CN108318044A - 一个基于多源异构众包数据的风景路网建模*** - Google Patents
一个基于多源异构众包数据的风景路网建模*** Download PDFInfo
- Publication number
- CN108318044A CN108318044A CN201810004298.1A CN201810004298A CN108318044A CN 108318044 A CN108318044 A CN 108318044A CN 201810004298 A CN201810004298 A CN 201810004298A CN 108318044 A CN108318044 A CN 108318044A
- Authority
- CN
- China
- Prior art keywords
- data
- road network
- section
- landscape
- zhang jia
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map 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
- G01C21/26—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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多源异构众包数据的风景路网建模***,涉及众包数据应用领域。针对目前路网中没有对路段风景质量评分的不足,本文提出基于多源异构众包数据的风景路网建模***,利用众包数据为每条路段的风景质量评分,为之后的风景路线规划提供模型支撑,方便人们出游旅行。具体而言,首先,本发明从OSM的众包平台得到数字路网,删除数字路网中冗余的节点信息,得到数字路网;然后,本发明利用Foursquare签到数据和Flickr照片数据的地理分布情况对数字路网进行知识增量建模,计算所有路段的风景质量,得到风景路网。
Description
技术领域
本发明涉及众包数据应用领域,特别是涉及一种利用众包数据对实际道路网络(简称,路网)进行风景建模,刻画每条路段的风景质量的***。
背景技术
随着经济的快速发展,人们的生活节奏也越来越快,各方面的压力也越来越大,越来越多的人想在城市中寻找风景优美的路线放松身体,舒缓压力。而目前的真实路网中路段的权值只有距离,而没有对该路段风景质量的评分,人们无法直接知道该路段的风景质量。为了找出令人满意的风景路段,用户需要浏览尽可能多的资料,这是非常耗时费力的一件事。
随着城市数字化程度的加快、Web2.0、全球定位***、智能移动终端等科学技术的日趋成熟,目前出现了很多能够记录人们地理位置的应用。我们把人们在使用这些应用过程中所产生的数据称为众包数据(如Foursquare签到数据、Flickr照片数据、OpenStreetMap(OSM) 地图数据)。这些众包数据中不仅记录着客观世界的自然知识(如建筑的地理位置),还记录着人类的位置或者活动信息。这些数据显式或隐式的包含了兴趣点的基本属性、受欢迎程度等重要信息,为真实路网中每条边的风景质量评分提供了巨大潜力。
发明内容
针对目前路网中没有对路段风景质量评分的不足,本文提出基于多源异构众包数据的风景路网建模***,利用众包数据为每条路段的风景质量评分,为之后的风景路线规划提供模型支撑,方便人们出游旅行。具体而言,首先,本发明从OSM的众包平台得到数字路网,删除数字路网中冗余的节点信息,得到数字路网;然后,本发明利用 Foursquare签到数据和Flickr照片数据的地理分布情况对数字路网进行知识增量建模,计算所有路段的风景质量,得到风景路网。
附图说明
图1为本发明的***框架;
图2为本发明的OSM数据导出方法;
图3为本发明的OSM原始数据与处理后的数据对比;
图4为本发明实施例图片分布情况;
图5为本发明实施例旧金山的BayArea所有路段风景评分的累积分布函数(CumulativeDistributionFunction:CDF)结果。
具体实施方式
本发明的***框架如图1所示,下面是对本发明实施方式的进一步说明。
1、获取数字路网
第一步,在OSM主页获取GPS轨迹数据。OSM网站本身有提供轨迹数据的下载服务。点击地图左上方的“导出”按钮,然后选择所要下载的地图范围即可,如图2所示。
第二步,处理OSM数据。OSM使用的数据结构为地形数据结构,主要由三种核心的对象组成:node、way以及relation。其中,node 定义了空间中点的位置;way定义了线或区域;relation(非必须)定义了对象间的关系,用于解释对象间协同工作的方式。所有OSM对象都可以有自己的标签,用来描述地名,道路类型等信息。
由于OSM的地图数据是通过用户依据手持GPS设备、航空摄影照片、卫星视频、或者其他自由内容,甚至单靠用户对某个区域的熟悉映像来进行的本地知识绘制,所以OSM地图数据中的way实际上是记录的用户的移动轨迹,node为路径的采样点。这也意味着way 并不是只表示道路信息,也会表示建筑信息,如:一栋楼的外部轮廓。所以,我们需要对way对象进行相应的筛选过滤,将不需要的way 信息去掉。不同的tag标签代表way的不同属性。tag标签以“k=v”的形式表示way的每一个标签属性及其属性值。当k=“highway”的时候,表示该way是一条道路;此时对应的“v”值就表示这条道路的类型。根据tag标签的属性及其属性值,我们用MATLAB进行数据筛选,只保留具有表1中所列属性值的way对象。
表1此次研究所用到的way属性值
另外一方面,下载的地图源数据中的node采样点过多。实际路网中只需要知道way与way之间相交的十字路口地点即可。本发明利用MATLAB程序遍历之前筛选后的way信息,如果有不同的way包含同一个node,则证明该node是一个路口,保留该node信息。由图 3可知处理后的数据保留了关键节点信息,可以用来简单直接地作为数字路网数据支撑。
2、知识增量建模
为了得到风景路网,我们需要在数字路网的基础之上,对路网进行知识增量建模,也即是对数字路网中的每个路段的风景质量进行评分。
2.1利用图片数据刻画路段风景质量
路段附近图片的密集度是其风景质量的显著指标。但是,更高的密度值可能不一定等于更好的风景。周围图像分布的主导方向也是非常重要的。如果主导方向与道路方向一致,则可以保证从道路上更好的观光。其基本原理是,用户如果被全景所吸引,可能会在路上拍照,而用户如果被附近的地标所吸引,则会从中心位置的不同角度拍摄照片。以图4所示的两种分布为例,尽管它们具有相同的密度(即图像数量),但左边的情况下的路段应该得分更高。因此,我们用图片的分布密度和主导方向共同对路段的风景质量进行评分,算式如下:
Simage(eij,{gim)=w(eij,{gim}) ×log[size of({gim|dist(gim.(xi,yi),eij)<δd})] (1)
其中dist(gim.(xi,yi),eij)计算从点(xi,yi)到路段eij的地理距离;在计算路段附近的图像数量时,是预定义的距离阈值。计算密度时,只计算距离小于的地理标记图像以确保可视性。该距离阈值应根据道路类型设置不同。一方面是因为高速公路的宽度一般比住宅街道宽。另一方面是因为在不同的道路上行驶时,人的视野能见度是变化的。例如,在高速公路上行驶时,仍然可以欣赏到远处的风景,相反,由于住宅街道上行驶时,由于建筑物或树木的遮挡,只能获得有限和狭窄的视野。因此,对于“residential”、“tertiary”和“secondary”标签的道路,其距离阈值设置为20米,标注“primary”、“trunk”和“motorway”标记的道路的,其距离阈值设置为50米。w(eij,{gim})是考虑图像分布的道路方向和主导方向的加权因子,其计算公式为:
利用PCA算法对路段附近图片分布方向进行分析,得到第一主成分向量和第二主成分向量,分别记为和如图4所示。是路段eij的方向向量,通过路段两个端点的经纬度计算而得。
2.2利用签到数据刻画路段风景质量
在行车途中,如果用户可以在路段上瞥见很多自然景观或路边旅游景点(例如,教堂,宫殿,广场等),那么这种路段也应该具有较高的风景值。因此,对路段的风景质量进行评分,还应该考虑在道路上或附近的兴趣点的密集程度。签到数据不仅包含关于兴趣点的固有属性信息(例如,经度,纬度和分类),而且还包含兴趣点在某一段时间里总共被签到的次数。签到次数能够很好地反映一个兴趣点的受欢迎程度。不同类别的兴趣点在风景质量上的贡献不同。因此,我们按照类别标签将兴趣点有意识地划分为三类,如表2所示。我们将一种广泛用于信息检索与数据挖掘的常用加权技术——term frequency-inversedocumentfrequency(TF-IDF)用于计算签到数据对路段风景值的影响。TF-IDF不仅考虑了兴趣点的签到频率,还考虑了兴趣点所属类别的受欢迎程度,具体如以下等式所示:
其中sizeof是兴趣点在某段时间内的签到次数;sizeof是兴趣点同类别所有的兴趣点在某段时间内的签到次数;sizeof是该城市中所有兴趣点的数量;sizeof是该城市中与兴趣点同类别的兴趣点的数量。
利用签到数据对路段风景质量进行刻画,如下式子所示:
Scheckin(eij,{ck})=Σw(G(ck,vid))×popularity({vid|dist(ck.vid,eij)<δd}) (4)
其中表示兴趣点到路段的距离。只有距离小于的兴趣点才能被用于对该路段风景质量进行刻画。popularity()表示兴趣点的受欢迎程度。由于不同类别的兴趣点对路段风景质量的贡献不同,所以在计算风景值的时候他们有不同的权值。本发明中,设置第一类别的兴趣点的权值为0.65,第二类别为0.3,第三类别为0.05,即是,,。
表2兴趣点分类
2.3融合多源数据刻画风景质量
基于带有地理信息的图片和签到这两种异构数据,本发明对路段的风景质量进行评分,如下所示:
注意,式5中相乘的两部分在相乘之前分别利用min-max标准化归一化其中。
Claims (7)
1.基于多源异构众包数据的风景路网建模***,其特征在于:
1)利用OSM数据获取数字路网;
2)利用图片和签到数据对数字路网进行知识增量建模,得到风景路网。
2.根据权利要求1所述的多源异构众包数据,其特征在于:不同来源、不同结构的,由上网用户产生的多种数据。本发明中利用了3种异构众包数据——OSM数据,图片数据以及签到数据。
3.根据权利要求1所述的利用OSM数据获取数字路网,其特征在于:从OSM官网下载用户轨迹数据,并作数据冗余处理,得到数字路网。
4.根据权利要求3所述的数据冗余处理,其特征在于:只保留行车道路的路口节点位置信息,去掉其他节点信息。
5.根据权利要求1所述的利用图片和签到数据对数字路网进行知识增量建模,得到风景路网,其特征在于:利用照片和签到数据的地理分布情况,给每个路段赋予一个风景值,赋值后的路网即为风景路网,具体如下:
其中Simage(eij,{gim})是利用图片数据刻画路段的风景质量,Scheck(eij,{ck})是利用签到数据刻画路段的风景质量。
6.根据权利要求5所述的利用图片数据刻画路段的风景质量,其特征在于:利用图片的数量以及地理位置信息,对路段的风景质量进行计算,具体如下:
Simage(eij,{gim})=ω(eij,{gim})
×log[size of({gim|dist(gim.(xi,yi),eij)<δd})] (2)
7.根据权利要求5所述的利用签到数据刻画路段的风景质量,其特征在于:利用签到数据中包含的兴趣点数量、种类以及地理位置信息,对路段的风景质量进行计算,具体如下:
Scheckin(eij,{ck})=∑ω(G(ck.υid))
×popularity({υid|dist(ck.υid,eij)<δd}) (4)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810004298.1A CN108318044A (zh) | 2018-01-03 | 2018-01-03 | 一个基于多源异构众包数据的风景路网建模*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810004298.1A CN108318044A (zh) | 2018-01-03 | 2018-01-03 | 一个基于多源异构众包数据的风景路网建模*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108318044A true CN108318044A (zh) | 2018-07-24 |
Family
ID=62894542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810004298.1A Pending CN108318044A (zh) | 2018-01-03 | 2018-01-03 | 一个基于多源异构众包数据的风景路网建模*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108318044A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024101A (zh) * | 2018-10-10 | 2020-04-17 | 上海擎感智能科技有限公司 | 一种导航路径风景评价方法及***、存储介质及车载终端 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020194170A1 (en) * | 1998-11-19 | 2002-12-19 | Israni Vijaya S. | Method and system for using real-time traffic broadcasts with navigation systems |
CN105205559A (zh) * | 2015-09-25 | 2015-12-30 | 重庆大学 | 基于多源异构众包数据的风景旅行路线规划*** |
CN107305126A (zh) * | 2016-04-19 | 2017-10-31 | 丰田自动车株式会社 | 环境地图的数据构造、其制作***和制作方法、及其更新***和更新方法 |
-
2018
- 2018-01-03 CN CN201810004298.1A patent/CN108318044A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020194170A1 (en) * | 1998-11-19 | 2002-12-19 | Israni Vijaya S. | Method and system for using real-time traffic broadcasts with navigation systems |
CN105205559A (zh) * | 2015-09-25 | 2015-12-30 | 重庆大学 | 基于多源异构众包数据的风景旅行路线规划*** |
CN107305126A (zh) * | 2016-04-19 | 2017-10-31 | 丰田自动车株式会社 | 环境地图的数据构造、其制作***和制作方法、及其更新***和更新方法 |
Non-Patent Citations (1)
Title |
---|
YANTAO ZHENG ET AL.: "GPSView: A Scenic Driving Route Planner", 《ACM TRANSACTIONS ON MULTIMEDIA COMPUTING, COMMUNICATIONS AND APPLICATIONS》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024101A (zh) * | 2018-10-10 | 2020-04-17 | 上海擎感智能科技有限公司 | 一种导航路径风景评价方法及***、存储介质及车载终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111566664B (zh) | 用于生成用于机器学习的合成图像数据的方法、设备和*** | |
CN107229690B (zh) | 基于路侧传感器的高精度动态地图数据处理***及方法 | |
US8442767B2 (en) | Method of operating a navigation system to provide route guidance | |
Zheng et al. | GPSView: A scenic driving route planner | |
US8370060B2 (en) | Method of operating a navigation system to provide route guidance | |
CN106461410A (zh) | 生成逐转弯方向指引预览 | |
Alivand et al. | Extracting scenic routes from VGI data sources | |
Hochmair | Spatial association of geotagged photos with scenic locations | |
US8301641B2 (en) | Method of collecting information for a geographic database for use with a navigation system | |
CN107036609A (zh) | 基于bim的虚拟现实导航方法、服务器、终端及*** | |
CN105844031B (zh) | 一种基于手机定位数据的城市交通廊道识别方法 | |
Prandi et al. | Collaboratively collected geodata to support routing service for disabled people | |
Bartelme | Geographic information systems | |
CN108318044A (zh) | 一个基于多源异构众包数据的风景路网建模*** | |
Holmberg | On using OpenStreetMap and GPS for optimization | |
EP4202833A1 (en) | Method, apparatus, and system for pole extraction from a single image | |
CN113656979B (zh) | 路网数据生成方法、装置、电子设备及存储介质 | |
Sureshkumar et al. | GIS based route optimization for effective traffic management | |
CN106202454A (zh) | 基于信息空间的四维度的数字化城市设计方法 | |
Pérez et al. | Sustainable acoustics: A smart cities approach | |
Albalawneh et al. | Evaluation of Using Genetic Algorithm and ArcGIS for Determining the Optimal‐Time Path in the Optimization of Vehicle Routing Applications | |
Richter et al. | Challenges and experiences in using heterogeneous, geo-referenced data for automatic creation of driving simulator environments | |
Quinn | What can we see from the road? Applications of a cumulative viewshed analysis on a US state highway network | |
CN115235495B (zh) | 一种基于游客兴趣的景区三维导航方法及*** | |
Ramaprasad et al. | Volunteered Geographic Information System and Its Contribution in Service Sector Employment |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180724 |
|
WD01 | Invention patent application deemed withdrawn after publication |