CN117312473A - 基于云计算的大数据信息分析方法与装置 - Google Patents
基于云计算的大数据信息分析方法与装置 Download PDFInfo
- Publication number
- CN117312473A CN117312473A CN202311309507.0A CN202311309507A CN117312473A CN 117312473 A CN117312473 A CN 117312473A CN 202311309507 A CN202311309507 A CN 202311309507A CN 117312473 A CN117312473 A CN 117312473A
- Authority
- CN
- China
- Prior art keywords
- position coordinate
- sub
- coordinate set
- center coordinates
- center
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 46
- 238000012937 correction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000013506 data mapping Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013016 damping Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本申请提供的一种基于云计算的大数据信息分析方法与装置,涉及大数据分析技术领域。该基于云计算的大数据信息分析方法通过确定子位置坐标集合对应的圆心坐标;根据LM算法对子位置坐标集合对应的圆心坐标进行修正,得到修正后的圆心坐标。由于LM算法引入了信赖域和阻尼系数,提高了对子位置坐标集合对应的圆心坐标进行修正的速度,且使用LM算法得到的修正后的圆心坐标的可靠性更高,如此,使得平移后的位置坐标集合的精确度高,进而,使得最后映射到预设的地图上的目标道路的图标的位置的准确度也高,且无需计算位置坐标集合中的所有位置坐标的误差,计算量小。
Description
技术领域
本申请涉及大数据分析技术领域,尤其涉及一种基于云计算的大数据信息分析方法与装置。
背景技术
随着国家经济的发展,城市新区的建设也如火如荼,城市新区的建设离不开道路的开拓建设。在一般情况下,城市新区的道路包括很多路口,如此,道路也包括转弯的弧形弯道。当新建设好一条道路后,可以将道路的位置映射地图上以更新地图。这样一来,司机利用更新地图进行导航时,可以使用新建设的道路规划路线。
目前,将道路的位置映射到地图上的方式为:利用车辆在新修的道路上行驶一遍。这样一来,车辆在行驶的过程中,车载定位装置可以每隔预设采样时刻采集位置坐标。如此,可以采集到道路的位置坐标集合,并根据位置坐标集合将道路的图标映射到地图上的相应位置。然而,由于车载定位装置的精度以及采集环境等问题,采集的位置坐标存在一定的误差,这样导致道路的图标映射到地图上的相应位置也存在一定的误差。
发明内容
本申请提供一种基于云计算的大数据信息分析方法与装置,用于解决现有技术中车载定位装置的精度问题,采集的位置坐标存在一定的误差,导致道路的图标映射到地图上的相应位置也存在一定的误差的问题。
第一方面,本申请提供的一种基于云计算的大数据信息分析方法,包括:
云服务器接收车辆沿目标道路行驶时,每隔预设时长采集的位置坐标,得到位置坐标集合,其中,目标道路包括弧形的弯道路段,位置坐标集合包括弧形的弯道路段对应的子位置坐标集合;
云服务器确定子位置坐标集合对应的圆心坐标;
云服务器根据LM算法对子位置坐标集合对应的圆心坐标进行修正,得到修正后的圆心坐标,其中,LM算法的目标函数为:修正圆心坐标,使得子位置坐标集合中的各个位置坐标到圆心坐标的距离,分别与设定的标准半径的差值之和低于设定的阈值;
云服务器对位置坐标集合进行平移,以使修正后的圆心坐标与预设的圆心坐标重叠;
云服务器根据平移后的位置坐标集合,将目标道路的图标映射到预设的地图上以更新预设的地图。
在一种可能的实施方式中,云服务器确定子位置坐标集合对应的圆心坐标,包括:
云服务器根据LM算法,确定子位置坐标集合中的各个位置坐标到子位置坐标集合对应的圆心坐标的距离,分别与标准半径的差值之和;
云服务器分别判断差值之和是否小于设定的阈值;
当差值之和大于设定的阈值时,云服务器修正子位置坐标集合对应的圆心坐标,并返回执行确定子位置坐标集合中的各个位置坐标到子位置坐标集合对应的圆心坐标的距离,分别与标准半径的差值之和,直到差值之和小于设定的阈值。
在一种可能的实施方式中,云服务器确定子位置坐标集合对应的圆心坐标,包括:
云服务器根据最小二乘法,确定子位置坐标集合对应的圆心坐标。
在一种可能的实施方式中,云服务器根据最小二乘法,确定子位置坐标集合对应的圆心坐标,包括:
云服务器根据子位置坐标集合中的第i个坐标(xi,yi),以及公式:获取F的最小值,并获取最小值下的圆心坐标(A,B)的取值和子位置坐标集合对应的半径R的取值;
其中,F为子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离,与子位置坐标集合对应的半径R的平方差的之和,n为子位置坐标集合中的位置坐标的数量;
云服务器将最小值对应的圆心坐标(A,B)的取值作为子位置坐标集合对应的圆心坐标。
在一种可能的实施方式中,云服务器根据子位置坐标集合中的第i个坐标(xi,yi),以及公式:获取F的最小值,并获取最小值下的圆心坐标(A,B)的取值和子位置坐标集合对应的半径R的取值,包括:
云服务器根据子位置坐标集合中的第i个坐标(xi,yi),
以及算式和μ=(xi-A)2+(yi-B)2-R2=xi2+yi2+Cxi+Dyi+E,得到算式F=∑u2=∑[xi2+yi2+Cxi+Dyi+E]2;
云服务器对算式F=∑u2=∑[xi2+yi2+Cxi+Dyi+E]2求偏导,得到F的最小值,以及最小值对应的圆心坐标,子位置坐标集合对应的半径F为子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离,n为子位置坐标集合中的位置坐标的数量;μ为子位置坐标集合的点到对应的圆心的距离,与子位置坐标集合对应的半径的平方差,F为子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离。
第二方面,本申请提供的一种基于云计算的大数据信息分析装置,包括:
数据接收单元,用于接收车辆沿目标道路行驶时,每隔预设时长采集的位置坐标,得到位置坐标集合,其中,目标道路包括弧形的弯道路段,位置坐标集合包括弧形的弯道路段对应的子位置坐标集合;
圆心确定单元,用于确定弧形的弯道路段的子位置坐标集合对应的圆心坐标;
圆心修正单元,用于根据LM算法对子位置坐标集合对应的圆心坐标进行修正,得到修正后的圆心坐标,其中,LM算法的目标函数为:修正圆心坐标,使得子位置坐标集合中的各个位置坐标到圆心坐标的距离,分别与设定的标准半径的差值之和低于设定的阈值;
数据平移单元,用于对位置坐标集合进行平移,以使修正后的圆心坐标与预设的圆心坐标重叠;
数据映射单元,用于根据平移后的位置坐标集合,将目标道路的图标映射到预设的地图上以更新预设的地图。
在一种可能的实施方式中,圆心修正单元,具体用于根据LM算法,确定子位置坐标集合中的各个位置坐标到子位置坐标集合对应的圆心坐标的距离,分别与标准半径的差值之和;分别判断差值之和是否小于设定的阈值;当差值之和大于设定的阈值时,修正子位置坐标集合对应的圆心坐标,并返回执行确定子位置坐标集合中的各个位置坐标到子位置坐标集合对应的圆心坐标的距离,分别与标准半径的差值之和,直到差值之和小于设定的阈值。
在一种可能的实施方式中,圆心确定单元,具体用于根据最小二乘法,确定子位置坐标集合对应的圆心坐标。
在一种可能的实施方式中,圆心确定单元,具体用于根据子位置坐标集合中的第i个坐标(xi,yi),以及公式:获取F的最小值,并获取最小值下的圆心坐标(A,B)的取值和子位置坐标集合对应的半径R的取值;其中,F为子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离,与子位置坐标集合对应的半径R的平方差的之和,n为子位置坐标集合中的位置坐标的数量;将最小值对应的圆心坐标(A,B)的取值作为子位置坐标集合对应的圆心坐标。
第三方面,本申请提供了一种服务器,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时,使得服务器执行如第一方面提供的方法。
第四方面,本申请还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时,使得计算机执行如第一方面提供的方法。
本申请提供一种基于云计算的大数据信息分析方法与装置,确定子位置坐标集合对应的圆心坐标;根据LM算法对子位置坐标集合对应的圆心坐标进行修正,得到修正后的圆心坐标。由于LM算法引入了信赖域和阻尼系数,提高了对子位置坐标集合对应的圆心坐标进行修正的速度,且使用LM算法得到的修正后的圆心坐标的可靠性更高,如此,使得平移后的位置坐标集合的精确度高,进而,使得最后映射到预设的地图上的目标道路的图标的位置的准确度也高,且无需计算位置坐标集合中的所有位置坐标的误差,计算量小。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的基于云计算的大数据信息分析方法的流程图;
图2为本申请实施例提供的云服务器与车辆的交互示意图;
图3为本申请实施例提供的确定子位置坐标集合A-B对应的圆心坐标的位置示意图;
图4为本申请实施例提供的修正的子位置坐标集合A-B对应的圆心坐标的位置示意图;
图5为本申请实施例提供的对位置坐标集合A-B进行平移,以使修正后的圆心坐标与预设的圆心坐标重叠的示意图;
图6为本申请实施例提供的基于云计算的大数据信息分析方法的功能模块框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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根据本实施例的启示下作出的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面,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。
请参阅图1,本申请实施例提供了一种基于云计算的大数据信息分析方法,应用于云服务器100。如图2所示,云服务器100与行驶在目标道路上的车辆200通信连接,以便进行数据交互。其中,目标道路包括弧形的弯道路段。如图1和图3所示,本申请实施例提供的方法包括:
S101:云服务器100接收车辆200沿目标道路行驶时,每隔预设时长采集的位置坐标,得到位置坐标集合A-B,位置坐标集合A-B包括弧形的弯道路段对应的子位置坐标集合C-D。
可以理解地,这时云服务器200采集的位置坐标集合A-B,由于车载定位装置的精度以及采集环境等问题,采集的位置坐标集合A-B存在一定的误差。
S102:云服务器100确定子位置坐标集合A-B对应的圆心坐标。
具体地,云服务器100根据最小二乘法,确定子位置坐标集合C-D对应的圆心坐标。如图3所示,云服务器100确定子位置坐标集合C-D对应的圆心坐标为O1。
进一步地,S102可以具体包括:
步骤1-1:根据子位置坐标集合中的第i个坐标(xi,yi),
以及算式和μ=(xi-A)2+(yi-B)2-R2=xi2+yi2+Cxi+Dyi+E,得到算式F=∑u2=∑[xi2+yi2+Cxi+Dyi+E]2;对算式F=∑u2=∑[xi2+yi2+Cxi+Dyi+E]2求偏导,得到F的最小值,以及最小值对应的圆心坐标,子位置坐标集合对应的半径/>F为子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离,n为子位置坐标集合中的位置坐标的数量;μ为子位置坐标集合的点到对应的圆心的距离,与子位置坐标集合对应的半径的平方差,F为子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离。
步骤1-2:云服务器100将最小值对应的圆心坐标(A,B)的取值作为子位置坐标集合C-D对应的圆心坐标。
通常地,通过最小二乘法拟合圆心坐标存在一定的误差,因此,需要在后续对拟合时产生的误差进行修正。
S103:云服务器100根据LM算法对子位置坐标集合C-D对应的圆心坐标进行修正,得到修正后的圆心坐标。
其中,LM算法的目标函数为:修正圆心坐标,使得子位置坐标集合C-D中的各个位置坐标到圆心坐标的距离,分别与设定的标准半径的差值之和低于设定的阈值。
具体地,S103可以具体实现为:
步骤2-1:云服务器100根据LM算法,确定子位置坐标集合C-D中的各个位置坐标到子位置坐标集合C-D对应的圆心坐标的距离,分别与标准半径的差值之和。
步骤2-2:云服务器100分别判断差值之和是否小于设定的阈值,如果是,则结束;如果否,则执行S2-3。
步骤2-3:云服务器100修正子位置坐标集合C-D对应的圆心坐标,并返回执行步骤2-1,直到差值之和小于设定的阈值。
这样一来,可以快速的修正子位置坐标集合C-D对应的圆心坐标,以使得修正后的子位置坐标集合C-D对应的圆心坐标,更精确。如图4所示,云服务器100修正后的子位置坐标集合C-D对应的圆心坐标为O2。
S104:云服务器100对位置坐标集合A-B进行平移,以使修正后的圆心坐标与预设的圆心坐标重叠。
这样一来,平移后得到的位置坐标集合A-B的精确度高。如图5所示,对位置坐标集合A-B进行平移后,修正后的圆心坐标O2与预设的圆心坐标O3重叠。其中,预设的圆心坐标O3是工作人员对目标道路的弯道路段进行精确测绘确定的。
其中,位置坐标集合A-B被平移到位置坐标集合A1-B1,位置坐标集合A-B包括的弧形的弯道路段C-D,被平移到位置坐标集合A1-B1的弯道路段C1-D1。可以理解地,由于预设的圆心坐标O3是工作人员对目标道路的弯道路段进行精确测绘确定的,则被平移到位置坐标集合A1-B1也精确,且无需计算位置坐标集合A1-B1中的所有位置坐标的误差,计算量小。
S105:云服务器100根据平移后的位置坐标集合A-B,将目标道路的图标映射到预设的地图上以更新预设的地图。
综上所述,本申请实施例提供一种基于云计算的大数据信息分析方法,确定子位置坐标集合对应的圆心坐标;根据LM算法对子位置坐标集合对应的圆心坐标进行修正,得到修正后的圆心坐标。由于LM算法引入了信赖域和阻尼系数,提高了对子位置坐标集合对应的圆心坐标进行修正的速度,且使用LM算法得到的修正后的圆心坐标的可靠性更高,如此,使得平移后的位置坐标集合的精确度高,进而,使得最后映射到预设的地图上的弯道路段的图标的位置的准确度也高,且无需计算位置坐标集合中的所有位置坐标的误差,计算量小。
请参阅图6,本申请实施例提供了一种基于云计算的大数据信息分析装置600,需要说明的是,本申请实施例所提供的基于云计算的大数据信息分析装置600,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本申请实施例部分未提及之处,可参考上述的实施例中相应内容。具体地,本申请实施例提供的装置600包括:
数据接收单元601,用于接收车辆沿目标道路行驶时,每隔预设时长采集的位置坐标,得到位置坐标集合,其中,目标道路包括弧形的弯道路段,位置坐标集合包括弧形的弯道路段对应的子位置坐标集合;
圆心确定单元602,用于确定弧形的弯道路段的子位置坐标集合对应的圆心坐标;
圆心修正单元603,用于根据LM算法对子位置坐标集合对应的圆心坐标进行修正,得到修正后的圆心坐标,其中,LM算法的目标函数为:修正圆心坐标,使得子位置坐标集合中的各个位置坐标到圆心坐标的距离,分别与设定的标准半径的差值之和低于设定的阈值;
数据平移单元604,用于对位置坐标集合进行平移,以使修正后的圆心坐标与预设的圆心坐标重叠;
数据映射单元605,用于根据平移后的位置坐标集合,将目标道路的图标映射到预设的地图上以更新预设的地图。
在一种可能的实施方式中,圆心修正单元603,具体用于根据LM算法,确定子位置坐标集合中的各个位置坐标到子位置坐标集合对应的圆心坐标的距离,分别与标准半径的差值之和;分别判断差值之和是否小于设定的阈值;当差值之和大于设定的阈值时,修正子位置坐标集合对应的圆心坐标,并返回执行确定子位置坐标集合中的各个位置坐标到子位置坐标集合对应的圆心坐标的距离,分别与标准半径的差值之和,直到差值之和小于设定的阈值。
在一种可能的实施方式中,圆心确定单元602,具体用于根据最小二乘法,确定子位置坐标集合对应的圆心坐标。
在一种可能的实施方式中,圆心确定单元602,具体用于根据子位置坐标集合中的第i个坐标(xi,yi),以及公式:获取F的最小值,并获取最小值下的圆心坐标(A,B)的取值和子位置坐标集合对应的半径R的取值;其中,F为子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离,与子位置坐标集合对应的半径R的平方差的之和,n为子位置坐标集合中的位置坐标的数量;将最小值对应的圆心坐标(A,B)的取值作为子位置坐标集合对应的圆心坐标。
在一种可能的实施方式中,圆心确定单元,具体用于根据子位置坐标集合中的第i个坐标(xi,yi),以及公式:获取F的最小值,并获取最小值下的圆心坐标(A,B)的取值和子位置坐标集合对应的半径R的取值;其中,F为子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离,与子位置坐标集合对应的半径R的平方差的之和,n为子位置坐标集合中的位置坐标的数量;将最小值对应的圆心坐标(A,B)的取值作为子位置坐标集合对应的圆心坐标。
本申请实施例还提供了一种服务器,在硬件层面,该服务器包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该服务器还可能包括其他业务所需要的硬件。例如,该服务器可以是主机。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成用于基于云计算的大数据信息分析装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作图1对应的实施例的方法。
上述如本申请图1所示实施例揭示的基于云计算的大数据信息分析装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(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。可以实现或者执行本申请中的公开的各方法、步骤及逻辑框图。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。结合本申请所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该服务器还可执行图1的方法,并实现基于云计算的大数据信息分析装置在图1所示实施例的功能,本申请在此不再赘述。
当然,除了软件实现方式之外,本申请的服务器并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式服务器执行时,能够使该便携式服务器执行图1所示实施例的方法。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如本申请图1所示的基于云计算的大数据信息分析方法。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种基于云计算的大数据信息分析方法,其特征在于,所述方法包括:
云服务器接收车辆沿目标道路行驶时,每隔预设时长采集的位置坐标,得到位置坐标集合,其中,所述目标道路包括弧形的弯道路段,所述位置坐标集合包括所述弧形的弯道路段对应的子位置坐标集合;
所述云服务器确定所述子位置坐标集合对应的圆心坐标;
所述云服务器根据LM算法对所述子位置坐标集合对应的圆心坐标进行修正,得到修正后的圆心坐标,其中,所述LM算法的目标函数为:修正所述圆心坐标,使得所述子位置坐标集合中的各个位置坐标到所述圆心坐标的距离,分别与设定的标准半径的差值之和低于设定的阈值;
所述云服务器对位置坐标集合进行平移,以使所述修正后的圆心坐标与预设的圆心坐标重叠;
所述云服务器根据平移后的位置坐标集合,将所述目标道路的图标映射到预设的地图上以更新所述预设的地图。
2.根据权利要求1所述的方法,其特征在于,所述云服务器确定所述子位置坐标集合对应的圆心坐标,包括:
所述云服务器根据LM算法,确定所述子位置坐标集合中的各个位置坐标到所述子位置坐标集合对应的圆心坐标的距离,分别与所述标准半径的差值之和;
所述云服务器分别判断所述差值之和是否小于所述设定的阈值;
当所述差值之和大于所述设定的阈值时,所述云服务器修正所述所述子位置坐标集合对应的圆心坐标,并返回执行确定所述子位置坐标集合中的各个位置坐标到所述子位置坐标集合对应的圆心坐标的距离,分别与所述标准半径的差值之和,直到所述差值之和小于所述设定的阈值。
3.根据权利要求1所述的方法,其特征在于,所述云服务器确定所述子位置坐标集合对应的圆心坐标,包括:
所述云服务器根据最小二乘法,确定所述子位置坐标集合对应的圆心坐标。
4.根据权利要求3所述的方法,其特征在于,所述云服务器根据最小二乘法,确定所述子位置坐标集合对应的圆心坐标,包括:
所述云服务器根据子位置坐标集合中的第i个坐标(xi,yi),以及公式:获取F的最小值,并获取所述最小值下的圆心坐标(A,B)的取值和所述子位置坐标集合对应的半径R的取值;
其中,F为所述子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离,与所述子位置坐标集合对应的半径R的平方差的之和,n为所述子位置坐标集合中的位置坐标的数量;
所述云服务器将所述最小值对应的圆心坐标(A,B)的取值作为所述子位置坐标集合对应的圆心坐标。
5.根据权利要求4所述的方法,其特征在于,所述云服务器根据所述子位置坐标集合中的第i个坐标(xi,yi),以及公式: 获取F的最小值,并获取所述最小值下的圆心坐标(A,B)的取值和所述子位置坐标集合对应的半径R的取值,包括:
所述云服务器根据所述子位置坐标集合中的第i个坐标(xi,yi),
以及算式和μ=(xi-A)2+(yi-B)2-R2=xi2+yi2+Cxi+Dyi+E,得到算式F=∑u2=∑[xi2+yi2+Cxi+Dyi+E]2;
所述云服务器对算式F=∑u2=∑[xi2+yi2+Cxi+Dyi+E]2求偏导,得到F的最小值,以及最小值对应的圆心坐标,子位置坐标集合对应的半径F为所述子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离,n为所述子位置坐标集合中的位置坐标的数量;μ为子位置坐标集合的点到对应的圆心的距离,与子位置坐标集合对应的半径的平方差,F为所述子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离。
6.一种基于云计算的大数据信息分析装置,其特征在于,所述装置包括:
数据接收单元,用于接收车辆沿目标道路行驶时,每隔预设时长采集的位置坐标,得到位置坐标集合,其中,所述目标道路包括弧形的弯道路段,所述位置坐标集合包括所述弧形的弯道路段对应的子位置坐标集合;
圆心确定单元,用于确定所述弧形的弯道路段的子位置坐标集合对应的圆心坐标;
圆心修正单元,用于根据LM算法对所述子位置坐标集合对应的圆心坐标进行修正,得到修正后的圆心坐标,其中,所述LM算法的目标函数为:修正所述圆心坐标,使得所述子位置坐标集合中的各个位置坐标到所述圆心坐标的距离,分别与设定的标准半径的差值之和低于设定的阈值;
数据平移单元,用于对位置坐标集合进行平移,以使所述修正后的圆心坐标与预设的圆心坐标重叠;
数据映射单元,用于根据平移后的位置坐标集合,将所述目标道路的图标映射到预设的地图上以更新所述预设的地图。
7.根据权利要求6所述的装置,其特征在于,所述圆心修正单元,具体用于根据LM算法,确定所述子位置坐标集合中的各个位置坐标到所述子位置坐标集合对应的圆心坐标的距离,分别与所述标准半径的差值之和;分别判断所述差值之和是否小于所述设定的阈值;当所述差值之和大于所述设定的阈值时,修正所述所述子位置坐标集合对应的圆心坐标,并返回执行确定所述子位置坐标集合中的各个位置坐标到所述子位置坐标集合对应的圆心坐标的距离,分别与所述标准半径的差值之和,直到所述差值之和小于所述设定的阈值。
8.根据权利要求7所述的装置,其特征在于,所述圆心确定单元,具体用于根据最小二乘法,确定所述子位置坐标集合对应的圆心坐标。
9.根据权利要求8所述的装置,其特征在于,所述圆心确定单元,具体用于根据子位置坐标集合中的第i个坐标(xi,yi),以及公式: 获取F的最小值,并获取所述最小值下的圆心坐标(A,B)的取值和所述子位置坐标集合对应的半径R的取值;其中,F为所述子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离,与所述子位置坐标集合对应的半径R的平方差的之和,n为所述子位置坐标集合中的位置坐标的数量;将所述最小值对应的圆心坐标(A,B)的取值作为所述子位置坐标集合对应的圆心坐标。
10.根据权利要求9所述的装置,其特征在于,所述圆心确定单元,具体用于根据所述子位置坐标集合中的第i个坐标(xi,yi),以及算式和μ=(xi-A)2+(yi-B)2-R2=xi2+yi2+Cxi+Dyi+E,得到算式F=∑u2=∑[xi2+yi2+Cxi+Dyi+E]2;对算式F=∑u2=∑[xi2+yi2+Cxi+Dyi+E]2求偏导,得到F的最小值,以及最小值对应的圆心坐标/>子位置坐标集合对应的半径/> F为所述子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离,n为所述子位置坐标集合中的位置坐标的数量;μ为子位置坐标集合的点到对应的圆心的距离,与子位置坐标集合对应的半径的平方差,F为所述子位置坐标集合中的各个位置坐标到对应的圆心坐标的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311309507.0A CN117312473A (zh) | 2023-10-11 | 2023-10-11 | 基于云计算的大数据信息分析方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311309507.0A CN117312473A (zh) | 2023-10-11 | 2023-10-11 | 基于云计算的大数据信息分析方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117312473A true CN117312473A (zh) | 2023-12-29 |
Family
ID=89236905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311309507.0A Pending CN117312473A (zh) | 2023-10-11 | 2023-10-11 | 基于云计算的大数据信息分析方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117312473A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082562A (zh) * | 2021-03-15 | 2022-09-20 | 华为技术有限公司 | 一种外参标定方法、装置、设备、服务器及车载计算设备 |
CN116401326A (zh) * | 2021-12-28 | 2023-07-07 | 丰图科技(深圳)有限公司 | 道路标识的更新方法及装置 |
CN116797527A (zh) * | 2023-02-17 | 2023-09-22 | 中国铁建股份有限公司 | 钢轨磨耗检测方法、装置、服务器及存储介质 |
-
2023
- 2023-10-11 CN CN202311309507.0A patent/CN117312473A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082562A (zh) * | 2021-03-15 | 2022-09-20 | 华为技术有限公司 | 一种外参标定方法、装置、设备、服务器及车载计算设备 |
CN116401326A (zh) * | 2021-12-28 | 2023-07-07 | 丰图科技(深圳)有限公司 | 道路标识的更新方法及装置 |
CN116797527A (zh) * | 2023-02-17 | 2023-09-22 | 中国铁建股份有限公司 | 钢轨磨耗检测方法、装置、服务器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115200604B (zh) | 转弯路径规划方法、设备、车辆及存储介质 | |
CN112731334A (zh) | 一种激光定位车辆的方法及装置 | |
CN113609148A (zh) | 一种地图更新的方法和装置 | |
CN114547222A (zh) | 语义地图构建方法、装置及电子设备 | |
CN107688189B (zh) | 一种gps经纬度坐标的校准方法、装置和移动运动设备 | |
CN114114369B (zh) | 自动驾驶车辆定位方法和装置、电子设备和存储介质 | |
CN115617042A (zh) | 碰撞检测方法及装置、终端设备、计算机可读存储介质 | |
CN113804214B (zh) | 车辆定位方法、装置及电子设备、计算机可读存储介质 | |
CN112284401B (zh) | 一种数据处理的方法和装置 | |
CN117312473A (zh) | 基于云计算的大数据信息分析方法与装置 | |
CN116106869A (zh) | 自动驾驶车辆的定位评价方法、装置及电子设备 | |
CN116740680A (zh) | 一种车辆定位方法、装置及电子设备 | |
CN116385999A (zh) | 一种停车位的识别方法、装置及设备 | |
CN116152347A (zh) | 一种车载摄像头安装姿态角标定方法及系统 | |
CN116182862A (zh) | 道路边界确定方法、装置、电子设备以及存储介质 | |
CN116164763A (zh) | 目标航向角确定方法、装置及电子设备、存储介质 | |
CN114910083A (zh) | 定位方法以及定位装置、电子设备、存储介质 | |
CN109631925B (zh) | 主辅路确定方法、装置、存储介质及电子设备 | |
CN112712561A (zh) | 一种建图方法、装置、存储介质及电子设备 | |
CN115824234B (zh) | 地图匹配方法、装置及电子设备 | |
CN109425353B (zh) | 主辅路转移识别方法及装置 | |
CN117572335B (zh) | 激光定位置信度的更新方法、装置及电子设备 | |
CN116256780B (zh) | 高架桥区域的车辆定位方法、装置及电子设备、存储介质 | |
US20180018513A1 (en) | Method, System and Computer Program for Automatically Detecting Traffic Circles on Digital Maps | |
CN115795070B (zh) | 检测地图过期路牌的方法、装置、电子设备和存储介质 |
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 |