KR20210087004A - 교통 데이터의 처리 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 제품 - Google Patents
교통 데이터의 처리 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 제품 Download PDFInfo
- Publication number
- KR20210087004A KR20210087004A KR1020210080406A KR20210080406A KR20210087004A KR 20210087004 A KR20210087004 A KR 20210087004A KR 1020210080406 A KR1020210080406 A KR 1020210080406A KR 20210080406 A KR20210080406 A KR 20210080406A KR 20210087004 A KR20210087004 A KR 20210087004A
- Authority
- KR
- South Korea
- Prior art keywords
- road
- data
- vehicle
- traffic data
- traffic
- Prior art date
Links
- 238000012545 processing Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004590 computer program Methods 0.000 title claims description 13
- 230000008569 process Effects 0.000 claims description 7
- 238000003058 natural language processing Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/387—Organisation of map data, e.g. version management or database structures
- G01C21/3874—Structures specially adapted for data searching and retrieval
-
- G06Q50/30—
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
- G08G1/09675—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where a selection from the received information takes place in the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
- G08G1/096844—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is dynamically recomputed based on new data
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Atmospheric Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Operations Research (AREA)
Abstract
본 개시는 교통 데이터의 처리 방법, 장치, 설비, 매체 및 제품을 개시하며, 지능형 교통, 딥러닝, 자연 언어 처리 등의 분야에 관한 것이다. 교통 데이터의 처리 방법은, 차량의 현재 위치 정보, 복수의 교통 대상의 위치 정보와 특징 정보를 포함하는 차량에 대한 초기 교통 데이터를 획득하는 것;차량의 현재 위치 정보와 복수의 교통 대상의 위치 정보 사이의 상대 위치 관계를 결정하는 것; 적어도 하나의 교통 데이터 집합에 기반하여 차량을 위하여 네비게이션을 진행하도록 하기 위해, 특징 정보와 상대 위치 관계중의 적어도 하나에 기반하여 초기 교통 데이터를 처리하여 적어도 하나의 교통 데이터집합을 획득하는 것을 포함한다.
Description
본 개시는 컴퓨터 기술 분야, 특히 스마트 교통, 딥러닝, 자연 언어 처리 등 분야에 관한 것으로, 보다 구체적으로는, 교통 데이터의 처리 방법, 교통 데이터의 처리 장치, 전자 기기, 매체 및 프로그램 제품에 관한 것이다.
차량 운전 과정에서 통상적으로 차량 자체의 데이터와 도로 상황 데이터를 기반으로 차량의 운전 상황을 분석하여 차량을 위하여 네비게이션을 진행하도록 하게 한다. 하지만, 관련 기술중에 네비게이션 분석에 사용되는 데이터가 많고 난잡하여, 차량의 운전 상황 분석에 불리하며, 따라서 차량을 위해 진행하는 네비게이션의 정확성이 비교적 낮게 된다.
본 개시는 교통 데이터의 처리 방법, 장치, 전자 기기, 저장 매체 및 프로그램 제품을 제공한다.
본 개시의 일 측면에 따르면, 교통 데이터의 처리 방법을 제공하며, 교통 데이터의 처리 방법은, 차량의 현재 위치 정보, 복수의 교통 대상의 위치 정보와 특징 정보를 포함하는 차량에 대한 초기 교통 데이터를 획득하는 것; 상기 차량의 현재 위치 정보와 상기 복수의 교통 대상의 위치 정보 사이의 상대 위치 관계를 결정하는 것; 및 적어도 하나의 교통 데이터 집합에 기반하여 상기 차량을 위하여 네비게이션을 진행하도록 하기 위해, 상기 특징 정보와 상기 상대 위치 관계중의 적어도 하나에 기반하여 초기 교통 데이터를 처리하여 상기 적어도 하나의 교통 데이터 집합을 획득하는 것을 포함한다.
본 개시의 다른 측면에 따르면, 획득 모듈, 결정 모듈 및 처리 모듈을 포함하는 교통 데이터의 처리 장치를 제공한다. 여기서, 획득 모듈은 차량에 대한 초기 교통 데이터를 획득하기 위한 것이며, 상기 초기 교통 데이터는 차량의 현재 위치 정보, 복수의 교통 대상의 위치 정보와 특징 정보를 포함한다. 결정 모듈은 상기 차량의 현재 위치 정보와 상기 복수의 교통 대상의 위치 정보 사이의 상대 위치 관계를 결정하기 위한 것이다. 처리 모듈은 적어도 하나의 교통 데이터 집합에 기반하여 상기 차량을 위하여 네비게이션을 진행하도록 하기 위해, 특징 정보와 상기 상대 위치 관계 중의 적어도 하나에 기반하여 상기 초기 교통 데이터를 처리하여 상기 적어도 하나의 교통 데이터 집합을 획득하기 위한 것이다.
본 개시의 다른 측면에 따르면, 적어도 하나의 프로세서 및 상기 적어도 하나의 프로세서와 통신 연결된 메모리를 포함하는 전자 기기를 제공한다. 여기서, 상기 메모리는 적어도 하나의 프로세서에 의해 실행 가능한 명령어를 저장하고, 상기 명령어는 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서로 하여금 상술한 교통 데이터의 처리 방법을 실행할 수 있게 한다.
본 개시의 다른 측면에 따르면, 컴퓨터로 하여금 상술한 교통 데이터의 처리 방법을 실행하게 하기 위한 컴퓨터 명령어가 저장되어 있는 비휘발성 컴퓨터 판독 가능 저장 매체를 제공한다.
본 개시의 다른 측면에 따르면, 프로세서에 의해 실행시에 상술한 교통 데이터의 처리 방법을 구현하는 컴퓨터 프로그램을 포함하는 컴퓨터 프로그램 제품을 제공한다.
이 부분에서 설명하는 내용은 본 개시의 실시예의 핵심 또는 중요한 특징들을 표시하기 위한 것이 아니며, 본 개시의 범위를 한정하는데 사용하지 않는다는 것을 이해해야 한다. 본 개시의 기타 특징은 아래의 명세서를 통해 쉽게 이해할 수 있게 될 것이다.
도면은 본 방안을 보다 잘 이해 하는데 사용되며, 본 출원에 대한 한정이 되지 않는다. 그중에,
도 1은 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법의 적용 장면을 나타낸 개략도이며,
도 2는 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법의 흐름도이며,
도 3은 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법의 개략도이며,
도 4는 본 개시의 일 실시예에 따른 제1 교통 데이터 집합을 획득하는 흐름도이며,
도 5는 본 개시의 일 실시예에 따른 제2 교통 데이터 집합을 획득하는 흐름도이며,
도 6은 본 개시의 일 실시예에 따른 제3 교통 데이터 집합을 획득하는 흐름도이며,
도 7은 본 개시의 일 실시예에 따른 상대 방향을 획득하는 개략도이며,
도 8은 본 개시의 일 실시예에 따른 시작 방향을 획득하는 개략도이며,
도 9는 본 개시의 일 실시예에 따른 종료 방향을 획득하는 개략도이며,
도 10은 본 개시의 일 실시예에 따른 인접 도로의 개략도이며,
도 11은 본 개시의 일 실시예에 따른 교통 데이터의 처리 장치의 블록도이며,
도 12는 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법에 사용하는 전자 기기의 블록도이다.
도 1은 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법의 적용 장면을 나타낸 개략도이며,
도 2는 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법의 흐름도이며,
도 3은 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법의 개략도이며,
도 4는 본 개시의 일 실시예에 따른 제1 교통 데이터 집합을 획득하는 흐름도이며,
도 5는 본 개시의 일 실시예에 따른 제2 교통 데이터 집합을 획득하는 흐름도이며,
도 6은 본 개시의 일 실시예에 따른 제3 교통 데이터 집합을 획득하는 흐름도이며,
도 7은 본 개시의 일 실시예에 따른 상대 방향을 획득하는 개략도이며,
도 8은 본 개시의 일 실시예에 따른 시작 방향을 획득하는 개략도이며,
도 9는 본 개시의 일 실시예에 따른 종료 방향을 획득하는 개략도이며,
도 10은 본 개시의 일 실시예에 따른 인접 도로의 개략도이며,
도 11은 본 개시의 일 실시예에 따른 교통 데이터의 처리 장치의 블록도이며,
도 12는 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법에 사용하는 전자 기기의 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 예시적인 실시예를 상세히 설명하기로 한다. 이해를 돕기 위하여 그 중에는 본 출원의 실시예의 다양한 세부사항이 포함되어 있으며, 이들을 단지 예시적인 것으로 간주해야 한다. 따라서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 출원의 범위 및 사상을 벗어나는 것이 없이 여기서 설명된 실시예에 대해 다양한 변경 및 수정을 진행할 수 있음을 인식해야 한다. 마찬가지로, 명확하고 간결하기 위하여, 아래 설명중에는 공지 기능 또는 구성에 대한 설명은 생략하도록 한다.
여기에서 사용하는 용어는 단지 구체적인 실시예를 설명하기 위한 것으로, 본 개시를 제한하려는 것이 아니다. 여기서 사용하는 "포괄", "포함"등의 용어는 상기 특징, 스텝, 조작 및/또는 부품의 존재를 나타내지만, 하나 또는 하나이상의 다른 특징, 스텝, 조작 또는 부품의 존재 또는 추가를 제외하지 않는다.
여기에서 사용하는 모든 용어(기술 및 과학 용어를 포함)는 달리 정의되지 않는 한, 당업자가 일반적으로 이해하는 의미를 갖는다. 여기서 사용하는 용어는 본 명세서의 문맥과 일치하는 의미를 갖는 것으로 해석되어야 하며, 이상화되거나 지나치게 융통성 없는 방식으로 해석되어서는 안 된다는 점에 유의해야 한다.
"A, B 및 C 등 중의 적어도 하나"와 유사한 표현을 사용하는 경우, 일반적으로 말하면 당업자가 일반적으로 이해하는 표현의 의미(예를 들면, "A, B 및 C중의 적어도 하나를 구비한 시스템"에는 단독으로 A를 구비, 단독으로 B를 구비, 단독으로 C를 구비, A와 B를 구비, A와 C를 구비, B와 C를 구비 및/또는 A, B, C를 구비한 시스템 등을 포함하지만 이에 제한되지는 않는다. )로 해석해야 한다.
본 개시의 실시예는 교통 데이터의 처리 방법을 제공하며, 교통 데이터의 처리 방법은 차량에 대한 초기 교통 데이터를 획득하는 것을 포함하며, 여기서, 초기 교통 데이터는 차량의 현재 위치 정보, 복수의 교통 대상의 위치 정보와 특징 정보를 포함한다. 그리고, 차량의 현재 위치 정보와 복수의 교통 대상의 위치 정보 사이의 상대 위치 관계를 결정한다. 그리고, 적어도 하나의 교통 데이터 집합에 기반하여 차량을 위하여 네비게이션을 진행하도록 하기 위해, 특징 정보와 상대위치 관계 중의 적어도 하나에 기반하여 초기 교통 데이터를 처리하여 적어도 하나의 교통 데이터 집합을 획득한다.
도 1은 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법의 적용 장면을 나타낸 개략도이다.
도 1에 도시된 적용 장면(100)에 따르면, 본 개시의 실시예에 따른 교통 데이터의 처리 방법은 예를 들면 전자 기기에 의해 실행될 수 있다. 전자 기기는 스마트 폰, 컴퓨터, 서버 등을 포함할 수 있다. 일부 예시에서, 전자 기기는 차량의 자동차 시스템을 포함할 수 있으며, 해당 자동차 시스템은 데이터 처리 기능을 구비한다.
본 개시의 실시예에서, 전자 기기는 예를 들면 복수의 데이터 소스로부터의 초기 교통 데이터(110)를 획득한다. 복수의 데이터 소스는 차량 센서, 서버 등을 포함하지만 여기에 한정되지 않는다. 여기서, 차량 센서는 예를 들면 차량에 설치된 위치 센서, 속도 센서, 이미지 센서 등을 포함한다. 서버는 예를 들면, 대량의 교통 데이터가 저장되어 있는 클라우드 서버 등을 포함한다.
본 개시의 실시예에서, 전자 기기는 차량 센서로부터 차량에 대한 초기 교통 데이터(110)를 획득하거나 서버로부터 차량에 대한 초기 교통 데이터(110)를 획득할 수 있다. 초기 교통 데이터(110)는 복수의 유형의 교통 데이터를 포함하고, 이러한 유형의 교통 데이터가 혼잡하기 때문에, 초기 교통 데이터(110)에 대하여 분석을 진행하여 차량을 위하여 네비게이션을 진행하기 어렵게 한다.
따라서, 본 발명의 실시예는 초기 트래픽 데이터(110)에 대한 처리를 통하여 교통 데이터 집합(120)을 획득하며, 교통 데이터 집합(120)은 복수의 교통 데이터 집합(121, 122, 123)을 포함하며, 복수의 교통 데이터 집합(121, 122, 123) 중의 각 교통 데이터 집합은 하나의 유형의 데이터 집합이다.
복수의 교통 데이터 집합(121, 122, 123)을 획득한 후, 내비게이션 모델(130)로 하여금 네비게이션 정보(140)를 출력하게 하기 위해, 복수의 교통데이터 집합(121, 122, 123)을 각각 내비게이션 모델(130)에 입력하여 분석 처리를 진행하고, 차량은 네비게이션 정보(140)에 기반하여 네비게이션을 진행할 수 있다. 여기서, 내비게이션 모델(130)은 딥러닝 모델일 수 있다.
본 개시의 실시예에서, 초기 교통 데이터에 대하여 처리를 진행하여 복수의 교통 데이터 집합을 획득함으로써, 네비게이션 모델이 복수의 교통 데이터집합에 대하여 분석을 진행하는 것을 용이하게 하고, 네비게이션 모델의 분석 정확성을 향상시켜 네비게이션의 효과를 향상시킨다.
본 개시의 실시예에서는 교통 데이터의 처리 방법을 제공하였으며, 아래 도 1의 적용 장면과 결합하고, 도 2 내지 도 10을 참조하여 본 개시의 예시적 실시방식에 따른 교통 데이터의 처리 방법을 설명한다.
도 2는 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법의 흐름도이다.
도 2에 도시된 바와 같이, 본 개시의 실시예에 따른 교통 데이터의 처리방법(200)은 예를 들면, 동작 S210 내지 동작 S230을 포함할 수 있다.
동작 S210에서, 차량에 대한 초기 교통 데이터를 획득하며, 여기서, 초기 교통 데이터는 차량의 현재 위치 정보, 복수의 교통 대상의 위치 정보와 특징 정보를 포함한다.
동작 S220에서, 차량의 현재 위치 정보와 복수의 교통 대상의 위치 정보 사이의 상대 위치 관계를 결정한다.
동작 S230에서, 적어도 하나의 교통 데이터 집합에 기반하여 차량을 위하여 네비게이션을 진행하도록 하기 위해, 특징 정보와 상대 위치 관계 중의 적어도 하나에 기반하여 초기 교통 데이터를 처리하여 적어도 하나의 교통 데이터 집합을 획득한다.
본 개시의 실시예에서, 초기 교통 데이터는 예를 들면 차량 센서로부터의 데이터 및 서버로부터의 데이터를 포함한다.
차량 센서로부터의 데이터는 차량 데이터를 포함할 수 있고, 차량 데이터는 차량의 현재 위치 정보를 포함할 수 있다. 서버의 데이터는 차량 주변의 도로 상황 데이터를 포함할 수 있으며, 도로 상황 데이터는 복수의 교통 대상의 대상 데이터를 포함하고, 대상 데이터는 예를 들면 위치 정보 및 속성 정보 등을 포함하고, 속성 정보는 교통 대상의 식별자를 포함할 수 있다. 교통대상은 도로, 관심점 등을 포함하나 여기에 한정하지 않는다. 관심점은 학교, 은행, 참조, 주유소, 병원, 슈퍼마켓 등을 포함한다.
예시적으로, 차량은 차량의 현재 위치 정보를 서버로 전송할 수 있고, 서버는 차량의 현재 위치 정보에 따라 차량 주변의 도로 상황 데이터를 차량으로 전송할 수 있다.
본 개시의 실시예에서, 초기 교통 데이터는 특징 정보도 포함할 수 있으며, 해당 특징 정보는 예를 들면 결정 데이터의 유형을 표징한 것이다. 예를 들면, 초기 교통 데이터가 "차량의 현재 위치는 A위치"를 포함하는 것을 예로 들면, 해당 초기 교통 데이터의 특징 정보는 예를 들어 "차량의 현재 위치"를 포함하며, 해당 특징 정보에 기반하여 초기 교통 데이터의 "차량의 현재 위치는 A위치"의 유형을 알 수 있다.
초기 교통 데이터 중에 복수의 유형의 데이터를 포함함으로 인해, 해당 초기교통 데이터가 많고 난잡하게 되어, 네비게이션의 분석 진행에 불리하다. 따라서, 차량이 초기 교통 데이터를 획득한 후, 우선 차량의 현재 위치 정보와 복수의 교통 대상의 위치 정보 사이의 상대 위치 관계를 결정할 수 있으며, 복수의 교통 데이터 집합을 획득하기 위해, 상대 위치 관계와 특징 정보를 기반으로 초기 교통 데이터를 처리하며, 각 교통 데이터 집합 중의 데이터는 예를 들면 동일 유형의 데이터이다.
예를 들면, 하나의 교통 데이터 집합은 차량 자체의 데이터와 차량이 위치해 있는 현재 도로의 도로 데이터를 포함할 수 있으며, 이 교통 데이터 집합 중의 데이터와 차량의 연관성이 비교적 높다. 다른 하나의 교통 데이터 집합은 차량이 위치해 있는 현재 도로와 인접하는 인접 도로의 도로 데이터를 포함할 수 있으며, 이 교통 데이터 집합 중의 데이터와 차량의 연관성이 살짝 낮다. 또 다른 하나의 교통 데이터 집합은 차량과 거리가 비교적 먼 도로의 도로 데이터를 포함할 수 있으며, 해당 교통 데이터 집합중의 데이터와 차량의 연관성이 비교적 낮다.
본 개시의 실시예에서, 초기 교통 데이터에 대하여 처리를 진행함으로써, 복수의 교통 데이터 집합을 획득하며, 각 교통 데이터 집합와 차량의 관련성이 다르다. 복수의 교통 데이터 집합을 획득한 후, 차량을 위하여 네비게이션을 진행하도록 하기 위하여 복수의 교통 데이터 집합을 분석 처리할 수 있다. 복수의 교통 데이터 집합이 다른 유형의 데이터이기 때문에, 복수의 교통 데이터 집합에 기반하여 데이터의 분석과 처리를 진행하기가 용이하며, 따라서 데이터 분석 처리의 효율과 정확도를 향상시키며, 차량을 위하여 진행하는 네비게이션의 효과를 향상시킨다.
도 3은 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법의 개략도이다.
도 3에 도시된 바와 같이, 예를 들면 초기 교통 데이터(310)에 대하여 처리를 진행하여 복수의 교통 데이터 집합을 획득한다. 복수의 교통 데이터 집합은 예를 들면 제1 교통 데이터 집합(331), 제2 교통 데이터 집합(332) 및 제3 교통 데이터 집합(333)을 포함한다.
구체적으로, 우선 초기 교통 데이터(310)에 대하여 데이터 분류를 진행하고, 초기 교통 데이터(310)는 제1 유형(321), 제2 유형(322) 및 제3 유형(323)으로 구분된다.
여기서, 제1 유형(321)에는 예를 들면 차량 자체의 데이터와 차량이 위치해 있는 현재 도로의 도로 데이터 등이 포함된다. 제2 유형(322)에는 예를 들면 차량이 위치해 있는 현재 도로와 인접하는 인접 도로의 도로 데이터가 포함된다. 제3 유형(323)에는 예를 들면 차량과 거리가 비교적 먼 도로의 도로 데이터 또는 차량과 거리가 비교적 먼 관심점의 데이터가 포함된다.
본 개의 실시예에서, 제1 유형(321)은 예를 들면 "차량 속도:50km/h", "차량 위치:A위치", "차량과 목적지 사이의 거리:90km", "도로1 식별자:D1", "도로1위치:A1"를 포함한다. 이 제1 유형(321)의 데이터는 차량 자체의 속도 또는 위치 등 데이터를 포함하고 차량이 위치해 있는 현재 도로(도로1)의 도로 데이터도 포함하며, 도로 데이터는 도로 식별자 또는 도로 위치를 포함한다. 여기서, 차량의 위치와 도로1의 위치에 기반하여 차량과 도로1의 거리가 비교적 가까운 것을 알 수 있다. 즉 차량이 도로1에 위치해 있으며, 따라서 도로1의 관련 데이터를 제1 유형(321)으로 구분한다.
본 개시의 실시예에서, 제2 유형(322)은 예를 들면 “도로2 식별자:D2", "차량2 위치:A2", "차량과 도로2 사이의 거리:10km"를 포함한다. 이 제2 유형(322)의 데이터는 차량이 위치해 있는 현재 도로(도로1)에 인접하는 인접 도로(도로2)의 도로 데이터를 포함하며, 도로 데이터는 도로 식별자, 도로 위치, 차량과 도로 사이의 거리 등을 포함한다. 여기서, 도로1과 도로2의 위치에 기반하여 도로2와 도로1이 인접하여 있는 것으로 결정할 수 있으며, 따라서 도로2의 관련 데이터를 제2 유형(322)으로 구분한다.
본 개시의 실시예에서, 제3 유형(323)은 예를 들면 “도로3 식별자:D3", "도로3 위치:A3", "학교의 위치:A4"를 포함한다. 이 제3 유형(323)는 차량과 거리가 비교적 먼 도로(도로3)의 도로 데이터 또는 차량과 거리가 비교적 먼 관심점(학교)의 데이터를 포함하며, 관심점(학교)은 예를 들면 도로3의 양측에 위치한다. 여기서, 도로3과 차량의 위치에 기반하여 도로3이 차량과 거리가 비교적 먼 것을 결정할 수 있으며, 따라서 도로3의 관련 데이터와 도로3양측의 관심점의 관련 데이터를 제3 유형(323)으로 구분한다.
초기 교통 데이터를 분류하여 제1 유형(321), 제2 유형(322) 및 제3 유형(323)을 획득한 후, 각 유형에 대하여 처리를 진행하여 제1 유형(321)에 대응하는 제1 교통 데이터 집합(331)과 제2 유형(322)에 대응하는 제2 교통 데이터 집합(332) 및 제3 유형(323)에 대응하는 제3 교통 데이터 집합(333)을 획득할 수 있다.
제1 유형(321)에 있어서, 해당 유형 중의 데이터에 대하여 수정을 진행할 수 있으며, 수정 후에 획득된 제1 유형(321)을 제1 교통 데이터 집합(331)으로 할 수 있다. 예를 들면, 제1 유형(321) 중의 “차량과 목적지 사이의 거리:90km”에 오류가 있음으로 결정했을 시에, “차량과 목적지 사이의 거리:90km”를 “차량과 목적지 사이의 거리:100km”로 수정할 수 있다. 여기서, 제1 교통 데이터 집합(331)는 “차량과 목적지 사이의 거리: 100km”를 포함한다.
제2 유형(322)에 있어서, 해당 유형 중의 데이터에 대하여 수정을 진행할 수 있으며, 수정 후에 획득된 제2 유형(322)을 제2 교통 데이터 집합(332)으로 할 수 있다. 예를 들면, 제2 유형(322) 중의 “차량과 도로2 사이의 거리: 10km”에 오류가 있음으로 결정했을 시에, “차량과 도로2 사이의 거리:10km”를 “차량과 도로2 사이의 거리:12km”로 수정할 수 있다. 여기서, 제2 교통 데이터 집합(332)에는 “차량과 도로2 사이의 거리:12km”를 포함한다.
제3 유형(323)에 있어서, 해당 유형 중의 데이터를 새로 추가할 수 있으며, 새로 추가된 데이터와 제3 유형(323)의 데이터를 함께 제3 교통 데이터 집합(333)으로 할 수 있다. 예를 들면, 새로 추가한 데이터는 "도로3의 방향: 정북 방향"이다. 여기서, 제3 교통 데이터 집합(333)에는 “도로3의 방향:정북 방향”을 포함한다.
본 개시의 실시예에서, 초기 교통 데이터에 대하여 분류와 처리를 진행하여 복수의 교통 데이터 집합을 획득하고, 복수의 교통 데이터 집합 중의 데이터의 정확성이 비교적 높고, 데이터 정보가 비교적 전면적이기 때문에, 복수의 교통 데이터 집합에 기반하여 네비게이션 분석을 진행할 시의 내비게이션 분석의 정확도를 향상시키는 데에 편리하며, 나아가 차량을 위한 내비게이션의 효과를 향상시킨다.
아래 도 3의 개략도 및 도 4 내지 도 6을 참조하여 제1 교통 데이터 집합, 제2 교통 데이터 집합 및 제3 교통 데이터 집합을 획득하는 방법을 설명한다.
도 4는 본 개시의 일 실시예에 따른 제1 교통 데이터 집합을 획득하는 흐름도이다.
도 4에 도시된 바와 같이, 초기 교통 데이터의 특징 정보 및 상대 위치 관계 중 적어도 하나에 기반하여, 초기 교통 데이터를 처리하여 제1 교통 데이터 집합을 획득하는 것은 예를 들면, 동작 S431 내지 동작 S433을 포함할 수 있으며, 여기서, 동작 S433 은 예를 들어 동작 S4331 내지 동작 S4335 를 포함한다.
본 개시의 실시예에서, 특징 정보는 예를 들면 키워드를 포함한다. 키워드는 미리 설정된 복수의 키워드를 포함할 수 있다.
동작 S431에서, 초기 교통 데이터 중에서 키워드를 구비한 교통 데이터를 결정하여 차량 데이터로 한다.
본 개시의 실시예에서, 자연 언어 처리 기술을 통하여 차량 데이터를 획득한다. 예를 들면, 미리 설정된 키워드는 “차량 속도”, “차량 위치”, “차량과 목적지 사이의 거리”등을 포함할 수 있다. 자연 언어 처리 기술에 기반하여 초기 교통 데이터 중에서 해당 키워드를 구비한 교통 데이터를 결정하여 차량 데이터로 한다. 예를 들면, 결정된 차량 데이터는 “차량 속도:50km/h”, “차량 위치:A위치”, “차량과 목적지 사이의 거리:90km”등을 포함한다. 여기서, 차량 데이터에는 차머리 방향도 포함할 수 있으며, 해당 차머리 방향은 차량의 현재의 주행 방향을 표징한다.
동작 S432에서, 상대 위치 관계에 기반하여, 초기 교통 데이터 중에서 차량이 위치해 있는 현재 도로의 도로 데이터를 결정한다.
예를 들면, 초기 교통 데이터에는 도로1의 도로 데이터, 도로2의 도로 데이터, 도로3의 도로 데이터가 포함되며, 각 도로는 위치 정보를 구비하며, 상대 위치 정보는 예를 들면 차량과 각 도로의 상대 위치를 표징한다. 상대 위치에 기반하여, 복수의 도로 중에서 차량의 현재 도로를 결정할 수 있고, 예를 들면, 위치해 있는 현재 도로가 도로1이며, 그 후에 현재 도로(도로1)의 도로 데이터를 획득하며, 현재 도로의 도로 데이터는 예를 들면 “도로1 식별자:D1”, “도로1 위치:A1”등을 포함한다.
동작 S433에서, 차량 데이터와 현재 도로의 도로 데이터에 기반하여 제1 교통 데이터 집합을 결정한다.
하나의 예시에서, 차량 데이터와 현재 도로의 도로 데이터를 직접 제1 교통 데이터 집합으로 할 수 있다. 또는, 차량 데이터 또는 현재 도로의 도로 데이터에 대하여 처리를 진행하여 제1 교통 데이터 집합을 획득할 수 있다. 구체적으로, 차량 데이터 또는 현재 도로의 도로 데이터에 대하여 수정을 진행하여 수정 후의 데이터를 제1 교통 데이터 집합으로 하며, 구체적으로 동작 S4331 내지 동작 S4335를 참조할 수 있다.
본 개시의 실시예에서, 차량 데이터는 제1 목표 거리와 차량의 현재 위치 정보를 포함하며, 제1 목표 거리는 차량의 현재 위치와 목적지 사이의 거리이다. 예를 들면, 차량의 데이터는 “차량과 목적지 사이의 거리:90km”와 “차량의 위치:A위치”를 포함할 경우, 제1 목표 거리는 90km, 차량의 현재 위치 정보는 A위치이다.
동작 S4331에서 목적지의 위치 정보를 획득한다. 해당 목적지의 위치 정보는 예를 들면 초기 교통 데이터에서 획득할 수 있으며, 목적지의 위치 정보는 예를 들면 B위치일 수 있다.
동작 S4332에서, 차량의 현재 위치 정보와 목적지의 위치 정보에 기반하여, 차량의 현재 위치와 목적지 사이의 제1 참조 거리를 계산한다. 예를 들면, A위치와 B위치에 기반하여 A위치와 B위치 사이의 거리를 제1 참조 거리로 결정한다. 예를 들면 제1 참조 거리는 100km이다. 여기서, 제1 참조 거리는 실시간으로 계산한 거리이며, 이 거리의 정확성은 비교적 높다.
동작 S4333에서, 제1 목표 거리와 제1 참조 거리 사이의 차이값이 제1 소정 한계치보다 큰지를 결정한다. 그렇다면 동작 S4334을 실행하고, 그렇지 않으면 종료한다.
동작 S4334에서, 제1 목표 거리와 제1 참조 거리 사이의 차이값이 제1 소정 한계치보다 클 경우, 차량 데이터 중의 제1 목표 거리를 제1 참조 거리로 교체함으로써, 업데이트 후의 차량 데이터를 획득한다.
예를 들면, 제1 소정 한계치가 5km인 것을 예로 하면, 제1 목표 거리 90km와 제1 참조 거리 100km 사이의 차이값 10km는 제1 소정 한계치보다 5km 크면, 초기 교통 데이터 중의 제1 목표 거리에 오류가 존재하는 것을 표징하며, 따라서 차량 데이터 중의 제1 목표 거리 90km를 100km로 교체할 수 있다. 획득한 업데이트 후의 차량 데이터에는 예를 들면 “차량과 목적지 사이의 거리:100km”가 포함된다.
동작 S4335에서, 업데이트 후의 차량 데이터와 현재 도로의 도로 데이터를 제1 교통 데이터 집합으로 결정한다.
본 개시의 실시예는 키워드를 통하여 차량 데이터를 결정하고, 차량과 도로의 상대 위치에 기반하여 차량이 위치해 있는 현재 도로를 결정한 후에, 차량 데이터와 현재 도로의 도로 데이터에 대하여 처리를 진행하여 제1 교통 데이터 집합을 획득한다는 것을 이해할 수 있다. 데이터 처리는 예를 들면 차량 데이터에 대하여 수정을 실행하는 것을 포함한다. 본 개시의 실시예의 기술 방안을 통하여, 제1 교통 데이터 집합의 데이터의 정확성을 비교적 높게 하며, 제1 교통 데이터 집합에 기반하여 네비게이션 분석을 진행할 시의 내비게이션 분석의 정확성을 향상시키는 데에 편리하며, 따라서 차량을 위한 내비게이션의 효과를 향상시킬 수 있는 것을 알 수 있다.
본 개시의 실시예에서, 제1 교통 데이터 집합은 현재 도로의 차선 수량, 각 차선의 방향, 차량의 현재 상태 등을 포함할 수도 있다. 여기서, 차량의 현재 상태는 차량의 네비게이션 상태, 순항 상태, 주차 상태를 포함한다. 또한, 제1 교통 데이터 집합은 차량 전방의 미리 설정된 거리(예를 들면 300m)내의 모든 도로의 도로 식별자도 포함할 수 있으며, 도로 식별자는 도로 명칭 및 각 도로의 도로 특징점을 포함하며, 해당 도로 특징점은 예를 들면 도로의 굴곡 형태를 표징한다.
도 5는 본 개시의 일 실시예에 따른 제2 교통 데이터 집합을 획득하는 흐름도이다.
도 5에 도시된 바와 같이, 초기 교통 데이터의 특징 정보 및 상대 위치 관계 중의 적어도 하나에 기반하여, 초기 교통 데이터를 처리하여 제2 교통 데이터 집합을 획득하는 것은 예를 들면, 동작 S531 내지 동작 S533을 포함할 수 있으며, 여기서, 동작 S533 은 예를 들어 동작 S533A 및/또는 동작 S533B를 포함한다. 동작 S533A는 예를 들면 동작 S5331A 내지 동작 S5334A를 포함하며, 동작 S533B는 예를 들면 동작 S5331B 내지 동작 S5336B를 포함한다.
본 개시의 실시예에서, 복수의 교통 대상은 복수의 도로를 포함하며, 초기 교통 데이터는 복수의 도로의 도로 데이터를 포함한다.
동작 S531에서, 상대 위치 관계에 기반하여, 복수의 도로의 도로 데이터에서 차량이 위치해 있는 현재 도로의 도로 데이터를 결정한다.
동작 S532에서, 상대 위치 관계와 현재 도로의 도로 데이터에 기반하여 복수의 도로의 도로 데이터에서 인접 도로의 도로 데이터를 결정하고, 인접 도로와 현재 도로 사이의 위치 관계는 제1 소정 위치 관계를 만족한다.
예를 들면, 초기 교통 데이터 중에는 도로1의 도로 데이터, 도로2의 도로 데이터, 도로3의 도로 데이터가 포함되며, 각 도로는 위치 정보를 구비하며, 상대 위치 정보는 예를 들면 차량과 각 도로의 상대 위치를 표징한다. 상대 위치에 기반하여, 복수의 도로 중에서 차량의 현재 도로를 결정할 수 있고, 예를 들면 위치해 있는 현재 도로가 도로1이며, 현재 도로(도로1)의 도로 데이터를 획득하며, 현재 도로의 도로 데이터는 예를 들면 “도로1 식별자:D1”, ”도로1 위치:A1”등을 포함한다.
여기서, 상대 위치 관계는 복수의 도로 사이의 상대 위치를 표징하였으며, 상대 위치 관계에 기반하여 현재 도로에 가까운 인접 도로를 결정할 수 있으며, 제1 소정 위치 관계는 예를 들면 인접 도로와 현재 도로가 직접 연결되어 있고, 인접 도로는 차량이 현재 도로에서 주행하여 도착할 도로인 것을 포함한다.
예시적으로, 인접 도로는 예를 들면 도로2이며, 인접 도로의 도로 데이터는 도로 식별자, 도로 위치, 도로 특징점 정보를 포함하나 이에 한정되지 않으며, 해당 도로 특징점은 예를 들면 도로의 굴곡 형태를 표징한다. 일 예시에서, 인접 도로의 도로 데이터는 “도로2 식별자:D2", "차량2 위치:A2", "차량과 도로2 사이의 거리:10km"등을 포함한다.
동작 S533에서, 인접 도로의 도로 데이터와 차량의 현재 위치 정보 중의 적어도 하나에 기반하여 제2 교통 데이터 집합을 결정한다.
하나의 예시에서, 인접 도로의 도로 데이터를 직접 제2 교통 데이터 집합으로 할 수 있다.
다른 하나의 예시에서, 차량의 현재 위치 정보에 기반하여 인접 도로의 도로 데이터를 수정할 수 있으며, 수정 후의 인접 도로의 도로 데이터를 직접 제2 교통 데이터 집합으로 할 수 있다. 구체적으로는, 아래의 동작 S533A 또는 동작 S533B을 참조할 수 있다.
일 예시에서, 인접 도로의 도로 데이터를 수정하는 것은 도로 데이터 중의 거리 데이터를 수정함을 포함한다. 구체적으로는, 동작 S533A를 참조할 수 있으며, 동작 S533A는 예를 들면 동작 S5331A 내지 동작 S5334A를 포함한다.
본 개시의 실시예에서, 인접 도로의 차량 데이터는 제2 목표 거리를 포함하며, 제2 목표 거리는 차량의 현재 위치와 인접 도로의 특징점 사이의 거리이다. 예를 들면, 인접 도로의 도로 데이터는 “차량과 도로2의 거리:10km”를 포함하며, 제2 목표 거리는 10km이다.
동작 S5331A에서, 차량의 현재 위치 정보와 인접 도로의 특징점의 위치 정보에 기반하여, 차량의 현재 위치와 인접 도로의 특징점 사이의 제2 참조 거리를 계산한다.
여기서, 차량의 현재 위치 정보는 예를 들면 초기 교통 데이터에서 획득할 수 있다. 인접 도로는 예를 들면 복수의 특징점을 포함하며, 제2 참조 거리는 예를 들면 차량의 현재 위치 정보와 특정된 하나의 특징점 사이의 거리이며, 해당 특정된 하나의 특징점은 예를 들면 복수의 특징점중에서 차량에 가장 접근한 특징점이며, 다시 말하면 해당 특정된 하나의 특징점은 차량이 인접 도로까지 주행할 시에 경과한 첫 번째 특징점이다.
예시적으로, 계산하여 획득한 제2 참조 거리는 예를 들면 12km이다. 여기서, 제2 참조 거리는 실시간으로 계산한 거리이며, 이 거리의 정확성은 비교적 높다.
동작 S5332A에서, 제2 목표 거리와 제2 참조 거리 사이의 차이값이 제2 소정 한계치보다 큰지를 결정한다. 그렇다면 동작 S5333A를 실행하고, 그렇지 않으면 종료한다.
동작 S5333A에서, 제2 목표 거리와 제2 참조 거리 사이의 차이값이 제2 소정 한계치보다 클 경우, 인접 도로의 도로 데이터 중의 제2 목표 거리를 제2 참조 거리로 교체함으로써, 업데이트 후의 인접 도로의 도로 데이터를 획득한다.
예를 들면, 제2 소정 한계치가 1km인 것을 예로 하면, 제2 목표 거리 10km와 제2 참조 거리 12km 사이의 차이값 2km가 제2 소정 한계치 1km보다 크며, 초기 교통 데이터 중의 제2 목표 거리에 오류가 존재하는 것을 표징하며, 따라서 인접 도로의 도로 데이터 중의 제2 목표 거리 10km를 12km로 교체할 수 있다. 획득된 업데이트 후의 인접 도로의 도로 데이터 중에는 예를 들면 “차량과 도로2 사이의 거리:12km”가 포함된다.
동작 S5334A에서, 업데이트 후의 인접 도로의 도로 데이터를 제2 교통 데이터 집합으로 결정한다.
본 개시의 실시예는 인접 도로의 도로 데이터에 대하여 처리를 진행하여 제2 교통 데이터 집합을 획득하고, 데이터 처리는 예를 들면 도로 데이터 중의 거리에 대하여 수정을 실행하는 것을 포함하는 것을 이해할 수 있다. 본 개시의 실시예의 기술 방안을 통하여, 제2 교통 데이터 집합의 데이터의 정확성을 비교적 높게 하며, 제2 교통 데이터 집합에 기반하여 네비게이션 분석을 진행할 시의 내비게이션 분석의 정확성을 향상시키는 데에 편리하며, 따라서 차량을 위한 내비게이션의 효과를 향상시킬수 있는 것을 알 수 있다.
다른 일 예시에서, 인접 도로의 도로 데이터를 수정하는 것은 도로 데이터 중의 방향 데이터를 수정하는 것을 포함한다. 구체적으로는 동작 S533B를 참조할 수 있으며, 동작 S533B는 예를 들면 동작 S5331B 내지 동작 S5336B를 포함한다.
본 개시의 실시예에서, 인접 도로의 도로 데이터는 인접 도로의 상대 목표 방향을 포함하며, 해당 상대 목표 방향은 예를 들면 현재 도로에 대한 인접 도로의 방향을 표징한다. 예를 들면, 인접 도로의 도로 데이터는 “도로1에 대한 도로2의 방향은:정북 방향”을 포함한다. 상대 목표 방향은 예를 들면 정북 방향이다.
동작 S5331B에서, 차량의 현재 위치 정보와 인접 도로의 제1 특징점의 위치 정보에 기반하여, 차량의 현재 위치에서 인접 도로의 제1 특징점을 향한 제1 방향을 계산한다.
동작 S5332B에서, 인접 도로의 제1 특징점의 위치 정보와 인접 도로의 제2 특징점의 위치 정보에 기반하여, 제1 특징점에서 제2 특징점으로 향한 제2 방향을 계산한다.
여기서, 인접 도로는 복수의 특징점을 포함하며, 제1 특징점은 예를 들면 복수의 특징점중에서 차량에 가장 가까운 특징점이며, 다시 말하면 해당 제1 특징점은 차량이 인접 도로까지 주행할 시에 경과한 첫 번째 특징점이다. 제2 특징점은 복수의 특징점중에서 도로의 중간 위치에 위치한 특징점이다.
동작 S5333B에서, 제1 방향과 제2 방향에 기반하여 제1 방향과 제2 방향 사이의 상대 참조 방향을 결정한다.
예를 들면 제1 방향은 정북 방향이고, 제2 방향은 북에서 동으로 15° 방향이면, 제1 방향과 제2 방향 사이의 상대 참조 방향은 예를 들면”북에서 동으로 15°방향”이다. 여기서, 상대 참조 방향은 실시간으로 계산한 방향이며, 이 방향은 정확성이 비교적 높다.
동작 S5334B에서, 상대 목표 방향과 상대 참조 방향 사이의 협각이 미리 설정된 협각보다 큰지를 결정한다. 그렇다면 동작 S5335B를 실행하고, 그렇지 않으면 종료한다.
동작 S5335B에서, 상대 목표 방향과 상대 참조 방향 사이의 협각이 미리 설정된 협각보다 클 경우, 인접 도로의 도로 데이터 중의 상대 목표 방향을 상대 참조 방향으로 교체하여 업데이트 후의 인접 도로의 도로 데이터를 획득한다.
미리 설정된 협각이 10°인 것을 예로 하면, 상대 목표 방향“정북 방향”과 상대 참조 방향“북에서 동으로 15° 방향”사이의 협각15°가 미리 설정된 협각 10°보다 크기 때문에, 초기 교통 데이터 중의 상대 목표 방향에 오류가 존재하는 것을 표징하며, 따라서 인접 도로의 도로 데이터 중의 상대 목표 방향“정북 방향”을 ”북에서 동으로 15°방향”으로 교체할 수 있다. 획득한 업데이트 후의 인접 도로의 도로 데이터는 예를 들면 “도로1에 대한 도로2의 방향은:북에서 동으로 15°방향”을 포함한다.
동작 S5336B에서, 업데이트 후의 인접 도로의 도로 데이터를 제2 교통 데이터 집합으로 결정한다.
본 개시의 실시예는 인접 도로의 도로 데이터에 대하여 처리를 진행하여 제2 교통 데이터 집합을 획득하고, 데이터 처리는 예를 들면 도로 데이터 중의 방향에 대하여 수정을 실행하는 것을 포함하는 것을 이해할 수 있다. 본 개시의 실시예의 기술 방안을 통하여, 제2 교통 데이터 집합의 데이터의 정확성을 비교적 높게 하며, 제2 교통 데이터 집합에 기반하여 네비게이션 분석을 진행할 시의 내비게이션 분석의 정확성을 향상시키는 데에 편리하며, 따라서 차량을 위한 내비게이션의 효과를 향상시킬 수 있는 것을 알 수 있다.
도 6은 본 개시의 일 실시예에 따른 제3 교통 데이터 집합을 획득하는 흐름도이다.
도 6에 도시된 바와 같이, 초기 교통 데이터의 특징 정보 및 상대 위치 관계 중 적어도 하나에 기반하여, 초기 교통 데이터를 처리하여 제 3 교통 데이터 집합을 획득하는 것은 예를 들면, 동작 S631 내지 동작 S633을 포함할 수 있으며, 여기서, 동작 S633 은 예를 들어 동작 S6331 내지 동작 S6333 을 포함하며, 동작 S6332는 예를 들면 동작 S6332A 내지 동작 S6332D를 포함한다.
본 개시의 실시예에서, 초기 교통 데이터는 각 교통 대상의 대상 데이터를 포함하며, 교통 대상은 예를 들면 도로 또는 관심점을 포함한다.
동작 S631에서, 상대 위치 관계에 기반하여, 복수 대상의 대상 데이터에서 하나의 교통 대상의 대상 데이터를 결정하여 차량이 위치해 있는 현재 도로의 도로 데이터로 한다.
동작 S632에서, 상대 위치 관계와 현재 도로의 도로 데이터에 기반하여, 복수의 대상의 대상 데이터에서 적어도 하나의 교통 대상의 대상 데이터를 결정하고, 적어도 하나의 교통 대상과 현재 도로 사이의 위치 관계는 제2 소정 위치 관계를 만족한다.
본 개시의 실시예에서, 상대 위치 관계는 복수의 교통 대상 사이의 상대 위치를 표징하여 있으며, 상대 위치 관계에 기반하여 현재 도로와 거리가 비교적 먼 적어도 하나의 교통 대상을 결정할 수 있으며, 거리가 비교적 먼 적어도 하나의 교통 대상은 예를 들면 원거리 도로와 원거리 도로 양측의 관심점을 포함한다. 제2 소정 위치 관계는 예를 들면 원거리 도로와 현재 도로 사이의 거리가 비교적 먼 것을 포함한다. 즉, 원거리 도로와 현재 도로사이에 적어도 하나의 기타 도로가 있다.
예시적으로, 원거리 도로는 예를 들면 도로3이며, 원거리 도로의 도로 데이터는 도로 식별자, 도로 위치, 도로 특징점 정보를 포함하나 이에 한정되지 않으며, 해당 도로 특징점은 예를 들면 도로의 굴곡 형태를 표징한다. 예를 들면, 원거리 도로의 도로 데이터는 “도로3 식별자:D3", "차량3 위치:A3"등을 포함한다. 원거리 도로 양측의 관심점은 예를 들면 학교를 포함하며, 관심점 데이터는 예를 들면 “학교 위치:A4”를 포함한다.
동작 S633에서, 적어도 하나의 교통 대상의 대상 데이터에 기반하여 제3 교통 데이터 집합을 결정한다.
하나의 예시에서, 적어도 하나의 교통 대상의 대상 데이터를 직접 제3 교통 데이터 집합으로 할 수 있다. 예를 들면, 원거리 도로의 데이터와 원거리 도로 양측의 관심점의 데이터를 제3 교통 데이터 집합으로 할 수 있다.
다른 하나의 예시에서, 기존의 적어도 하나의 교통 대상의 대상 데이터에 기반하여 적어도 하나의 교통 대상에 대한 대상 데이터를 새로 추가할 수 있으며, 기존의 대상 데이터와 새로 추가된 대상 데이터를 제3 교통 데이터 집합으로 할 수 있다. 구체적으로는 아래의 동작 S6331 내지 동작 S6333을 참조한다.
본 개시의 실시예에서, 적어도 하나의 교통 대상은 예를 들면 적어도 하나의 도로를 포함하며, 교통 대상의 대상 데이터는 도로 데이터를 포함하며, 도로 데이터는 도로의 특징점을 포함한다.
동작 S6331에서, 적어도 하나의 도로에서 목표 도로를 결정한다. 여기서, 목표 도로는 적어도 하나의 도로 중의 임의의 하나일 수 있다.
동작 S6332에서, 적어도 하나의 도로 중의 각 도로의 특징점에 기반하여 목표 도로의 방향 데이터를 결정한다. 여기서, 해당 방향 데이터는 예를 들면 해당 목표 도로에 대해 새로 추가된 데이터이다.
동작 S6333에서, 목표 도로의 방향 데이터를 제3 교통 데이터 집합으로 결정한다. 즉, 초기 교통 데이터 중에는 목표 도로의 방향 데이터가 존재하지 않으며, 목표 도로의 방향 데이터를 새로 추가함으로써, 새로 추가된 목표 도로의 방향 데이터를 제3 교통 데이터 집합으로 한다.
여기서, 동작 S6332는 예를 들면 동작 S6332A 내지 동작 S6332D를 포함한다.
본 개시의 실시예에서, 적어도 하나의 도로는 복수의 도로를 포함한다.
동작 S6332A에서, 특징점에 기반하여 목표 도로의 방향과 제1 도로의 방향을 결정하고, 그 후에 목표 도로의 방향과 제1 도로의 방향 사이의 상대 방향을 결정하며, 제1 도로는 복수의 도로 중에서 목표 도로와 인접하는 도로이다.
동작 S6332B에서, 제1 도로의 제1 특징점이 목표 도로의 시작 특징점을 향한 방향을 시작 방향으로 결정한다. 제1 도로는 예를 들면 진입 도로이다. 즉 차량이 제1 도로로부터 목표 도로까지 주행할 수 있다. 제1 특징점은 예를 들면 차량이 제1 도로에서 주행시에 경과한 첫 번째 특징점이다.
동작 S6332C에서, 목표 도로의 종료 특징점이 제2 도로의 제2 특징점을 향한 방향을 종료 방향으로 결정하며, 여기서, 제2 도로는 복수의 도로 중의 목표 도로와 인접하는 도로이다. 제2 도로는 예를 들면 탈출 도로이다. 즉 차량이 목표 도로로부터 제2 도로까지 주행할 수 있다. 제2 특징점은 예를 들면 차량이 제2도로에서 주행시에 경과한 마지막 특징점이다.
동작 S6332D에서, 상대 방향, 시작 방향, 종료 방향을 목표 도로의 방향 데이터로 한다.
본 개시의 실시예는 대상 데이터에 대하여 처리를 진행하여 제3 교통 데이터 집합을 획득하고, 데이터 처리에는 예를 들면 대상 데이터에 대하여 새로 추가 처리를 진행하는 것을 포함하는 것을 이해할 수 있다. 본 개시의 실시예의 기술 방안을 통하여, 제3 교통 데이터 집합의 데이터를 더욱 다양하게 하며, 제2 교통 데이터 집합에 기반하여 네비게이션 분석을 진행할 시의 내비게이션 분석의 정확성을 향상시키는 데에 편리하며, 따라서 차량을 위한 내비게이션의 효과를 향상시킬수 있는 것을 알 수 있다.
아래에서, 도 7 내지 도 9를 결합하여 방향 데이터를 어떻게 획득하는지를 설명한다.
도 7은 본 개시의 일 실시예에 따른 상대 방향을 획득하는 개략도이다.
도 7에 도시된 바와 같이, 목표 도로(710)의 방향은 방향 A1이고, 제1 도로(720)의 방향은 방향 B1 이며, 방향 A1과 방향 B1 사이의 상대 방향은 예를 들면 각도 α1로 표시할 수 있다. 각도 α1이 시계 반대 방향이면 마이너스로 표시하며(도 7의 왼쪽 도면에 도시된 바와 같이), 각도 α1이 시계 방향이면 플러스로 표시한다(도 7의 오른쪽 도면에 도시된 바와 같이).
도 8은 본 개시의 일 실시예에 따른 시작 방향을 획득하는 개략도이다.
도 8에 도시된 바와 같이, 목표 도로(810)의 시작 특징점은 특징점 P1이고, 제1 도로(820)의 제1 특징점은 특징점 Q1이며, 제1 도로(820)의 제1 특징점(Q1)이 목표 도로(810)의 시작 특징점 P1을 향한 방향을 시작 방향 B2로 결정하며, 시작 방향 B2는 예를 들면 각도 α2로 표시할 수 있으며, 각도 α2는 예를 들면 시작 방향 B2와 정북 방향 A2 사이의 협각이며, 여기서 각도가 시계 방향이면 플러스이다.
도 9는 본 개시의 일 실시예에 따른 종료 방향을 획득하는 개략도이다.
도 9에 도시된 바와 같이, 목표 도로(910)의 종료 특징점은 특징점 P2이고, 제2 도로(920)의 제2 특징점은 특징점 Q2이며, 목표 도로(910)의 종료 특징점 P2이 제2 도로(920)의 제2 특징점 Q2을 향한 방향을 종료 방향 B3으로 결정하며, 종료 방향 B3은 예를 들면 각도 α3 으로 표시할 수 있으며, 각도 α3은 예를 들면 종료 방향 B3과 정북 방향 A3 사이의 협각이며, 여기서 각도가 시계 방향이면 플러스이다.
도 10은 본 개시의 일 실시예에 따른 인접 도로의 개략도이다.
도 10에 도시된 바와 같이, 인접 도로는 현재 도로(1010)와 직접 연결되고, 차량이 현재 도로(1010)로부터 주행하여 도착할 도로(1020) 외에, 진입 도로(1030)와 탈출 도로(1041, 1042)도 포함 할 수 있다.
여기서, 제2 교통 데이터 집합은 도로(1020)의 도로 데이터를 포함하는 외에, 진입 도로(1030)와 탈출 도로(1041, 1042)의 도로 데이터도 포함할 수 있다.
구체적으로, 현재 도로(1010)의 위치(1011)는 예를 들면 차량이 위치해 있는 위치이다. 도로(1020)는 특징점(1021)을 포함하며, 해당 특징점(1021)은 예를 들면 도로(1020)의 첫 번째 특징점이다. 위치(1011)와 특징점(1021) 사이에 복수의 특징점을 구비하며, 각 특징점은 위치 정보를 구비한다. 여기서, 제2 교통 데이터 집합은 예를 들면 특징점(1021)의 위치 정보와 식별자 정보, 위치(1011)와 특징점(1021) 사이의 복수의 특징점의 위치 정보도 포함할 수 있으며, 하나의 예시에서, 특징점(1021)의 식별자는 예를 들면 도로(1020)의 식별자로 표시할 수 있다.
위에서 언급한 제2 참조 거리는 예를 들면 위치(1011)와 특징점(1021) 사이의 거리이다.
제2 교통 데이터 집합은 위치(1011)와 특징점(1021) 사이의 교차로 데이터도 포함할 수 있으며, 교차로 데이터는 교차로의 식별자와 위치를 포함한다. 제2 교통 데이터 집합은 진입 도로와 탈출 도로 사이의 상대 각도 또는 방향도 포함할 수 있다.
제2 교통 데이터 집합은 진입 도로의 차선 수량과 도로 식별자 및 탈출 도로의 차선 수량과 도로 식별자도 포함할 수 있다. 여기서, 진입 도로의 도로 종점과 도로(1020)의 시작점이 하나의 특징점이고, 탈출 도로의 도로 시작점과 도로(1020)의 종점이 하나의 특징점이다.
제2 교통 데이터 집합은 진입 도로와 탈출 도로 중의 각 도로의 복수의 특징점도 포함할 수 있다.
이해할 수 있는 점은, 제2 교통 데이터 집합 중의 각 데이터는 초기 교통 데이터에서 획득할 수 있으며, 예를 들면 자연 언어 처리 기술을 이용하여 초기 교통 데이터를 처리하여, 초기 교통 데이터 중의 미리 설정된 키워드를 구비한 데이터를 획득하여 제2 교통 데이터 집합으로 한다.
본 개시의 실시예에서, 제3 교통 데이터는 복수의 교통 대상의 대상 데이터를 포함하며, 교통 대상은 도로와 관심점을 포함한다. 구체적으로, 제3 교통 데이터 집합은 각 도로의 식별자, 길이, 도로 유형 등을 포함한다. 도로 유형에는 고속 도로, 도시 고속 도로, 국가급 간선도로, 성급 간선도로, 현(縣)급 간선도로, 향진(鄕鎭)급 간선도로, 기타 도로, 9급 도로, 페리, 보행자 도로 등이 포함된다. 제3 교통 데이터 집합은 각 도로의 차선 수량과 차선 방향 및 도로 통행 허가 표기 등이 포함될 수도 있다. 도로 통행 허가 표기는 순방향 통행, 역방향 통행, 쌍방향 통행 등을 포함한다. 제3 교통 데이터 집합중에는 각 도로의 복수의 특징점, 횡단 보도 의 특징점 등이 포함될 수도 있다.
제3 교통 데이터 집합중에는 관심점 유형, 관심점과 차량의 거리, 관심점의 상세한 주소, 관심점의 소비 가격, 소비자가 관심점에 대한 평가 정보 등이 포함될 수도 있다. 관심점 유형은 주유소, 식당, 여관 등을 포함한다.
이해할 수 있는 점은, 제3 교통 데이터 집합 중의 각 데이터는 초기 교통 데이터에서 획득할 수 있으며, 예를 들면 자연 언어 처리 기술을 이용하여 초기 교통 데이터를 처리하여 초기 교통 데이터 중의 미리 설정된 키워드를 구비한 데이터를 획득하여 제3 교통 데이터 집합으로 한다.
도 11은 본 개시의 일 실시예에 따른 교통 데이터의 처리 장치의 블록도이다.
도 11에 도시된 바와 같이, 본 개시의 실시예의 교통 데이터의 처리 장치(1100)는 예를 들면 획득 모듈(1110), 결정 모듈(1120) 및 처리 모듈(1130)을 포함한다.
획득 모듈(1110)은 차량에 대한 초기 교통 데이터를 획득하기 위한 것일 수 있으며, 여기서, 초기 교통 데이터는 차량의 현재 위치 정보, 복수의 교통 대상의 위치 정보와 특징 정보를 포함한다. 본 개시의 실시예에 따르면, 획득 모듈(1110)은 예를 들면 상술한 도 2를 참조하여 설명한 동작 S210를 실행 할 수 있으며, 여기서는 다시 설명하지 않는다.
결정 모듈(1120)은 차량의 현재 위치 정보와 복수의 교통 대상의 위치 정보 사이의 상대 위치 관계를 결정하기 위한 것일 수 있다. 본 개시의 실시예에 따르면, 결정 모듈(1120)은 예를 들면 상술한 도 2를 참조하여 설명한 동작 S220를 실행 할 수 있으며, 여기서는 다시 설명하지 않는다.
처리 모듈(1130)은 적어도 하나의 교통 데이터 집합에 기반하여 차량을 위하여 네비게이션을 진행하기 위해, 특징 정보와 상대 위치 관계 중의 적어도 하나에 기반하여 초기 교통 데이터를 처리하여 적어도 하나의 교통 데이터 집합을 획득하기 위한 것일 수 있다. 본 개시의 실시예에 따르면, 처리 모듈(1130)은 예를 들면 상술한 도 2를 참조하여 설명한 동작 S230을 실행 할 수 있으며, 여기서는 다시 설명하지 않는다.
본 개시의 실시예에 따르면, 본 개시는 또한 전자 기기와 판독 가능 저장 매체와 컴퓨터 프로그램 제품을 제공한다.
도 12는 본 개시의 일 실시예에 따른 교통 데이터의 처리 방법에 사용하는 전자 기기의 블록도이다.
도 12는 본 개시의 실시예를 실시하는 데에 사용될 수 있는 예시적인 전자 기기(1200)의 개략적인 블록도이다. 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 웍스테이션, 개인 휴대 정보 단말기(PDA), 서버, 블레이드 서버, 대형 컴퓨터 및 기타 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 말한다. 전자 기기는 개인 휴대 정보 단말기, 셀룰러 전화, 스마트 폰, 웨어러블 디바이스 및 기타 유사한 컴퓨팅 장치와 같은 다양한 형태의 모바일 장치를 말할 수도 있다. 본 명세서에서 나타낸 부품, 이들의 연결 및 관계, 및 이들의 기능은 단지 예시일 뿐이며, 본 명세서에서의 설명 및/또는 요구하는 본 출원의 구현을 한정하려 하는 것이 아니다.
도 12에 도시된 바와 같이, 장치(1200)는 읽기 전용 기억 장치(ROM)(1202)에 저장된 컴퓨터 프로그램 또는 저장 유닛(1208)에서 랜덤 액세스 메모리(RAM)(1203)로 로드된 컴퓨터 프로그램에 따라 다양한 적절한 동작 및 처리를 실행할 수 있는 컴퓨팅 유닛(1201)을 포함한다. RAM(1203)에는 저장장치(1200)의 동작에 필요한 다양한 프로그램 및 데이터가 저장될 수 있다. 컴퓨팅 유닛(1201), ROM(1202) 및 RAM(1203)은 버스(1204)를 통해 서로 연결된다. 입력/출력(I/O)인터페이스(1205)도 버스(1204)에 연결된다.
기기(1200) 중의 복수의 부품은 I/O인터페이스(1205)와 연결되며, 예를 들면 키보드, 마우스 등과 같은 입력 유닛(1206);예를 들면 다양한 유형의 디스플레이, 스피커 등과 같은 출력 유닛(1207);예를 들면 자기 디스크, 시디롬 등과 같은 저장 유닛(1208) 및 예를 들면 랜 카드, 모뎀, 무선 통신 송수신기 등과 같은 통신 유닛(1209)을 포함한다. 통신 유닛(1209)은 기기(1200)가 인터넷과 같은 컴퓨터 네트워크 및/또는 다양한 통신 네트워크와 기타 장치를 통하여 정보/데이터를 교환할 수 있게 한다.
컴퓨팅 유닛(1201)은 처리 및 컴퓨팅 능력을 갖는 다양한 범용 및/또는 전용 처리 유닛일 수 있다. 컴퓨팅 유닛(1201)의 일부 예는 중앙 처리 유닛(CPU), 그래픽 처리 유닛(GPU), 다양한 전용 인공 지능(AI) 컴퓨팅 칩, 머신 러닝 모델 알고리즘을 실행하는 다양한 컴퓨팅 유닛, 디지털 신호 처리 장치(DSP) 및 임의의 적절한 프로세서, 컨트롤러, 마이크로 컨트롤러 등를 포함하지만 이에 한정되지 않는다. 컴퓨팅 유닛(1201)은 예를 들면 교통 데이터의 처리 방법과 같은 상술한 다양한 방법과 처리를 실행한다. 예를 들면, 일부 실시예에서는 교통 데이터의 처리 방법은 컴퓨터 소프트웨어 프로그램으로 구현될 수 있으며, 이는 예를 들면 유형적으로 저장 유닛(1208)과 같은 기계 판독 가능 매체에 포함된다. 일부 실시예에서, 컴퓨터 프로그램의 일부 또는 전부는 ROM(1202) 및/또는 통신 유닛(1209)을 통해 기기(1200)에 로드 및/또는 설치될 수 있다. 컴퓨터 프로그램이 RAM(1203)에 로딩되고 컴퓨팅 유닛(1201)에 의해 실행될 경우, 상술한 교통 데이터의 처리 방법 중의 하나 또는 복수의 동작을 실행할 수 있다. 선택적으로, 다른 실시 예에서, 컴퓨팅 유닛(1201)은 기타 임의의 적절한 방식(예를 들면, 펌웨어에 의해)으로 교통 데이터의 처리 방법을 실행하도록 배치될 수 있다.
본 명세서의 상술한 시스템 및 기술의 다양한 구현 방식은 디지털 전자 회로 시스템, 집적 회로 시스템, 필드 프로그램 가능 게이트 어레이(FPGA), 전용 집적 회로(ASIC), 특정 용도 표준 제품(ASSP), 시스템 온칩(SOC), 부하 프로그램 가능 논리 장치(CPLD), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합중에서 구현될 수 있다. 이러한 다양한 실시방식은 아래와 같은 것을 포함할 수 있다. 하나 또는 복수의 컴퓨터 프로그램에서 실시될 수 있으며, 해당 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있으며, 저장 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치로부터 데이터 및 명령어를 수신하고, 데이터 및 명령어를 해당 저장 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치에 전송할 수 있다.
본 개시의 방법을 실행하기 위한 프로그램 코드는 하나 또는 복수의 프로그래밍 언어의 임의의 조합으로 작성될 수 있다. 이러한 프로그램 코드는 범용 컴퓨터, 전용 컴퓨터 또는 기타 프로그램 가능 데이터 처리 장치의 프로세서 또는 컨트롤러에 제공하여, 프로그램 코드가 프로세서 또는 컨트롤러에 의해 실행될 때 흐름도 및/또는 블록도에서 규정한 기능/작업이 실시되도록 할 수 있다. 프로그램 코드는 완전히 기계에서 실행되거나, 부분적으로 기계에서 실행되거나, 독립적인 소프트웨어 패키지로서 부분적으로 기계에서 실행되면서 부분적으로 원격 기계에서 실행되거나, 완전히 원격 기계 또는 서버에서 실행될 수 있다.
본 개시 내용의 맥락에서, 기계 판독 가능 매체는 명령어 실행 시스템, 장치 또는 설비에 의해 사용되거나 명령어 실행 시스템, 장치 또는 설비와 결합하여 사용되도록 제공하는 프로그램을 포함하거나 저장할 수 있는 매체일 수 있다. 기계 판독 가능 매체는 기계 판독 가능 신호 매체 또는 기계 판독 가능 저장 매체일 수 있다. 기계 판독 가능 매체는 전자, 자기, 광학, 전자기, 적외선 또는 반도체 시스템, 장치 또는 기기, 또는 이들의 임의의 적절한 조합을 포함할 수 있지만 이에 한정되지 않는다. 기계 판독 가능 저장 매체의 보다 구체적인 예에는 하나 또는 복수의 전선에 기반한 전기 연결, 휴대용 컴퓨터 디스크, 하드 디스크, 랜덤 액세스 기억 장치(RAM), 읽기 전용 기억 장치(ROM), 소거(消去) 가능 및 프로그램 가능 읽기 전용 기억 장치(EPROM 또는 플래시 메모리), 광섬유, 휴대용 컴팩트 디스크 읽기 전용 기억 장치(CD-ROM), 광학 저장 장치, 자기 저장 장치 또는 이들의 임의의 적절한 조합을 포함할 수 있다.
사용자와의 인터랙션을 제공하기 위하여, 여기에 설명된 시스템 및 기술을 컴퓨터에서 실시할 수 있다. 이 컴퓨터는 사용자에게 정보를 표시하는 디스플레이 장치(예: CRT(음극선관) 또는 LCD(액정 디스플레이) 모니터) 및 사용자가 컴퓨터에 입력을 제공할 수 있는 키보드 및 위치 결정 장치(예를 들면, 마우스 또는 트랙볼)를 구비한다. 다른 유형의 장치도 사용자와의 인터랙션을 제공하기 위한 것일 수 있다. 예를 들면, 사용자에게 제공되는 피드백은 모든 형태의 감지 피드백(예를 들면, 시각 피드백, 청각 피드백 또는 촉각 피드백) 일 수 있고, 모든 형태(소리 입력, 음성 입력 또는 촉각 입력을 포함)를 이용하여 사용자로부터의 입력을 접수할 수 있다.
여기에 설명된 시스템 및 기술을 백그라운드 부품을 포함하는 컴퓨팅 시스템(예를 들면, 데이터 서버로 함) 또는 미들웨어 부품을 포함하는 컴퓨팅 시스템(예를 들면, 애플리케이션 서버) 또는 프론트 엔드 부품을 포함하는 컴퓨팅 시스템(예를 들면, 그래픽 유저 인터페이스 또는 웹 브라우저를 가지고 있는 사용자 컴퓨터이며, 사용자가 상기 그래픽 유저 인터페이스 또는 웹 브라우저를 통하여 여기에 설명된 시스템 및 기술의 실시방식과 인터랙션할 수 있다) 또는 이러한 백그라운드 부품, 미들웨어 부품, 또는 프런트 엔드 부품의 모든 조합을 포함하는 컴퓨팅 시스템에서 실시할 수 있다. 임의의 형식 또는 매체의 디지털 데이터 통신(예를 들면, 통신 네트워크)을 통해 시스템의 부품을 서로 연결할 수 있다. 통신 네트워크의 예로는 근거리 통신망(LAN), 광역 통신망(WAN) 및 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트와 서버를 포함할 수 있다. 클라이언트와 서버는 일반적으로 서로 멀리 떨어져있으며, 일반적으로 통신 네트워크를 통해 인터랙션한다. 클라이언트와 서버간의 관계는 해당 컴퓨터에서 실행되고 서로 클라이언트-서버 관계를 갖는 컴퓨터 프로그램에 의해 생성된다.
위에 나타낸 다양한 형태의 흐름을 사용하여 동작을 다시 순서 배열, 추가 또는 삭제할 수 있음을 이해해야 한다. 예를 들면, 본 출원에 기재된 각 동작은 본 개시에서 개시하는 기술 방안이 기대하는 결과를 구현할 수 있는 한, 병행하여 실행하거나 순차적으로 실행하거나 다른 순서로 실행할 수도 있으며, 본 명세서에서는 여기에 대해서 제한을 하지 않는다.
상술한 구체적인 실시방식은 본 출원의 청구범위에 대한 제한을 구성하지 않는다. 해당 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 설계요구 및 기타 요소에 따라 다양한 수정, 조합, 서브 조합 및 대체를 진행할 수 있음을 이해해야 한다. 본 출원의 정신과 원칙 내에서 이루어진 모든 수정, 동등한 교체 및 개선 등은 본 출원의 청구범위 내에 포함되어야 한다.
Claims (14)
- 차량의 현재 위치 정보, 복수의 교통 대상의 위치 정보와 특징 정보를 포함하는 차량에 대한 초기 교통 데이터를 획득하는 것;
상기 차량의 현재 위치 정보와 상기 복수의 교통 대상의 위치 정보 사이의 상대 위치 관계를 결정하는 것; 및
적어도 하나의 교통 데이터 집합에 기반하여 상기 차량을 위하여 네비게이션을 진행하도록 하기 위해, 상기 특징 정보와 상기 상대 위치 관계 중의 적어도 하나에 기반하여 상기 초기 교통 데이터를 처리하여 상기 적어도 하나의 교통 데이터 집합을 획득하는 것을 포함하는 교통 데이터의 처리 방법. - 청구항 1에 있어서,
상기 적어도 하나의 교통 데이터 집합은 제1 교통 데이터 집합을 포함하며, 상기 특징 정보는 키워드를 포함하며; 상기 초기 교통 데이터의 특징 정보와 상기 상대 위치 관계 중의 적어도 하나에 기반하여 상기 초기 교통 데이터를 처리하여 적어도 하나의 교통 데이터 집합을 획득하는 것은,
상기 초기 교통 데이터에서 상기 키워드를 구비한 교통 데이터를 결정하여 차량 데이터로 하는 것;
상기 상대 위치 관계에 기반하여, 상기 초기 교통 데이터에서 상기 차량이 위치해 있는 현재 도로의 도로 데이터를 결정하는 것; 및
상기 차량 데이터와 상기 현재 도로의 도로 데이터에 기반하여 상기 제1교통 데이터 집합을 결정하는 것을 포함하는 교통 데이터의 처리 방법. - 청구항 2에 있어서,
상기 차량 데이터는 제1 목표 거리와 차량의 현재 위치 정보를 포함하며, 상기 제1 목표 거리는 차량의 현재 위치와 목적지 사이의 거리이며; 상기 차량 데이터와 상기 현재 도로의 도로 데이터에 기반하여 상기 제1 교통 데이터 집합을 결정하는 것은,
상기 목적지의 위치 정보를 획득하는 것;
상기 차량의 현재 위치 정보와 상기 목적지의 위치 정보에 기반하여, 상기 차량의 현재 위치와 목적지 사이의 제1 참조 거리를 계산하는 것;
상기 제1 목표 거리와 제1 참조 거리 사이의 차이값이 제1 소정 한계치보다 클 경우, 상기 차량 데이터 중의 제1 목표 거리를 상기 제1 참조 거리로 교체하여, 업데이트 후의 차량 데이터를 획득하는 것; 및
업데이트 후의 차량 데이터와 상기 현재 도로의 도로 데이터를 상기 제1 교통 데이터 집합으로 결정하는 것을 포함하는 교통 데이터의 처리 방법. - 청구항 1에 있어서,
상기 적어도 하나의 교통 데이터 집합은 제2 교통 데이터 집합을 포함하고, 상기 복수의 교통 대상은 복수의 도로를 포함하고, 상기 초기 교통 데이터는 상기 복수의 도로의 도로 데이터를 포함하며; 상기 초기 교통 데이터의 특징 정보와 상기 상대 위치 관계 중의 적어도 하나에 기반하여 상기 초기 교통데이터를 처리하여 적어도 하나의 교통 데이터 집합을 획득하는 것은,
상기 상대 위치 관계에 기반하여, 상기 복수의 도로의 도로 데이터에서 상기 차량이 위치해 있는 현재 도로의 도로 데이터를 결정하는 것;
상기 상대 위치 관계와 상기 현재 도로의 도로 데이터에 기반하여 상기 복수의 도로의 도로 데이터에서, 상기 현재 도로와의 위치 관계가 제1 소정 위치 관계를 만족하는 인접 도로의 도로 데이터를 결정하는 것; 및
상기 인접 도로의 도로 데이터와 상기 차량의 현재 위치 정보 중의 적어도 하나에 기반하여 상기 제2 교통 데이터 집합을 결정하는 것을 포함하는 교통 데이터의 처리 방법. - 청구항 4에 있어서,
상기 인접 도로의 도로 데이터는 제2 목표 거리를 포함하며, 상기 제2 목표 거리는 차량의 현재 위치와 인접 도로의 특징점 사이의 거리이며; 상기 인접 도로의 도로 데이터와 상기 차량의 현재 위치 정보 중의 적어도 하나에 기반하여 상기 제2 교통 데이터 집합을 결정하는 것은,
상기 차량의 현재 위치 정보와 상기 인접 도로의 특징점의 위치 정보에 기반하여, 상기 차량의 현재 위치와 인접 도로의 특징점 사이의 제2 참조 거리를 계산하는 것;
상기 제2 목표 거리와 제2 참조 거리 사이의 차이값이 제2 소정 한계치보다 클 경우, 상기 인접 도로의 도로 데이터 중의 제2 목표 거리를 상기 제2 참조 거리로 교체하여, 업데이트 후의 인접 도로의 도로 데이터를 획득하는 것; 및
업데이트 후의 인접 도로의 도로 데이터를 상기 제2 교통 데이터 집합으로 결정하는 것을 포함하는 교통 데이터의 처리 방법. - 청구항 4에 있어서,
상기 인접 도로의 도로 데이터는 인접 도로의 상대 목표 방향을 포함하며, 상기 인접 도로의 도로 데이터와 상기 차량의 현재 위치 정보 중의 적어도 하나에 기반하여 상기 제2 교통 데이터 집합을 결정하는 것은,
상기 차량의 현재 위치 정보와 상기 인접 도로의 제1 특징점의 위치정보에 기반하여, 상기 차량의 현재 위치에서 상기 인접 도로의 제1 특징점을 향한 제1 방향을 계산하는 것;
상기 인접 도로의 제1 특징점의 위치 정보와 상기 인접 도로의 제2특징점의 위치 정보에 기반하여, 제1 특징점에서 제2 특징점을 향한 제2 방향을 계산하는 것;
상기 제1 방향과 제2 방향에 기반하여 상기 제1 방향과 상기 제2 방향 사이의 상대 참조 방향을 결정하는 것;
상기 상대 목표 방향과 상대 참조 방향 사이의 협각이 미리 설정된 협각보다 클 경우, 상기 인접 도로의 도로 데이터 중의 상대 목표 방향을 상기 상대 참조 방향으로 교체하여 업데이트 후의 인접 도로의 도로데이터를 획득하는 것; 및
업데이트 후의 인접 도로의 도로 데이터를 상기 제2 교통 데이터 집합으로 결정하는 것을 포함하는 교통 데이터의 처리 방법. - 청구항 1에 있어서,
상기 적어도 하나의 교통 데이터 집합은 제3 교통 데이터 집합을 포함하고, 상기 초기 교통 데이터는 각 상기 교통 대상의 대상 데이터를 포함하며; 상기 초기 교통 데이터의 특징 정보와 상기 상대 위치 관계 중의 적어도 하나에 기반하여 상기 초기 교통 데이터를 처리하여 적어도 하나의 교통 데이터 집합을 획득하는 것은,
상기 상대 위치 관계에 기반하여, 상기 복수의 대상의 대상 데이터에서 하나의 교통 대상의 대상 데이터를 결정하여 상기 차량이 위치해 있는 현재 도로의 도로 데이터로 하며;
상기 상대 위치 관계와 상기 현재 도로의 도로 데이터에 기반하여 상기 복수의 대상의 대상 데이터에서, 상기 현재 도로와의 위치 관계는 제2 소정 위치 관계를 만족하는 적어도 하나의 교통 대상의 대상 데이터를 결정하는 것; 및
상기 적어도 하나의 교통 대상의 대상 데이터에 기반하여 상기 제3 교통데이터 집합을 결정하는 것을 포함하는 교통 데이터의 처리 방법. - 청구항 7에 있어서,
상기 적어도 하나의 교통 대상은 적어도 하나의 도로를 포함하고, 상기 교통 대상의 대상 데이터는 도로 데이터를 포함하고, 상기 도로 데이터는 도로의 특징점을 포함하며; 상기 적어도 하나의 교통 대상의 대상 데이터에 기반하여 상기 제3 교통 데이터 집합을 결정하는 것은,
상기 적어도 하나의 도로에서 목표 도로를 결정하는 것;
상기 적어도 하나의 도로 중의 각 도로의 특징점에 기반하여 상기 목표 도로의 방향 데이터를 결정하는 것; 및
상기 목표 도로의 방향 데이터를 상기 제3 교통 데이터 집합으로 결정하는 것을 포함하는 교통 데이터의 처리 방법. - 청구항 8에 있어서,
적어도 하나의 도로는 복수의 도로를 포함하며; 상기 적어도 하나의 도로 중의 각 도로의 특징점에 기반하여 상기 목표 도로의 방향 데이터를 결정하는 것은,
특징점에 기반하여 목표 도로의 방향과 상기 복수의 도로 중에서 상기 목표 도로와 인접하는 도로인 제1 도로의 방향을 결정하는 것; 및 목표 도로의 방향과 제1 도로의 방향 사이의 상대 방향을 결정하는 것;
제1 도로의 제1 특징점이 목표 도로의 시작 특징점을 향한 방향을 시작 방향으로 결정하는 것;
목표 도로의 종료 특징점이 상기 복수의 도로 중의 상기 목표 도로와 인접하는 도로인 제2 도로의 제2 특징점을 향한 방향을 종료방향으로 결정하는 것; 및
상기 상대 방향, 상기 시작 방향, 상기 종료 방향을 목표 도로의 방향 데이터로 하는 것을 포함하는 교통 데이터의 처리 방법. - 청구항 1 내지 청구항 9 중의 어느 하나에 있어서,
상기 복수의 교통 대상은 도로와 관심점 중의 적어도 하나를 포함하는 교통 데이터의 처리 방법. - 차량의 현재 위치 정보, 복수의 교통 대상의 위치 정보와 특징 정보를 포함하는 차량에 대한 초기 교통 데이터를 획득하기 위한 획득 모듈;
상기 차량의 현재 위치 정보와 상기 복수의 교통 대상의 위치 정보 사이의 상대 위치 관계를 결정하기 위한 결정 모듈;및
적어도 하나의 교통 데이터 집합에 기반하여 상기 차량을 위하여 네비게이션을 진행하도록 하기 위해, 상기 특징 정보와 상기 상대 위치 관계 중의 적어도 하나에 기반하여 상기 초기 교통 데이터를 처리하여 상기 적어도 하나의 교통 데이터 집합을 획득하기 위한 처리 모듈을 포함하는 교통 데이터의 처리 장치. - 적어도 하나의 프로세서;및
상기 적어도 하나의 프로세서와 통신 연결된 메모리를 포함하며, 여기서,
상기 메모리는 적어도 하나의 프로세서에 의해 실행 가능한 명령어를 저장되어 있고, 상기 명령어는 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서로 하여금 청구항 1 내지 청구항 9 중 어느 한 항의 상기 교통데이터의 처리 방법을 실행할 수 있게 하는 것을 특징으로 하는 전자 기기. - 컴퓨터로 하여금 청구항 1 내지 청구항 9 중 어느 한 항의 교통 데이터의 처리방법을 실행하게 하기 위한 컴퓨터 명령어가 저장되어 있는 비휘발성 컴퓨터 판독 가능 저장 매체.
- 프로세서에 의해 실행될 시에 청구항 1 내지 청구항 9 중 어느 한 항의 교통데이터의 처리 방법을 구현하는 컴퓨터 프로그램을 포함하는 컴퓨터 프로그램 제품.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011572360.0A CN112735130B (zh) | 2020-12-25 | 2020-12-25 | 交通数据的处理方法、装置、电子设备和介质 |
CN202011572360.0 | 2020-12-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20210087004A true KR20210087004A (ko) | 2021-07-09 |
Family
ID=75616921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210080406A KR20210087004A (ko) | 2020-12-25 | 2021-06-21 | 교통 데이터의 처리 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 제품 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11821746B2 (ko) |
EP (1) | EP3971530A3 (ko) |
JP (1) | JP7333369B2 (ko) |
KR (1) | KR20210087004A (ko) |
CN (1) | CN112735130B (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155704B (zh) * | 2021-10-18 | 2023-05-02 | 北京千方科技股份有限公司 | 一种基于ai服务的交通数据处理方法、装置、存储介质及终端 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2913857B2 (ja) | 1991-02-15 | 1999-06-28 | 住友電気工業株式会社 | 車両ナビゲーションに用いる目的地案内装置 |
DE102006004693A1 (de) * | 2006-01-31 | 2007-08-09 | Siemens Ag | Navigationssystem, Verfahren und Computerprogrammprodukt zum Betreiben des Navigationssystems |
JP4905044B2 (ja) | 2006-10-13 | 2012-03-28 | アイシン・エィ・ダブリュ株式会社 | 交通情報配信装置 |
JP5760807B2 (ja) | 2011-07-27 | 2015-08-12 | アイシン・エィ・ダブリュ株式会社 | 参照データ取得装置、参照データ取得システム、参照データ取得方法、及び参照データ取得プログラム |
US10030987B2 (en) * | 2015-02-05 | 2018-07-24 | Volkswagen Ag | System and methodologies for visual relevancy-grading of a navigation map |
JP6553930B2 (ja) * | 2015-04-14 | 2019-07-31 | 日立オートモティブシステムズ株式会社 | 車両情報処理装置、及び車両情報処理プログラム |
CN106969764B (zh) * | 2016-01-13 | 2020-05-01 | 北京四维图新科技股份有限公司 | 一种道路匹配方法、装置及车载地图采集系统 |
JP2018044902A (ja) | 2016-09-16 | 2018-03-22 | アルパイン株式会社 | ナビゲーションシステム及びコンピュータプログラム |
DE102017210961A1 (de) * | 2017-06-28 | 2019-01-03 | Audi Ag | Verfahren zum zumindest teilautomatisierten Betrieb eines Kraftfahrzeugs |
US10922965B2 (en) * | 2018-03-07 | 2021-02-16 | Here Global B.V. | Method, apparatus, and system for detecting a merge lane traffic jam |
JP7137359B2 (ja) * | 2018-05-30 | 2022-09-14 | フォルシアクラリオン・エレクトロニクス株式会社 | 情報処理装置 |
US11074811B2 (en) * | 2018-08-21 | 2021-07-27 | Here Global B.V. | Method and apparatus for using drones for road and traffic monitoring |
CN111220162B (zh) * | 2018-11-23 | 2022-04-29 | 北京交研智慧科技有限公司 | 一种获取慢行车辆行驶轨迹的方法及装置 |
CN111354222A (zh) * | 2018-12-20 | 2020-06-30 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
US11635299B2 (en) * | 2020-02-06 | 2023-04-25 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for scene-aware interaction |
CN111653114A (zh) * | 2020-06-12 | 2020-09-11 | 北京百度网讯科技有限公司 | 信息提醒方法、装置、电子设备及存储介质 |
CN111931500B (zh) * | 2020-09-21 | 2023-06-23 | 北京百度网讯科技有限公司 | 搜索信息的处理方法、装置 |
-
2020
- 2020-12-25 CN CN202011572360.0A patent/CN112735130B/zh active Active
-
2021
- 2021-06-21 KR KR1020210080406A patent/KR20210087004A/ko not_active Application Discontinuation
- 2021-11-12 JP JP2021184662A patent/JP7333369B2/ja active Active
- 2021-12-15 EP EP21214694.8A patent/EP3971530A3/en not_active Withdrawn
- 2021-12-15 US US17/552,190 patent/US11821746B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP7333369B2 (ja) | 2023-08-24 |
CN112735130A (zh) | 2021-04-30 |
JP2022037938A (ja) | 2022-03-09 |
CN112735130B (zh) | 2022-05-10 |
EP3971530A3 (en) | 2022-06-29 |
US11821746B2 (en) | 2023-11-21 |
US20220107196A1 (en) | 2022-04-07 |
EP3971530A2 (en) | 2022-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10332389B2 (en) | Extrapolating speed limits within road graphs | |
US10627241B2 (en) | Map-centric map matching method and apparatus | |
EP3150963B1 (en) | Indexing routes using similarity hashing | |
US10198941B2 (en) | Method and apparatus for evaluating traffic approaching a junction at a lane level | |
KR20210151724A (ko) | 차량 포지셔닝 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
US11353328B2 (en) | Navigation system, apparatus and method for associating a probe point with a road segment | |
US10922558B2 (en) | Method and apparatus for localization using search space pruning | |
CN115585816A (zh) | 车道级地图匹配方法和装置 | |
CN115855084A (zh) | 地图数据融合方法、装置、电子设备及自动驾驶产品 | |
US20230137263A1 (en) | Method and apparatus for generating structured trajectories from geospatial observations | |
CN114111813B (zh) | 高精地图元素更新方法、装置、电子设备及存储介质 | |
KR20210087004A (ko) | 교통 데이터의 처리 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 제품 | |
CN116935656B (zh) | 道路交通数据处理方法、装置、电子设备及存储介质 | |
US20230211776A1 (en) | Method for determining attribute value of obstacle in vehicle infrastructure cooperation, device and autonomous driving vehicle | |
US20230144288A1 (en) | Method for determining intersection missing traffic restriction information, and electronic device | |
US11790667B2 (en) | Method and apparatus for localization using search space pruning | |
CN115206102A (zh) | 确定交通路径的方法、装置、电子设备和介质 | |
CN115062240A (zh) | 一种停车场排序方法、装置、电子设备和存储介质 | |
CN111797183B (zh) | 挖掘信息点的道路属性的方法、装置及电子设备 | |
US20230132499A1 (en) | Method and apparatus for generating structured trajectories from geospatial observations | |
US20240104121A1 (en) | Method, apparatus, and computer program product for map data conflation | |
US20230135578A1 (en) | Method and apparatus for generating structured trajectories from geospatial observations | |
CN114199228B (zh) | 地图数据生成方法、装置、电子设备和存储介质 | |
CN114625884B (zh) | 轨迹数据的处理方法、装置、设备、存储介质及程序产品 | |
US20240219195A1 (en) | System and method for optimization of lane data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |