价和,获取代价和小于预设代价和阈值的路线,得到所述任两个相邻的轨迹点对应的备选路线集合;
根据所述车辆轨迹中的所有相邻轨迹点对应的备选路线集合,获取从所述车辆轨迹的起点至终点之间的所述待匹配道路集合。
6.根据权利要求5所述的方法,其特征在于,所述根据所述车辆轨迹中的所有相邻轨迹点对应的备选路线集合,获取从所述车辆轨迹的起点至终点之间的所述待匹配道路集合,包括:
根据所述车辆轨迹中的所有相邻轨迹点对应的备选路线集合,按照所述车辆轨迹点所示的车辆的行驶方向,相邻轨迹点对应的备选路线集合中的路线进行组合连接,得到从所述车辆轨迹的起点至终点之间的多条备选路线,组成所述待匹配道路集合。
7.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:
获取车辆的行驶轨迹,所述行驶轨迹中包括对所述车辆行驶过程中按照预设时间间隔采集的轨迹点的位置信息;
对所述车辆行驶轨迹中的数据进行预处理,得到所述车辆轨迹,其中,所述预处理包括去噪处理,抽稀处理和去重处理中的至少一种。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
对所述车辆轨迹中的每一个轨迹点,按照预设范围进行路线抓取,得到与所述车辆轨迹对应的多条道路;
根据所述多条道路中每条道路的道路属性,确定所述车辆轨迹是否处于所述服务区内的轨迹。
9.一种轨迹路线的匹配装置,其特征在于,所述装置包括:
计算模块,用于在确定出获取到的车辆轨迹属于服务区内的轨迹时,根据所述车辆轨迹以及所述服务区内的道路集合,计算所述道路轨迹在所述服务区的定位误差值,所述定位误差值用于表示所述道路轨迹在所述服务区内的路线偏差;
第一确定模块,用于根据所述车辆轨迹、所述定位误差值和所述服务区内的道路集合,确定出待匹配道路集合,所述待匹配道路集合中包括多条备选路线,每个备选路线是由车辆的轨迹点与绑定路段之间距离小于所述定位误差值的路段构成;
第二确定模块,用于根据预设的路线确定模型从所述待匹配道路集合中,确定出与所述车辆轨迹匹配的目标轨迹路线。
10.一种电子设备,其特征在于,包括:存储器,处理器,显示器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至8中任一项所述的方法。
11.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至8任一项所述的轨迹路线的匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311180809.2A CN117053820A (zh) | 2023-09-13 | 2023-09-13 | 轨迹路线的匹配方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311180809.2A CN117053820A (zh) | 2023-09-13 | 2023-09-13 | 轨迹路线的匹配方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117053820A true CN117053820A (zh) | 2023-11-14 |
Family
ID=88666416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311180809.2A Pending CN117053820A (zh) | 2023-09-13 | 2023-09-13 | 轨迹路线的匹配方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117053820A (zh) |
-
2023
- 2023-09-13 CN CN202311180809.2A patent/CN117053820A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Davies et al. | Scalable, distributed, real-time map generation | |
Hashemi et al. | A critical review of real-time map-matching algorithms: Current issues and future directions | |
Jagadeesh et al. | A map matching method for GPS based real-time vehicle location | |
CN109459045B (zh) | 一种针对低频gps轨迹的改进交互式投票匹配方法 | |
CN101361106B (zh) | 使用数字地图收集交通信息的交通信息提供系统及其方法 | |
CN108763558B (zh) | 一种基于地图匹配的众包地图道路质量改进方法 | |
CN105138779A (zh) | 车载gps时空轨迹大数据优选方法及系统 | |
CN108253976B (zh) | 一种充分借助车辆航向的三阶段在线地图匹配算法 | |
CN111739323B (zh) | 一种路口信息的采集方法及装置 | |
CN114450557B (zh) | 路线偏差量化及基于此的车辆路线学习 | |
CN107917716B (zh) | 固定线路导航方法、装置、终端及计算机可读存储介质 | |
CN110285817B (zh) | 基于自适应d-s证据理论的复杂路网地图匹配方法 | |
CN111060112A (zh) | 基于方向角的车辆轨迹地图匹配方法及系统 | |
CN110830915B (zh) | 一种确定起点位置的方法及装置 | |
CN117053820A (zh) | 轨迹路线的匹配方法、装置、设备及存储介质 | |
JP2019158701A (ja) | 特徴点生成方法 | |
CN114935773A (zh) | 基于北斗定位的在线道路匹配方法、装置、介质和设备 | |
CN114705200A (zh) | 一种基于路径增量的高采样率轨迹地图匹配方法 | |
CN113008246B (zh) | 地图匹配方法和装置 | |
CN114217333A (zh) | 路网拓扑异常位置定位方法、装置及相关设备 | |
Blazquez et al. | Performance of a new enhanced topological decision-rule map-matching algorithm for transportation applications | |
CN117706478B (zh) | 定位漂移的识别方法、装置、设备及存储介质 | |
CN110727749A (zh) | 一种自适应候选路段搜索方法 | |
CN111765901A (zh) | 路径规划质量评估方法和装置,存储介质和电子设备 | |
CN115311759B (zh) | 一种车辆耐久目标获取方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |