KR20220070041A - 도로 데이터 처리 방법, 장치, 기기, 저장매체 및 컴퓨터 프로그램 - Google Patents

도로 데이터 처리 방법, 장치, 기기, 저장매체 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR20220070041A
KR20220070041A KR1020227015748A KR20227015748A KR20220070041A KR 20220070041 A KR20220070041 A KR 20220070041A KR 1020227015748 A KR1020227015748 A KR 1020227015748A KR 20227015748 A KR20227015748 A KR 20227015748A KR 20220070041 A KR20220070041 A KR 20220070041A
Authority
KR
South Korea
Prior art keywords
road
data
unit
index
vertical line
Prior art date
Application number
KR1020227015748A
Other languages
English (en)
Inventor
호우카이 리우
제난 리
톈위 장
시리앙 뎅
빙 지앙
Original Assignee
베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 filed Critical 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드
Publication of KR20220070041A publication Critical patent/KR20220070041A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G06K9/6221—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Structural Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Road Repair (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

본 출원은 도로 데이터 처리 방법, 장치, 기기와 저장매체를 제공하고, 스마트 교통, 클라우드 컴퓨팅 및 시공(space-time) 빅 데이터 기술분야에 속한다. 구체적인 구현방안은: 도로의 차량 주행 궤적 및 대응되는 도로망 중의 도로 유닛을 획득하는 단계; 도로 유닛에 대해 도로 수직선을 건립하고, 차량 주행 궤적과 도로 수직선의 교점을 결정하는 단계; 교점의 위치 데이터에 기반하여 도로가 도로 수직선 상에서의 너비구역을 결정하는 단계; 및 너비구역의 중점을 도로 수직선이 대응하는 도로 중심점으로 결정하는 단계이다. 본 출원의 실시예는 도로 중심점 데이터의 정확성을 향상할 수 있어, 도로 데이터 마이닝 업무의 리콜레이트를 향상하는데 도움된다.

Description

도로 데이터 처리 방법, 장치, 기기 및 저장매체
본 출원은 2021년 4월 28일자로 출원한 출원번호가 202110470264.3이고 발명명칭이 "도로 데이터 처리 방법, 장치, 기기 및 저장매체"인 중국특허출원을 우선권으로 하고, 상기 우선권 출원의 모든 내용을 인용하여 본 출원에 결합한다.
본 출원은 컴퓨터 기술분야에 관한 것이고, 특히 스마트 교통, 클라우드 컴퓨팅과 시공(space-time) 빅데이터 분야에 관한 것이다.
현재, 도로 데이터 처리 기술은 공사(construct), 차량 메시지, 교통 등 업무 중에 광범위하게 적용되고 있다. 예를 들면, 도로 중심점 또는 도로 중심선의 최신의 변화를 비교 관찰하여, 효과적인 공사정보를 마이닝하여 작업에 사용한다. 또한 예를 들면, 도로 중심점 또는 도로 중심선의 변화에 의해 차량 메시지 수정에 대해 판단하는 등이 있다. 하지만, 현재의 방법을 사용하여 획득한 도로 중심점 데이터는 정확도가 부족하여 업무의 수요를 만족하기 어렵다.
본 출원은 도로 데이터 처리 방법, 장치, 기기 및 저장매체를 제공한다.
본 출원의 일 측면에 따르면, 도로 데이터 처리방법을 제공하는데, 해당 도로 데이터 처리 방법은,
도로의 차량 주행 궤적 및 대응되는 도로망 중의 도로 유닛을 획득하는 단계;
도로 유닛에 대해 도로 수직선을 건립하고, 차량 주행 궤적과 도로 수직선의 교점을 결정하는 단계;
교점의 위치 데이터에 기반하여 도로가 도로 수직선 상에서의 너비구역을 결정하는 단계; 및
너비구역의 중점을 도로 수직선이 대응하는 도로 중심점으로 결정하는 단계를 포함한다.
본 출원의 다른 일 측면에 따르면, 도로 데이터 처리 장치를 제공하는데, 해당 도로 데이터 제공 장치는,
도로의 차량 주행 궤적 및 대응되는 도로망 중의 도로 유닛을 획득하기 위한 획득유닛;
도로 유닛에 대해 도로 수직선을 건립하고, 차량 주행 궤적과 도로 수직선의 교점을 결정하기 위한 제1 결정유닛;
교점의 위치 데이터에 기반하여 도로가 도로 수직선 상에서의 너비구역을 결정하기 위한 제2 결정유닛; 및
너비구역의 중점을 도로 수직선이 대응하는 도로 중심점으로 결정하기 위한 제3 결정유닛을 포함한다.
본 출원의 다른 일 측면에 따르면, 전자 기기를 제공하는데, 해당 전자기기는,
적어도 하나의 프로세서; 및
해당 적어도 하나의 프로세서와 통신 연결되는 메모리를 포함하며, 여기서,
해당 메모리에는 해당 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되어 있고, 해당 명령은 적어도 하나의 프로세서에 의해 실행되어, 해당 적어도 하나의 프로세서가 본 출원의 임의의 실시예 중의 도로 데이터 처리 방법을 수행하도록 한다.
본 출원의 다른 일 측면에 따르면, 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능 저장 매체를 제공하며, 해당 컴퓨터 명령은 컴퓨터가 본 출원의 임의의 실시예에 따른 도로 데이터 처리 방법을 실행하도록 한다.
본 출원의 다른 일 측면에 따르면, 컴퓨터 프로그램을 포함하는 컴퓨터 프로그램 제품을 제공하는데, 해당 컴퓨터 프로그램이 프로세서에 의해 실행될 경우, 본 출원의 임의의 실시예 중의 도로 데이터 처리 방법을 구현하도록 한다.
본 출원의 일 실시예는 다음과 같은 이점 또는 유익한 효과를 구비한다. 즉, 도로 중심점 데이터의 정확성을 향상할 수 있어 도로 데이터 마이닝 업무의 리콜레이트(Recall Rate)를 향상하는데 도움된다.
발명의 내용 부분에서 설명한 내용은 본 출원의 실시예의 관건적이거나 중요한 특징을 표시하고자 하는 것이 아니고, 본 출원의 범위를 한정하고자 하는 것도 아님을 이해해야 한다. 본 출원의 기타 특징은 아래의 명세서에 의해 용이하게 이해될 것이다.
도면은 본 안을 더욱 잘 이해하기 위한 것으로, 본 출원에 대한 한정은 아니다. 여기서:
도 1은 본 출원의 실시예에 따른 도로 데이터 처리 방법의 흐름도이다.
도 2는 본 출원의 다른 실시예에 따른 도로 데이터 처리 방법의 도로망 및 차량 주행 궤적의 예시도이다.
도 3은 본 출원의 다른 실시예에 따른 도로 데이터 처리 방법의 중심선 데이터 계산 과정의 예시도이다.
도 4는 본 출원의 다른 실시예에 따른 영상 처리 방법의 흐름도이다.
도 5는 본 출원의 다른 실시예에 따른 영상 처리 방법의 중심선 데이터 계산 과정의 예시도이다.
도 6은 본 출원의 다른 실시예에 따른 영상 처리 방법의 흐름도이다.
도 7은 본 출원의 다른 실시예에 따른 영상 처리 방법의 중심선 데이터 계산 과정의 예시도이다
도 8은 본 출원의 다른 실시예에 따른 영상 처리 방법의 인덱스(index) 관리기의 예시도이다.
도 9는 본 출원의 실시예에 따른 도로 데이터 처리 장치의 예시도이다.
도 10은 본 출원의 다른 실시예에 따른 도로 데이터 처리 장치의 예시도이다.
도 11은 본 출원의 다른 실시예에 따른 도로 데이터 처리 장치의 예시도이다.
도 12는 본 출원의 실시예를 구현하기 위한 전자기기의 블록도이다.
이하에서 도면을 결합하여 본 출원의 예시적인 실시예에 대해 설명하기로 하며, 여기서 이해를 돕기 위해 본 출원의 실시예의 각 종의 세부 사항을 포함하며, 이들은 예시적인 것에 불과한 것으로 이해해야 한다. 따라서, 본 분야의 일반적인 기술자들은 여기에 설명되는 실시예에 대해 각종 변경과 수정을 할 수 있고, 이는 본 출원의 범위와 사상을 벗어나지 않는 것으로 이해해야 할 것이다. 마찬가지로, 명확하고 간략하기 위해, 이하의 설명에서 공지 기능과 구조에 대한 설명은 생략하였다.
도 1은 본 출원의 실시예에 따른 도로 데이터 처리 방법의 흐름도이다. 도 1을 참조하면, 해당 도로 데이터 처리 방법은 구체적으로,
단계(S110): 도로의 차량 주행 궤적 및 대응되는 도로망 중의 도로 유닛을 획득하는 것;
단계(S120): 도로 유닛에 대해 도로 수직선을 건립하여 차량 주행 궤적과 도로 수직선의 교점을 결정하는 것;
단계(S130): 교점의 위치 데이터에 기반하여 도로가 도로 수직선 상에서의 너비구역을 결정하는 것; 및
단계(S140): 너비구역의 중점을 도로 수직선이 대응하는 도로 중심점으로 결정하는 것을 포함할 수 있다.
공사, 차량용 메시지, 교통 등 업무 장소에서, 현실 도로의 중심점 데이터를 정확히 획득하는 것은 도로 마이닝 업무를 신속히 전개하는데 도움되고, 도로 데이터 마이닝 업무의 리콜레이트를 향상하는데 도움된다. 이 외에, 도로 중심점 데이터에 기반하여 도로 중심선 데이터를 얻을 수도 있다. 스마트 교통과 데이터 마이닝 기술분야에서, 도로 중심선 화상은 도로 요소 마이닝 기술의 가장 중요한 기본 데이터 중의 하나이다. 도로 중심선의 최신 변화를 비교 관찰하는 것에 의해, 효과적인 공사 정보를 마이닝하여 작업에 사용할 수 있고, 차량 메시지 수정에 대해 판단하는 것 등에도 사용될 수 있다. 새로 개통한 도로에 대하여, 획득한 차량 주행 궤적에 의해 도로 중심점 데이터와 도로 중심선 데이터를 획득하여 업데이트된 정확한 도로 데이터를 실시간으로 획득한다. 또한 예를 들면, 현재 시각의 어느 한 도로의 차량 주행 궤적을 획득할 수 없을 경우, 데이터 마이닝에 의해 해당 도로의 중심점 데이터와 중심선 데이터를 얻을 수 없다. 이러한 경우는 해당 도로가 현재 시각에서 중단 상태를 처리하는 상황일수 있어, 지도 또는 기타 응용 장소 중에서 도로의 최신 상태를 즉시적으로 업데이트할 수 있다.
단계(S110)에서, 일 측면에 있어서 어느 한 도로 상의 차량 주행 궤적을 실시간으로 획득할 수 있다. 예를 들면, 차량단에 설치된 차량 주행 궤적 기록기기는 차량 주행 궤적을 실시간으로 서버단으로 업로드할 수 있고, 서버단은 각 도로 상의 차량 주행 궤적을 실시간으로 획득할 수 있다. 다른 일 측면에 있어서, 실제 교통 장소 중의 각 주행 도로는 각각 도로망 중에서 대응되는 하나의 Link(도로유닛)를 구비한다. 상기 Link는 도로망 중에서 도로를 나타내는 선분이다. 예를 들면, Link는 지도 상의 갈래가 없는 하나의 곧은 길을 나타낼 수 있다. 도로의 차량 주행 궤적을 획득하는 동시에, 대응되는 도로망 중의 도로유닛을 획득할 수 있다.
도 2는 본 출원의 다른 실시예에 따른 도로 데이터 처리 방법의 도로망 및 차량 주행 궤적의 예시도이다. 도 2에서, 부호 1로 표시되고 화살표를 구비하는 선분은 도로망 중의 Link를 나타내고, 부호 2로 표시되는 선은 해당 Link가 대응하는 도로 중의 몇 개의 차량 주행 궤적을 나타낸다. 단계(S120)에서, 도로망 중의 Link에 대해 도로 수직선을 건립할 수 있다. 도 2를 참조하면, 부호 1로 표시되는 선분에 대해 수직선을 그릴 수 있다. 도 2에서 부호 3으로 표시되는 점선은 부호 1로 표시되는 Link에 대해 건립한 도로 수직선을 나타낸다. 일 예시에서, 도로망 중의 각 Link에 대해 등간격의 방식으로 일련의 도로 수직선을 건립하여, Link에 대해 절분하도록 할 수 있다. 도로 수직선을 건립한 후, 각 차량 주행 궤적과 모든 도로 수직선의 교점의 위치를 계산할 수 있다. 도 2 중의 실심원은 차량 주행 궤적과 도로 수직선의 교점을 나타낸다.
단계(S130)에서, 동일한 도로 수직선 상의 복수의 교점의 위치 데이터에 대해 분석하여 해당 도로가 해당 도로 수직선이 위치한 위치에서의 너비구역을 결정할 수 있다. 단계(S140)에서, 단계(S130)에서 결정된 너비구역의 중점을 선택하고, 너비구역의 중점을 도로 수직선이 대응하는 도로 중심점으로 결정한다.
본 출원의 실시예에서, 도로망의 Link 데이터에 기반하여, 각 Link에 대해 일련의 도로 수직선을 건립하고, 차량 주행 궤적과 수직선의 교점을 계산한다. 동일한 하나의 도로 수직선의 대량의 교점에 대해, 교점의 위치에 기반하여 도로의 너비구역을 결정하고, 도로의 너비구역이 대응하는 중점을 해당 도로 수직선이 대응하는 도로 중심점으로 한다. 이상 방법을 사용하여 도로망 Link 데이터와 진실한 차량 주행 궤적 데이터를 서로 융합하고, 차량 주행 궤적과 도로 수직선의 교점의 위치 데이터를 사용하여 도로 중심점을 결정하는 것은 도로 중심점 데이터의 정확성을 향상할 수 있어 도로 데이터 마이닝 업무의 리콜레이트를 향상하는데 도움된다.
일 실시방식에서, 상기 방법은,
도로 유닛의 모든 도로 수직선이 대응되는 도로 중심점을 연결하여 도로 유닛의 도로 중심선을 얻는 단계를 더 포함한다.
도 2를 참조하면, 동일한 하나의 Link 상의 각 도로 수직선에 대해, 대응되는 도로 중심점을 얻을 수 있다. Link 상의 모든 도로 수직선이 대응하는 도로 중심점을 연결하면 해당 Link의 도로 중심선을 얻을 수 있다.
도 3은 본 출원의 다른 실시예에 따른 도로 데이터 처리 방법의 중심선 데이터 계산 과정의 예시도이다. 도 3에 도시된 바와 같이, 획득한 차량 주행 궤적 데이터에 기반하여 기본 데이터를 계산하여 얻는다. 여기서, 기본 데이터는 차량 주행 궤적과 도로 수직선의 교점의 위치 데이터를 포함한다. 그 다음 기본 데이터에 기반하여 도로 중심선 데이터를 계산하여 얻는다.
본 출원의 실시예에서, 실시간 차량 주행 궤적 데이터와 도로망 Link 데이터를 서로 융합하는 것에 기반하여 도로 중심선을 결정할 수 있는 것은, 도로 중심선 데이터의 정확성을 향상할 수 있어, 도로 데이터 마이닝 업무의 리콜레이트를 향상하는데 도움된다.
도 4는 본 출원의 다른 실시예에 따른 영상 처리 방법의 흐름도이다. 도 4에 도시된 바와 같이, 일 실시방식에서, 도 1 중의 단계(S130), 교점의 위치 데이터에 기반하여 도로가 도로 수직선 상에서의 너비구역을 결정하는 것은 구체적으로,
단계(S410): 가우스 혼합 모델을 사용하여 교점의 위치 데이터에 대해 클러스터링 분석을 수행하여, 교점이 미리 설정된 신뢰도에서 대응되는 위치구역을 얻는 것; 및
단계(S420): 위치구역을 도로가 도로 수직선 상에서의 너비구역으로 결정하는 것을 포함할 수 있다.
여기서, 가우스 혼합 모델(Gaussian Mixture Model, GMM)은 가우스 확률 밀도 함수(정규 분포 곡선)를 사용하여 사물을 정확히 계량화하는 것으로, 이는 사물을 몇개로 분해하는 가우스 확률 밀도 함수(정규 분포 곡선)에 기반하여 형성된 모델이다.
일 예시에서, 미리 설정된 신뢰도는 90%로 설정될 수 있다. 정규 분포 곡선에 따르면, 해당 예시에서, 차량 주행 궤적과 도로 수직선의 교점에 대해 클러스터링 분석을 수행하면, 90% 이상의 교점이 Link와 도로 수직선의 교점 양측의 일정한 위치구역 내에 위치할 수 있다. 예를 들면, 90% 이상의 교점이 Link와의 수직 거리가 5미터 이내일 수 있다. 소수 10%의 교점의 위치가 Link와의 거리가 비교적 멀고, 이러한 교점이 Link와의 수직거리가 5미터 밖일 수 있다. 해당 위치구역은 신뢰도 90%가 대응되는 신뢰구간이다. 하나의 도로 수직선 상의 대량의 교점의 위치 데이터에 크러스터링 분석을 수행하여 미리 설정된 신뢰도의 신뢰구간을 얻을 수 있는 바, 다시 말하면, 교점이 미리 설정된 신뢰도에서 대응되는 위치구역을 얻을 수 있다. 해당 위치구역을 도로가 도로 수직선이 위치한 위치에서의 너비구역으로 결정할 수 있다.
도 2를 참조하면, 일 예시에서, Link와 도로 수직선의 교점의 위치 좌표는(5, 0)이다. 해당 Link가 해당 도로 수직선이 위치하는 위치에서의 너비구역은 단점(end point)이 (5, 5)와 (5, -5)인 선분이 위치하는 구역일 수 있다. 또 하나의 예시에서, Link와 도로 수직선의 교점의 위치 좌표는 (10, 0)이다. 해당 Link가 해당 도로 수직선이 위치하는 위치에서의 너비구역은 단점이 (10, 4.5)와 (10, -5.5)인 선분이 위치하는 구역일 수 있다.
도 5는 본 출원의 다른 실시예에 따른 영상 처리 방법의 중심선 데이터 계산 과정의 예시도이다. 도 3과 도 5를 참조하면, 획득한 차량 주행 궤적 데이터에 기반하여 계산하여 기본 데이터를 얻는다. 여기서, 기본 데이터는 차량 주행 궤적과 도로 수직선의 교점의 위치 데이터를 포함한다. 그 다음, 기본 데이터에 GMM 클러스터링을 수행하여 도로 중심선 데이터를 계산하여 얻는다.
본 출원의 실시예에서, 대량의 차량 주행 궤적 데이터를 사용하여 차량 주행 궤적과 도로 수직선의 교점을 계산하고, 대량의 교점에 대해 GMM 클러스터링을 수행하여 해당 link의 도로 중심선을 얻는다. 이상 방법은 도로 중심선 데이터의 정확성을 향상하였고, 도로 데이터 마이닝 업무의 리콜레이트를 향상하였다.
도 6은 본 출원의 다른 실시예에 따른 영상 처리 방법의 흐름도이다. 도 6에 도시된 바와 같이, 일 실시방식에서, 상기 방법은,
단계(S610): 도로의 위치정보에 기반하여, 도로유닛이 대응하는 교점의 위치 데이터를 복수의 분할 데이터(Partitioned Data)로 분할하는 것;
단계(S620): 인덱스 처리 메커니즘을 사용하여 분할 데이터에 대해 인덱스를 건립하여 인덱스 데이터를 얻는 것;
단계(S630): 인덱스 데이터로부터 획득한 교점의 위치 데이터에 기반하여, 도로가 도로 수직선 상에서의 너비구역을 결정하는 것; 을 더 포함한다.
일 예시에서, 단계(S120)을 수행한 후, 단계(S610) 내지 단계(S630)을 수행할 수 있다. 단계(S610) 내지 단계(S630)에서, 상기 교점의 위치 데이터에 대해 인덱스를 건립하고, 인덱스를 건립한 후의 데이터 중에서 신속히 데이터를 획득함으로써, 시스템의 성능을 향상하였다. 마지막으로 단계(S140)을 수행하여, 도로 수직선이 대응하는 도로 중심점을 결정한다.
관련기술의 도로 속성 마이닝 범용 구조에서, 하둡- 맵리듀스(hadoop-MR(Map Reduce))를 사용하여 지정된 구역 내의 도로 속성을 오프라인으로 배치 컴퓨팅(batch computing)한다. 여기서, hadoop-MR은 분포식 시스템의 계산 프레임이다. 도로 속성을 계산하여 얻은 후, 모든 결과를 분포식 파일 시스템에 저장하는 바, 예를 들면 분포식 파일 시스템(Hadoop Distributed File System, HDFS) 또는 Andrew 파일 시스템(Andrew File System, AFS) 등에 저장한다. 하지만, 종래의 분포식 파일 시스템은 데이터에 대한 세분화된(fine grained) 조회를 지지하지 않고, 일반적으로 전체 데이터 세트 파일에 대해 전역 순회하는 방법을 사용하여 처리해야 한다. 예를 들면, 어느 한 도로의 최신 중심선 데이터에 대해서만 조회가 필요 한 경우에도 전체 지정된 구역 내의 조회 임무를 제출하여 중심선 데이터를 얻고, 이어서 순회 검색하는 방법을 사용하여 조회를 수행한다. 보다시피, 이러한 방법은 도로 속성의 세분화된 조회의 시효성을 감소한다.
데이터의 세분화된 조회를 구현하기 위하여, 본 출원의 실시예는 도로 속성 마이닝 프레임을 제공하는데, 인덱스 관리기 메커니즘을 증가하고, 도로 공간 데이터의 특징을 결합하여 새로운 데이터 파티션(partition)을 건립하는 것에 의해, 분포식 파일 시스템에 대한 신속한 인덱스 기능을 구현한다. 일 실시방식에서, 인덱스 메커니즘을 지지하기 위한 새로운 데이터 구조 유형을 더 제공할 수 있다. 이상 방법에 의해 수많은 궤적 빅 데이터에서, 도로 중심선 데이터의 고 성능적이고 세분화된 계산과 조회를 구현할 수 있고, 더욱 원활하고, 고 시효적으로 도로 속성의 변화를 마이닝할 수 있으며, 궤적 빅 데이터를 처리하기 위한 고 가용성을 추진한다.
본 출원의 실시예에서, Link를 단위로 도로 중심선의 계산을 수행할 수 있다. 만약, 소량의 차량 주행 궤적 데이터만 사용하면, 계산 결과의 정확성을 확보할 수 없다. 도로 중심선을 부각하는 정확성을 확보하기 위하여, 대량의 궤적에 대해 GMM 클러스터링 처리를 수행해야 한다. 일 예시에서, 동일한 하나의 Link에 연속 N일간 통과하는 차량 주행 궤적 데이터를 획득하여 동일한 Link의 데이터에 대해 클러스터링을 수행하는데 사용할 수 있다. 여기서, N의 값은 N>15일 수 있다. 지도 상에서 데이터 처리의 지정구역을 설정할 수 있는 바, 예를 들면, 지정구역을 "전국 부분적 지리 구역"으로 설정할 수 있다. 전국 매일의 차량 주행 궤적의 데이터 량은 매우 크고, 데이터 량은 TB(만억 바이트) 레벨일 수 있다. 종래의 데이터 베이스 용량은 비교적 작아 연속적인 몇 일간의 수많은 차량 주행 궤적 데이터의 저장과 고 성능적인 조회를 지지하지 못할 수 있다.
이러한 문제를 해결하기 위하여, 본 출원의 실시예는 지리 공간 정보의 특점에 기반하여 새로운 데이터 저장방식을 제공한다. 지정 구역 및 주변 부분 구역을 미리 설정된 크기의 일련의 구형 격자 구역으로 분할한다. 여기서, 격자 구역은 또한 맵 시트(map sheet)로 불리운다. 예를 들면, 지정 구역이 "전국 범위내의 지리 구역"일 경우, 전국 범위 및 주변 부분 구역을 변의 길이가 20km인 정방형 크기의 일련의 격자 구역으로 분할할 수 있고, 각 격자 구역에게 일련의 파티션 번호를 부여하여 전국 범위에 대한 분할을 구현하도록 한다. 일 예시에서, 날짜와 파티션 번호를 전국 범위 내의 각 격자구역의 데이터의 파일 이름으로 하여 파일 시스템에 저장할 수 있다, 예를 들면, 날짜가 20210101이고, 파티션 번호가 123이면, 해당 파일 이름은 "20210101_123"일 수 있다. 이상 방식에 의해 도로 유닛이 대응하는 교점의 위치 데이터를 복수의 분할 데이터로 분할하고, 일(day) 레벨의 기본 데이터를 맵 시트로 분할하는 형식으로 파일 시스템에 저장할 수 있다. 파일 시스템은 일반적으로 용량이 비교적 크고, 파일 시스템을 직접 사용하는 것에 의해 데이터 베이스가 복수 일의 전국 궤적 기본 데이터를 저장할 수 없는 문제를 해결할 수 있다.
파일 시스템은 데이터의 세분화된 조회를 지지하지 못하기에, 본 출원의 실시예에서는 인덱스 처리 메커니즘을 사용하여 분할 데이터에 대해 인덱스를 건립하여 인덱스 데이터를 얻는다. 인덱스 데이터로부터 획득한 교점의 위치 데이터는 데이터 조회의 시효성을 향상할 수 있다.
도 7은 본 출원의 다른 실시예에 따른 영상 처리 방법의 중심선 데이터 계산 과정의 예시도이다. 도 7에 도시된 바와 같이, 데이터 사전 처리 모듈은 원시 차량 주행 궤적 데이터에 대해 사전 처리를 수행한다. 사전 처리는 차량 주행 궤적과 도로 수직선의 교점을 계산하는 것, 및 도로 유닛이 대응하는 교점의 위치 데이터를 복수의 분할 데이터로 분할하는 것을 포함할 수 있다. 본 출원의 실시예에서는 파티션 내부의 데이터에 대해 인덱싱을 수행하기 위한 인덱스 관리기를 인입하여, 증가, 삭제, 지속화 등 인덱스 관리 조작을 수행할 수 있다. 도 7을 참조하면, 원시 차량 주행 궤적 데이터는 데이터 사전 처리를 거친 후, 복수의 분할 데이터로 분할된다. 다음, 복수의 분할 데이터는 인덱스 관리기에 진입하고, 인덱스 관리기에서 각 파티션 내부의 기본 데이터에 대해 인덱스를 건립하여 인덱스 데이터를 얻는다. 그 다음, 인덱스 데이터를 파일 시스템에 저장한다. 가우스 혼합 모델을 사용하여 중심선을 계산할 경우, 인덱스 관리기를 통해 파일 시스템에서 각 분할 데이터 중의 각 Link의 각 도로 수직선 상의 교점의 위치 데이터를 검색한다. 데이터를 검색하는 과정은, 중심선 계산 모듈이 먼저 인덱스 관리기에 접속하는 제1 단계; 중심선 계산모듈이 인덱스 관리기를 통해 계산에 필요한 데이터가 파일 시스템에서의 위치를 검색하는 제2 단계; 및 파일 시스템이 계산에 필요한 데이터를 중심선 계산모듈에 반환하는 제3 단계를 포함할 수 있다.
본 출원의 실시예는 지정된 범위를 복수의 맵 시트 파티션으로 분할하는 방법에 의하여, 각 파티션의 데이터 량의 크기를 감소하고, 인덱스 처리 메커니즘의 사용과 배합하여 데이터를 신속히 획득할 수 있어, 세분화된 조회의 시효성 문제를 해결하였고, 시스템 성능을 향상하였다. 일 예시에서, 어느 한 도로 중심선의 속성 데이터를 조회할 경우, 단번에 처리하는 범위를 최근 몇개 월의 데이터를 처리할 수 있는 범위로 확대할 수 있고, 데이터 량을 증가하는 것에 의해 중심선 데이터 계산의 정확도를 향상하며, 업무측 책략의 리콜레이트를 향상한다.
일 실시방식에서, 인덱스 처리 메커니즘을 사용하여 분할 데이터에 대해 인덱스를 건립하여 인덱스 데이터를 얻는 것은,
도로 유닛의 표식과 도로 유닛이 분할 데이터 중에서 대응되는 하부 기호(subscript)를 키값 쌍(Key-Value pair)으로 하여 분할 데이터에 대해 인덱스를 건립하는 것을 포함한다.
도 8은 본 출원의 다른 실시예에 따른 영상 처리 방법의 인덱스(index) 관리기의 예시도이다. 도 8에 도시된 바와 같이, 분할 데이터에 대해 인덱스를 건립하는 수요를 만족하기 위하여, 각 파티션(Partition) 중에서, 기본 데이터를 LinkData 유형으로 포맷팅(formatting)하는 것을 선택할 수 있다. 일 예시에서, LinkData 데이터 포맷은: [ Linkid, x, y, t.....] 이다. LinkData 데이터 중에는 Link 중의 복수의 교점의 교점 정보가 포함될 수 있다. 여기서, Linkid는 Link의 표식을 나타내고; x는 교점의 위도 좌표를 나타내고; y는 교점의 경도 좌표를 나타내며, t는 궤적 점이 대응되는 시간, 즉, 궤적 점이 생성된 시간을 나타낸다. 전체 분할 데이터는 Array[LinkData]의 형식으로 저장되는 바, 여기서, Array는 배열을 나타낸다. 배열 중의 매개의 원소는 하나의 Link가 대응하는 데이터를 저장하기 위한 것이다.
일 예시에서, Link 속성 데이터 조회의 성능을 향상하기 위하여, 각 LinkData의 Linkid를Key(키)값으로 하고, 해당 LinkData가 대응하는 Array 하부 기호를value(값)으로 하여, Key와 value로 키값 쌍을 구성하고, 파티션 내부에 Hash 인덱스를 건립함으로써, 파티션 내부 데이터의 인덱싱 과정을 완성한다. 도 8을 참조하면, 이상 방식에 의해, 전체 파티션 내부 데이터 세트를SheetData[HashIndex, Array[LinkData]]의 포맷으로 파일 시스템에 저장함으로써, 분할 데이터에 대한 인덱스 건립을 완성한다. 여기서, SheetData는 인덱스 데이터의 포맷을 나타내고, HashIndex는 해시 인덱스를 나타낸다.
이상 예시에서, Hash 인덱스 함수에 의해 데이터를 조회할 수 있다. Hash 인덱스 함수의 입력은 Key 값인바, 즉, 각 LinkData의 Linkid이고; 출력은 value인바, 즉, 해당 LinkData가 대응되는 Array 하부 기호이다. 어느 한 Link의 최신 도로 중심선 데이터를 조회해야 할 경우, 먼저 해당 Link가 위치한 파티션에 의해 연속 N일에 대응하는 분할 데이터를 판독한다. 다음, 각 파티션 내부의 Hash 인덱스 함수를 사용하여 해당 Link가 대응하는 Linkid를 Hash 인덱스 함수에 입력하면, 해당 LinkData가 대응하는 Array 하부 기호를 얻을 수 있다. 이상 방식에 의해 수요되는 데이터를 신속히 획득할 수 있다.
본 출원의 실시예에서, 각 파티션 내부의 HashIndex에 의해, O(1)의 시간 복잡도(time complexity)로 해당 Link의 모든 기본 데이터를 신속히 획득할 수 있고, 이어서 GMM 모델을 호출하여 도로 중심선 데이터를 계산함으로써, 해당 과정은 분 레벨(minute level)의 조회를 구현할 수 있다. Hash 인덱스에 의해 조회 속도를 향상하였고, 조회 성능이 낮은 문제를 해결함으로써, 업무가 분(minute) 레벨의 도로 중심선 조회를 지지할 수 있도록 하고, 지도 제품에서 현실 도로 속성 및 그 변화를 신속하고 정확하게 부각하는 것을 구현할 수 있다.
본 출원의 실시예의 도로 속성 마이닝 구조에서, 인덱스 처리 메커니즘을 건립하고 데이터 저장 유형을 수정하는 방식에 의해, 데이터의 세분화된 조회에 대한 검색 성능을 향상한다.
도 9는 본 출원의 실시예에 따른 도로 데이터 처리 장치의 예시도이다. 도 9를 참조하면, 해당 도로 데이터 처리 장치는,
도로의 차량 주행 궤적 및 대응되는 도로망 중의 도로 유닛을 획득하기 위한 획득유닛(910);
도로 유닛에 대해 도로 수직선을 건립하고, 차량 주행 궤적과 도로 수직선의 교점을 결정하기 위한 제1 결정유닛(920);
교점의 위치 데이터에 기반하여 도로가 도로 수직선 상에서의 너비구역을 결정하기 위한 제2 결정유닛(930); 및
너비구역의 중점을 도로 수직선이 대응하는 도로 중심점으로 결정하기 위한 제3 결정유닛(940)을 포함한다
도 10은 본 출원의 다른 실시예에 따른 도로 데이터 처리 장치의 예시도이다. 도 10을 참조하면, 일 실시방식에서, 상기 장치는 제1 처리유닛(950)을 더 포함하되, 해당 제1 처리유닛(950)은 도로 유닛의 모든 도로 수직선이 대응하는 도로 중심점을 연결하여 도로 유닛의 도로 중심선을 얻기 위한 것이다.
일 실시방식에서, 제2 결정유닛(930)은,
가우스 혼합 모델을 사용하여 교점의 위치 데이터에 대해 클러스터링 분석을 수행하여 교점이 미리 설정된 신뢰도에서 대응되는 위치 구역을 얻기 위한 것; 및
위치 구역을 도로가 도로 수직선 상에서의 너비구역으로 결정하기 위한 것이다.
도 11은 본 출원의 다른 실시예에 따른 도로 데이터 처리 장치의 예시도이다. 도 11을 참조하면, 상기 장치는 인덱스 유닛(960)을 더 포함하는 바,
인덱스 유닛(960)은 도로의 위치 정보에 기반하여 도로 유닛이 대응하는 교점의 위치 데이터를 복수의 분할 데이터로 분할하기 위한 분할 서브 유닛(961); 및 인덱스 처리 메커니즘을 사용하여 분할 데이터에 대해 인덱스를 건립하여 인덱스 데이터를 얻기 위한 인덱스 서브 유닛(962)을 포함하고;
제2 결정 유닛(930)은 인덱스 데이터에서 획득한 교점의 위치 데이터에 기반하여, 도로가 도로 수직선 상에서의 너비 구역을 결정하기 위한 것이다.
일 실시방식에서, 인덱스 서브 유닛(962)은,
도로 유닛의 표식과 도로 유닛이 분할 데이터 중에서의 대응하는 하부 기호를 키값 쌍으로 하여 분할 데이터에 대해 인덱스를 건립하기 위한 것이다.
본 출원의 실시예의 도로 데이터 처리 장치의 각 유닛의 기능은 상기 각 도로 데이터 처리 방법 중의 대응되는 설명을 참조할 수 있는 바, 여기서는 설명을 생략한다.
본 출원의 실시예에 따르면, 본 출원은 전자 기기, 판독 가능 저장 매체 및 컴퓨터 프로그램 제품을 더 제공한다.
도 12는 본 출원의 실시예를 구현하기 위한 예시 전자기기(800)의 예시적인 블록도이다. 전자 기기는 랩 컴퓨터, 데스크탑 컴퓨터, 워크스테이션, PDA, 서버, 블레이드 서버(blade server), 대형 컴퓨터 및 기타 적절한 컴퓨터와 같은 여러 종류의 디지털 컴퓨터를 지칭한다. 전자 기기는 PDA(Personal Digital Assistant), 셀룰러 폰(Cellular phone), 스마트 폰(smart phone), 웨어러블 디바이스(wearable device) 및 기타 유사한 컴퓨팅 장치와 같은 다양한 이동식 장치를 지칭할 수도 있다. 본 명세서에 언급된 부재, 이들의 연결 및 관계, 그리고 이들의 기능은 예시에 불과하고, 본 명세서에서 기재 및/또는 청구한 본 출원의 구현을 한정하는데 있는 것이 아니다.
도 12에 도시된 바와 같이, 전자기기(800)는 컴퓨팅 유닛(801)을 포함하고, 상기 컴퓨팅 유닛(801)은 ROM(802)에 저장된 컴퓨터 프로그램 또는 저장 유닛(808)으로부터 RAM(803)에 로딩된 컴퓨터 프로그램에 의해 각종 적절한 동작과 처리를 수행할 수 있다. RAM(803)에는 전자기기(800)가 작동하는데 필요한 각종 프로그램과 데이터가 더 저장되어 있을 수 있다. 컴퓨팅 유닛(801), ROM(802) 및 RAM(803)는 버스(804)를 통해 서로 연결된다. 또한 입력출력(I/O) 인터페이스(805)도 버스(804)에 연결되어 있다.
전자기기(800) 중 복수의 부재는 I/O 인터페이스(805)에 연결되고, 키보드, 마우스 등과 같은 입력 유닛(806); 여러 종류의 디스플레이 장치, 스피커 등과 같은 출력 유닛(807); 자기 디스크, 광 디스크 등과 같은 저장 유닛(808); 및 랜 카드, 모뎀, 무선통신 송수신기 등과 같은 통신 유닛(809)을 포함한다. 통신 유닛(809)은 전자기기(800)가 인터넷과 같은 컴퓨터 네트워크 및/또는 각종 통신 네트워크를 통해 다른 기기와 정보 또는 데이터를 교환하도록 한다.
컴퓨팅 유닛(801)은 처리 및 컴퓨팅 능력을 가지는 여러 가지 범용의 및/또는 전용의 처리 컴포넌트일 수 있다. 컴퓨팅 유닛(801)의 일부 예시는 중앙 처리 장치(CPU), 그래픽 처리 장치(GPU), 여러 가지 전용 인공 지능 (AI) 컴퓨팅 칩, 머신 러닝 모델 알고리즘을 실행하는 여러 가지 컴퓨팅 유닛, 디지털 신호 프로세서(DSP) 및 임의의 적합한 프로세서, 제어기, 마이크로 제어기 등을 포함하나 이에 한정되지 않는다. 컴퓨팅 유닛(801)은 상술한 각 방법과 처리를 수행하는 바, 예를 들어 도로 데이터 처리 방법 또는 영상 처리 방법을 수행한다. 예를 들어, 일부 실시예에서 도로 데이터 처리 방법 또는 영상 처리 방법은 컴퓨터 소프트웨어 프로그램으로 구현될 수 있고, 기계 판독 가능 매체, 예를 들면 저장 유닛(808)에 유형적으로(tangibly) 포함될 수 있다. 일부 실시예에서, 컴퓨터 프로그램의 일부 또는 전부가 ROM(802) 및/또는 통신 유닛(809)을 거쳐 전자기기(800)에 로딩 및/또는 설치될 수 있다. 컴퓨터 프로그램이 RAM(803)에 로딩되어 컴퓨팅 유닛(801)에 의해 실행될 경우, 설명된 상기 도로 데이터 처리 방법 또는 영상 처리 방법의 하나 또는 복수의 단계가 실행될 수 있다. 대안적으로, 다른 실시예에서, 컴퓨팅 유닛(801)은 기타 임의의 적절한 방식으로(예를 들면 펌웨어에 의해) 도로 데이터 처리 방법 또는 영상 처리 방법을 수행하도록 구성될 수 있다.
본 명세서에 기재된 시스템 및 기술의 각종 실시방식은 디지털 전자 회로 시스템, 집적회로 시스템, 필드 프로그래머블 게이트 어레이(Field-programmable Gate Array: FPGA), 주문형 반도체(Application-Specific Integrated Circuit: ASIC), 주문형 표준 제품(Application-Specific Standard Product: ASSP), 시스템 온 칩 시스템(System-on-a-chip system: SOC), 복합 프로그래머블 로직 디바이스(Complex Programmable Logic Device: CPLD), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시방식은 하나 또는 복수의 컴퓨터 프로그램에서 실시되는 것을 포함할 수 있고, 해당 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그래머블 프로세서를 포함하는 프로그래머블 시스템 상에서 실행 및/또는 해석되고, 해당 프로그래머블 프로세서는 전용 또는 범용 프로그래머블 프로세서일 수 있으며, 저장 시스템, 적어도 하나 이상의 입력장치 및 적어도 하나 이상의 출력장치로부터 데이터 및 명령을 수신하고, 데이터 및 명령을 해당 저장 시스템, 상기 적어도 하나 이상의 입력장치 및 상기 적어도 하나 이상의 출력장치로 전송할 수 있다.
본 출원의 도로 데이터 처리 방법 또는 영상 처리 방법을 실시하기 위한 프로그램 코드는 하나 또는 복수의 프로그래밍 언어의 임의의 조합으로 프로그래밍할 수 있다. 이러한 프로그램 코드는 범용 컴퓨터, 전용 컴퓨터 또는 다른 프로그래머블 데이터 처리 장치들의 프로세서 또는 제어기에 제공되어 프로그램 코드가 프로세서 또는 제어기에 의해 실행될 때 플로우 차트 및/또는 블록도에 특정된 기능/동작을 구현하도록 할 수 있다. 프로그램 코드는 기계상에서 전체 실행될 수 있고 부분적으로 실행될 수도 있고 독립적인 소프트웨어 패키지로서 일부가 기계에서 실행되고 일부가 원격 기계에서 실행되거나 또는 전체가 원격 기계나 서버에서 실행될 수도 있다.
본 출원의 상하 내용에서, 기계 판독 가능 매체는 유형의 매체일 수 있으며, 명령 실행 시스템, 장치 또는 기기에 의해 사용되거나, 또는 명령 실행 시스템, 장치 또는 기기와 결합하여 사용되는 프로그램을 포함하거나 저장할 수 있다. 기계 판독 가능 매체는 기계 판독 가능한 신호 매체 또는 기계 판독 가능한 저장 매체일 수 있다. 기계 판독 가능 매체는 전자, 자기, 광학, 전자기, 적외선 또는 반도체 시스템, 장치 또는 기기, 또는 상기 내용들의 임의의 적합한 조합을 포함할 수 있으나, 이에 한정되지 않는다. 기계 판독 가능 저장 매체의 보다 구체적인 예시는 하나 또는 다수의 선에 기반하는 전기적 연결, 휴대용 컴퓨터 디스크, 하드 디스크, 랜덤 액세스 메모리(RAM), 읽기 전용 메모리(ROM), 소거 및 프로그램 가능한 읽기 전용 메모리(EPROM 또는 플래시 메모리), 광섬유, 휴대용 콤팩트 디스크 읽기 전용 메모리(CD-ROM), 광학 저장 장치, 자기 저장 장치 또는 전술한 내용들의 임의의 적합한 조합을 포함할 수 있으나, 이에 한정되지 않는다.
사용자와의 상호 작용을 제공하기 위해, 사용자에게 정보를 디스플레이하기 위한 디스플레이 디바이스(예컨대, CRT(cathode ray tube) 또는 LCD(liquid crystal display) 모니터) 및 사용자가 컴퓨터에 입력하는 키보드 및 포인팅 디바이스(예컨대, 마우스 또는 트랙볼)를 갖는 컴퓨터상에서 본 명세서에 기재된 시스템 및 기술을 구현할 수 있다. 다른 종류의 디바이스도 사용자와의 상호 작용을 제공하기 위해 사용될 수 있는데, 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감각 피드백(예컨대, 시각적 피드백, 청각 피드백 또는 촉각적 피드백)일 수 있으며, 사용자로부터의 입력은 임의의 형태(음향, 음성 또는 촉각 입력을 포함)로 수신될 수 있다.
본 명세서에서 설명된 시스템 및 기술은 백 엔드(back end) 컴포넌트를 포함하는 컴퓨팅 시스템(예컨대, 데이터 서버), 또는 미들웨어 컴포넌트를 포함하는 컴퓨팅 시스템(예컨대, 애플리케이션 서버), 또는 프론트 엔드 컴포넌트를 포함하는 컴퓨팅 시스템(예컨대, 그래픽 사용자 인터페이스 또는 웹 브라우저를 갖는 사용자 컴퓨터이며 사용자는 상기 그래픽 사용자 인터페이스 또는 웹 브라우저를 통해 본 명세서에서 기술된 시스템 및 기술의 실시양태와 연동할 수 있다), 또는 이러한 백 엔드, 미들웨어 또는 프런트 엔드 컴포넌트의 임의의 조합을 포함하는 컴퓨팅 시스템에서 구현될 수 있다. 시스템의 컴포넌트는 임의의 형태 또는 매체의 디지털 데이터 통신(예컨대, 통신 네트워크)에 의해 상호 접속될 수 있다. 통신 네트워크의 예로는 근거리 통신망(LAN), 광역 통신망(WAN), 및 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트와 서버는 서로 멀리 떨어져 있으며 일반적으로 통신 네트워크를 통해 상호작용한다. 대응되는 컴퓨터 상에서 실행되고 각각 클라이언트-서버 관계를 갖는 컴퓨터 프로그램을 통해 클라이언트와 서버의 관계를 생성한다.
위에 기술된 다양한 형식의 프로세스를 사용할 수 있고, 각 단계에 대해 재 배열, 추가 또는 삭제할 수 있음을 이해해야 한다. 예를 들어, 본 출원에 기재된 각 단계는 병렬로 수행할 수도, 순차적으로 수행할 수도, 다른 순서로 수행될 수도 있는 바, 본 출원에 개시된 기술안이 목표한 결과를 구현할 수만 있다면 특별히 한정하지 않는다.
상기 구체적 실시방식은 본 출원의 보호범위를 한정하지 않는다. 본 기술분야의 일반 기술자는 설계 요구 및 기타 요소에 따라 다양한 수정, 조합, 서브 조합 및 대체가 가능하다는 것을 명백해야 한다. 본 출원의 사상 및 원칙 내에서 진행한 그 어떠한 수정, 균등한 치환 및 개선 등은 모두 본 출원의 보호 범위에 속한다.

Claims (13)

  1. 도로 데이터 처리 방법으로서,
    도로의 차량 주행 궤적 및 대응되는 도로망 중의 도로 유닛을 획득하는 단계;
    상기 도로 유닛에 대해 도로 수직선을 건립하고, 상기 차량 주행 궤적과 상기 도로 수직선의 교점을 결정하는 단계;
    상기 교점의 위치 데이터에 기반하여 상기 도로가 상기 도로 수직선 상에서의 너비구역을 결정하는 단계; 및
    상기 너비구역의 중점을 상기 도로 수직선이 대응하는 도로 중심점으로 결정하는 단계
    를 포함하는, 도로 데이터 처리 방법.
  2. 제1항에 있어서,
    상기 도로 유닛의 모든 도로 수직선이 대응하는 도로 중심점을 연결하여 상기 도로 유닛의 도로 중심선을 얻는 단계를 더 포함하는, 방법.
  3. 제1항 또는 제2항에 있어서,
    상기 교점의 위치 데이터에 기반하여 상기 도로가 상기 도로 수직선 상에서의 너비구역을 결정하는 단계는,
    가우스 혼합 모델을 사용하여 상기 교점의 위치 데이터에 대해 클러스터링 분석을 수행하여 상기 교점이 미리 설정된 신뢰도에서 대응되는 위치 구역을 얻는 단계; 및
    상기 위치 구역을 상기 도로가 상기 도로 수직선 상에서의 너비구역으로 결정하는 단계
    를 포함하는, 방법.
  4. 제1항 또는 제2항에 있어서,
    상기 도로의 위치 정보에 기반하여, 상기 도로 유닛이 대응하는 상기 교점의 위치 데이터를 복수의 분할 데이터로 분할하는 단계;
    인덱스 처리 메커니즘을 사용하여 상기 분할 데이터에 대해 인덱스를 건립하여 인덱스 데이터를 얻는 단계;
    상기 인덱스 데이터로부터 획득한 상기 교점의 위치 데이터에 기반하여 상기 도로가 상기 도로 수직선 상에서의 너비구역을 결정하는 단계
    를 더 포함하는, 방법.
  5. 제4항에 있어서,
    인덱스 처리 메커니즘을 사용하여 상기 분할 데이터에 대해 인덱스를 건립하여 인덱스 데이터를 얻는 단계는,
    상기 도로 유닛의 표식과 상기 도로 유닛이 상기 분할 데이터 중에서 대응되는 하부 기호를 키값 쌍으로 하여 상기 분할 데이터에 대해 인덱스를 건립하는 단계를 포함하는, 방법.
  6. 도로 데이터 처리 장치로서,
    도로의 차량 주행 궤적 및 대응되는 도로망 중의 도로 유닛을 획득하기 위한 획득 유닛;
    상기 도로 유닛에 대해 도로 수직선을 건립하고, 상기 차량 주행 궤적과 상기 도로 수직선의 교점을 결정하기 위한 제1 결정 유닛;
    상기 교점의 위치 데이터에 기반하여 상기 도로가 상기 도로 수직선 상에서의 너비구역을 결정하기 위한 제2 결정 유닛;
    상기 너비구역의 중점을 상기 도로 수직선이 대응하는 도로 중심점으로 결정하기 위한 제3 결정 유닛
    을 포함하는, 도로 데이터 처리 장치.
  7. 제6항에 있어서,
    상기 도로 유닛의 모든 도로 수직선이 대응하는 도로 중심점을 연결하여 상기 도로 유닛의 도로 중심선을 얻기 위한 제1 처리 유닛을 더 포함하는, 장치.
  8. 제6항 또는 제7항에 있어서,
    상기 제2 결정 유닛은,
    가우스 혼합 모델을 사용하여 상기 교점의 위치 데이터에 대해 클러스터링 분석을 수행하여 상기 교점이 미리 설정된 신뢰도에서 대응되는 위치 구역을 얻기 위한 것; 및
    상기 위치 구역을 상기 도로가 상기 도로 수직선 상에서의 너비구역으로 결정하기 위한 것인, 장치.
  9. 제6항 또는 제7항에 있어서,
    인덱스 유닛을 더 포함하되,
    상기 인덱스 유닛은, 상기 도로의 위치 정보에 기반하여 상기 도로 유닛이 대응하는 상기 교점의 위치 데이터를 복수의 분할 데이터로 분할하기 위한 분할 서브 유닛; 및 인덱스 처리 메커니즘을 사용하여 상기 분할 데이터에 대해 인덱스를 건립하여 인덱스 데이터를 얻기 위한 인덱스 서브 유닛을 포함하고,
    상기 제2 결정 유닛은 상기 인덱스 데이터로부터 획득한 상기 교점의 위치 데이터에 기반하여 상기 도로가 상기 도로 수직선 상에서의 너비구역을 결정하기 위한 것인, 장치.
  10. 제9항에 있어서,
    상기 인덱스 서브 유닛은,
    상기 도로 유닛의 표식과 상기 도로 유닛이 상기 분할 데이터 중에서 대응되는 하부 기호를 키값 쌍으로 하여, 상기 분할 데이터에 대해 인덱스를 건립하기 위한 것인, 장치.
  11. 전자 기기로서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결되는 메모리
    를 포함하되, 상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되어 있고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 제1항 내지 제5항 중 어느 한 항의 방법을 수행할 수 있도록 하는 전자 기기.
  12. 비일시적 컴퓨터 판독 가능 저장 매체로서,
    컴퓨터로 하여금 상기 청구항 제1항 내지 제5항 중 어느 한 항의 방법을 수행하도록 하는 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독 가능 저장 매체.
  13. 프로세서에 의해 실행될 경우, 상기 청구항 제1항 내지 제5항 중 어느 한 항의 방법을 실현하는 컴퓨터 프로그램을 포함하는 컴퓨터 프로그램 제품.
KR1020227015748A 2021-04-28 2021-11-10 도로 데이터 처리 방법, 장치, 기기, 저장매체 및 컴퓨터 프로그램 KR20220070041A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110470264.3 2021-04-28
CN202110470264.3A CN113139258B (zh) 2021-04-28 2021-04-28 道路数据处理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
KR20220070041A true KR20220070041A (ko) 2022-05-27

Family

ID=76816382

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227015748A KR20220070041A (ko) 2021-04-28 2021-11-10 도로 데이터 처리 방법, 장치, 기기, 저장매체 및 컴퓨터 프로그램

Country Status (6)

Country Link
US (1) US20240153265A1 (ko)
EP (1) EP4102391A4 (ko)
JP (1) JP2023534086A (ko)
KR (1) KR20220070041A (ko)
CN (1) CN113139258B (ko)
WO (1) WO2022227487A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113139258B (zh) * 2021-04-28 2024-01-09 北京百度网讯科技有限公司 道路数据处理方法、装置、设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012004396A1 (de) * 2012-03-03 2013-09-05 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Erfassen von Objekten in einer Umgebung eines Fahrzeugs
CN108664016B (zh) * 2017-03-31 2020-09-15 腾讯科技（深圳）有限公司 确定车道中心线的方法及装置
DE102017209346A1 (de) * 2017-06-01 2019-01-10 Robert Bosch Gmbh Verfahren und Vorrichtung zur Erstellung einer fahrspurgenauen Straßenkarte
CN110389995B (zh) * 2019-07-31 2023-02-21 北京百度网讯科技有限公司 车道信息检测方法、装置、设备和介质
US11654918B2 (en) * 2019-08-06 2023-05-23 GM Global Technology Operations LLC Estimation of road centerline based on vehicle telemetry
CN111858801B (zh) * 2020-06-30 2024-03-22 北京百度网讯科技有限公司 道路信息的挖掘方法、装置、电子设备及存储介质
CN112257772B (zh) * 2020-10-19 2022-05-13 武汉中海庭数据技术有限公司 一种道路增减区间切分方法、装置、电子设备及存储介质
CN113139258B (zh) * 2021-04-28 2024-01-09 北京百度网讯科技有限公司 道路数据处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
JP2023534086A (ja) 2023-08-08
CN113139258B (zh) 2024-01-09
EP4102391A4 (en) 2023-08-23
WO2022227487A1 (zh) 2022-11-03
CN113139258A (zh) 2021-07-20
US20240153265A1 (en) 2024-05-09
EP4102391A1 (en) 2022-12-14

Similar Documents

Publication Publication Date Title
CN107624190B (zh) 用于加速路线搜索的系统和方法
CN102810118B (zh) 一种变权网k近邻搜索方法
US20230103040A1 (en) Vehicle travel control method and apparatus
CN113155141A (zh) 地图的生成方法、装置、电子设备及存储介质
CN109859505B (zh) 高速站点的预警处理方法、装置、服务器和介质
CN114626169A (zh) 交通路网优化方法、装置、设备、可读存储介质及产品
JP2023022185A (ja) 地図データ処理方法及び装置、電子機器、記憶媒体、並びにコンピュータプログラム
US20230194302A1 (en) Method of updating map data, electronic device and storage medium
EP4134624A2 (en) Method and apparatus for fusing road data to generate a map
CN111046116A (zh) 一种地理空间数据的快速查询与传输方法
KR20220070041A (ko) 도로 데이터 처리 방법, 장치, 기기, 저장매체 및 컴퓨터 프로그램
WO2023173831A1 (zh) 引导点的关联信息的更新方法和装置
JP7333369B2 (ja) 交通データの処理方法、装置、電子機器、記憶媒体およびコンピュータプログラム製品
CN112818024B (zh) 一种地图数据处理方法、装置、设备及存储介质
CN114840539A (zh) 数据处理方法、装置、设备和存储介质
CN113986866A (zh) 一种大规模点云数据的处理方法、装置、设备及介质
CN106649813B (zh) 一种基于环境感知与用户反馈的垂直领域知识库构建方法
KR20040092082A (ko) 무선 인터넷 상에서 연속적으로 이동하는 이동체를 관리하기 위한 시공간 색인 방법 및 이를 위한 시스템
US20220381574A1 (en) Multipath generation method, apparatus, device and storage medium
CN115329157B (zh) 挖掘路况事件的方法以及基于路况事件的优化方法
CN113868532B (zh) 一种地点推荐方法、装置、电子设备及存储介质
US20220026227A1 (en) Navigation route determination method, device, and storage medium
KR20230005070A (ko) 도로 정보 업데이트 방법, 도로 정보 업데이트 장치, 전자장비, 저장매체 및 컴퓨터 프로그램
CN115683088A (zh) 高精地图制作方法、装置及电子设备
Hu et al. Parallel Optimization of KNN Query Strategy based on Road Network

Legal Events

Date Code Title Description
WITB Written withdrawal of application