CN117150431B - 行驶轨迹融合方法、装置、服务器以及介质 - Google Patents
行驶轨迹融合方法、装置、服务器以及介质 Download PDFInfo
- Publication number
- CN117150431B CN117150431B CN202311119631.0A CN202311119631A CN117150431B CN 117150431 B CN117150431 B CN 117150431B CN 202311119631 A CN202311119631 A CN 202311119631A CN 117150431 B CN117150431 B CN 117150431B
- Authority
- CN
- China
- Prior art keywords
- track
- running
- points
- abnormal
- tracks
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 186
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000004927 fusion Effects 0.000 claims abstract description 35
- 238000007499 fusion processing Methods 0.000 claims abstract description 24
- 239000000758 substrate Substances 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种行驶轨迹融合方法、装置、服务器以及介质,涉及智能出行技术领域,该方法包括:在车辆到达订单中的目的地之后,获取订单行程的多个行驶轨迹;多个行驶轨迹的来源至少包括司机终端、车辆终端;从每个行驶轨迹中查找异常轨迹点;根据异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹。本发明实施例能够通过查找异常轨迹点,从而在融合过程中避免将异常轨迹点融合到新的轨迹,得到一个没有异常轨迹点的行车轨迹,提高了轨迹生成的准确率。
Description
技术领域
本发明涉及智能出行技术领域,尤其涉及一种行驶轨迹融合方法、装置、服务器以及介质。
背景技术
目前智能出行行业基本都是手机接单模式,具体来说,司机进行手机接单后,会进行导航以及订单结算,这些功能都强力依赖地图功能。
但是实际使用中,因为司机的手机操作,地图惯导,卫星丢失,信号弱,型号多等一系列问题导致最后车辆在地图上的行驶轨迹产生了缺失,漂移等异常的情况。
发明内容
本发明提供一种行驶轨迹融合方法、装置、服务器以及介质,通过查找异常轨迹点,从而在融合过程中避免将异常轨迹点融合到新的轨迹,得到一个没有异常轨迹点的行车轨迹,提高了轨迹生成的准确率。
第一方面,本发明实施例提供一种行驶轨迹融合方法,包括:
在车辆到达订单中的目的地之后,获取订单行程的多个行驶轨迹;多个行驶轨迹的来源至少包括司机终端、车辆终端;
从每个行驶轨迹中查找异常轨迹点;
根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹。
上述方法,能够在车辆到达订单中的目的地之后,利用不同来源的多个行驶轨迹找到异常轨迹点,并根据异常轨迹点在行驶轨迹中的位置,将多个行驶轨迹进行融合,这样通过查找异常轨迹点,从而在融合过程中避免将异常轨迹点融合到新的轨迹,得到一个没有异常轨迹点的行车轨迹,提高了轨迹生成的准确率。
在一种可能实施的方式中,从每个行驶轨迹中查找异常轨迹点:
针对每个行驶轨迹,从所述行驶轨迹中查找异常轨迹段,将所述异常轨迹段中的轨迹点作为异常轨迹点;和/或
针对每个行驶轨迹,若所述行驶轨迹中作为分界点的轨迹点的位置和其他行驶轨迹中作为分界点的轨迹点的位置不相同,且所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中,则将所述行驶轨迹中作为分界点的轨迹点作为所述行驶轨迹中的异常轨迹点;其中,所述其他行驶轨迹为获取的多个行驶轨迹中除所述行驶轨迹之外的行驶轨迹;所述行驶轨迹中作为分界点的轨迹点为起点或者终点。
上述方法,能够通过查找异常轨迹段以及通过分界点不同确定轨迹缺失这些方式确定异常轨迹点,从而提高了判断的准确率。
在一种可能实施的方式中,通过以下方式确定所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中:
根据所述行驶轨迹中作为分界点的轨迹点的采集时间,以及时间置信区间,确定时间范围;
根据所述行驶轨迹中作为分界点的轨迹点的位置,以及距离置信区间,确定位置范围;
若所述其他行驶轨迹中有满足所述时间范围和所述位置范围的轨迹点,则确定所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中。
上述方法,能够通过行驶轨迹中轨迹点的采集时间、位置和置信区间,判断该轨迹点是否在其他行驶轨迹中,这样能够在多个行驶轨迹来源的终端的时钟不同时,更加准确的判断出一个行驶轨迹中轨迹点是否在其他行驶轨迹上。
在一种可能实施的方式中,将删除后的多个行驶轨迹进行融合处理,得到融合轨迹之前,所述方法还包括:
针对每个行驶轨迹,若所述行驶轨迹中包含的角度小于预设角度的轨迹角,的个数小于第二预设个数,则将所述行驶轨迹中包含的角度小于预设角度的轨迹角中,作为顶点的轨迹点从所述行驶轨迹中剔除。
上述方法,能够将行驶轨迹中的异常轨迹点剔除,从而降低行驶轨迹的异常率。
在一种可能实施的方式中,根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹,包括:
从多个行驶轨迹中选择一个行驶轨迹作为基底轨迹;其中,修正轨迹为多个行驶轨迹除去所述基底轨迹之外的行驶轨迹;
若所述基底轨迹中包括的异常轨迹点在所述基底轨迹中间位置,则将所述异常轨迹点从所述基底轨迹中删除,并将所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点,填补到所述基底轨迹中的异常轨迹点的位置处;
若所述基底轨迹中包括的异常轨迹点在所述基底轨迹分界位置,则将所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点到作为分界点的轨迹点之间的轨迹段,填补到所述基底轨迹中的异常轨迹点的位置处。
上述方法,能够确定异常轨迹点在中间位置,即异常轨迹点即行驶轨迹是具有异常行驶的,那么将其异常轨迹点删除,利用修正轨迹修正该异常轨迹点,在确定异常轨迹点在分界位置,说明基底轨迹是轨迹段缺失,则直接从修正轨迹中找到缺失的轨迹点填补进去,这样能够更加准确的形成一个没有异常轨迹点的轨迹。
在一种可能实施的方式中,通过以下方式确定所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点:
若所述基底轨迹中包括的异常轨迹点在所述基底轨迹中间位置,则将每个行驶轨迹进行划分,得到每个行驶轨迹的多个子轨迹段;并确定每个行驶轨迹中的两两子轨迹段的相似度;
将与所述基底轨迹中的子轨迹段的相似度超过阈值的修正轨迹中的子轨迹段删除;
从删除后的修正轨迹中的子轨迹段中,确定所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点。
由于多个行驶轨迹来源的终端的时钟不同时,采用时间进行对比导致形成融合轨迹的准确率比较低,上述方法,通过轨迹段的相似度对比,将相似度高的修正轨迹的子轨迹段删除,剩下的轨迹段确定与基底轨迹中异常轨迹点相同时空的轨迹段,无需时间对比,即可找到多个行驶轨迹中的相同时空的轨迹段,从而提高了准确率。
在一种可能实施的方式中,根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹之后,所述方法还包括:
判断第一距离和第二距离之间的差值是否在预设范围内;其中,所述第一距离为所述融合轨迹中两两相邻轨迹点之间的连线距离之和;所述第二距离为所述车辆的行驶信息中的订单行程的车辆的累计行驶里程;
若否,则重新根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理。
上述方法,能够将融合后的轨迹的长度和车辆中的累计行驶里程进行比较,从而能够避免融合后的轨迹与实际行车的里程相差太多,支付信息计算错误。
第二方面,本发明实施例提供一种行驶轨迹融合装置,包括:
获取模块,用于在车辆到达订单中的目的地之后,获取订单行程的多个行驶轨迹;多个行驶轨迹的来源至少包括司机终端、车辆终端;
处理模块,用于从每个行驶轨迹中查找异常轨迹点;
生成模块,用于根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹。
第三方面,本发明实施例提供一种服务器,包括:
处理器;
处理器,用于执行所述存储器中的计算机程序或指令,使得如第一方面中任一所述的行驶轨迹融合方法被执行。
第四方面,本发明实施例提供一种计算机可读存储介质,当所述存储介质中的指令由处理器执行时,使得所述处理器能够执行如第一方面中任一所述的行驶轨迹融合方法。
第五方面,本发明实施例提供一种计算机程序产品,所述计算机程序产品包括:计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机执行上述如第一方面中任一所述的行驶轨迹融合方法。
另外,第二方面至第五方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果,此处不再赘述。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
图1为本发明实施例提供的一种行驶轨迹融合方法的流程图;
图2为本发明实施例提供的一种行驶轨迹的示意图;
图3为本发明实施例提供的一种车辆终端和司机终端的行驶轨迹在同一地图上的示意图;
图4为本发明实施例提供的另一种车辆终端和司机终端的行驶轨迹在同一地图上的流程图;
图5为本发明实施例提供的一种相同订单行程的两个行驶轨迹的示意图;
图6为本发明实施例提供的一种根据历史行驶轨迹确定出的多个距离的统计的示意图;
图7为本发明实施例提供的另一种行驶轨迹的示意图;
图8为本发明实施例提供的一种轨迹融合的方法的流程图;
图9为本发明实施例提供的一种行驶轨迹融合装置的结构示意图;
图10为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
以下,术语“第一”、“第二”、“第三”、“第四”仅用于描述目的,而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”、“第四”的特征可以明示或者隐含地包括一个或者更多个该特征,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
结合图1所示,本发明实施例提供了一种行驶轨迹融合方法,包括:
S100:在车辆到达订单中的目的地之后,获取订单行程的多个行驶轨迹;多个行驶轨迹的来源至少包括司机终端、车辆终端;
示例性的,在车辆的司机接到订单进行送客时,会开启导航,为订单的起始点和终点规划路线,车辆每走一下会记录该车辆行走的位置,直到车辆到达订单中的目的地,形成行驶轨迹。订单行程为车辆从订单的起始地到目的地的行程。司机终端在行程过程中,每3秒一次上传一个轨迹点,形成行驶轨迹;同样的,车辆终端在行程过程中,每3秒一次上传一个轨迹点,形成行驶轨迹。车辆终端可以为车机;司机终端可以为司机的手机。
S101:从每个行驶轨迹中查找异常轨迹点;
例如,多个行驶轨迹包括司机终端对应的行驶轨迹,和车辆终端对应的行驶轨迹,其中,司机终端对应的行驶轨迹为司机终端处产生的行驶轨迹,车辆终端对应的行驶轨迹为车辆终端处产生的行驶轨迹;从司机终端对应的行驶轨迹中查找异常轨迹点,同样的,从车辆终端对应的行驶轨迹中查找异常轨迹点。
S102:根据异常轨迹点在包含异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹。
详细来说,将多个行驶轨迹融合得到一个行驶轨迹,该融合后的一个行驶轨迹为融合轨迹,基于该融合轨迹计算车费等支付信息。
其中,从每个行驶轨迹中查找异常轨迹点的实现方式为:
针对每个行驶轨迹,从行驶轨迹中查找异常轨迹段,将异常轨迹段中的轨迹点作为异常轨迹点;和/或
针对每个行驶轨迹,若行驶轨迹中作为分界点的轨迹点的位置和其他行驶轨迹中作为分界点的轨迹点的位置不相同,且行驶轨迹中作为分界点的轨迹点在其他行驶轨迹中,则将行驶轨迹中作为分界点的轨迹点作为行驶轨迹中的异常轨迹点;其中,其他行驶轨迹为获取的多个行驶轨迹中除行驶轨迹之外的行驶轨迹。
针对上述介绍的从行驶轨迹中查找异常轨迹段的方法具体包括:
方法1:将行驶轨迹中角度为锐角的轨迹角的个数超过第一预设个数的轨迹段,作为行驶轨迹中的异常轨迹段;其中,每个行驶轨迹由多个轨迹点组成;轨迹角为一个轨迹点作为顶点,且与该轨迹点相邻的两个轨迹点组成的角;
示例性的,将行驶轨迹进行滑窗处理,得到多个子轨迹段。结合图2所示,行驶轨迹包括G1~Gn,滑出来的子轨迹段包含G10~G15轨迹段,轨迹角为θ1、θ2、θ3、θ4,轨迹角θ1为顶点G11与G11相邻的两个轨迹点G10和G12组成的;轨迹角θ2为顶点G12与G12相邻的两个轨迹点G11和G13组成的;轨迹角θ3为顶点G13与G13相邻的两个轨迹点G12和G14组成的;轨迹角θ4为顶点G14与G14相邻的两个轨迹点G13和G15组成的;可知轨迹角θ1、轨迹角θ2、轨迹角θ3、轨迹角θ4均为锐角,例如第一预设个数为3,也就是G10~G15轨迹段中的轨迹角出现反复横跳的特征说明gps点位在此处附近漂移多,那么G10~G15轨迹段即满足方式一,为异常轨迹段,G10、G11、G12、G13、G14、G15为异常轨迹点。
方法2:轨迹段中包括的多个轨迹点的连线距离之间的平均车速大于预设车速,将该轨迹段作为行驶轨迹中的异常轨迹段;
详细来说,将行驶轨迹进行滑窗处理,得到多个子轨迹段,计算每个子轨迹段包括的多个轨迹点的距离的平均车速,若平均车速大于预设车速,那么该子轨迹段为异常轨迹段,如果两个子轨迹段中平均车速大于预设车速的时间相连,那么可以将其组合得到一个异常轨迹段。
再次结合图2所示,计算G10~G15轨迹段的距离为G10和G11之间的距离、G11和G12之间的距离、G12和G13之间的距离、G13和G14之间的距离、G14和G15之间的距离,这五个距离之和;采用G10~G15轨迹段的距离除以用G10~G15轨迹段的行驶时间,得到G10~G15轨迹段的平均车速。例如,预设车速为120km/h,那么当G10~G15轨迹段的平均车速大于120km/h,则确定G10~G15轨迹段为异常轨迹段。
方法3:将行驶轨迹中包含的多个轨迹点之间的距离不超过预设距离,且包含的多个轨迹点的采集时间不同的轨迹段,作为行驶轨迹中的异常轨迹段;
详细来说,由于设备故障或者系统故障,会产生经纬度不变但时间变化的多个轨迹点,也就是多个不同时间点的轨迹点的位置相同,例如,将行驶轨迹进行滑窗处理,得到多个子轨迹段,再结合图2所示,G25~G31这个子轨迹段中G25、G26、G27、G28、G29、G30、G31这些轨迹点的经纬度均相同,但采集他们时间不同,所以G25~G31这个轨迹段为异常轨迹段。
方法4:将行驶轨迹中包含的多个轨迹点之间的距离超过预设距离,且包含的多个轨迹点的采集时间相同的轨迹段,作为行驶轨迹中的异常轨迹段;
详细来说,由于设备故障或者系统故障,会产生经纬度变化但时间不变化的多个轨迹点,也就是相同时间点的多个轨迹点的位置不相同,例如,将行驶轨迹进行滑窗处理,得到多个子轨迹段,再结合图2所示,G35~G41这个子轨迹段中G35、G36、G37、G38、G39、G40、G41这些轨迹点的经纬度均不相同,但采集他们时间相同,所以G35~G41这个轨迹段为异常轨迹段。
针对上述介绍的将行驶轨迹中作为分界点的轨迹点作为行驶轨迹中的异常轨迹点的具体实现方式为:
其中,行驶轨迹中作为分界点的轨迹点为起点或者终点,具体来说,若行驶轨迹中作为起点的轨迹点的位置和其他行驶轨迹中作为起点的轨迹点的位置不相同,且行驶轨迹中作为起点的轨迹点在其他行驶轨迹中,则将行驶轨迹中作为起点的轨迹点作为行驶轨迹中的异常轨迹点;
结合图3所示,行驶轨迹1和行驶轨迹2为同一订单的订单行程的行驶轨迹,行驶轨迹1由起点1到终点组成,行驶轨迹2由起点2到终点组成,行驶轨迹1的起点1和行驶轨迹2的起点2的轨迹点的位置不同,同时,可以看出行驶轨迹1的起点1在行驶轨迹2中,可以确定行驶轨迹1的起点缺失。该行驶轨迹1的异常轨迹点可以为起点1。
若行驶轨迹中作为终点的轨迹点的位置和其他行驶轨迹中作为终点的轨迹点的位置不相同,且行驶轨迹中作为终点的轨迹点在其他行驶轨迹中,则将行驶轨迹中作为终点的轨迹段作为行驶轨迹中的异常轨迹点。
结合图4所示,行驶轨迹1和行驶轨迹2为同一订单的订单行程的行驶轨迹,行驶轨迹1由起点A到终点1组成,行驶轨迹2由起点A到终点2组成,行驶轨迹1的起点相同均为起点A,行驶轨迹1的终点1和行驶轨迹2的终点2的轨迹点的位置不同,同时,可以看出行驶轨迹1的终点1在行驶轨迹2中,可以确定行驶轨迹1的终点缺失。该行驶轨迹1的异常轨迹点可以为终点1。
其中,确定行驶轨迹中作为起点的轨迹点在其他行驶轨迹中时,如果行驶轨迹和其他行驶轨迹的来源的终端的时钟相同,例如,行驶轨迹来源司机终端,其他行驶轨迹来源车辆终端,司机终端和车辆终端的时钟相同,需要根据该行驶轨迹中作为起点的轨迹点的采集时间,找到其他行驶轨迹中与该采集时间相同的轨迹点进行对比,如果位置相同,那么确定该行驶轨迹中作为起点的轨迹点在其他行驶轨迹中。
如果行驶轨迹和其他行驶轨迹的来源的终端的不时钟相同,那么采用采集时间进行查找的准确率不高。
对此,本发明实施例提出通过以下方式确定行驶轨迹中作为起点的轨迹点在其他行驶轨迹中:
根据行驶轨迹中作为分界点的轨迹点的采集时间,以及时间置信区间,确定时间范围;
根据行驶轨迹中作为分界点的轨迹点的位置,以及距离置信区间,确定位置范围;
若其他行驶轨迹中有满足所述时间范围和位置范围的轨迹点,则确定行驶轨迹中作为分界点的轨迹点在其他行驶轨迹中。
结合图5所示,行驶轨迹K1~Kj和其他行驶轨迹H1~Hi为同一订单的订单行程的行驶轨迹。行驶轨迹K1~Kj,K1为起点,Kj为终点,其他行驶轨迹H1~Hi,H1为起点,Hi为终点,行驶轨迹K1~Kj为起点缺失,判断行驶轨迹K1~Kj的起点K1是否在其他行驶轨迹H1~Hi中,由于两个行驶轨迹的来源的终端的时钟不同,根据K1的采集时间和时间置信区间,发现H4、H5、H6、H7在时间范围内,基于K1的位置和位置置信区间,确实距离范围,判断H5满足时间范围和距离范围,这样确定行驶轨迹K1在其他行驶轨迹H1~Hi上。
其中,通过以下方式确定距离置信区间:
确定多个历史行驶轨迹组中相同时间点的轨迹点之间的距离;
根据多个距离,确定距离置信区间;其中,多个距离中在距离置信区间内的距离的个数为第四预设个数;第四预设个数是根据距离的个数确定的。
详细来说,选取多个司机终端对应的历史行驶轨迹,和与之具有相同订单行程的车辆终端对应的历史行驶轨迹,然后利用司机终端对应的历史行驶轨迹和车辆终端对应的历史行驶轨迹中作为起点的两个轨迹点的位置之差即为距离,具体结合表1所示:
表1
时钟的差距 | <100毫秒 | <300毫秒 | <500毫秒 | <1000毫秒 |
数据量 | 659 | 2272 | 4026 | 8112 |
均值 | 11.137米 | 10.03米 | 10.81米 | 12.97米 |
方差 | 17.17 | 12.95 | 14.75 | 16.59 |
最大值 | 126米 | 136米 | 204米 | 204米 |
最小值 | 0米 | 0米 | 0米 | 0米 |
表1的第一行表示司机终端和车辆终端的时钟的差距;表1的第二行表示司机终端和车辆终端的历史行驶轨迹作为起点的两个轨迹点的位置之差的个数;表1的第三行表示司机终端和车辆终端的历史行驶轨迹作为起点的两个轨迹点的位置之差的均值;表1的第四行表示司机终端和车辆终端的历史行驶轨迹作为起点的两个轨迹点的位置的方差;表1的第五行表示司机终端和车辆终端的历史行驶轨迹作为起点的两个轨迹点的位置中的最大值;表1的第六行表示司机终端和车辆终端的历史行驶轨迹作为起点的两个轨迹点的位置中的最小值;例如,在司机终端和车辆终端的时钟差距小于100毫秒,统计数据量659个,司机终端和车辆终端的历史行驶轨迹作为起点的两个轨迹点的位置之差的均值为11.137米,司机终端和车辆终端的历史行驶轨迹作为起点的两个轨迹点的位置的方差为17.17,司机终端和车辆终端的历史行驶轨迹作为起点的两个轨迹点的位置中的最大值为126米,司机终端和车辆终端的历史行驶轨迹作为起点的两个轨迹点的位置中的最小值为0米。
将上述距离进行统计,统计的数据分布满足广义极值分布:
形成如图6所示的图形,确定多个距离的大小走势曲线C1,统计大多数距离所属的区间,这个区间的选择为根据大多数的距离确定的,例如,选择[0,61.2],即距离的总个数的97.3%均涵盖在[0,61.2]的范围内,将这个距离区间即为距离置信区间,即[0,61.2]。
其中,通过以下方式确定时间置信区间:
确定多个历史行驶轨迹组中相同轨迹点之间的时间差;
根据多个时间差,确定时间置信区间;其中,多个时间差中在时间置信区间内的时间差的个数为第三预设个数;第三预设个数是根据时间差的个数确定的。
详细来说,同样的,选取多个司机终端对应的历史行驶轨迹,和与之具有相同订单行程的车辆终端对应的历史行驶轨迹,然后利用司机终端对应的历史行驶轨迹和车辆终端对应的历史行驶轨迹中的相同的位置的轨迹点的采集时间之差即为时间差,例如,置信度选取97.3%,即时间差的总个数的97.3%,选择一个时间区间,将时间差的总个数的97.3%均涵盖在选择的时间区间,将这个时间区间作为时间置信区间。
在行驶轨迹中会有一两个突出的漂移点,该突出的漂移点不影响支付信息生成的流程,基于此,在将删除后的多个行驶轨迹进行融合处理,得到融合轨迹之前,所述方法还包括:
针对每个行驶轨迹,若行驶轨迹中包含的角度小于预设角度的轨迹角的个数小于第二预设个数,则将行驶轨迹中包含的角度小于预设角度的轨迹角中,作为顶点的轨迹点从行驶轨迹中剔除。
其中,预设角度可以设置为45度等锐角的度数,第二预设个数可以设置为2、3等。
详细来说,针对每个行驶轨迹均进行处理,每个行驶轨迹处理时将该行驶轨迹中包含的角度小于预设角度的轨迹角的个数小于第二预设个数,也就是找出行驶轨迹中突出的轨迹点,将突出的轨迹点删除。结合图7所示,行驶轨迹M1~Mj,轨迹角为M1M2和M2M3组成,该轨迹角的角度小于预设角度,且行驶轨迹M1~Mj中的轨迹角仅为一个,当第二预设个数为2个,那么行驶轨迹M1~Mj中角度小于预设角度的轨迹角的个数小于2个,则将M2这个轨迹点从行驶轨迹M1~Mj中剔除。
针对步骤102的融合轨迹的过程,结合图8所示,包括:
S800:从多个行驶轨迹中选择一个行驶轨迹作为基底轨迹;其中,修正轨迹为多个行驶轨迹除去所述基底轨迹之外的行驶轨迹;
示例性的,以多个行驶轨迹包括车辆终端对应的行驶轨迹和司机终端对应的行驶轨迹为例,当选择车辆终端对应的行驶轨迹作为基底轨迹,司机终端对应的行驶轨迹作为修正轨迹;当选择司机终端对应的行驶轨迹作为基底轨迹,车辆终端对应的行驶轨迹作为修正轨迹。
S801:若基底轨迹中包括的异常轨迹点在基底轨迹中间位置,则将异常轨迹点从基底轨迹中删除,并将修正轨迹中与异常轨迹点具有相同时空的轨迹点,填补到基底轨迹中的异常轨迹点的位置处;
S802:若基底轨迹中包括的异常轨迹点在基底轨迹分界位置,则将修正轨迹中与异常轨迹点具有相同时空的轨迹点到作为分界点的轨迹点之间的轨迹段,填补到基底轨迹中的异常轨迹点的位置处。
再结合图5所示,以基底轨迹K1~Kj和修正轨迹H1~Hi为同一订单的订单行程的行驶轨迹为例,检测出基地轨迹K1~Kj中K10~K20之间的轨迹点为异常轨迹点,那么需要从基地轨迹K1~Kj中将K10~K20之间的轨迹点删除,即删除K10、K11、K12、K13、K14、K15、K16、K17;若修正轨迹中与异常轨迹点具有相同时空的轨迹点为H16、H17、H18、H19、H20、H21、H22、H23,那么将H16~H23填补到K10~K17的位置,形成K1~K9、H16~H23、K21~Kj的融合轨迹。
若检测出基地轨迹K1~Kj中K1点为异常轨迹点,由于K1点为基底轨迹起点,即在基底轨迹分界位置,则修正轨迹中与异常轨迹点具有相同时空的轨迹点为H5,将H1~H4填补到K1之前,即H1、H2、H3、H4填补到K1之前,形成H1~H4,K1~K9、H16~H23、K21~Kj的融合轨迹。
对于修正轨迹中与异常轨迹点具有相同时空的轨迹点的实现方式为:
若基底轨迹中包括的异常轨迹点在基底轨迹中间位置,则将每个行驶轨迹进行划分,得到每个行驶轨迹的多个子轨迹段;并确定每个行驶轨迹中的两两子轨迹段的相似度;
将与所述基底轨迹中的子轨迹段的相似度超过阈值的修正轨迹中的子轨迹段删除;
从删除后的修正轨迹中的子轨迹段中,确定所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点。
其中,若基底轨迹中包括的异常轨迹点在基底轨迹中间位置,可以将异常轨迹点组成异常轨迹段,利用异常轨迹段进行处理。
详细来说,本发明实施例提出可以采用Hosdroff豪斯多夫算法计算相似度。以多个行驶轨迹包括车辆终端对应的行驶轨迹和司机终端对应的行驶轨迹为例,将同一订单行程的车辆终端对应的行驶轨迹和司机终端对应的行驶轨迹进行滑窗处理,得到车辆终端对应的行驶轨迹的多个子轨迹段和司机终端对应的行驶轨迹的多个子轨迹段;将车辆终端的多个子轨迹段和司机终端的多个子轨迹段进行两两组合,得到多个组合;将每个组合中的车辆终端的子轨迹段和司机终端的子轨迹段中的轨迹点的位置组成两个集合,确定每个组合对应的两个集合之间的Hosdroff豪斯多夫距离;Hosdroff豪斯多夫距离表征车辆终端的子轨迹段和司机终端的子轨迹段的相似度;
当司机终端对应的行驶轨迹作为基底轨迹,那么车辆终端对应的行驶轨迹为修正轨迹。判断Hosdroff豪斯多夫距离是否小于距离阈值,如果小于距离阈值,说明两个子轨迹段相似度比较高,即删除属于修正轨迹的子轨迹段,如果大于距离阈值,说明两个子轨迹段相似度比较低,先不做处理。
如果基底轨迹中异常轨迹点组成一条轨迹段,那么删除后的修正轨迹中的轨迹段即为修正轨迹中与基底轨迹中异常轨迹点相同时空的轨迹段,删除后剩下的轨迹点即与基底轨迹中异常轨迹点具有相同时空。
如果基底轨迹中异常轨迹点组成多条轨迹段,那么可以通过多个轨迹段的采集时间,确定修正轨迹中的剩下的轨迹点即与基底轨迹中异常轨迹点具有相同时空。
例如,再结合图2所示,基底轨迹中的异常轨迹点G10~G15组成一条轨迹段,G25~G31组成一条轨迹段,G35~G41组成一条轨迹段,那么G10~G15采集时间为2023年5月1日上午8点17分到8点20分,G25~G31采集时间为2023年5月1日上午8点25分到8点30分,G35~G41采集时间为2023年5月1日上午8点32分到8点42分,那么删除后的修正轨迹中包括三个轨迹段,采集时间如果与2023年5月1日上午8点17分到8点20分相近,那么其为与G10~G15具有相同时空的轨迹段,如果与2023年5月1日上午8点25分到8点30分相近,那么其为与G25~G31具有相同时空的轨迹段,如果与2023年5月1日上午8点32分到8点42分相近,那么其为与G35~G41具有相同时空的轨迹段。
如果是基底轨迹中起点缺失或者尾部缺失,即在基底轨迹分界位置,那么直接找到修正轨迹中与基底轨迹作为起点的轨迹点相同时空的轨迹点之前的轨迹段,填入到基底轨迹中;同样的,如果是基底轨迹中尾部缺失,那么直接找到修正轨迹中与基底轨迹作为终点的轨迹点相同时空的轨迹点之后的轨迹段,填入到基底轨迹中。
需要说明的是,获取的多个行驶轨迹的来源还可以包括乘客终端,即乘客终端对应的行驶轨迹。需要基于司机终端对应的行驶轨迹、车辆终端对应的行驶轨迹、乘客终端对应的行驶轨迹进行融合轨迹;例如,从司机终端对应的行驶轨迹中查找异常轨迹点;从车辆终端对应的行驶轨迹中查找异常轨迹点;从乘客终端对应的行驶轨迹中查找异常轨迹点;若司机终端对应的行驶轨迹中包括两段由异常轨迹点组成的异常轨迹段,车辆终端对应的行驶轨迹中包括两段由异常轨迹点组成的异常轨迹段,乘客终端对应的行驶轨迹中包括一段由异常轨迹点组成的异常轨迹段;将异常轨迹段删除;若从车辆终端对应的行驶轨迹段中找到与司机终端对应的行驶轨迹中第一异常轨迹段相同时空的轨迹段,该轨迹段不是异常轨迹段,那么可以采用该轨迹段填补到司机终端对应的行驶轨迹中;若从车辆终端对应的行驶轨迹中找到与司机终端对应的行驶轨迹中第二异常轨迹段相同时空的轨迹段,该轨迹段是异常轨迹段,查询乘客终端对应的行驶轨迹中找到与司机终端对应的行驶轨迹中第二异常轨迹段相同时空的轨迹段,该轨迹段不是异常轨迹段,那么可以采用乘客终端对应的行驶轨迹中的该轨迹段填补到司机终端对应的行驶轨迹中。
除了上述如图8进行轨迹融合过程之外,寻找的方式可以借助轨迹点的采集时间进行融合处理。具体来说,当多个行驶轨迹来源的终端的时钟同步,那么找到基底轨迹中异常轨迹点起始的轨迹点的采集时间,终止的轨迹点的采集时间,基于上述两个轨迹点的采集时间,找到与该采集时间相同的修正轨迹中的轨迹点,将修正轨迹中找到的轨迹点之间的轨迹,作为修正轨迹中与基底轨迹中异常轨迹点相同时空的轨迹点。
当多个行驶轨迹来源的终端的时钟不同步,当基底轨迹包括的异常轨迹点组成轨迹段时;
根据基底轨迹中异常轨迹段起始的轨迹点的采集时间和位置、时间置信区间、距离置信区间,找到与基底轨迹中异常轨迹段起始的轨迹点具有相同时空的修正轨迹中的轨迹点,即该轨迹点为第一轨迹点;
根据基底轨迹中异常轨迹段终止的轨迹点的采集时间和位置、时间置信区间、距离置信区间,找到与基底轨迹中异常轨迹段终止的轨迹点具有相同时空的修正轨迹中的轨迹点,即该轨迹点为第二轨迹点;
将修正轨迹中第一轨迹点和第二轨迹点之间的轨迹段,填补到基底轨迹中异常轨迹段的位置处。
其中,在根据融合轨迹之后,所述方法还包括:
判断第一距离和第二距离之间的差值是否在预设范围内;其中,第一距离为融合轨迹中两两相邻轨迹点之间的连线距离之和;第二距离为车辆的行驶信息中的订单行程的车辆的累计行驶里程;
若否,则重新根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理。
详细来说,融合轨迹中两两相邻轨迹点之间的连线距离之和,以图2为例,G1和G2为两两相邻轨迹点,G1和G2之间的连线距离;G2和G3为两两相邻轨迹点,G2和G3之间的连线距离,依次类推,一直计算到Gn-1和Gn之间的连续距离,将上述距离之和作为第一距离,与车辆的行驶信息中的订单行程的车辆的累计行驶里程比较相近,则说明融合轨迹是可信的,从而可以基于该融合轨迹进行行驶轨迹融合过程;如果融合轨迹中两两相邻轨迹点之间的连线距离之和,与车辆的行驶信息中的订单行程的车辆的累计行驶里程不相近,说明融合轨迹是不可信的,可以再次重启融合,直到他们之间的距离相近为止。
基于与本发明实施例提供的一种行驶轨迹融合方法相同的发明构思,本发明实施例提供了一种行驶轨迹融合装置,结合图9所示,包括:
获取模块900,用于在车辆到达订单中的目的地之后,获取订单行程的多个行驶轨迹;多个行驶轨迹的来源至少包括司机终端、车辆终端;
处理模块901,用于从每个行驶轨迹中查找异常轨迹点;
生成模块902,用于根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹。
可选的,处理模块901具体用于:从每个行驶轨迹中查找异常轨迹点:
针对每个行驶轨迹,从所述行驶轨迹中查找异常轨迹段,将所述异常轨迹段中的轨迹点作为异常轨迹点;和/或
针对每个行驶轨迹,若所述行驶轨迹中作为分界点的轨迹点的位置和其他行驶轨迹中作为分界点的轨迹点的位置不相同,且所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中,则将所述行驶轨迹中作为分界点的轨迹点作为所述行驶轨迹中的异常轨迹点;其中,所述其他行驶轨迹为获取的多个行驶轨迹中除所述行驶轨迹之外的行驶轨迹;所述行驶轨迹中作为分界点的轨迹点为起点或者终点。
可选的,处理模块901还用于:
根据所述行驶轨迹中作为分界点的轨迹点的采集时间,以及时间置信区间,确定时间范围;
根据所述行驶轨迹中作为分界点的轨迹点的位置,以及距离置信区间,确定位置范围;
若所述其他行驶轨迹中有满足所述时间范围和所述位置范围的轨迹点,则确定所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中。
可选的,处理模块901还用于:
针对每个行驶轨迹,若所述行驶轨迹中包含的角度小于预设角度的轨迹角,的个数小于第二预设个数,则将所述行驶轨迹中包含的角度小于预设角度的轨迹角中,作为顶点的轨迹点从所述行驶轨迹中剔除。
可选的,生成模块902,具体用于:
从多个行驶轨迹中选择一个行驶轨迹作为基底轨迹;其中,修正轨迹为多个行驶轨迹除去所述基底轨迹之外的行驶轨迹;
若所述基底轨迹中包括的异常轨迹点在所述基底轨迹中间位置,则将所述异常轨迹点从所述基底轨迹中删除,并将所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点,填补到所述基底轨迹中的异常轨迹点的位置处;
若所述基底轨迹中包括的异常轨迹点在所述基底轨迹分界位置,则将所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点到作为分界点的轨迹点之间的轨迹段,填补到所述基底轨迹中的异常轨迹点的位置处。
可选的,生成模块902,还用于:若所述基底轨迹中包括的异常轨迹点在所述基底轨迹中间位置,则将每个行驶轨迹进行划分,得到每个行驶轨迹的多个子轨迹段;并确定每个行驶轨迹中的两两子轨迹段的相似度;
将与所述基底轨迹中的子轨迹段的相似度超过阈值的修正轨迹中的子轨迹段删除;
从删除后的修正轨迹中的子轨迹段中,确定所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点。
可选的,生成模块902,还用于:
判断第一距离和第二距离之间的差值是否在预设范围内;其中,所述第一距离为所述融合轨迹中两两相邻轨迹点之间的连线距离之和;所述第二距离为所述车辆的行驶信息中的订单行程的车辆的累计行驶里程;
若否,则重新根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理。
另外,结合图1-图9描述的本发明实施例的一种行驶轨迹融合方法和装置可以由服务器来实现。
服务器,包括:处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如上述介绍的任一项所述的行驶轨迹融合方法。
基于上述的介绍,示例性的,提出了图10的服务器结构。
服务器可以包括处理器1010以及存储有计算机程序指令的存储器1020。
具体地,上述处理器1010可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器1020可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器1020可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器1020可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器1020可在数据处理装置的内部或外部。在特定实施例中,存储器1020是非易失性固态存储器。在特定实施例中,存储器1020包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器1010通过读取并执行存储器1020中存储的计算机程序指令,以实现上述实施例中的任意一种执行任务的方法。
在一个示例中,服务器还可包括通信接口1030和总线1040。其中,如图10所示,处理器1010、存储器1020、通信接口1030通过总线1040连接并完成相互间的通信。
通信接口1030,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线1040包括硬件、软件或两者,将服务器的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线1040可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
示例性的,司机终端在订单行驶过程中每3秒上传一次,一次上传一个轨迹点,将轨迹点换成到服务器中,服务器在行程结束后从缓存里面拿出整个行驶轨迹的所有轨迹点;同样的,车辆终端在订单行驶过程中每3秒上传一次,一次上传一个轨迹点,将轨迹点换成到服务器中,服务器在行程结束后从缓存里面拿出整个行驶轨迹的所有轨迹点;车辆通过can总线获取车辆的累计行驶里程并上传到服务器,服务器接收到两个终端的行驶轨迹后,基于两个行驶轨迹得到融合轨迹,判断融合轨迹和累计行驶里程之间的差值是否在预设范围内,如果在,则计算费用,计算完费用后,服务器将费用发生给乘客终端,乘客终端完成后续支付流程。基于两个行驶轨迹得到融合轨迹的过程参考上述内容。
另外,结合上述实施例中的服务器,本发明实施例可提供一种存储介质,当所述存储介质中的指令由服务器的处理器执行时,使得所述服务器能够执行如上述任一项所述的行驶轨迹融合方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种行驶轨迹融合方法,其特征在于,包括:
在车辆到达订单中的目的地之后,获取订单行程的多个行驶轨迹;多个行驶轨迹的来源至少包括司机终端、车辆终端;
针对每个行驶轨迹,若所述行驶轨迹中作为分界点的轨迹点的位置和其他行驶轨迹中作为分界点的轨迹点的位置不相同,且所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中,则将所述行驶轨迹中作为分界点的轨迹点作为所述行驶轨迹中的异常轨迹点;其中,所述其他行驶轨迹为获取的多个行驶轨迹中除所述行驶轨迹之外的行驶轨迹;所述行驶轨迹中作为分界点的轨迹点为起点或者终点;
根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹;
其中,通过以下方式确定所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中:
根据所述行驶轨迹中作为分界点的轨迹点的采集时间,以及时间置信区间,确定时间范围;
根据所述行驶轨迹中作为分界点的轨迹点的位置,以及距离置信区间,确定位置范围;
若所述其他行驶轨迹中有满足所述时间范围和所述位置范围的轨迹点,则确定所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中。
2.根据权利要求1所述的行驶轨迹融合方法,其特征在于,所述方法还包括:
针对每个行驶轨迹,从所述行驶轨迹中查找异常轨迹段,将所述异常轨迹段中的轨迹点作为异常轨迹点。
3.根据权利要求1所述的行驶轨迹融合方法,其特征在于,将删除后的多个行驶轨迹进行融合处理,得到融合轨迹之前,所述方法还包括:
针对每个行驶轨迹,若所述行驶轨迹中包含的角度小于预设角度的轨迹角,的个数小于第二预设个数,则将所述行驶轨迹中包含的角度小于预设角度的轨迹角中,作为顶点的轨迹点从所述行驶轨迹中剔除。
4.根据权利要求1所述的行驶轨迹融合方法,其特征在于,根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹,包括:
从多个行驶轨迹中选择一个行驶轨迹作为基底轨迹;其中,修正轨迹为多个行驶轨迹除去所述基底轨迹之外的行驶轨迹;
若所述基底轨迹中包括的异常轨迹点在所述基底轨迹中间位置,则将所述异常轨迹点从所述基底轨迹中删除,并将所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点,填补到所述基底轨迹中的异常轨迹点的位置处;
若所述基底轨迹中包括的异常轨迹点在所述基底轨迹分界位置,则将所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点到作为分界点的轨迹点之间的轨迹段,填补到所述基底轨迹中的异常轨迹点的位置处。
5.根据权利要求4所述的行驶轨迹融合方法,其特征在于,通过以下方式确定所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点:
若所述基底轨迹中包括的异常轨迹点在所述基底轨迹中间位置,则将每个行驶轨迹进行划分,得到每个行驶轨迹的多个子轨迹段;并确定每个行驶轨迹中的两两子轨迹段的相似度;
将与所述基底轨迹中的子轨迹段的相似度超过阈值的修正轨迹中的子轨迹段删除;
从删除后的修正轨迹中的子轨迹段中,确定所述修正轨迹中与所述异常轨迹点具有相同时空的轨迹点。
6.根据权利要求1~5任一项所述的行驶轨迹融合方法,其特征在于,根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹之后,所述方法还包括:
判断第一距离和第二距离之间的差值是否在预设范围内;其中,所述第一距离为所述融合轨迹中两两相邻轨迹点之间的连线距离之和;所述第二距离为所述车辆的行驶信息中的订单行程的车辆的累计行驶里程;
若否,则重新根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理。
7.一种行驶轨迹融合装置,其特征在于,包括:
获取模块,用于在车辆到达订单中的目的地之后,获取订单行程的多个行驶轨迹;多个行驶轨迹的来源至少包括司机终端、车辆终端;
处理模块,用于针对每个行驶轨迹,若所述行驶轨迹中作为分界点的轨迹点的位置和其他行驶轨迹中作为分界点的轨迹点的位置不相同,且所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中,则将所述行驶轨迹中作为分界点的轨迹点作为所述行驶轨迹中的异常轨迹点;其中,所述其他行驶轨迹为获取的多个行驶轨迹中除所述行驶轨迹之外的行驶轨迹;所述行驶轨迹中作为分界点的轨迹点为起点或者终点;
生成模块,用于根据所述异常轨迹点在包含所述异常轨迹点的行驶轨迹中的位置,对多个行驶轨迹进行融合处理,得到不包含异常轨迹点的融合轨迹;
其中,通过以下方式确定所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中:
根据所述行驶轨迹中作为分界点的轨迹点的采集时间,以及时间置信区间,确定时间范围;
根据所述行驶轨迹中作为分界点的轨迹点的位置,以及距离置信区间,确定位置范围;
若所述其他行驶轨迹中有满足所述时间范围和所述位置范围的轨迹点,则确定所述行驶轨迹中作为分界点的轨迹点在所述其他行驶轨迹中。
8.一种服务器,其特征在于,包括:
存储器,用于存储计算机程序或指令;
处理器,用于执行所述存储器中的计算机程序或指令,使得如权利要求1-6中任一所述的行驶轨迹融合方法被执行。
9.一种计算机可读存储介质,其特征在于,当所述存储介质中的指令由处理器执行时,使得所述处理器能够执行如权利要求1-6中任一所述的行驶轨迹融合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311119631.0A CN117150431B (zh) | 2023-08-31 | 2023-08-31 | 行驶轨迹融合方法、装置、服务器以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311119631.0A CN117150431B (zh) | 2023-08-31 | 2023-08-31 | 行驶轨迹融合方法、装置、服务器以及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117150431A CN117150431A (zh) | 2023-12-01 |
CN117150431B true CN117150431B (zh) | 2024-06-11 |
Family
ID=88911371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311119631.0A Active CN117150431B (zh) | 2023-08-31 | 2023-08-31 | 行驶轨迹融合方法、装置、服务器以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150431B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3013309B1 (ja) * | 1999-02-19 | 2000-02-28 | 株式会社ゼンリン | ハイブリッド走行軌跡取得方法およびハイブリッド走行軌跡取得システム |
CN105095617A (zh) * | 2014-04-29 | 2015-11-25 | 国际商业机器公司 | 构建对象的目标运动轨迹的缺失部分的方法和设备 |
WO2018099480A1 (zh) * | 2016-12-01 | 2018-06-07 | 中兴通讯股份有限公司 | 车辆行驶轨迹监测方法及系统 |
CN110749319A (zh) * | 2018-12-19 | 2020-02-04 | 北京嘀嘀无限科技发展有限公司 | 一种路线偏移检测的方法、装置和电子设备 |
CN111524350A (zh) * | 2020-04-16 | 2020-08-11 | 廊坊师范学院 | 车路协同异常行驶状况检测方法、系统、终端设备及介质 |
CN111708068A (zh) * | 2020-05-26 | 2020-09-25 | 泰斗微电子科技有限公司 | 目标对象的轨迹确定方法、装置、终端设备及存储介质 |
CN114279432A (zh) * | 2021-12-13 | 2022-04-05 | 阿里云计算有限公司 | 融合定位方法、计算设备及存储介质 |
CN114331475A (zh) * | 2021-12-31 | 2022-04-12 | 杭州海康威视系统技术有限公司 | 一种异常轨迹的识别方法、装置、电子设备及存储介质 |
CN114331476A (zh) * | 2021-12-31 | 2022-04-12 | 杭州海康威视系统技术有限公司 | 一种异常轨迹的识别方法、装置、电子设备及存储介质 |
CN114879695A (zh) * | 2019-05-15 | 2022-08-09 | 百度在线网络技术(北京)有限公司 | 轨迹匹配方法、装置、设备和介质 |
CN115183773A (zh) * | 2022-03-15 | 2022-10-14 | 中电科海洋信息技术研究院有限公司 | 船舶行驶轨迹的获取方法、装置、设备、存储介质和产品 |
CN116150299A (zh) * | 2023-04-21 | 2023-05-23 | 北京航空航天大学 | 一种可信度传播网络指引的多源轨迹关联方法 |
CN116224408A (zh) * | 2023-02-14 | 2023-06-06 | 杭州数知梦科技有限公司 | 一种公交车轨迹偏移程度检测方法、装置及应用 |
-
2023
- 2023-08-31 CN CN202311119631.0A patent/CN117150431B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3013309B1 (ja) * | 1999-02-19 | 2000-02-28 | 株式会社ゼンリン | ハイブリッド走行軌跡取得方法およびハイブリッド走行軌跡取得システム |
CN105095617A (zh) * | 2014-04-29 | 2015-11-25 | 国际商业机器公司 | 构建对象的目标运动轨迹的缺失部分的方法和设备 |
WO2018099480A1 (zh) * | 2016-12-01 | 2018-06-07 | 中兴通讯股份有限公司 | 车辆行驶轨迹监测方法及系统 |
CN110749319A (zh) * | 2018-12-19 | 2020-02-04 | 北京嘀嘀无限科技发展有限公司 | 一种路线偏移检测的方法、装置和电子设备 |
CN114879695A (zh) * | 2019-05-15 | 2022-08-09 | 百度在线网络技术(北京)有限公司 | 轨迹匹配方法、装置、设备和介质 |
CN114879696A (zh) * | 2019-05-15 | 2022-08-09 | 百度在线网络技术(北京)有限公司 | 轨迹匹配方法、装置、设备和介质 |
CN111524350A (zh) * | 2020-04-16 | 2020-08-11 | 廊坊师范学院 | 车路协同异常行驶状况检测方法、系统、终端设备及介质 |
CN111708068A (zh) * | 2020-05-26 | 2020-09-25 | 泰斗微电子科技有限公司 | 目标对象的轨迹确定方法、装置、终端设备及存储介质 |
CN114279432A (zh) * | 2021-12-13 | 2022-04-05 | 阿里云计算有限公司 | 融合定位方法、计算设备及存储介质 |
CN114331475A (zh) * | 2021-12-31 | 2022-04-12 | 杭州海康威视系统技术有限公司 | 一种异常轨迹的识别方法、装置、电子设备及存储介质 |
CN114331476A (zh) * | 2021-12-31 | 2022-04-12 | 杭州海康威视系统技术有限公司 | 一种异常轨迹的识别方法、装置、电子设备及存储介质 |
CN115183773A (zh) * | 2022-03-15 | 2022-10-14 | 中电科海洋信息技术研究院有限公司 | 船舶行驶轨迹的获取方法、装置、设备、存储介质和产品 |
CN116224408A (zh) * | 2023-02-14 | 2023-06-06 | 杭州数知梦科技有限公司 | 一种公交车轨迹偏移程度检测方法、装置及应用 |
CN116150299A (zh) * | 2023-04-21 | 2023-05-23 | 北京航空航天大学 | 一种可信度传播网络指引的多源轨迹关联方法 |
Non-Patent Citations (4)
Title |
---|
Anomalous Trajectory Detection and Classification Based on Difference and Intersection Set Distance;Jingwei Wang 等;《IEEE Transactions on Vehicular Technology》;20200120;第69卷(第3期);2487-2500 * |
一种基于轨迹大数据离线挖掘与在线实时监测的出租车异常轨迹检测算法;韩博洋;汪兆洋;金蓓弘;;《中国科学技术大学学报》;20160315;第46卷(第03期);247-252 * |
出租车GPS轨迹集聚和精细化路网提取;邬群勇;吴祖飞;张良盼;;《测绘学报》;20190415;第48卷(第04期);502-511 * |
轨迹大数据异常检测:研究进展及系统框架;毛嘉莉;金澈清;章志刚;周傲英;;《软件学报》;20161027;第28卷(第01期);17-34 * |
Also Published As
Publication number | Publication date |
---|---|
CN117150431A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2950292B1 (en) | Driving support device, driving support method, and recording medium storing driving support program | |
CN109300312B (zh) | 一种基于车辆大数据的路况分析方法及系统 | |
EP2012088A2 (en) | Road information generating apparatus, road information generating method and road information generating program | |
CN108303075B (zh) | 轨迹生成方法和系统 | |
CN107270925B (zh) | 一种用户车辆导航系统、装置及方法 | |
CN111815742A (zh) | 一种车道线生成方法及系统 | |
CN104515528B (zh) | 基于路段累积概率的单点地图匹配方法 | |
US10535258B2 (en) | Traffic volume determination system, traffic volume determination method, and non-transitory computer-readable storage medium storing traffic volume determination program | |
JP2020003463A (ja) | 自車位置推定装置 | |
CN117150431B (zh) | 行驶轨迹融合方法、装置、服务器以及介质 | |
CN116481560B (zh) | 车辆行驶里程的计算方法、装置、终端及存储介质 | |
CN113837442A (zh) | 校正轨迹震荡路线生成方法、系统、终端设备及存储介质 | |
CN113324560A (zh) | 一种获取车辆里程的方法、系统及计算机可读介质 | |
JP5156040B2 (ja) | 通信装置、dsrcユニット、路側機および車載装置 | |
JP2013030204A (ja) | 車載装置、車両および路側機 | |
CN109754630B (zh) | 确定车辆运营线路的方法和装置 | |
CN113155142A (zh) | 一种确定起点道路的方法和装置 | |
CN111222898A (zh) | 网约车的计程方法及计算机可读存储介质 | |
JP7368628B2 (ja) | 路面評価装置および路面評価方法 | |
KR101843672B1 (ko) | 지도 작성 시스템 및 지도 작성 방법 | |
JP4704718B2 (ja) | 移動情報管理システム、管理装置、管理装置の移動情報管理方法および移動情報管理プログラム | |
KR20140132959A (ko) | 누적 헤딩 변화량을 이용한 맵매칭 시스템 및 방법 | |
CN112686904A (zh) | 车道划分方法、装置、电子设备和存储介质 | |
CN112632204B (zh) | 公交线路的自动绘制方法 | |
CN115733867B (zh) | 一种车载gps数据上传方法、系统及设备 |
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 |