CN110647605B - 一种基于轨迹数据挖掘红绿灯数据的方法及装置 - Google Patents
一种基于轨迹数据挖掘红绿灯数据的方法及装置 Download PDFInfo
- Publication number
- CN110647605B CN110647605B CN201811642742.9A CN201811642742A CN110647605B CN 110647605 B CN110647605 B CN 110647605B CN 201811642742 A CN201811642742 A CN 201811642742A CN 110647605 B CN110647605 B CN 110647605B
- Authority
- CN
- China
- Prior art keywords
- data
- track data
- track
- traffic light
- driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于轨迹数据挖掘红绿灯数据的方法及装置,所述方法包括:收集指定区域内各位置点的数据信息以及所述各位置点预设范围内的行驶轨迹数据;获取所述行驶轨迹数据中处于各红绿灯位置点在所第一指定范围内的行驶轨迹数据,并作为第一行驶轨迹数据;获取所述行驶轨迹数据中处于各非红绿灯位置点所在第二指定范围内的行驶轨迹数据,并作为第二行驶轨迹数据;通过对所述行驶轨迹数据中所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,确定所述指定区域内未被标记的红绿灯位置点。基于本发明实施例提供的方法可以准确并及时获知疑似红绿灯位置点,后续可以为用户提供准确的路径规划以及路径导航。
Description
技术领域
本发明涉及数据挖掘技术领域,特别是涉及一种基于轨迹数据挖掘红绿灯数据的方法及装置。
背景技术
随着人们生活水平的提升,个人交通工具也逐渐增多。另外,随着网络技术的发展,人们出行通常会依靠电子地图进行路径的查询与导航。红绿灯作为一种重要性较高的交通设施在交通路线规划中具有举足轻重的作用。目前,大部分的红绿灯位置通常会由图商进行提供,但是由于受到采集周期的限制,图商提供的红绿灯位置数据的更新周期也会较长,进而导致终端中地图应用的红绿灯数据会存在延迟,进而在向用户提供路径规划及导航时出现误差,影响用户体验。
发明内容
本发明提供了一种基于轨迹数据挖掘红绿灯数据的方法及装置以克服上述问题或者至少部分地解决上述问题。
根据本发明的一个方面,提供了一种基于轨迹数据挖掘红绿灯数据的方法,包括:
收集指定区域内各位置点的数据信息,以及所述各位置点预设范围内的行驶轨迹数据;
基于所述各位置点的数据信息筛选出标记有红绿灯的位置点,获取所述行驶轨迹数据中处于各红绿灯位置点在所第一指定范围内的行驶轨迹数据,并作为第一行驶轨迹数据;
基于所述各位置点的数据信息筛选出标记有非红绿灯的位置点,获取所述行驶轨迹数据中处于各非红绿灯位置点所在第二指定范围内的行驶轨迹数据,并作为第二行驶轨迹数据;
通过对所述行驶轨迹数据中所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,确定所述指定区域内未被标记的红绿灯位置点。
可选地,所述基于所述各位置点的数据信息筛选出标记有红绿灯的位置点,获取所述行驶轨迹数据中处于各红绿灯位置点所在第一指定范围内的行驶轨迹数据,并作为第一行驶轨迹数据之后,还包括:
将所述第一行驶轨迹数据转换为红绿灯通行方向的第一轨迹运动序列。
可选地,所述基于所述各位置点的数据信息筛选出标记有非红绿的灯位置点,获取所述行驶轨迹数据中处于各非红绿灯位置点所在第二指定范围内的行驶轨迹数据,并作为第二行驶轨迹数据之后,还包括:
将所述第二行驶轨迹数据转换为红绿灯通行方向的第二轨迹运动序列。
可选地,所述通过对所述行驶轨迹数据中所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,确定所述指定区域内未被标记的红绿灯位置点,包括:
合并所述第一轨迹运动序列和所述第二轨迹运动序列,基于各轨迹运动序列是否对应红绿灯位置点做二分类;
在所述行驶轨迹数据中筛选出所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据;
将所述剩余行驶轨迹数据转换为红绿灯通行方向的待判断轨迹运动序列后,分别与所述第一轨迹运动序列和第二轨迹运动序列进行匹配;
若所述待判断轨迹运动序列与所述第一轨迹运动序列匹配成功,则确定该待判断轨迹运动序列对应的位置点为指定区域内未被标记的红绿灯位置点。
可选地,所述收集指定区域内各位置点的数据信息,以及所述各位置点预设范围内的行驶轨迹数据,包括:
收集指定区域内各位置点的数据信息,所述数据信息包括:位置点对应的地理坐标、类型和/或图标信息;
收集所述各位置点预设范围内的行驶轨迹数据,所述行驶轨迹数据包括:行驶方向和/或行驶速度。
可选地,所述根据所述第一行驶轨迹数据和第二行驶轨迹数据,分析所述行驶轨迹数据中的剩余行驶轨迹数据,确定所述指定区域内未被标记的红绿灯位置点之后,还包括:
在终端设备地图应用中的对应位置按预设方式标记所述未被标记的红绿灯位置点。
根据本发明的另一方面,还提供了一种基于轨迹数据挖掘红绿灯数据的装置,包括:
数据收集模块,配置为收集指定区域内各位置点的数据信息,以及所述各位置点预设范围内的行驶轨迹数据;
第一获取模块,配置为基于所述各位置点的数据信息筛选出标记有红绿灯的位置点,获取所述行驶轨迹数据中处于各红绿灯位置点在所第一指定范围内的行驶轨迹数据,并作为第一行驶轨迹数据;
第二获取模块,配置为基于所述各位置点的数据信息筛选出标记有非红绿灯的位置点,获取所述行驶轨迹数据中处于各非红绿灯位置点所在第二指定范围内的行驶轨迹数据,并作为第二行驶轨迹数据;
分析模块,配置为通过对所述行驶轨迹数据中所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,确定所述指定区域内未被标记的红绿灯位置点。
可选地,还包括第一转换模块,配置为将所述第一行驶轨迹数据转换为红绿灯通行方向的第一轨迹运动序列。
可选地,还包括第二转换模块,配置为将所述第二行驶轨迹数据转换为红绿灯通行方向的第二轨迹运动序列。
可选地,所述分析模块还配置为:
合并所述第一轨迹运动序列和所述第二轨迹运动序列,基于各轨迹运动序列是否对应红绿灯位置点做二分类;
在所述行驶轨迹数据中筛选出所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据;
将所述剩余行驶轨迹数据转换为红绿灯通行方向的待判断轨迹运动序列后,分别与所述第一轨迹运动序列和第二轨迹运动序列进行匹配;
若所述待判断轨迹运动序列与所述第一轨迹运动序列匹配成功,则确定该待判断轨迹运动序列对应的位置点为指定区域内未被标记的红绿灯位置点。
可选地,所述数据收集模块还配置为:
收集指定区域内各位置点的数据信息,所述数据信息包括:位置点对应的地理坐标、类型和/或图标信息;
收集所述各位置点预设范围内的行驶轨迹数据,所述行驶轨迹数据包括:行驶方向和/或行驶速度。
可选地,所述装置还包括:标记模块,配置为在终端设备地图应用中的对应位置按预设方式标记所述未被标记的红绿灯位置点。
根据本发明的另一方面,还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序代码,当所述计算机程序代码在计算设备上运行时,导致所述计算设备执行上述任一项所述的基于轨迹数据挖掘红绿灯数据的方法。
根据本发明的另一方面,还提供了一种计算设备,包括:
处理器;
存储有计算机程序代码的存储器;
当所述计算机程序代码被所述处理器运行时,导致所述计算设备执行上述任一项所述的基于轨迹数据挖掘红绿灯数据的方法。
本发明提供了一种基于轨迹数据挖掘红绿灯数据的方法及装置,在本发明提供的方法中首先对指定区域内各位置点的数据信息以及基于各位置点的行驶轨迹数据,再从其中筛选出标记有红绿灯的位置点以及标记有非红绿灯的位置点,同时分别获取标记有红绿灯点附近的第一行驶轨迹数据和标记有非红绿灯位置点附近的第二行驶数据,进而基于第一行驶数据和第二行驶数据与剩余行驶轨迹数据进行匹配,确定指定区域内各位置点中可能是红绿灯的位置点。基于本发明实施例提供的方法,可以利用已知位置点相关的行使轨迹数据确定出潜在的红绿灯位置点,不仅可以及时获知疑似红绿灯位置点,为用户提供准确的路径规划以及路径导航,还可以丰富地图元素,进一步提升用户体验。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是根据本发明实施例的基于轨迹数据挖掘红绿灯数据的方法流程示意图;
图2是根据本发明实施例的基于轨迹数据挖掘红绿灯数据的装置结构示意图;
图3是根据本发明优选实施例的基于轨迹数据挖掘红绿灯数据的装置结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1是根据本发明实施例的基于轨迹数据挖掘红绿灯数据的方法流程示意图,如图1所示,根据本发明实施例的基于轨迹数据挖掘红绿灯数据的方法可以包括:
步骤S102,收集指定区域内各位置点的数据信息,以及各位置点预设范围内的行驶轨迹数据;
步骤S104,基于各位置点的数据信息筛选出标记有红绿灯位置点,获取行驶轨迹数据中处于各红绿灯位置点在所第一指定范围内的行驶轨迹数据,并作为第一行驶轨迹数据;
步骤S106,基于各位置点的数据信息筛选出标记有非红绿灯位置点,获取行驶轨迹数据中处于各非红绿灯位置点所在第二指定范围内的行驶轨迹数据,并作为第二行驶轨迹数据;
步骤S108,通过对行驶轨迹数据中第一行驶轨迹数据和第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,确定指定区域内未被标记的红绿灯位置点。
本发明实施例提供了一种基于轨迹数据挖掘红绿灯数据的方法,首先对指定区域内各位置点的数据信息以及基于各位置点的行驶轨迹数据,再从其中筛选出标记有红绿灯的位置点以及标记有非红绿灯的位置点,同时分别获取标记有红绿灯点附近的第一行驶轨迹数据和标记有非红绿灯位置点附近的第二行驶数据,进而基于第一行驶数据和第二行驶数据与剩余行驶轨迹数据进行匹配,确定指定区域内各位置点中可能是红绿灯的位置点。基于本发明实施例提供的方法,可以利用已知位置点相关的行使轨迹数据确定出潜在的红绿灯位置点,不仅可以及时获知疑似红绿灯位置点,为用户提供准确的路径规划以及路径导航,还可以丰富地图元素,进一步提升用户体验。
在上述步骤S102中提及,可以先收集指定范围内各位置点的数据信息以及各位置点预设范围内的行驶轨迹数据。本发明实施例中的指定区域可是一个市,如北京市、上海市等,还可以是某个市中的一个区,如北京市海淀区、朝阳区等,还可以是更小的街道区域范围或是更大的一个省或是全国区域范围,本发明不做限定。指定范围内各位置点的数据信息可以包括各位置点对应的地理坐标、类型和/或图标信息,还可以是位置点名称属性等信息,在收集各位置点的数据信息时,可以基于已有图商数据进行获取或是通过其他方式获取。
另外,除了获取各位置点的数据信息之外,还可以获取各位置点预设范围内的行驶轨迹数据,可以包括各位置点固定范围内车辆的行驶方向和/或行驶速度,如距离各位置点200米、100米等距离范围,具体可根据指定区域的大小以及城市的车辆数量以及道路宽窄进行设置,本发明不做限定。其中,对于任一位置点预设范围内的行驶方向,可以辅助获取该位置点的所处道路属性,如该位置点所在道路所允许的行驶方向、是否为单行线等;获取行驶速度时,可以分别基于距离该位置点不同距离时的行驶速度,一般情况下,对于标记有红绿灯的位置点来讲,红绿灯位置点预设范围内的行驶速度会比车辆的平均行驶速度慢,另外,对于同一车辆来讲,不同时间段经过同一位置点的速度也会不同。因此,除了上文所介绍的之外,行驶轨迹数据还可以包括距离该红绿灯位置点一定距离时的停留时间,以及各条行驶轨迹数据记录对应的时间等数据。
在获取到上述各位置点的数据信息以及预设范围内的行驶轨迹数据之后,即可基于数据信息在所获取到所有的位置点中筛选出标记有红绿灯的位置点,同时获取红绿灯位置点在第一指定范围内的第一行驶轨迹数据;另外,基于数据信息筛选出标记有非红绿灯的位置点,同时获取非红绿灯位置点在第二指定范围内的第二行驶轨迹数据。
上文介绍,各位置点的数据信息是已知的,基于数据信息可以获取各位置点的属性,进而从中筛选出标记有红绿灯的位置点和标记有非红绿灯的位置点。在确定非红绿灯位置点时,只要是明确具有其他标记信息的即可认定为非红绿灯位置点,如学校、医院、建筑物、公交车站等。对于上述提及的第一指定范围和第二指定范围,其可以与预设范围相同,也可以不同,由于学校等具有特殊属性的位置车辆经过时的行驶速度也会较慢,因此,上述范围可根据位置点的数据属性进行设置,本发明不做限定。
在本发明优选实施例中,收集到各位置点的数据信息以及行驶轨迹数据之后,可存入预设的数据库中。行驶轨迹数据可包括各类型车辆的历史时间周期内的行驶轨迹数据,行驶轨迹数据中可以包括:车辆ID-车辆类型-经纬度(位置)--速度-时间等数据。
可选地,第一行驶轨迹数据和第二行驶轨迹数据可以以运动序列的方式呈现。即在上述步骤S104之后,还可以将第一行驶轨迹数据转换为红绿灯通行方向的第一轨迹运动序列,在上述步骤S106之后,还可以将第二行驶轨迹数据转换为红绿灯通行方向的第二轨迹运动序列。
轨迹运动序列的具体实现方式,可以是包括行驶方向、行驶速度以及与位置点距离的字符串数据,可用于体现行驶轨迹数据的行驶规律。通常情况下,红绿灯会设置在道路中间、多条道路的交叉口,因此,轨迹运动序列可根据红绿灯的特有属性如红绿灯的位置特征以及车辆路过时的停留时间等等典型特征设置字符串可能包括的字段数量以及字段长度。
当得到已知位置点的第一轨迹运动序列和第二轨迹运动序列之后,就可以对行驶轨迹数据中第一行驶轨迹数据和第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,进而确定该指定区域内未被标记的红绿灯位置点。对剩余行驶轨迹数据进行分析时,可以采用以下方式:
S1、合并第一轨迹运动序列和第二轨迹运动序列,基于各轨迹运动序列是否对应红绿灯位置点做二分类;
S2、在行驶轨迹数据中筛选出第一行驶轨迹数据和第二行驶轨迹数据之外的剩余行驶轨迹数据;
S3、将剩余行驶轨迹数据转换为红绿灯通行方向的待判断轨迹运动序列后,分别与第一轨迹运动序列和第二轨迹运动序列进行匹配;
S4、若待判断轨迹运动序列与第一轨迹运动序列匹配成功,则确定该待判断轨迹运动序列对应的位置点为指定区域内未被标记的红绿灯位置点。
对第一轨迹运动序列和第二轨迹运动序列做二分类时,可分别基于第一轨迹运动序列和第二轨迹运动序列进行深度学习,如分别将第一轨迹运动序列和第二轨迹运动序列作为正样本数据和负样本数据,通过Tensorflow构造神经网络模型对正负样本数据进行模型训练实现二分类。对剩余轨迹数据转换后的待判断轨迹运动序列进行识别判断时,只需将其输入训练好的神经网络模型中,即可基于神经网络模型对其进行准确并快速判断是否属于疑似红绿灯位置点。本发明优选实施例中,在判断出属于疑似红绿灯位置点之后,还可以进一步确定该疑似红绿灯位置点的的红绿灯变换规律以及各个指示灯的亮灯时间,为后续预估规划路径的时间添加参考数据。
可选地,在上述步骤S4确定出指定区域内未被标记的红绿灯位置点后,还可以在终端设备地图应用中的对应位置按预设方式标记未被标记的红绿灯位置点。在地图应用中标记未被标记的红绿灯位置点时,可以采用区别与已有的红绿灯标记方式,如在已有红绿灯标记外侧添加虚线框线以位置点为疑似红绿灯位置点或是通过其他方式进行标记,本发明不做限定。
基于同一发明构思,本发明实施例还提供了一种基于轨迹数据挖掘红绿灯数据的装置,如图2所示,本发明实施例提供的于轨迹数据挖掘红绿灯数据的装置可以包括:
数据收集模块210,配置为收集指定区域内各位置点的数据信息,以及各位置点预设范围内的行驶轨迹数据;
第一获取模块220,配置为基于各位置点的数据信息筛选出标记有红绿灯的位置点,获取行驶轨迹数据中处于各红绿灯位置点在所第一指定范围内的行驶轨迹数据,并作为第一行驶轨迹数据;
第二获取模块230,配置为基于各位置点的数据信息筛选出标记有非红绿灯的位置点,获取行驶轨迹数据中处于各非红绿灯位置点所在第二指定范围内的行驶轨迹数据,并作为第二行驶轨迹数据;
分析模块240,配置为通过对行驶轨迹数据中第一行驶轨迹数据和第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,确定指定区域内未被标记的红绿灯位置点。
在本发明一优选实施例中,如图3所示,上述装置还可以包括第一转换模块250,配置为:
将第一行驶轨迹数据转换为红绿灯通行方向的第一轨迹运动序列。
在本发明一优选实施例中,如图3所示,上述装置还可以包括第二转换模块260,配置为:
将第二行驶轨迹数据转换为红绿灯通行方向的第二轨迹运动序列。
在本发明一优选实施例中,分析模块240还可以配置为:
合并第一轨迹运动序列和第二轨迹运动序列,基于各轨迹运动序列是否对应红绿灯位置点做二分类;
在行驶轨迹数据中筛选出第一行驶轨迹数据和第二行驶轨迹数据之外的剩余行驶轨迹数据;
将剩余行驶轨迹数据转换为红绿灯通行方向的待判断轨迹运动序列后,分别与第一轨迹运动序列和第二轨迹运动序列进行匹配;
若待判断轨迹运动序列与第一轨迹运动序列匹配成功,则确定该待判断轨迹运动序列对应的位置点为指定区域内未被标记的红绿灯位置点。
在本发明一优选实施例中,数据收集模块210还可以配置为:
收集指定区域内各位置点的数据信息,数据信息包括:位置点对应的地理坐标、类型和/或图标信息;
收集各位置点预设范围内的行驶轨迹数据,行驶轨迹数据包括:行驶方向和/或行驶速度。
在本发明一优选实施例中,如图3所示,上述装置还可以包括:
标记模块270,配置为在终端设备地图应用中的对应位置按预设方式标记未被标记的红绿灯位置点。
基于同一发明构思,本发明实施例还提供了一种计算机存储介质,该计算机存储介质存储有计算机程序代码,当计算机程序代码在计算设备上运行时,导致计算设备执行上述任一实施例所述的基于轨迹数据挖掘红绿灯数据的方法。
基于同一发明构思,本发明实施例还提供了一种计算设备,包括:处理器;存储有计算机程序代码的存储器;当计算机程序代码被处理器运行时,导致计算设备执行上述任一实施例所述的基于轨迹数据挖掘红绿灯数据的方法。
本发明实施例提供了一种基于轨迹数据挖掘红绿灯数据的方法及装置,在本发明实施例提供的方法中,首先对指定区域内各位置点的数据信息以及基于各位置点的行驶轨迹数据,再从其中筛选出标记有红绿灯的位置点以及标记有非红绿灯的位置点,同时分别获取标记有红绿灯点附近的第一行驶轨迹数据和标记有非红绿灯位置点附近的第二行驶数据,进而基于第一行驶数据和第二行驶数据与剩余行驶轨迹数据进行匹配,确定指定区域内各位置点中可能是红绿灯的位置点。基于本发明实施例提供的方法,可以基于已知位置点相关的行使轨迹数据采用深度学习确定出潜在的红绿灯位置点,不仅可以及时获知疑似红绿灯位置点,为用户提供准确的路径规划以及路径导航,还可以丰富地图元素。
所属领域的技术人员可以清楚地了解到,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,为简洁起见,在此不另赘述。
另外,在本发明各个实施例中的各功能单元可以物理上相互独立,也可以两个或两个以上功能单元集成在一起,还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现,也可以采用软件或者固件的形式实现。
本领域普通技术人员可以理解:所述集成的功能单元如果以软件的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,其包括若干指令,用以使得一台计算设备(例如个人计算机,服务器,或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM),磁碟或者光盘等各种可以存储程序代码的介质。
或者,实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机,服务器,或者网络设备等的计算设备)来完成,所述程序指令可以存储于一计算机可读取存储介质中,当所述程序指令被计算设备的处理器执行时,所述计算设备执行本发明各实施例所述方法的全部或部分步骤。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:在本发明的精神和原则之内,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案脱离本发明的保护范围。
Claims (12)
1.一种基于轨迹数据挖掘红绿灯数据的方法,包括:
收集指定区域内各位置点的数据信息,以及所述各位置点预设范围内的行驶轨迹数据;
基于所述各位置点的数据信息筛选出标记有红绿灯的位置点,获取所述行驶轨迹数据中处于各红绿灯位置点所在第一指定范围内的行驶轨迹数据,并作为第一行驶轨迹数据;
基于所述各位置点的数据信息筛选出标记有非红绿灯的位置点,获取所述行驶轨迹数据中处于各非红绿灯位置点所在第二指定范围内的行驶轨迹数据,并作为第二行驶轨迹数据;
通过对所述行驶轨迹数据中所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,确定所述指定区域内未被标记的红绿灯位置点;
其中,所述通过对所述行驶轨迹数据中所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,确定所述指定区域内未被标记的红绿灯位置点,包括:合并第一轨迹运动序列和第二轨迹运动序列,基于各轨迹运动序列是否对应红绿灯位置点做二分类;所在述行驶轨迹数据中筛选出所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据;将所述剩余行驶轨迹数据转换为红绿灯通行方向的待判断轨迹运动序列后,分别与所述第一轨迹运动序列和第二轨迹运动序列进行匹配;若所述待判断轨迹运动序列与所述第一轨迹运动序列匹配成功,则确定该待判断轨迹运动序列对应的位置点为指定区域内未被标记的红绿灯位置点。
2.根据权利要求1所述的方法,其中,所述基于所述各位置点的数据信息筛选出标记有红绿灯的位置点,获取所述行驶轨迹数据中处于各红绿灯位置点所在第一指定范围内的行驶轨迹数据,并作为第一行驶轨迹数据之后,还包括:
将所述第一行驶轨迹数据转换为红绿灯通行方向的第一轨迹运动序列。
3.根据权利要求1所述的方法,其中,所述基于所述各位置点的数据信息筛选出标记有非红绿的灯位置点,获取所述行驶轨迹数据中处于各非红绿灯位置点所在第二指定范围内的行驶轨迹数据,并作为第二行驶轨迹数据之后,还包括:
将所述第二行驶轨迹数据转换为红绿灯通行方向的第二轨迹运动序列。
4.根据权利要求1所述的方法,其中,所述收集指定区域内各位置点的数据信息,以及所述各位置点预设范围内的行驶轨迹数据,包括:
收集指定区域内各位置点的数据信息,所述数据信息包括:位置点对应的地理坐标、类型和/或图标信息;
收集所述各位置点预设范围内的行驶轨迹数据,所述行驶轨迹数据包括:行驶方向和/或行驶速度。
5.根据权利要求1-4任一项所述的方法,其中,所述通过对所述行驶轨迹数据中所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,确定所述指定区域内未被标记的红绿灯位置点之后,还包括:
在终端设备地图应用中的对应位置按预设方式标记所述未被标记的红绿灯位置点。
6.一种基于轨迹数据挖掘红绿灯数据的装置,包括:
数据收集模块,配置为收集指定区域内各位置点的数据信息,以及所述各位置点预设范围内的行驶轨迹数据;
第一获取模块,配置为基于所述各位置点的数据信息筛选出标记有红绿灯的位置点,获取所述行驶轨迹数据中处于各红绿灯位置点所在第一指定范围内的行驶轨迹数据,并作为第一行驶轨迹数据;
第二获取模块,配置为基于所述各位置点的数据信息筛选出标记有非红绿灯的位置点,获取所述行驶轨迹数据中处于各非红绿灯位置点所在第二指定范围内的行驶轨迹数据,并作为第二行驶轨迹数据;
分析模块,配置为通过对所述行驶轨迹数据中所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据进行分析,确定所述指定区域内未被标记的红绿灯位置点;
所述分析模块,还配置为合并第一轨迹运动序列和第二轨迹运动序列,基于各轨迹运动序列是否对应红绿灯位置点做二分类;所在述行驶轨迹数据中筛选出所述第一行驶轨迹数据和所述第二行驶轨迹数据之外的剩余行驶轨迹数据;将所述剩余行驶轨迹数据转换为红绿灯通行方向的待判断轨迹运动序列后,分别与所述第一轨迹运动序列和第二轨迹运动序列进行匹配;若所述待判断轨迹运动序列与所述第一轨迹运动序列匹配成功,则确定该待判断轨迹运动序列对应的位置点为指定区域内未被标记的红绿灯位置点。
7.根据权利要求6所述的装置,其中,还包括第一转换模块,配置为将所述第一行驶轨迹数据转换为红绿灯通行方向的第一轨迹运动序列。
8.根据权利要求6所述的装置,其中,还包括第二转换模块,配置为将所述第二行驶轨迹数据转换为红绿灯通行方向的第二轨迹运动序列。
9.根据权利要求6所述的装置,其中,所述数据收集模块还配置为:
收集指定区域内各位置点的数据信息,所述数据信息包括:位置点对应的地理坐标、类型和/或图标信息;
收集所述各位置点预设范围内的行驶轨迹数据,所述行驶轨迹数据包括:行驶方向和/或行驶速度。
10.根据权利要求6-9任一项所述的装置,其中,所述装置还包括:标记模块,配置为在终端设备地图应用中的对应位置按预设方式标记所述未被标记的红绿灯位置点。
11.一种计算机存储介质 ,所述计算机存储介质存储有计算机程序代码,当所述计算机程序代码在计算设备上运行时,导致所述计算设备执行权利要求1-5任一项所述的基于轨迹数据挖掘红绿灯数据的方法。
12.一种计算设备,包括:
处理器;
存储有计算机程序代码的存储器;
当所述计算机程序代码被所述处理器运行时,导致所述计算设备执行权利要求1-5任一项所述的基于轨迹数据挖掘红绿灯数据的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811642742.9A CN110647605B (zh) | 2018-12-29 | 2018-12-29 | 一种基于轨迹数据挖掘红绿灯数据的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811642742.9A CN110647605B (zh) | 2018-12-29 | 2018-12-29 | 一种基于轨迹数据挖掘红绿灯数据的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110647605A CN110647605A (zh) | 2020-01-03 |
CN110647605B true CN110647605B (zh) | 2022-04-29 |
Family
ID=69009208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811642742.9A Active CN110647605B (zh) | 2018-12-29 | 2018-12-29 | 一种基于轨迹数据挖掘红绿灯数据的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110647605B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926980B (zh) * | 2022-04-22 | 2023-04-14 | 阿里巴巴(中国)有限公司 | 交通数据挖掘方法、装置、电子设备及计算机程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104332064A (zh) * | 2014-10-27 | 2015-02-04 | 百度在线网络技术(北京)有限公司 | 基于用户轨迹更新道路信息的方法及装置 |
CN106295605A (zh) * | 2016-08-18 | 2017-01-04 | 宁波傲视智绘光电科技有限公司 | 红绿灯检测与识别方法 |
CA2992080A1 (en) * | 2015-07-13 | 2017-01-19 | Nissan Motor Co., Ltd. | Traffic light recognition device and traffic light recognition method |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180211120A1 (en) * | 2017-01-25 | 2018-07-26 | Ford Global Technologies, Llc | Training An Automatic Traffic Light Detection Model Using Simulated Images |
-
2018
- 2018-12-29 CN CN201811642742.9A patent/CN110647605B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104332064A (zh) * | 2014-10-27 | 2015-02-04 | 百度在线网络技术(北京)有限公司 | 基于用户轨迹更新道路信息的方法及装置 |
CA2992080A1 (en) * | 2015-07-13 | 2017-01-19 | Nissan Motor Co., Ltd. | Traffic light recognition device and traffic light recognition method |
CN106295605A (zh) * | 2016-08-18 | 2017-01-04 | 宁波傲视智绘光电科技有限公司 | 红绿灯检测与识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110647605A (zh) | 2020-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bierlaire et al. | A probabilistic map matching method for smartphone GPS data | |
US9880012B2 (en) | Hybrid road network and grid based spatial-temporal indexing under missing road links | |
CN108170793B (zh) | 基于车辆语义轨迹数据的停留点分析方法及其*** | |
Steenberghen et al. | Intra-urban location and clustering of road accidents using GIS: a Belgian example | |
US20190102692A1 (en) | Method, apparatus, and system for quantifying a diversity in a machine learning training data set | |
CN109697221A (zh) | 轨迹规律的挖掘方法、装置、存储介质及电子设备 | |
Huang et al. | Predicting human mobility with activity changes | |
Carisi et al. | Enhancing in vehicle digital maps via GPS crowdsourcing | |
US11578982B2 (en) | Method and apparatus for map matching trace points to a digital map | |
CN108182240B (zh) | 兴趣点新增率预测模型训练及预测方法、装置及存储介质 | |
CN108663065A (zh) | 一种道路类型的识别方法及装置 | |
Bierlaire et al. | Modeling route choice behavior from smartphone GPS data | |
John et al. | Deriving incline values for street networks from voluntarily collected GPS traces | |
Ciepłuch et al. | Building generic quality indicators for OpenStreetMap | |
CN112487115A (zh) | 污染源的确定方法、装置、设备及存储介质 | |
CN106595681A (zh) | 一种路径数据的差分更新方法、***及服务器 | |
CN107133689B (zh) | 一种位置标记方法 | |
Jariyasunant et al. | Overcoming battery life problems of smartphones when creating automated travel diaries | |
Schmid et al. | Extracting places from location data streams | |
CN110647605B (zh) | 一种基于轨迹数据挖掘红绿灯数据的方法及装置 | |
US20220252422A1 (en) | Method, apparatus, and system for constructing a high-resolution map for geospatial big data processing | |
Soe et al. | Haversine formula and RPA algorithm for navigation system | |
Angel et al. | Estimating pedestrian traffic with Bluetooth sensor technology | |
Liu et al. | Using trajectory data to explore roadway characterization for bikeshare network | |
Li et al. | VIS-MM: a novel map-matching algorithm with semantic fusion from vehicle-borne images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |