CN117708260B - 一种智慧城市数据联动更新方法及系统 - Google Patents
一种智慧城市数据联动更新方法及系统 Download PDFInfo
- Publication number
- CN117708260B CN117708260B CN202410145915.5A CN202410145915A CN117708260B CN 117708260 B CN117708260 B CN 117708260B CN 202410145915 A CN202410145915 A CN 202410145915A CN 117708260 B CN117708260 B CN 117708260B
- Authority
- CN
- China
- Prior art keywords
- road network
- route
- matching
- fitting
- road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 231100001263 laboratory chemical safety summary Toxicity 0.000 claims abstract 5
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000004138 cluster model Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012217 deletion Methods 0.000 claims description 8
- 230000037430 deletion Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 15
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000005191 phase separation Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智慧城市数据联动更新方法及系统，包括根据智慧城市道路上各种车辆的定位信息和DBSCAN聚类模型得到聚类点，拟合后生成拟合路线；对拟合路线进行区域划分，与数据库的道路路网进行区域匹配；若匹配失败，将该拟合路线作为新的区域路线添加至道路路网中；若匹配成功，基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，若小于第一预设阈值，利用该拟合路线覆盖对应区域的道路路网；进行冲突检测并确定冲突类型，匹配处理策略，以对道路路网修正。本发明对定位点聚类并拟合得到路线，通过区域匹配和相似度计算确定是否需要更新，并结合冲突检测，在确保质量的同时实现了智慧城市路网数据的快速联动更新。
Description
技术领域
本发明涉及数据管理技术领域，尤其涉及一种智慧城市数据联动更新方法及系统。
背景技术
智慧城市大数据包含的数据类型众多，包括人口大数据、社会经济大数据、地理信息大数据、交通信息大数据、环境能源大数据以及公共安全大数据等等。其中，对于地理信息数据的更新管理面临着很多挑战，例如对道路路网的精度和实时性更新都提出了更高的要求。
目前，对于地理信息数据中道路路网的更新的方式一般有两种，一种是基于利用遥感卫星影像技术及时采集和更新道路路网，这种方式虽然更新速度较快，但是成本极高，并不适合大面积的城市作业。第二种是采集车辆的轨迹数据，并采用预设限定好的路线规划模版来对车辆的轨迹数据进行处理，利用人工修正的方式来确定是否需要对路网进行更新，这种方式不仅耗时耗力、且更新精度无法保证。因此，有必要提供一种智慧城市数据联动更新方法，能够在对道路路网更新时，兼顾效率、成本和精度问题。
发明内容
为了解决上述提出的至少一个技术问题，本发明提供种智慧城市数据联动更新方法及系统。
第一方面，本发明提供了一种智慧城市数据联动更新方法，所述方法包括：
获取智慧城市道路上各种车辆的定位信息，将定位信息输入至DBSCAN聚类模型，得到用于表征定位信息的聚类点数据；
对聚类点数据进行拟合得到拟合路线，利用拟合路线对数据库中的道路路网进行更新，包括：
对拟合路线进行区域划分，并与数据库中的道路路网进行区域匹配；
若匹配失败，将当前拟合路线作为新的区域路线添加至所述道路路网中；
若匹配成功，基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，在确定所述相似度小于第一预设阈值时，利用当前拟合路线覆盖对应区域的道路路网；
对更新后的道路路网进行冲突检测并确定冲突类型，根据冲突类型匹配对应的处理策略，利用处理策略对道路路网进行修正。
在一种优选地实施方式中，所述将定位信息输入至DBSCAN聚类模型，包括：
针对定位信息中的GPS参数，选取经度、纬度和距离参数建立地球坐标系中的三维坐标，并计算任意两个坐标之间的距离；
设定DBSCAN聚类模型的聚类参数，所述聚类参数包括同类点的最大距离以及形成聚类的最少点数；
利用DBSCAN聚类模型对每组三维坐标对应的定位点进行聚类。
在一种优选地实施方式中，所述基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，包括：
按照预设间隔从拟合路线上抽取若干个样本点，并在区域中道路路网中寻找与样本点对应的对照点；
计算任意一个样本点与任意一个对照点之间的球面距离，在确定所述球面距离小于第二预设阈值时，将当前的样本点和对照点视作匹配成功；
计算匹配成功的次数占匹配总次数的比例，将所述比例作为拟合路线与对应区域中道路路网的相似度。
在一种优选地实施方式中，所述对更新后的道路路网进行冲突检测并确定冲突类型，包括：
利用扩展四交模型计算更新前和更新后的道路路网的拓扑关系矩阵差；
基于拓扑关系矩阵差确定拓扑冲突类型，包括：
当拓扑关系矩阵差中的所有元素均为0时，确定更新前和更新后的道路路网满足拓扑一致性；
当拓扑关系矩阵差中的元素存在不为0的情况时，确定更新前和更新后的道路路网存在拓扑冲突；所述拓扑冲突类型包括相接型、相离型、不完全穿越型和完全穿越型。
在一种优选地实施方式中，所述处理策略包括延长、分割、删除及顶点位移。
在一种优选地实施方式中，所述对聚类点数据进行拟合得到拟合路线，包括：
将聚类点数据中具有共同边界点的类进行合并，得到路段点数据；
确定路段点数据的起点和方向角度，通过中心点画线法对路段点数据进行画线，得到拼接路段；
基于拼接路段，对错误方向路线和冗余线路进行剔除，对剩余的拼接路段进行线线拼接，得到拟合路线。
在一种优选地实施方式中，在所述将定位信息输入至DBSCAN聚类模型之前，还包括对定位信息进行数据清洗，包括：
将定位信息中的数据格式转换为统一格式，并进行去重和剔除异常数据处理；
所述异常数据包括车辆行驶出现的时间错误、零点漂移、速度变化率异常以及经纬度异常。
第二方面，本发明还提供了一种智慧城市数据联动更新系统，所述系统包括：
聚类模块，用于获取智慧城市道路上各种车辆的定位信息，将定位信息输入至DBSCAN聚类模型，得到用于表征定位信息的聚类点数据；
拟合模块，用于对聚类点数据进行拟合得到拟合路线，利用拟合路线对数据库中的道路路网进行更新，包括：
对拟合路线进行区域划分，并与数据库中的道路路网进行区域匹配；
若匹配失败，将当前拟合路线作为新的区域路线添加至所述道路路网中；
若匹配成功，基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，在确定所述相似度小于第一预设阈值时，利用当前拟合路线覆盖对应区域的道路路网；
更新模块，用于对更新后的道路路网进行冲突检测并确定冲突类型，根据冲突类型匹配对应的处理策略，利用处理策略对道路路网进行修正。
第三方面，本发明还提供了一种电子设备，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，所述电子设备执行如上述第一方面及其任意一种可能实现的方式的智慧城市数据联动更新方法。
第四方面，本发明还提供了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程序，所述计算机程序包括程序指令，所述程序指令当被电子设备的处理器执行时，使所述处理器执行如上述第一方面及其任意一种可能实现的方式的智慧城市数据联动更新方法。
与现有技术相比，本发明的有益效果在于：
1）本发明首先获取智慧城市道路上各种车辆的定位信息，将定位信息输入至DBSCAN聚类模型，得到用于表征定位信息的聚类点数据，对聚类点数据进行拟合得到拟合路线，利用拟合路线对数据库中的道路路网进行更新。通过采集定位信息进行聚类，再拟合车辆轨迹，相比于遥感技术更新方式，能够以更低的成本来获取车辆的行驶轨迹；通过DBSCAN聚类模型能够对于高密度的车辆位置数据，快速准确地将其分离为小集群，相比于人工手动拼接修正的方式，能够更加快速、准确地拟合得到车辆轨迹。
2）本发明在得道拟合路线后，首先对拟合路线进行区域划分，并与数据库中的道路路网进行区域匹配；若匹配失败，将当前拟合路线作为新的区域路线添加至所述道路路网中；若匹配成功，基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，在确定相似度小于第一预设阈值时，利用当前拟合路线覆盖对应区域的道路路网。通过区域匹配，能够对于复杂路线精细划分，能够使得后续计算相似度时可以并行处理，有利于提高匹配的准确度和效率。通过采用LCSS算法计算拟合的车辆轨迹与道路路网的相似度，抗干扰能力强，能够提高计算结果的准确性，进一步确保了路网联动更新操作的准确度。
3）本发明在得到了更新后的道路路网时，还需要对更新后的道路路网进行冲突检测，确定冲突类型，根据冲突类型匹配对应的处理策略，利用处理策略对道路路网进行修正。如此可以避免更新后道路之间存在的拓扑冲突问题，进一步保证了道路更新操作的准确度。
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，而非限制本公开。
附图说明
为了更清楚地说明本发明实施例或背景技术中的技术方案，下面将对本发明实施例或背景技术中所需要使用的附图进行说明。
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1为本发明实施例提供的一种智慧城市数据联动更新方法的流程示意图；
图2为本发明实施例提供的相离型拓扑冲突的结构示意图；
图3为本发明实施例提供的相接型拓扑冲突的结构示意图；
图4为本发明实施例提供的完全穿越型拓扑冲突的结构示意图；
图5为本发明实施例提供的不完全穿越型拓扑冲突的结构示意图；
图6为本发明实施例提供的一种智慧城市数据联动更新系统的结构示意图；
图7为本发明实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“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、产品或设备固有的其他步骤或单元。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
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发明的至少一个实施例中。在说明书中的各个位置出现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。
另外，为了更好地说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样能够实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。
针对智慧城市地理信息大数据的更新工作，目前通常会基于遥感卫星影像技术实时更新，或者采用人工修正方式逐步更新；然而前者成本高昂，不适用大面积更新作业，而后者自动化程度低，不仅效率低下，且操作精度无法保证。为此本发明提供了一种智慧城市数据联动更新方法，能够基于车辆的定位信息快速聚类并拟合生成车辆轨迹，然后将其与数据库中的道路路网进行区域匹配和相似度计算，从而实现对路网的快速联动更新；在更新后通过进行冲突检测，并采用处理策略对冲突位置进行修正，能够进一步确保更新操作的准确度，具有成本低、效率高、精度高等多个优点。
请参阅图1，图1为本发明实施例提供的一种智慧城市数据联动更新方法的流程示意图。如图1所示，一种智慧城市数据联动更新方法，包括以下步骤：
S10、获取智慧城市道路上各种车辆的定位信息，将定位信息输入至DBSCAN聚类模型，得到用于表征定位信息的聚类点数据。
本实施例中，需要获取智慧城市道路上各种车辆的定位信息。道路上行驶的各种车辆包括货车、出租车、公交车、私家车等。 定位信息主要由全球卫星定位系统，即GPS系统采集得到，通过在车辆上安装GPS接收器，接收卫星发送的信号，从而获取车辆的地理位置信息。其中，定位信息的GPS参数包括距离、经度、纬度、高度等信息，GPS参数的精度受到各种因素的影响，例如天气、地形、建筑物的遮挡等。
进一步地，获取精度信息后，需要将其输入至DBSCAN聚类模型，得到用于表征定位信息的聚类点数据。
在一个实施例中，在将定位信息输入至DBSCAN聚类模型之前，还包括对定位信息进行数据清洗，包括：
将定位信息中的数据格式转换为统一格式，并进行去重和剔除异常数据处理；
所述异常数据包括车辆行驶出现的时间错误、零点漂移、速度变化率异常以及经纬度异常。
本实施例中，为了方便数据清洗过程，需要先将定位信息中的数据格式转换为统一格式，例如将所有数据导入Excel表格中，在格式统一后，可以使用“查找选择”功能定位特定格式的数据，如“重复值”、“空值”、“错误”等，如此可进行去重和剔除异常数据操作。此外，还可以通过聚类算法来识别和剔除异常值，例如采用K邻近聚类算法，该算法的核心是未标记样本的类别由距离其最近的k个邻居投票来决定，例如将所有的定位信息作为未标记的数据样本，假设提前已得到标记好的数据集，此时需要遍历已标记的数据集，计算待标记样本和数据集中每个样本的距离，并把距离保存在距离数组中，然后进行排序取距离最近的k个点，最后统计每个类别中k个点的数量，将数量最多的样本作为待标记的样本类别，通过重复操作即可对数据进行分类，从而确定出异常值。
因此，本实施例通过对获取的定位数据进行数据清洗、包括统一格式、去重和剔除异常数据操作，大大提升了原始数据的质量，减少了错误数据对后续更新过程的干扰。
进一步地，将定位信息输入至DBSCAN聚类模型，得到用于表征定位信息的聚类点数据，具体包括：
针对定位信息中的GPS参数，选取经度、纬度和距离参数建立地球坐标系中的三维坐标，并计算任意两个坐标之间的距离；
设定DBSCAN聚类模型的聚类参数，所述聚类参数包括同类点的最大距离以及形成聚类的最少点数；
利用DBSCAN聚类模型对每组三维坐标对应的定位点进行聚类。
需要说明的是，DBSCAN聚类模型的输入主要包括两个参数：邻域参数和样本集，而邻域参数主要由两个参数决定：半径（Eps）和最小点数（MinPts）。
半径：定义了一个以给定点为中心的圆形邻域的范围。如果一个点的半径为Eps的邻域内的点的个数不少于MinPts，那么这个点就被称为核心点。
最小点数：定义了以给定点为中心的邻域内至少需要包含的点数。如果以一个点为中心、半径为Eps的邻域内的点的个数不少于MinPts，那么这个点就被称为核心点。
本实施例中，车辆的位置可以看成各个离散的点，首先根据经度、纬度和距离这三个参数建立地球坐标系中的三维坐标，然后可以根据两点之间的距离公式去计算任意两个坐标之间的距离。
具体地，设定DBSCAN聚类模型的聚类参数，同类点的最大距离Eps的设定需要根据数据集的实际情况来确定，一般可以通过绘制k-距离曲线（k-distance graph）来确定。在k-距离曲线图上，明显的拐点位置对应的就是较好的Eps值。如果Eps值设置过小，大部分数据不能被聚类；如果Eps值设置过大，多个簇和大部分对象会被归并到同一个簇中。
同类点的最小点数MinPts的设定也需要根据数据集的实际情况来确定。一般可以根据待聚类数据的维度（即数据集的特征数）来设定，MinPts≥dim+1，其中dim表示待聚类数据的维度。如果MinPts设置过小，则会导致数据中的稀疏簇被误认为是噪音；如果MinPts设置过大，则会导致密度较大的两个邻近簇被合并为同一簇。
在一个示例性的实施方式中，可以通过以下步骤来设定同类点的最大距离Eps以及形成聚类的最少点数MinPts：
根据采集的定位信息构建的数据集，提取出Eps候选项（按从小到大排列），根据数据集提取出MinPts候选项；
基于候选项，先尝试使用DBSCAN算法进行聚类，如果连续的候选项聚类的类别数目相同，那么选择Eps相对较大的那个作为最终参数输入到DBSCAN算法中；
对于MinPts，如果连续3个Eps候选项聚类的类别数目相同，那么可以认为数据集在这些参数下逐渐收敛，但是具体最好看图像是否收敛，可以选择连续聚类数目相同的那个作为最终参数。
最后设定好参数后，将计算任意两个坐标之间的距离与同类点的最大距离进行比较，在这个范围之内则说明为一簇类，否则将其分到其他簇类。
综上，本实施例通过采用DBSCAN聚类模型，不需要预先确定集群的数量，可以自动识别出聚类的数量和结构，由于DBSCAN可以在噪声的空间数据库中发现任意形状的聚类，因此在处理含有噪声的数据时也具有良好的效果，如此可以针对大量的车辆定位数据实现快速聚类，以生成聚类点数据。
S20、对聚类点数据进行拟合得到拟合路线，利用拟合路线对数据库中的道路路网进行更新，包括：
S201、对拟合路线进行区域划分，并与数据库中的道路路网进行区域匹配；
S2011、若匹配失败，将当前拟合路线作为新的区域路线添加至所述道路路网中；
S2012、若匹配成功，基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，在确定所述相似度小于第一预设阈值时，利用当前拟合路线覆盖对应区域的道路路网；
在一种优选地实施方式中，对聚类点数据进行拟合得到拟合路线，包括：
1）将聚类点数据中具有共同边界点的类进行合并，得到路段点数据；
对聚类结果中有共同边界点的类的角度标识进行判断，得到角度标识结果，并根据角度标识结果对聚类结果中有共同边界点的类进行合并或关系建立，角度标识为聚类结果中全体点的方向标识。
2）确定路段点数据的起点和方向角度，通过中心点画线法对路段点数据进行画线，得到拼接路段；
具体地，根据处理后的路段点数据的起点和方向角度，计算矩形区域；从起点开始计算划定矩形区域内的中心点，依次移动计算，直到处理后的路段点数据的终点，得到拼接路段。优选地，在画线之后，为了保证轨迹整体的相对平滑性，通过高斯滤波方法对路网进行平滑处理。
3）基于拼接路段，对错误方向路线和冗余线路进行剔除，对剩余的拼接路段进行线线拼接，得到拟合路线。
进一步地，利用拟合路线对数据库中的道路路网进行更新，包括：
对拟合路线进行区域划分，并与数据库中的道路路网进行区域匹配。若匹配失败，将当前拟合路线作为新的区域路线添加至道路路网中。
由于拟合后的路线复杂，在将其与数据库中的道路路网进行比对前，应该先将拟合路线进行划分，并匹配到对应的道路路网的区域。例如城市道路路网分6个区域，从A、B、C、D、E、F区域。在获得拟合路线后，先根据道路特征对拟合路线进行区域划分，假设得到了甲、乙、丙、丁4个区域，此时就进行拟合路线子区域与道路路网子区域的匹配。如果发现二者能够完全匹配，例如甲属于A区，乙、丙属于B区，那么对于甲、乙、丙区域的拟合路线先不用处理。假设丁无法匹配A-F六个区域中的任何一个，那么说明此区域路线可能在原来数据库中的道路路网里并不存在，那么此时直接将丁区域的拟合路线添加至原先的道路路网，完成一次更新。
因此，通过这种区域划分和匹配方式，相较于整体路线比较来说可以做到更精细化的匹配过程；而相对于逐条线路比对的方式，这种方式又可以实现初步的、粒度相对大的区域路线匹配，能够进一步提高匹配效率。此外，通过这种划分区域然后进行分区匹配的方式，还能够使得各区域的匹配操作并行处理，大大提高了更新效率。
上述情况是拟合路线中的子区域与道路路网的区域没有匹配成功的情况，因此将子区域路线作为新增路线直接添加到原先的路网数据库中。在一个实施例中，假设区域匹配成功，如上述的甲、乙、丙区域的情况，那么此时则需要进行更细粒度的匹配操作，具体包括：
基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，在确定相似度小于第一预设阈值时，利用当前拟合路线覆盖对应区域的道路路网。
在一种优选地实施方式中，基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，包括：
按照预设间隔从拟合路线上抽取若干个样本点，并在区域中道路路网中寻找与样本点对应的对照点；
计算任意一个样本点与任意一个对照点之间的球面距离，在确定所述球面距离小于第二预设阈值时，将当前的样本点和对照点视作匹配成功；
计算匹配成功的次数占匹配总次数的比例，将所述比例作为拟合路线与对应区域中道路路网的相似度。
需要说明的是，LCSS（最长公共子序列，Longest Common Subsequence）算法是一种用于比较两个序列相似度的方法。它寻找两个序列中的最长子序列，这个子序列不需要在原始序列中连续，但必须保持原有序列中元素的相对顺序。
本实施例中，为了计算拟合路线与对应区域中道路路网的相似度，首先按照预设间隔从拟合路线上抽取若干个样本点，并确定道路路网中的对照点，例如可以在拟合路线和道路路网上按照相同的规则分别选取10个点，然后计算两点之间的球面距离。
进一步地，将计算的球面距离与第二预设阈值比较，若球面距离小于第二预设阈值，说明当前的样本点和对照点视作匹配成功，最后计算匹配成功的次数占匹配总次数的比例。示例性地，假设共有10组计算结果，其中8组匹配成功，那么计算匹配成功的次数占匹配总次数的比例就为80%，此时则认为拟合路线与对应区域中道路路网的相似度为80%，然后将其与第一预设阈值比较，假设第一预设阈值取78%，那么则认为相似度高于第一预设阈值，此时则忽略拟合路线中的细微变化，无需对道路路网进行更新；反之，如果相似度计算结果为50%，那么则小于第一预设阈值78%，此时认为拟合路线与道路路网存在较大的差异，此时应该直接利用当前拟合路线覆盖对应区域的道路路网，以完成更新。
综上所述，本实施例中在进行道路路网的更新时，先进行区域匹配，实现大粒度、效率更高的初步匹配和更新；在二者能够匹配成功时，在进行更细粒度的相似度匹配，以最终确定道路路网是否需要更新，通过这种层次化的路网匹配和更新过程，在保证效率的同时也提高了更新路网的操作精度。
S30、对更新后的道路路网进行冲突检测并确定冲突类型，根据冲突类型匹配对应的处理策略，利用处理策略对道路路网进行修正。
在一个实施例中，对更新后的道路路网进行冲突检测并确定冲突类型，具体包括：
1）利用扩展四交模型计算更新前和更新后的道路路网的拓扑关系矩阵差；
2）基于拓扑关系矩阵差确定拓扑冲突类型，包括：
2.1）当拓扑关系矩阵差中的所有元素均为0时，确定更新前和更新后的道路路网满足拓扑一致性；
2.2）当拓扑关系矩阵差中的元素存在不为0的情况时，确定更新前和更新后的道路路网存在拓扑冲突；所述拓扑冲突类型包括相接型、相离型、不完全穿越型和完全穿越型。
需要说明的是，更新过程中需要记录每条道路的更新状态，以方便历史回溯以及拓扑冲突检测。增量更新中双线道路引起的冲突主要是在单、 双线道路的交汇处。 双线道路已经作为变化信息更新了旧道路数据， 如果与双线道路关联的单线道路也是变化信息，此时单双线道路间的拓扑关系即是正确的，无需进行冲突检测。
首先需要对单、双线道路拓扑关系进行表达，因为不同类型的空间冲突对应着不同的空间目标关系，其表达方式、判断规则、检测方法以及处理手段也有所区别，因此，拓扑关系分类是拓扑冲突检测的基础。
参见图2-5，分别提供了几种拓扑冲突类型结构。通过分析道路数据得到的拓扑冲突类型包括以下几种：
1）相离型：单线道路与双线道路的每一条线都是出于相离状态，如图2所示；
2）相接型：单线道路与双线道路的一条线恰好相接，如图3所示；
3）完全穿越型：单线道路同时穿越了双线道路的两条线，如图4所示；
4）不完全穿越型：单线道路只穿越了双线道路的其中一条，如图5所示。
由于拓扑关系的表达和计算是进行拓扑冲突检测的基础，拓扑模型的选择关系着冲突检测的查全率和正确率，也影响着冲突检测的效率，用于冲突检测的拓扑关系表达模型应满足两个条件：第一，拓扑模型应该能够正确地将冲突与不冲突区分开来；第二，在满足第一个条件的基础上，模型应越简单越好，这样可以降低拓扑关系计算的复杂度，提高检测的效率。因此，为了提高检测效率，本实施例利用扩展四交模型计算更新前和更新后的道路路网的拓扑关系矩阵差，其中四交模型公式为：
；
式中，分别表示双线道路要素和单线道路要素，/>表示双线道路/>的边界，/>表示单线道路/>的两个端点，/>表示双线道路/>的内部区域，/>表示单线道路/>上所有点的集合，四交矩阵中的每个元素取值为空值0或非空值1。
为了能够区分出各种类型的拓扑冲突，本实施例在四交模型的基础上进行了扩展， 以扩展四交模型作为拓扑关系表达的计算模型，表达式如下：
；
式中，分别表示单双线道路，/>表示单双线道路的四交拓扑表达，/>表示单双线道路的公共交点个数，取值为0，1，2；/>表示是否公共点是双线道路的端点，是则取1，否则取0。
如此，根据扩展四交模型，假设为相接型，可以得到对应的扩展四交模型满足：
，简记为（101120），按照该方法可以计算出图2-5中每种道路情况在更新前和更新后的拓扑关系矩阵，将二者作差即可得到拓扑关系矩阵差。
进一地，基于拓扑关系矩阵差确定拓扑冲突类型，包括：
当拓扑关系矩阵差中的所有元素均为0时，确定更新前和更新后的道路路网满足拓扑一致性，此时无需进行冲突处理；
当拓扑关系矩阵差中的元素存在不为0的情况时，确定更新前和更新后的道路路网存在拓扑冲突；其中，拓扑冲突类型包括相接型、相离型、不完全穿越型和完全穿越型，对应的处理策略包括延长、分割、删除及顶点位移中的其中一种或任意几种的组合。具体如下表1所示：
表1拓扑冲突类型及处理策略
| 拓扑关系矩阵差 | 拓扑冲突类型 | 处理策略 |
| （000000） | 符合拓扑一致性 | 无 |
| （101010） | 相接型 | 延长 |
| （00-1100） | 相接型 | 分割、删除 |
| （000001） | 相接型 | 顶点位移 |
| （000110） | 相离型 | 延长 |
| （000111） | 相离型 | 延长 |
| （001011） | 相离型 | 双线顶点位移 |
| （0-10110） | 不完全穿越型 | 延长 |
| （-1-1-1100） | 不完全穿越型 | 延长 |
| （-1-1-1101） | 不完全穿越型 | 分割、删除、双线顶点位移 |
| （000100） | 完全穿越型 | 分割、删除 |
| （-10-11-10） | 完全穿越型 | 分割、删除 |
| （-10-11-11） | 完全穿越型 | 分割、删除、双线顶点位移 |
因此可以计算出道路更新前后的拓扑关系矩阵差，然后确定拓扑冲突类型，最后按照表1匹配对应的处理策略，利用处理策略对道路路网进行修正。
本实施例通过扩展四交模型能够简单明了的表达出道路的拓扑矩阵，通过拓扑关系矩阵差确定拓扑冲突类型，能够快速准确地检测中路网更新后存在的冲突。最后，当确定拓扑冲突类型时还会匹配对应的处理策略，以解决拓扑冲突，进一步保证了更新操作的准确度。
综上所述，本发明实施例提供的智慧城市数据联动更新方法可以实现以下效果：
1）首先获取智慧城市道路上各种车辆的定位信息，将定位信息输入至DBSCAN聚类模型，得到用于表征定位信息的聚类点数据，对聚类点数据进行拟合得到拟合路线，利用拟合路线对数据库中的道路路网进行更新。通过采集定位信息进行聚类，再拟合车辆轨迹，相比于遥感技术更新方式，能够以更低的成本来获取车辆的行驶轨迹；通过DBSCAN聚类模型能够对于高密度的车辆位置数据，快速准确地将其分离为小集群，相比于人工手动拼接修正的方式，能够更加快速、准确地拟合得到车辆轨迹。
2）在得道拟合路线后，首先对拟合路线进行区域划分，并与数据库中的道路路网进行区域匹配；若匹配失败，将当前拟合路线作为新的区域路线添加至所述道路路网中；若匹配成功，基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，在确定相似度小于第一预设阈值时，利用当前拟合路线覆盖对应区域的道路路网。通过区域匹配，能够对于复杂路线精细划分，能够使得后续计算相似度时可以并行处理，有利于提高匹配的准确度和效率。通过采用LCSS算法计算拟合的车辆轨迹与道路路网的相似度，抗干扰能力强，能够提高计算结果的准确性，进一步确保了路网联动更新操作的准确度。
3）在得到了更新后的道路路网时，还需要对更新后的道路路网进行冲突检测，确定冲突类型，根据冲突类型匹配对应的处理策略，利用处理策略对道路路网进行修正。如此可以避免更新后道路之间存在的拓扑冲突问题，进一步保证了道路更新操作的准确度。
参见图6，在一个实施例中，本发明还提供了一种智慧城市数据联动更新系统，所述系统包括：
聚类模块100，用于获取智慧城市道路上各种车辆的定位信息，将定位信息输入至DBSCAN聚类模型，得到用于表征定位信息的聚类点数据；
拟合模块200，用于对聚类点数据进行拟合得到拟合路线，利用拟合路线对数据库中的道路路网进行更新，包括：
对拟合路线进行区域划分，并与数据库中的道路路网进行区域匹配；
若匹配失败，将当前拟合路线作为新的区域路线添加至所述道路路网中；
若匹配成功，基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，在确定所述相似度小于第一预设阈值时，利用当前拟合路线覆盖对应区域的道路路网；
更新模块300，用于对更新后的道路路网进行冲突检测并确定冲突类型，根据冲突类型匹配对应的处理策略，利用处理策略对道路路网进行修正。
可以理解的是，本实施例提供的系统具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本发明某一实施例还提供了一种电子设备，包括：处理器、发送装置、输入装置、输出装置和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，所述电子设备执行如上述任意一种可能实现的方式的方法。
本发明某一实施例还提供了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程序，所述计算机程序包括程序指令，所述程序指令当被电子设备的处理器执行时，使所述处理器执行如上述任意一种可能实现的方式的方法。
请参阅图7，图7为本发明一个实施例提供的一种电子设备的硬件结构示意图。
该电子设备2包括处理器21，存储器22，输入装置23，输出装置24。该处理器21、存储器22、输入装置23和输出装置24通过连接器相耦合，该连接器包括各类接口、传输线或总线等等，本发明实施例对此不作限定。应当理解，本发明的各个实施例中，耦合是指通过特定方式的相互联系，包括直接相连或者通过其他设备间接相连，例如可以通过各类接口、传输线、总线等相连。
处理器21可以是一个或多个图形处理器（graphics processing unit， GPU），在处理器21是一个GPU的情况下，该GPU可以是单核GPU，也可以是多核GPU。可选的，处理器21可以是多个GPU构成的处理器组，多个处理器之间通过一个或多个总线彼此耦合。可选的，该处理器还可以为其他类型的处理器等等，本发明实施例不作限定。
存储器22可用于存储计算机程序指令，以及用于执行本发明方案的程序代码在内的各类计算机程序代码。可选地，存储器包括但不限于是随机存储记忆体（random accessmemory，RAM）、只读存储器（read-only memory，ROM）、可擦除可编程只读存储器（erasableprogrammable read only memory，EPROM）、或便携式只读存储器（compact disc read-only memory，CD-ROM），该存储器用于相关指令及数据。
输入装置23用于输入数据和/或信号，以及输出装置24用于输出数据和/或信号。输入装置23和输出装置24可以是独立的器件，也可以是一个整体的器件。
可理解，本发明实施例中，存储器22不仅可用于存储相关指令，本发明实施例对于该存储器中具体所存储的数据不作限定。
可以理解的是，图7仅仅示出了一种电子设备的简化设计。在实际应用中，电子设备还可以分别包含必要的其他元件，包含但不限于任意数量的输入/输出装置、处理器、存储器等，而所有可以实现本发明实施例的视频解析装置都在本发明的保护范围之内。
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、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。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发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。所属领域的技术人员还可以清楚地了解到，本发明各个实施例描述各有侧重，为描述的方便和简洁，相同或类似的部分在不同实施例中可能没有赘述，因此，在某一实施例未描述或未详细描述的部分可以参见其他实施例的记载。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（digital subscriberline，DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字通用光盘（digital versatiledisc，DVD）)、或者半导体介质（例如固态硬盘（solid state disk ，SSD））等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：只读存储器（read-only memory，ROM）或随机存储存储器（random access memory，RAM）、磁碟或者光盘等各种可存储程序代码的介质。
Claims (8)
1.一种智慧城市数据联动更新方法，其特征在于，所述方法包括：
获取智慧城市道路上各种车辆的定位信息，将定位信息输入至DBSCAN聚类模型，得到用于表征定位信息的聚类点数据；
对聚类点数据进行拟合得到拟合路线，利用拟合路线对数据库中的道路路网进行更新，包括：
对拟合路线进行区域划分，并与数据库中的道路路网进行区域匹配；
若匹配失败，将当前拟合路线作为新的区域路线添加至所述道路路网中；
若匹配成功，基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，在确定所述相似度小于第一预设阈值时，利用当前拟合路线覆盖对应区域的道路路网；
所述基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，包括：
按照预设间隔从拟合路线上抽取若干个样本点，并在区域中道路路网中寻找与样本点对应的对照点；
计算任意一个样本点与任意一个对照点之间的球面距离，在确定所述球面距离小于第二预设阈值时，将当前的样本点和对照点视作匹配成功；
计算匹配成功的次数占匹配总次数的比例，将所述比例作为拟合路线与对应区域中道路路网的相似度；
对更新后的道路路网进行冲突检测并确定冲突类型，根据冲突类型匹配对应的处理策略，利用处理策略对道路路网进行修正，包括：
利用扩展四交模型计算更新前和更新后的道路路网的拓扑关系矩阵差；
基于拓扑关系矩阵差确定拓扑冲突类型，包括：
当拓扑关系矩阵差中的所有元素均为0时，确定更新前和更新后的道路路网满足拓扑一致性；
当拓扑关系矩阵差中的元素存在不为0的情况时，确定更新前和更新后的道路路网存在拓扑冲突；所述拓扑冲突类型包括相接型、相离型、不完全穿越型和完全穿越型。
2.根据权利要求1所述的智慧城市数据联动更新方法，其特征在于，所述将定位信息输入至DBSCAN聚类模型，包括：
针对定位信息中的GPS参数，选取经度、纬度和距离参数建立地球坐标系中的三维坐标，并计算任意两个坐标之间的距离；
设定DBSCAN聚类模型的聚类参数，所述聚类参数包括同类点的最大距离以及形成聚类的最少点数；
利用DBSCAN聚类模型对每组三维坐标对应的定位点进行聚类。
3.根据权利要求1所述的智慧城市数据联动更新方法，其特征在于，所述处理策略包括延长、分割、删除及顶点位移。
4.根据权利要求1所述的智慧城市数据联动更新方法，其特征在于，所述对聚类点数据进行拟合得到拟合路线，包括：
将聚类点数据中具有共同边界点的类进行合并，得到路段点数据；
确定路段点数据的起点和方向角度，通过中心点画线法对路段点数据进行画线，得到拼接路段；
基于拼接路段，对错误方向路线和冗余线路进行剔除，对剩余的拼接路段进行线线拼接，得到拟合路线。
5.根据权利要求1所述的智慧城市数据联动更新方法，其特征在于，在所述将定位信息输入至DBSCAN聚类模型之前，还包括对定位信息进行数据清洗，包括：
将定位信息中的数据格式转换为统一格式，并进行去重和剔除异常数据处理；
所述异常数据包括车辆行驶出现的时间错误、零点漂移、速度变化率异常以及经纬度异常。
6.一种智慧城市数据联动更新系统，其特征在于，所述系统包括：
聚类模块，用于获取智慧城市道路上各种车辆的定位信息，将定位信息输入至DBSCAN聚类模型，得到用于表征定位信息的聚类点数据；
拟合模块，用于对聚类点数据进行拟合得到拟合路线，利用拟合路线对数据库中的道路路网进行更新，包括：
对拟合路线进行区域划分，并与数据库中的道路路网进行区域匹配；
若匹配失败，将当前拟合路线作为新的区域路线添加至所述道路路网中；
若匹配成功，基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，在确定所述相似度小于第一预设阈值时，利用当前拟合路线覆盖对应区域的道路路网；
所述基于LCSS算法计算拟合路线与对应区域中道路路网的相似度，包括：
按照预设间隔从拟合路线上抽取若干个样本点，并在区域中道路路网中寻找与样本点对应的对照点；
计算任意一个样本点与任意一个对照点之间的球面距离，在确定所述球面距离小于第二预设阈值时，将当前的样本点和对照点视作匹配成功；
计算匹配成功的次数占匹配总次数的比例，将所述比例作为拟合路线与对应区域中道路路网的相似度；
更新模块，用于对更新后的道路路网进行冲突检测并确定冲突类型，根据冲突类型匹配对应的处理策略，利用处理策略对道路路网进行修正，包括：
利用扩展四交模型计算更新前和更新后的道路路网的拓扑关系矩阵差；
基于拓扑关系矩阵差确定拓扑冲突类型，包括：
当拓扑关系矩阵差中的所有元素均为0时，确定更新前和更新后的道路路网满足拓扑一致性；
当拓扑关系矩阵差中的元素存在不为0的情况时，确定更新前和更新后的道路路网存在拓扑冲突；所述拓扑冲突类型包括相接型、相离型、不完全穿越型和完全穿越型。
7.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，所述电子设备执行如权利要求1至5任一项所述的智慧城市数据联动更新方法。
8.一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程序，所述计算机程序包括程序指令，所述程序指令当被电子设备的处理器执行时，使所述处理器执行权利要求1至5任一项所述的智慧城市数据联动更新方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410145915.5A CN117708260B (zh) | 2024-02-02 | 2024-02-02 | 一种智慧城市数据联动更新方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410145915.5A CN117708260B (zh) | 2024-02-02 | 2024-02-02 | 一种智慧城市数据联动更新方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117708260A CN117708260A (zh) | 2024-03-15 |
| CN117708260B true CN117708260B (zh) | 2024-04-26 |
Family
ID=90151897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410145915.5A Active CN117708260B (zh) | 2024-02-02 | 2024-02-02 | 一种智慧城市数据联动更新方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117708260B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016028184A1 (en) * | 2014-08-19 | 2016-02-25 | Motorola Solutions, Inc. | Method of and system for determining route speed of a mobile navigation unit movable along a route segment of a route having a plurality of intersections |
| CN106840176A (zh) * | 2016-12-28 | 2017-06-13 | 济宁中科先进技术研究院有限公司 | Gps时空数据增量路网实时更新和轨迹匹配系统 |
| CN107784084A (zh) * | 2017-09-30 | 2018-03-09 | 北京泓达九通科技发展有限公司 | 基于车辆定位数据的路网生成方法及系统 |
| CN107798729A (zh) * | 2017-10-31 | 2018-03-13 | 浙江大学宁波理工学院 | 一种空间实体之间拓扑关系的统一表达模型的构建方法 |
| CN108680163A (zh) * | 2018-04-25 | 2018-10-19 | 武汉理工大学 | 一种基于拓扑地图的无人艇路径搜索系统及方法 |
| CN109756379A (zh) * | 2019-01-11 | 2019-05-14 | 南京航空航天大学 | 一种基于矩阵差分分解的网络性能异常检测与定位方法 |
| CN111462488A (zh) * | 2020-04-01 | 2020-07-28 | 北京工业大学 | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 |
| CN111582582A (zh) * | 2020-05-08 | 2020-08-25 | 西安建筑科技大学 | 一种基于改进ga-pac的仓库拣选路径优化方法 |
| CN115265517A (zh) * | 2022-06-22 | 2022-11-01 | 北京百度网讯科技有限公司 | 一种地图数据的更新方法、装置、设备以及存储介质 |
| CN116363856A (zh) * | 2021-12-23 | 2023-06-30 | 北京嘀嘀无限科技发展有限公司 | 一种用于道路交叉口拓扑结构生成的方法和装置 |
| CN116824868A (zh) * | 2023-08-30 | 2023-09-29 | 国交空间信息技术（北京）有限公司 | 车辆非法停驻点识别及拥堵预测方法、装置、设备及介质 |
-
2024
- 2024-02-02 CN CN202410145915.5A patent/CN117708260B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016028184A1 (en) * | 2014-08-19 | 2016-02-25 | Motorola Solutions, Inc. | Method of and system for determining route speed of a mobile navigation unit movable along a route segment of a route having a plurality of intersections |
| CN106840176A (zh) * | 2016-12-28 | 2017-06-13 | 济宁中科先进技术研究院有限公司 | Gps时空数据增量路网实时更新和轨迹匹配系统 |
| CN107784084A (zh) * | 2017-09-30 | 2018-03-09 | 北京泓达九通科技发展有限公司 | 基于车辆定位数据的路网生成方法及系统 |
| CN107798729A (zh) * | 2017-10-31 | 2018-03-13 | 浙江大学宁波理工学院 | 一种空间实体之间拓扑关系的统一表达模型的构建方法 |
| CN108680163A (zh) * | 2018-04-25 | 2018-10-19 | 武汉理工大学 | 一种基于拓扑地图的无人艇路径搜索系统及方法 |
| CN109756379A (zh) * | 2019-01-11 | 2019-05-14 | 南京航空航天大学 | 一种基于矩阵差分分解的网络性能异常检测与定位方法 |
| CN111462488A (zh) * | 2020-04-01 | 2020-07-28 | 北京工业大学 | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 |
| CN111582582A (zh) * | 2020-05-08 | 2020-08-25 | 西安建筑科技大学 | 一种基于改进ga-pac的仓库拣选路径优化方法 |
| CN116363856A (zh) * | 2021-12-23 | 2023-06-30 | 北京嘀嘀无限科技发展有限公司 | 一种用于道路交叉口拓扑结构生成的方法和装置 |
| CN115265517A (zh) * | 2022-06-22 | 2022-11-01 | 北京百度网讯科技有限公司 | 一种地图数据的更新方法、装置、设备以及存储介质 |
| CN116824868A (zh) * | 2023-08-30 | 2023-09-29 | 国交空间信息技术（北京）有限公司 | 车辆非法停驻点识别及拥堵预测方法、装置、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| GIS线目标间拓扑关系描述的4交差模型;邓敏等;《武汉大学学报信息科学版》;20061130;第31卷(第11期);第945-974页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117708260A (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111862659B (zh) | 一种gps轨迹数据匹配和补全的方法 | |
| CN106840176B (zh) | Gps时空数据增量路网实时更新和轨迹匹配系统 | |
| CN110008413B (zh) | 一种交通出行问题查询方法和装置 | |
| CN101719315B (zh) | 一种基于中间件的动态交通信息采集方法 | |
| CN107798079B (zh) | 基于车辆轨迹数据的路段拼接方法及系统 | |
| CN110909788B (zh) | 一种基于统计聚类的轨迹数据中道路交叉口位置识别方法 | |
| WO2019205020A1 (zh) | 一种路况识别方法、装置及设备 | |
| CN113723715B (zh) | 公交线网自动匹配道路网络方法、系统、设备及存储介质 | |
| CN112215427A (zh) | 一种卡口数据缺失下的车辆行车轨迹重建方法及系统 | |
| CN116797055A (zh) | 一种基于物联网的城市道路规划方法及系统 | |
| WO2021236006A1 (en) | Route deviation quantification and vehicular route learning based thereon | |
| CN116071722A (zh) | 基于路段轨迹的车道几何信息提取方法、系统、设备及介质 | |
| Fu et al. | Density adaptive approach for generating road network from GPS trajectories | |
| Tang et al. | A novel method for road intersection construction from vehicle trajectory data | |
| CN117664168A (zh) | 一种园区车辆导航路径规划方法、介质及系统 | |
| CN116363856A (zh) | 一种用于道路交叉口拓扑结构生成的方法和装置 | |
| CN117708260B (zh) | 一种智慧城市数据联动更新方法及系统 | |
| CN114664104B (zh) | 一种路网匹配方法和装置 | |
| CN114999162B (zh) | 一种道路交通流量获取方法和装置 | |
| CN115578860A (zh) | 城市密集路网环境下车辆出行路径识别方法 | |
| CN114973195A (zh) | 基于多信息融合的车辆追踪方法、装置及系统 | |
| CN114565031A (zh) | 基于经纬度的车队识别方法、装置及计算机设备 | |
| CN116229128A (zh) | 实体图像的聚类处理方法、装置、电子设备及存储介质 | |
| WO2020024206A1 (zh) | 基于dcgan的停车数据修补方法、装置、设备及存储介质 | |
| CN116828397B (zh) | 一种轨迹信息的获取方法、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |