CN110689719A - 用于识别封闭路段的***和方法 - Google Patents
用于识别封闭路段的***和方法 Download PDFInfo
- Publication number
- CN110689719A CN110689719A CN201910469543.0A CN201910469543A CN110689719A CN 110689719 A CN110689719 A CN 110689719A CN 201910469543 A CN201910469543 A CN 201910469543A CN 110689719 A CN110689719 A CN 110689719A
- Authority
- CN
- China
- Prior art keywords
- candidate
- links
- map
- thermodynamic
- confidences
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000010586 diagram Methods 0.000 claims abstract description 115
- 238000012545 processing Methods 0.000 claims description 122
- 238000003860 storage Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 15
- 238000005304 joining Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 42
- 230000015654 memory Effects 0.000 description 32
- 230000004048 modification Effects 0.000 description 14
- 238000012986 modification Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011112 process operation Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- -1 commodities Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- 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
- G06T2207/30236—Traffic on road, railway or crossing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Automation & Control Theory (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及用于识别封闭路段的***和方法。***可以获取第一热力图和第二热力图,第一热力图表示第一时间段内目标区域中跟踪车辆的第一密度,第二热力图表示第二时间段内目标区域中跟踪车辆的第二密度;确定第一热力图和第二热力图之间的差异图;基于差异图确定一个或以上候选区域;在路网图中识别与一个或以上候选区域相关的一个或以上候选链路;基于一个或以上候选区域,确定与一个或以上候选链路相关的一个或以上置信度;以及基于一个或以上置信度,识别一个或以上封闭路段。
Description
技术领域
本申请一般涉及用于识别封闭路段的***和方法,尤其涉及基于与行驶轨迹点相关的热力图识别封闭路段的***和方法。
背景技术
随着交通环境的快速发展,地图服务在现代社会中发挥着重要作用。当道路由于某种原因(例如,重修、重建、极端天气条件)封闭时,提供地图服务的***应该及时且准确地识别封闭的道路并更新地图。通常,***可以获取行使轨迹信息,基于统计方法或监督学习方法分析行使轨迹信息,并基于分析结果识别封闭道路。然而,在某些情况下,基于统计方法或监督学习方法识别封闭道路可能是低效的。因此,希望提供一种更加有效地识别封闭道路的***和方法。
发明内容
本申请的一方面涉及一种用于识别封闭路段的***。该***可以包括存储一组指令的存储设备以及通信地耦合到存储设备的处理器。当执行该组指令时,处理器可以执行以下操作中的一个或以上。处理器可以获取第一热力图和第二热力图,第一热力图表示第一时间段内目标区域中跟踪车辆的第一密度,第二热力图表示第二时间段内目标区域中跟踪车辆的第二密度。处理器可以确定第一热力图和第二热力图之间的差异图。处理器可以基于差异图确定一个或以上候选区域。处理器可以在路网图中识别与一个或以上候选区域相关的一个或以上候选链路,一个或以上候选链路链接至一个或以上候选区域中的至少一个。处理器可以基于一个或以上候选区域,确定与一个或以上候选链路相关的一个或以上置信度。处理器可以进一步基于一个或以上置信度,识别一个或以上封闭路段。
在一些实施例中,处理器可以基于与目标区域内至少两个车辆相关的至少两个行驶轨迹点,确定第一热力图和第二热力图。
在一些实施例中,可以基于与至少两个车辆相关的定位信息获取至少两个行驶轨迹点。
在一些实施例中,处理器可以对第一热力图进行第一过滤操作,获取第一处理热力图,以及对第二热力图进行过滤操作,获取第二处理热力图。处理器还可以通过从第一处理热力图减去第二处理热力图,确定差异图。
在一些实施例中,处理器可以基于差异图确定二值图,并基于二值图进行水平集演化,确定一个或以上候选区域。
在一些实施例中,处理器可以确定对应于一个或以上候选区域的一个或以上多边形,使用R树算法在路网图中加入一个或以上多边形。处理器还可以基于加入结果,识别与一个或以上候选区域相关的一个或以上候选链路。
在一些实施例中,对于一个或以上候选链路中的每一个,处理器可以获取对应于候选链路的一个或以上候选区域中的至少一个的流量信息。处理器可以确定候选链路与对应于一个或以上候选区域中的至少一个的至少一个多边形的交叉点的数量。处理器还可以基于流量信息和交叉点数量,确定候选链路的置信度。
在一些实施例中,处理器可以基于一个或以上置信度,从一个或以上候选链路中选择一个或以上目标链路。处理器可以进一步基于一个或以上目标链路,识别一个或以上封闭路段。
在一些实施例中,处理器可以选择置信度大于阈值的候选链路作为一个或以上目标链路。
在一些实施例中,处理器可以基于一个或以上置信度,对一个或以上候选链路排序,以及基于排序结果,从一个或以上候选链路中选择一个或以上目标链路。
本申请的另一方面涉及一种用于识别封闭路段的方法。该方法可以在计算设备上实现,该计算设备包括至少一个处理器、至少一个存储介质和连接至网络的通信平台。该方法可以包括获取第一热力图和第二热力图,第一热力图表示第一时间段内目标区域中跟踪车辆的第一密度,第二热力图表示第二时间段内目标区域中跟踪车辆的第二密度。该方法还可以包括基于差异图确定一个或以上候选区域。该方法还可以包括在路网图中识别与一个或以上候选区域相关的一个或以上候选链路,一个或以上候选链路链接至一个或以上候选区域中的至少一个。该方法还可以包括基于一个或以上候选区域,确定与一个或以上候选链路相关的一个或以上置信度。该方法还可以包括基于一个或以上置信度,识别一个或以上封闭路段。
在一些实施例中,第一热力图和第二热力图可以基于与目标区域内至少两个车辆相关的至少两个行驶轨迹点确定。
在一些实施例中,可以基于与至少两个车辆相关的定位信息获取至少两个行驶轨迹点。
在一些实施例中,获取第一热力图和第二热力图,第一热力图表示第一时间段内目标区域中跟踪车辆的第一密度,第二热力图表示第二时间段内目标区域中跟踪车辆的第二密度,可以包括:对第一热力图进行第一过滤操作,获取第一处理热力图,以及对第二热力图进行过滤操作,获取第二处理热力图;以及通过从第一处理热力图减去第二处理热力图,确定差异图。
在一些实施例中,基于差异图确定一个或以上候选区域可以包括基于差异图确定二值图;基于二值图进行水平集演化,确定一个或以上候选区域。
在一些实施例中,在路网图中识别与一个或以上候选区域相关的一个或以上候选链路可以包括确定一个或以上候选区域对应的一个或以上多边形;使用R树算法在路网图中加入一个或以上多边形;基于加入结果,识别与一个或以上候选区域相关的一个或以上候选链路。
在一些实施例中,基于一个或以上候选区域,确定与一个或以上候选链路相关的一个或以上置信度可以包括:对于一个或以上候选链路中的每一个,获取对应于候选链路的一个或以上候选区域中的至少一个的流量信息;确定候选链路与对应于一个或以上候选区域中的至少一个的至少一个多边形的交叉点的数量;基于流量信息和交叉点数量,确定候选链路的置信度。
在一些实施例中,基于一个或以上置信度,识别一个或以上封闭路段可以包括基于一个或以上置信度,从一个或以上候选链路中选择一个或以上目标链路;以及基于一个或以上目标链路,识别一个或以上封闭路段。
在一些实施例中基于一个或以上置信度,从一个或以上候选链路中选择一个或以上目标链路可以包括选择置信度大于阈值的候选链路作为一个或以上目标链路。
在一些实施例中,基于一个或以上置信度,从一个或以上候选链路中选择一个或以上目标链路可以包括基于一个或以上置信度,对一个或以上候选链路排序;以及基于排序结果,从一个或以上候选链路中选择一个或以上目标链路。
本申请的又一方面涉及一种用于识别封闭路段的***。该***可以包括获取模块、差异图确定模块、候选区域确定模块、候选链路识别模块、置信度确定模块和封闭路段识别模块。获取模块可以被配置为获取第一热力图和第二热力图,第一热力图表示第一时间段内目标区域中跟踪车辆的第一密度,第二热力图表示第二时间段内目标区域中跟踪车辆的第二密度。差异图确定模块可以被配置为确定第一热力图和第二热力图之间的差异图。候选区域确定模块可以被配置为基于差异图确定一个或以上候选区域。候选链路识别模块可以被配置为在路网图中识别与一个或以上候选区域相关的一个或以上候选链路,一个或以上候选链路链接至一个或以上候选区域中的至少一个。置信度确定模块可以被配置为基于一个或以上候选区域,确定与一个或以上候选链路相关的一个或以上置信度。封闭路段识别模块可以被配置为基于一个或以上置信度,识别一个或以上封闭路段。
在一些实施例中,获取模块可以基于与目标区域内至少两个车辆相关的至少两个行驶轨迹点,确定第一热力图和第二热力图。
在一些实施例中,可以基于与至少两个车辆相关的定位信息获取至少两个行驶轨迹点。
在一些实施例中,差异图确定模块可以对第一热力图进行第一过滤操作,获取第一处理热力图,以及对第二热力图进行过滤操作,获取第二处理热力图。差异图确定模块还可以通过从第一处理热力图减去第二处理热力图,确定差异图。
在一些实施例中,候选区域确定模块可以基于差异图确定二值图,并基于二值图进行水平集演化,确定一个或以上候选区域。
在一些实施例中,候选链路识别模块可以确定对应于一个或以上候选区域的一个或以上多边形,使用R树算法在路网图中加入一个或以上多边形。候选链路识别模块还可以基于加入结果,识别与一个或以上候选区域相关的一个或以上候选链路。
在一些实施例中,对于一个或以上候选链路中的每一个,置信度确定模块可以获取对应于候选链路的一个或以上候选区域中的至少一个的流量信息。置信度确定模块可以确定候选链路与对应于一个或以上候选区域中的至少一个的至少一个多边形的交叉点的数量。置信度确定模块还可以基于流量信息和交叉点数量,确定候选链路的置信度。
在一些实施例中,封闭路段识别模块可以基于一个或以上置信度,从一个或以上候选链路中选择一个或以上目标链路。封闭路段识别模块可以进一步基于一个或以上目标链路,识别一个或以上封闭路段。
在一些实施例中,封闭路段识别模块可以选择置信度大于阈值的候选链路作为一个或以上目标链路。
在一些实施例中,封闭路段识别模块可以基于一个或以上置信度,对一个或以上候选链路排序;以及基于排序结果,从一个或以上候选链路中选择一个或以上目标链路。
本申请的另一方面涉及一种非暂时性计算机可读介质。该非暂时性计算机可读介质可以包括用于识别封闭路段的一组指令。当由至少一个处理器执行时,该组指令可以指示至少一个处理器以执行方法。该方法可以包括获取第一热力图和第二热力图,第一热力图表示第一时间段内目标区域中跟踪车辆的第一密度,第二热力图表示第二时间段内目标区域中跟踪车辆的第二密度。该方法还可以包括基于差异图确定一个或以上候选区域。该方法还可以包括在路网图中识别与一个或以上候选区域相关的一个或以上候选链路,一个或以上候选链路链接至一个或以上候选区域中的至少一个。该方法还可以包括基于一个或以上候选区域,确定与一个或以上候选链路相关的一个或以上置信度。该方法还可以包括基于一个或以上置信度,识别一个或以上封闭路段。
一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解,本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法,手段和组合的实践或使用得以实现和达到。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例是非限制性的示例性实施例,在这些实施例中,各图中相同的编号表示相似的结构,其中:
图1是根据本申请的一些实施例所示的示例性道路识别***的示意图;
图2是根据本申请的一些实施例所示的示例性计算设备的示例性硬件和/或软件组件的示意图;
图3是根据本申请的一些实施例所示的示例性处理引擎的框图;
图4是根据本申请的一些实施例所示的用于识别一个或以上封闭路段的示例性过程的流程图;
图5-A是根据本申请的一些实施例所示的用于确定第一热力图和第二热力图之间的差异图的示例性过程的示意图;
图5-B是根据本申请的一些实施例所示的用于基于差异图确定一个或以上候选区域的示例性过程的示意图;
图6是根据本申请的一些实施例所示的用于识别一个或以上候选链路的示例性过程的流程图;
图7是根据本申请的一些实施例所示的示例性多边形和示例性候选链路的示意图;
图8是根据本申请的一些实施例所示的用于确定候选链路的置信度的示例性过程的流程图;以及
图9是根据本申请的一些实施例所示的用于确定与包括至少一个低流量区域的目标区域相关的第一热力图和第二热力图之间的差异图的示例性过程的示意图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和利用本申请,并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来说,显然可以对所公开的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
本申请中所使用的术语仅用于描述特定的示例性实施例,并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式,除非上下文明确提示例外情形。还应当理解,如在本申请中所示,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
根据以下对附图的描述,本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法,以及部件组合和制造经济性,可以变得更加显而易见,这些都构成本申请说明书的一部分。然而,应当理解,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当理解的是,附图并不是按比例绘制的。
本申请中使用了流程图用来说明根据本申请的一些实施例的***所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
此外,虽然在本申请中披露的***和方法主要关于按需运输服务,但还应该理解,这仅是一个示例性实施例。本申请的***和方法可以应用于任何其他类型的按需服务。例如,本申请的***和方法可以应用于不同的运输***,包括陆地、海洋、航空航天等或其任意组合。运输***的车辆可以包括出租车、私家车、便车、公共汽车、无人驾驶车辆等或其任意组合。运输***还可以包括应用管理和/或分配的任何运输***,例如用于发送和/或接收快递的***。本申请的***和方法的应用场景可以包括网页、浏览器的插件、客户端终端、定制***、内部分析***、人工智能机器人等或其任意组合。
本申请中的术语“乘客”、“请求者”、“服务请求者”和“客户”可以互换使用,表示请求或订购服务的个人、实体或工具。同样地,本申请中的术语“司机”、“提供者”、“服务提供者”、“供应者”等也可以互换使用,表示提供服务或者协助提供服务的个人、实体或工具。本申请中的术语“用户”可以表示可以请求服务、订购服务、提供服务或促进提供服务的个人、实体或工具。例如,用户可以是乘客、司机、操作者等或其任意组合。在本申请中,术语“乘客”和“乘客终端”可以互换使用,且术语“司机”和“司机终端”可以互换使用。
本申请中的术语“服务”、“请求”和“服务请求”可以互换使用,表示可以由乘客、请求者、服务请求者、顾客、司机、提供者、服务提供者、供应者等或其任何组合发起的请求。该服务请求可被乘客、请求者、服务请求者、顾客、司机、提供者、服务提供者或者供应者接受。服务请求可以是计费的也可是免费的。
本申请中使用的定位技术可以包括全球定位***(GPS)、全球导航卫星***(GLONASS)、罗盘导航***(COMPASS)、伽利略定位***、准天顶卫星***(QZSS)、北斗导航卫星***、无线保真(WiFi)定位技术等或其任意组合。以上定位技术中的一个或以上可以在本申请中互换使用。例如,基于GPS的方法和基于无线网络的方法可以一起作为定位无线电设备的定位技术。
本申请的一方面涉及用于识别封闭路段的***和方法。***可以获取第一热力图和第二热力图,第一热力图表示第一时间段(例如,一天)内目标区域(例如,城市)中跟踪车辆的第一密度,第二热力图表示第二时间段(例如,第二天)内目标区域中跟踪车辆的第二密度。***可以确定第一热力图和第二热力图之间的差异图。***可以基于差异图确定一个或以上候选区域。***可以在路网图中识别与一个或以上候选区域相关的一个或以上候选链路,一个或以上候选链路链接至一个或以上候选区域中的至少一个。***还可以基于一个或以上候选区域确定与一个或以上候选链路有关的一个或以上置信度。此外,***可以基于一个或以上置信度识别一个或以上封闭路段。根据本申请的***和方法,可以基于热力图识别封闭路段,热力图是基于与跟踪的车辆相关的行驶轨迹点确定的,从而提高了道路识别的效率和准确性。
总体而言,值得注意的是,GPS定位是一种深深植根于互联网世界的技术。如果没有终端设备和远程服务器之间的通信的可能性,则基于与车辆相关的位置信息识别一个或以上的封闭路段是不可能的。因此,本申请中公开的技术方案也是一种深深植根于互联网时代的技术。
图1是根据本申请的一些实施例所示的示例性道路识别***的示意图。道路识别***可以基于与车辆相关的行驶轨迹信息识别封闭路段。道路识别***可以应用于各种应用场景,例如按需运输服务场景、导航服务场景、地图服务场景等。为了说明的目的,本申请以按需运输服务场景为例,相应地,道路识别***100可以是用于运输服务(例如出租车呼叫服务、司机服务、快车服务、拼车服务、巴士服务等)的在线运输服务平台。在一些实施例中,道路识别***100可以包括服务器110、网络120、请求者终端130、提供者终端140和存储器150。
服务器110可以是单一服务器或服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式的***)。在一些实施例中,服务器110可以是本地的,也可以是远程的。例如,服务器110可以通过网络120访问存储在请求者终端
130、提供者终端140和/或存储器150中的信息和/或数据。又例如,服务器110可以连接请求者终端130、提供者终端140和/或存储器150,以访问所存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实施。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中,服务器110可以在本申请中的图2描述的包含了一个或以上组件的计算设备200上实施。
在一些实施例中,服务器110可以包括处理引擎112。处理引擎112可以处理信息和/或数据以执行本申请中描述的一个或以上功能。例如,处理引擎112可以从至少两个提供者终端140获取与至少两个车辆相关的位置信息(例如,GPS信息),并且基于位置信息生成与至少两个行驶轨迹点相关的热力图。在一些实施例中,处理引擎112可以包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为示例,处理引擎112可以包括一个或以上硬件处理器,例如中央处理单元(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图像处理单元(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中,道路识别***100的一个或以上组件(例如,服务器110、请求者终端130、提供者终端140和存储器150)可以通过网络120将信息和/或数据发送至道路识别***100的其他组件。例如,服务器110可以经由网络120从提供者终端140接收GPS信息。在一些实施例中,网络120可以为任意形式的有线或无线网络,或其任意组合。仅作为示例,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通信(NFC)网络等或其任意组合。在一些实施例中,网络120可以包括一个或以上网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或互联网交换点120-1、120-2......,通过其可以将道路识别***100的一个或以上组件连接到网络120以在其之间交换数据和/或信息。
在一些实施例中,请求者可以是请求者终端130的用户。在一些实施例中,请求者终端130的用户可以是除请求者之外的其他人。例如,请求者终端130的用户A可以使用请求者终端130为用户B发送服务请求,或者从服务器110接收服务和/或信息或指令。在一些实施例中,提供者可以是提供者终端140的用户。在一些实施例中,提供者终端140的用户可以是除提供者之外的其他人。例如,提供者终端140的用户C可以使用提供者终端140为用户D接收服务请求和/或从服务器110处接收信息或指令。在一些实施例中,
“请求者”和“请求者终端”可互换使用,“提供者”和“提供者终端”可互换使用。
在一些实施例中,乘客终端130可以包括移动设备130-1、平板计算机130-2、手提计算机130-3、机动车辆内置设备130-4等或其任意组合。在一些实施例中,移动设备130-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等或其任意组合。在一些实施例中,可穿戴设备可以包括智能手镯、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣服、智能背包、智能配件等或其任意组合。在一些实施例中,智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)等或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google GlassTM、RiftConTM、FragmentsTM、Gear VRTM等。在一些实施例中,机动车辆内置设备130-4可以包括车载计算机、车载电视等。在一些实施例中,请求者终端130可以是带有定位技术的设备,用于定位请求者和/或请求者终端130的位置。
在一些实施例中,提供者终端140可以是与请求者终端130类似或相同的设备。在一些实施例中,提供者终端140可以是具有定位技术的设备,用于确定服务提供者和/或提供者终端140的位置。在一些实施例中,提供者终端140可以周期性地将GPS信息发送到服务器110。在一些实施例中,请求者终端130和/或提供者终端140可以与其他定位设备通信以确定请求者、请求者终端130、提供者和/或提供者终端140的位置。在一些实施例中,请求者终端130和/或提供者终端140可以将定位信息发送到服务器110。
存储器150可以储存数据和/或指令。在一些实施例中,存储器150可以存储从请求者终端130和/或提供者终端140获取的数据。在一些实施例中,存储器150可以储存服务器110用来执行或使用以完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储器150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中,存储器150可以在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储器150可以连接到网络120以与道路识别***100的一个或以上组件(例如,服务器110、请求者终端130、提供者终端140)通信。道路识别***100的一个或以上组件可以经由网络120访问存储在存储器150中的数据或指令。在一些实施例中,存储器150可以直接连接到道路识别***100的一个或以上组件(例如,服务器110、请求者终端130、提供者终端140)或与之通信。在一些实施例中,存储器150可以是服务器110的一部分。
在一些实施例中,道路识别***100的一个或以上组件(例如,服务器110、请求者终端130、提供者终端140)可以访问存储器150。在一些实施例中,当满足一个或以上条件时,道路识别***100的一个或以上组件可以读取和/或修改与请求者、提供者和/或公众有关的信息。例如,在完成一个服务后,服务器110可以读取和/或修改一个或以上用户的信息。又例如,当从请求者终端130接收到服务请求时,提供者终端140可以访问与请求者相关的信息,但提供者终端140无法修改请求者的相关信息。
在一些实施例中,道路识别***100的一个或以上组件的信息交换可以通过请求服务的方式实现。服务请求的对象可以为任何产品。在一些实施例中,产品可以是有形产品或无形产品。有形产品可以包括食品、药品、商品、化学产品、电器、服装、汽车、房屋、奢侈品等或其任意组合。无形产品可以包括服务产品、金融产品、知识产品、互联网产品等或其任意组合。互联网产品可以包括个人主机产品、网站产品、移动互联网产品、商业主机产品、嵌入式产品等或其任意组合。移动互联网产品可以用于移动终端的软件、程序、***等或其任意组合。移动终端可以包括平板计算机、手提计算机、移动电话、个人数字助理(PDA)、智能手表、POS设备、车载计算机、车载电视、可穿戴设备等或其任意组合。例如,产品可以是在计算机或移动电话上使用的任意软件和/或应用。软件和/或应用程序可以与社交、购物、交通、娱乐、学习、投资等或其任意组合相关。在一些实施例中,与运输有关的软件和/或应用程序可以包括出行软件和/或应用程序、车辆调度软件和/或应用程序、地图软件和/或应用程序等。在车辆调度软件和/或应用程序中,车辆可以包括马、马车、人力车(例如,独轮车、自行车、三轮车)、汽车(例如,出租车、公共汽车、私家车)或类似物,或其任意组合。
本领域的普通技术人员将理解,当道路识别***100的元件执行时,该元件可以通过电信号和/或电磁信号执行。例如,当请求者终端130处理任务,诸如做出决定、识别或选择对象时,请求者终端130可以在其处理器中操作逻辑电路以处理这样的任务。当请求者终端130向服务器110发出服务请求时,服务请求者终端130的处理器可以生成编码服务请求的电信号。之后,请求者终端130的处理器可以将电信号发送到输出端口。如果请求者终端130经由有线网络与服务器110通信,则输出端口可以物理地连接到电缆,电缆还可以将电信号发送到服务器110的输入端口。如果请求者终端130经由无线网络与服务器110通信,则请求者终端130的输出端口可以是一个或以上天线,其可以将电信号转换为电磁信号。类似地,提供者终端140可以通过其处理器中的逻辑电路的操作处理任务,并且经由电信号或电磁信号从服务器110接收指令和/或服务请求。在电子设备中(如请求者终端130、提供者终端140和/或服务器110)当其处理器处理指令、发出指令和/或执行动作时,该指令和/或者动作通过电信号执行。例如,当处理器从存储介质(例如,存储器150)检索或保存数据时,它可以将电信号发送到存储介质的读/写设备,其可以在存储介质中读取或写入结构化数据。结构化数据可以以电信号的形式经由电子设备的总线传输至处理器。此处,电信号可以指一个电信号、一系列电信号和/或至少两个不连续的电信号。
应当注意的是,图1中所示的应用场景仅用于说明目的,并非旨在限制本申请的范围。例如,道路识别***100可以用作导航***。导航***可以包括用户终端(例如,提供者终端140)和服务器(例如,服务器110)。当用户计划将车辆行驶到目的地时,导航***可以为用户提供导航服务,并且在导航服务期间,导航***可以从集成在用户终端中的GPS设备中周期性地获取车辆的GPS信息。导航***可以根据本申请中描述的过程和/或方法,获取预设时间段(例如,1个月)内与区域(例如,城市)中至少两个车辆相关的GPS信息,并且基于GPS信息识别一个或以上封闭路段。
图2是根据本申请的一些实施例所示的示例性计算设备的示例性硬件和/或软件组件的示意图。在一些实施例中,服务器110、请求者终端130和/或提供者终端140可以在计算设备200上实施。例如,处理引擎112可以在计算设备200上实施并执行本申请所披露的所述处理引擎112的功能。
计算设备200可以用于实现如本文所述的道路识别***100的任何组件。例如,处理引擎112可以在计算设备200上通过其硬件、软件程序、固件或其组合实现。为了方便起见,尽管仅示出了一个这样的计算机,但本文描述的计算机功能可以在多个类似平台上以分布式方式实现,以分散处理负载。
例如,计算设备200可以包括与网络相连接的通信端口250,以实现数据通信。计算设备200还可以包括处理器(例如,处理器220),其形式为一个或以上处理器(例如,逻辑电路),用于执行程序指令。例如,处理器可以包括其中的接口电路和处理电路。接口电路可以被配置为从总线210接收电信号,其***号编码用于处理电路处理的结构化数据和/或指令。处理电路可以进行逻辑计算,然后将结论、结果和/或指令编码确定为电信号。然后,接口电路可以经由总线210从处理电路发出电信号。
计算设备200还可以包括不同形式的程序存储和数据存储,包括,例如磁盘270、只读存储器(ROM)230或随机存取存储器(RAM)240,用于存储由计算设备200处理和/或传输的各种数据文件。示例性计算设备200也可以包括储存于ROM 230、RAM 240和/或其他形式的非暂时性存储介质中的由处理器220执行的程序指令。本申请的方法和/或过程可以以程序指令的方式实现。计算设备200还包括I/O组件260,用于支持计算机和其他组件之间的输入/输出。计算设备200也可以通过网络通信接收编程和数据。
仅用于说明,图2中仅示出了一个CPU和/或处理器。还可以考虑使用多个CPU和/或处理器;因此,由本申请中描述的一个CPU和/或处理器执行的操作和/或方法步骤也可以由多个CPU和/或处理器联合或独立执行。例如,如果在本申请中,计算设备200的CPU和/或处理器执行步骤A和步骤B,应当理解的是,步骤A和步骤B也可以由计算设备200的两个不同的CPU和/或处理器共同地或独立地执行(例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一和第二处理器共同地执行步骤A和步骤B)。
图3是根据本申请的一些实施例所示的示例性处理引擎的框图。在一些实施例中,处理引擎112可以包括获取模块310、差异图确定模块320、候选区域确定模块330、候选链路识别模块340、置信度确定模块350和封闭路段识别模块360。
获取模块310可以被配置为获取第一热力图和第二热力图,第一热力图表示第一时间段内目标区域中跟踪车辆的第一密度,第二热力图表示第二时间段内目标区域中跟踪车辆的第二密度。在一些实施例中,目标区域可以是城市、行政区、距离预设中心位置一定半径(例如,500m、1km、5km、10km)的预设地理区域等。
差异图确定模块320可以被配置为确定第一热力图和第二热力图之间的差异图。差异图可以体现第一时间段内跟踪车辆的第一密度与第二时间段内跟踪车辆的第二密度之间的差异。
候选区域确定模块330可以被配置为基于差异图确定一个或以上候选区域。在一些实施例中,候选区域确定模块330可以基于差异图确定二值图,并基于二值图,确定一个或以上候选区域。关于确定一个或以上候选区域的更多描述可以在本申请的其他地方找到,例如,图5-B及其描述。
候选链路识别模块340可以被配置为在路网图中识别与一个或以上候选区域相关的一个或以上候选链路,其中一个或以上候选链路中的每一个对应于(也被称为“链接至”)一个或以上候选区域中的至少一个。在一些实施例中,候选链路识别模块340可以确定对应于一个或以上候选区域的一个或以上多边形,并且在路网图中加入一个或以上多边形。进一步地,候选链路识别模块340还可以基于加入结果,识别与一个或以上候选区域相关的一个或以上候选链路。关于识别一个或以上候选链路的更多描述可以在本申请的其他地方找到,例如,图6及其描述。
置信度确定模块350可以被配置为基于一个或以上候选区域,确定与一个或以上候选链路相关的一个或以上置信度。如本文所使用的,置信度可以是0到1范围内的值,其表示相应的候选链路对应于封闭路段的概率。
封闭路段识别模块360可以被配置为基于一个或以上置信度,识别一个或以上封闭路段。在一些实施例中,封闭路段识别模块360可以基于一个或以上置信度,从一个或以上候选链路中选择一个或以上目标链路,以及基于一个或以上目标链路识别一个或以上封闭路段。
处理引擎112中的模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合电缆等或其任意组合。无线连接可以包括局域网络(LAN)、广域网络(WAN)、蓝牙、紫蜂网络、近场通信(NFC)等或其任意组合。两个或以上模块可以被组合为单个模块,且所述模块中的任一个可以被分成两个或以上单元。例如,差异图确定模块320和候选区域确定模块330可以组合为单个模块,其可以确定第一热力图和第二热力图之间的差异图,以及基于差异图确定一个或以上候选区域。又例如,处理引擎112可以包括存储模块(图3中未示出),其可以被配置为存储第一热力图、第二热力图、差异图、一个或以上候选区域、一个或以上的候选链路、一个或以上置信度等。
图4是根据本申请的一些实施例所示的用于识别一个或以上封闭路段的示例性过程的流程图。过程400可以由道路识别***100执行。例如,过程400可以实现为存储在存储器ROM 230或RAM 240中的一组指令(例如,应用程序)。处理器220和/或图3中的模块可以执行该组指令,并且当执行指令时,处理器220和/或模块可以被配置为执行过程400。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程400可以利用未描述的一个或以上附加操作,和/或不通过所讨论的一个或以上操作完成。另外,如图4所示和下面描述的过程操作的顺序并非限制性的。
在402中,处理引擎112(例如,获取模块310)(例如,处理器220的接口电路或处理电路)可以获取第一热力图和第二热力图,第一热力图表示第一时间段内目标区域中跟踪车辆的第一密度,第二热力图表示第二时间段内目标区域中跟踪车辆的第二密度。在一些实施例中,目标区域可以是城市、行政区、距离预设中心位置一定半径(例如,500m、1km、5km、10km)的预设地理区域等。
如本文所使用的,热力图可以是图形图像(例如,红绿蓝(RGB)图像、灰度图像),其包括背景信息(例如,建筑物、路段)和与目标区域内至少两个车辆相关的至少两个行驶轨迹点。例如,处理引擎112可以在地图(例如,谷歌地图、百度地图)上添加至少两个行驶轨迹点以获取热力图。可以基于与时间段(例如,一小时、一天、一个星期、一个月)内至少两个车辆(也称为“跟踪车辆”)相关的位置信息(例如,GPS信息),获取至少两个行驶轨迹点。处理引擎112可以从在本申请的其他地方公开的至少两个提供者终端140、集成在至少两个车辆中的至少两个定位设备或存储设备(例如,存储器150)中获取与至少两个车辆相关的位置信息。
在一些实施例中,如上所述,热力图可以表示时间段内目标区域中的跟踪车辆的密度。以目标区域中的特定区域为例,该区域中的行驶轨迹点越多,则在时间段内穿越该区域的跟踪车辆可能越多(即,跟踪车辆的密度可能越大),且热力图中该区域的颜色可能越深。
在一些实施例中,第二时间段可以是第一时间段之后的时间段,以及第一时间段和第二时间段可以对应于时间周期(例如,一天、一个星期、一个月)中的相同时间段。例如,第一时间段可以是一天,第二时间段可以是第二天或任何后续日。又例如,第一时间段可以是工作日(例如,星期一)的上午7:00~上午9:00,第二时间段可以是下一个工作日(例如,星期二)或任何后续工作日(例如,星期四、星期五)的上午7:00~上午9:00。又例如,第一时间段可以是周末(例如,星期日),第二时间段可以是下周末或任何后续周末。在一些实施例中,第二时间段可以是第一时间段之后的任何时间段。例如,第一时间段可以是上午10点至上午11点,第二时间段可以是上午11点至上午12点。
在404中,处理引擎112(例如,差异图确定模块320)(例如,处理器220的处理电路)可以确定第一热力图和第二热力图之间的差异图。差异图可以体现第一时间段内跟踪车辆的第一密度与第二时间段内跟踪车辆的第二密度之间的差异。
在一些实施例中,与至少两个车辆相关的位置信息(例如,GPS信息)可能存在漂移,其可能导致至少两个行驶轨迹点中的一些可能偏离实际位置(这些点被视为噪音)。因此,处理引擎112可以对第一热力图进行第一过滤操作以获取第一处理热力图,对第二热力图进行第二过滤操作以获取第二热处理热力图。处理引擎112可以进一步通过从第一处理热力图中减去第二处理热力图确定差异图。
在406中,处理引擎112(例如,候选区域确定模块330)(例如,处理器220的处理电路)可以基于差异图确定一个或以上候选区域。如这里所使用的,候选区域可以是跟踪车辆的密度大于差异图中周围区域的跟踪车辆的密度的地区。
在一些实施例中,处理引擎112可以基于差异图确定二值图,并基于二值图,确定一个或以上候选区域。如本文所使用的,二值图指的是其中每个像素的像素值为0(表示白色)或255(表示黑色)的地图。具体地,处理引擎112可以基于像素值阈值确定二值图。对于差异图中的像素点中的每一个,响应于确定像素的像素值大于像素值阈值,处理引擎112可以确定像素的新像素值“255”;然而,响应于确定像素点的像素点值小于或等于像素点值阈值,处理引擎112可确定像素点的新像素点值“0”。进一步地,处理引擎112可以基于像素的新像素值确定二值图。
在确定二值图之后,处理引擎112还可以基于二值图进行水平集演化,确定一个或以上候选区域。关于确定一个或以上候选区域的更多描述可以在本申请的其他地方找到,例如,图5-B及其描述。
在408中,处理引擎112(例如,候选链路识别模块340)(例如,处理器220的处理电路)可以在路网图中识别与一个或以上候选区域相关的一个或以上候选链路。其中,一个或以上候选链路中的每一个对应于(也称为“链接至”)一个或以上候选区域中的至少一个。如本文所使用的,术语“链路”指路网图中的线,其对应于路段。
在一些实施例中,处理引擎112可以确定对应于一个或以上候选区域的一个或以上多边形,并在路网图中加入一个或以上多边形。进一步地,处理引擎112还可以基于加入结果,识别与一个或以上候选区域相关的一个或以上候选链路。关于识别一个或以上候选链路的更多描述可以在本申请的其他地方找到,例如,图6及其描述。
在410中,处理引擎112(例如,置信度确定模块350)(例如,处理器220的处理电路)可以基于一个或以上候选区域,确定与一个或以上候选链路相关的一个或以上置信度。如本文所使用的,置信度可以是0到1范围内的值,其表示相应的候选链路对应于封闭路段的概率。
在一些实施例中,对于每一个候选链路,处理引擎112可以获取与该候选链路对应的一个或以上候选区域中的至少一个的流量信息(例如,驾驶轨迹点的数量)。处理引擎112可以确定该候选链路与对应于一个或以上候选区域中的至少一个候选区域的至少一个多边形的交叉点的数量。进一步地,处理引擎112可以基于流量信息和交叉点的数量,确定候选链路的置信度。关于确定一个或以上置信度的更多描述可以在本申请的其他地方找到,例如,图8及其描述。
在412中,处理引擎112(例如,封闭路段确定模块360)(例如,处理器220的处理电路)可以基于一个或以上置信度,识别一个或以上封闭路段。
在一些实施例中,处理引擎112可以基于一个或以上置信度,从一个或以上候选链路中选择一个或以上目标链路。例如,处理引擎112可以确定等级阈值(例如,0.9、0.8、0.7),并选择置信度大于等级阈值的候选链路作为目标链路。等级阈值可以是道路识别***100的默认设置,或者可以在不同情况下是可调节的。又例如,处理引擎112可以基于一个或以上置信度,对一个或以上候选链路进行排序(例如,从大到小),并选择经排序的一个或以上候选链路中的至少一个(例如,前1、前2、前5)作为目标链路。
在确定一个或以上目标链路之后,处理引擎112可以基于一个或以上目标链路,识别一个或以上封闭路段。如上所述,链路对应于路段。处理引擎112可以将对应于一个或以上目标链路的路段识别为封闭路段。进一步地,当为运输服务请求规划推荐路线或提供导航服务时,处理引擎112可以考虑所识别的封闭路段,并相应地进行一些调整(如有必要)。
在一些实施例中,由于实际道路通常沿着四个方向(包括“从北到南”、“从南到北”、“从东到西”和“从西到东”),处理引擎112可以分别沿四个方向执行过程400,并通过合并四个中间识别结果确定最终识别结果。
在一些实施例中,一些特殊路段中的车辆的密度可能因自然因素而非道路封闭原因而发生周期性地改变,处理引擎112可以识别并标记该情况,并且在执行过程400之前,处理引擎112可以确定目标区域是否包括特殊路段。响应于确定目标区域包括特殊路段,处理引擎112可以预先过滤掉特殊路段。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的教导下,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,可以在过程400中的其他地方添加一个或以上可选操作(例如,存储操作)。在存储操作中,处理引擎112可以存储第一热力图、第二热力图、差异图、一个或以上候选区域、一个或以上候选链路、一个或以上置信度等。
图5-A是根据本申请的一些实施例所示的用于确定第一热力图和第二热力图之间的差异图的示例性过程的示意图。如图所示,510指的是第一热力图、520指的是第二热力图、530指的是差异图。为方便起见,仅显示三个地图的一部分。
如图所示,实心点指的是沿第一车道501的一部分的行驶轨迹点,实心三角指的是沿第二车道502的一部分的行驶轨迹点。可以看出,一些行驶轨迹点(例如,514、524)位于道路外面(即,发生了漂移)。为了减少漂移(可能导致噪声)的影响,如结合操作404所述,处理引擎112可以对第一热力图进行第一过滤操作以获取第一处理热力图以及对第二热力图进行第二过滤操作以获取第二处理热力图。进一步地,处理引擎112可以通过从第一处理热力图中减去第二处理热力图确定差异图530。
此外,可以看出,在第二热力图520中,沿第一车道501的一部分的行驶轨迹点的数量非常低,并且明显小于第一热力图510中沿第一车道501的一部分的行驶轨迹点的数量,可以表明在第二时间段内,第一车道501的一部分可能对应于封闭路段(在理想条件下,在第二热力图520中,沿第一车道501的一部分的行驶轨迹点的数量应为零)。另一方面,在第二热力图520中,沿第二车道502的一部分的行驶轨迹点的数量几乎等于第一热力图510中沿第二车道502的一部分的行驶轨迹点的数量(在本申请中,我们假设沿特定路段的跟踪车辆的密度近似稳定)。综上,从差异图530中可以看出,几乎所有的行驶轨迹点都位于第一车道501的一部分中,其可以进一步用于确定如图5-B及其描述所描述的一个或以上候选区域。
图5-B是根据本申请的一些实施例所示的基于差异图确定一个或以上候选区域的示例性过程的示意图。
如结合图5-A和操作406所述,处理引擎112可以基于差异图(例如,图5-A中所示的530)确定二值图(例如,图5-B中所示的540)。为了确定一个或以上候选区域,处理引擎112可以基于二值图进行水平集演化。例如,如图5-B所示,处理引擎112可以基于二值图540确定初始边界541和初始边界542。初始边界541的形状和/或初始边界542的形状可以包括圆形、矩形、三角形、不规则形状等。根据水平集演化,以初始边界541为例,初始边界541上的每个像素点可以对应于演化速度和演化方向(例如,初始边界541的法线方向)。演化速度可以是道路识别***100的默认设置,或者可以在不同情况下调节。例如,像素的梯度越大,演化速度越慢。进一步地,处理引擎112可以迭代地修改初始边界541,直到修改的边界上的每个像素的梯度大于梯度阈值。相应地,处理引擎112可以基于修改的边界,确定候选区域551。类似地,处理引擎112还可以基于对应于初始边界542的修改的边界,确定候选区域552。
在一些实施例中,处理引擎112可以进一步对二值图进行过滤操作以消除位于候选区域之外的轨迹点(例如,543),以减少噪声的影响。
在一些实施例中,基于二值图确定初始边界后,处理引擎112可以基于初始边界,在差异图中进行水平集演化,并在差异图中确定一个或以上候选区域。
如结合操作408所述,在确定一个或以上候选区域之后,处理引擎112可以确定对应于一个或以上候选区域的一个或以上多边形。进一步地,处理引擎112可以在路网图中加入一个或以上多边形,并基于加入结果,识别与一个或以上候选区域相关的一个或以上候选链路。关于识别一个或以上候选链路的更多描述可以在本申请的其他地方找到,例如,图6及其描述。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些修改和变化不会背离本申请的范围。
图6是根据本申请的一些实施例所示的用于识别一个或以上候选链路的示例性过程的流程图。过程600可以由道路识别***100执行。例如,过程600可以实现为存储在存储器ROM 230或RAM 240中的一组指令(例如,应用程序)。处理器220和/或图3中的模块可以执行该组指令,并且当执行指令时,处理器220和/或模块可以被配置为执行过程600。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程600可以利用未描述的一个或以上附加操作和/或不通过所讨论的一个或以上个操作完成。另外,如图6所示和下面描述的过程操作的顺序并非限制性的。在一些实施例中,可以基于过程600执行操作408。
在602中,处理引擎112(例如,候选链路识别模块340)(例如,处理器220的处理电路)可以确定对应于一个或以上候选区域的一个或以上多边形。以特定候选区域为例,如图5-B所示,对应的多边形指的是指示该特定候选区域的边界(即,基于水平集演化的最终修改的边界)的几何对象(可以是矢量对象)。
在604中,处理引擎112(例如,候选链路识别模块340)(例如,处理器220的处理电路)可以使用R树算法在路网图中加入一个或以上多边形。如本文所使用的,路网图可以是包括一条或以上条线(其可以是矢量线,并被称为“链路”)的灰度图像,其中每条线代表路段。在路网图中,每个链路可以由起点和终点定义(两者都可以由地理坐标表示),并且还可以用链路ID标记。
在一些实施例中,处理引擎112可以基于地理坐标信息,建立与路网图相关的R树索引。在一些实施例中,处理引擎112可以从本申请中其他地方公开的存储设备(例如,存储设备150)中获取与路网图相关的R树索引。R树索引可以包括表示路网图中的至少两个区域的至少两个叶节点。根据R树索引,处理引擎112可以在路网图中识别对应于一个或以上多边形的区域,并将一个或以上多边形加入路网图中。
在606中,处理引擎112(例如,候选链路识别模块340)(例如,处理器220的处理电路)可以基于加入结果,识别与一个或以上候选区域相关的一个或以上候选链路。例如,处理引擎112可以识别与一个或以上多边形相交的链路作为候选链路。如结合操作408所述,一个或以上候选链路中的每一个对应于一个或以上候选区域中的至少一个。例如,如图7所示,链路1与多边形710相交(其表示链路1对应于与多边形710相对应的候选区域),而链路2与多边形720和多边形730相交(其表示链路2对应于与多边形720对应的候选区域和与多边形730对应的候选区域。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的教导,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。
图8是根据本申请的一些实施例所示的用于确定候选链路的置信度的示例性过程的流程图。过程800可以由道路识别***100执行。例如,过程800可以实现为存储在存储器ROM 230或RAM 240中的一组指令(例如,应用程序)。处理器220和/或图3中的模块可以执行该组指令,并且当执行指令时,处理器220和/或模块可以被配置为执行过程800。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程800可以利用未描述的一个或以上附加操作,和/或不通过所讨论的一个或以上操作完成。另外,如图8所示和下面描述的过程操作的顺序并非限制性的。在一些实施例中,可以基于过程800执行操作410。为方便起见,下面的描述以特定的候选链路为例。
在802中,处理引擎112(例如,置信度确定模块350)(例如,处理器220的处理电路)可以获取对应于候选链路的一个或以上候选区域中的至少一个的流量信息。如本文所使用的,流量信息可以指在一定时间段内穿过一个或以上候选区域中的至少一个的跟踪车辆的数量、在一定时间段内一个或以上候选区域中的至少一个的行驶轨迹点的数量或表示一定时间段内一个或以上候选区域中的至少一个的跟踪车辆的密度的任何参数。
在一些实施例中,流量信息可以包括第一时间段内与候选链路对应的一个或以上候选区域中的至少一个的第一流量信息以及第二时间段内与候选链路对应的一个或以上候选区域中的至少一个的第二流量信息。处理引擎112可以分别从第一热力图和第二热力图中获取第一流量信息和第二流量信息。
在804中,处理引擎112(例如,置信度确定模块350)(例如,处理器220的处理电路)可以确定候选链路与对应于一个或以上候选区域中的至少一个的至少一个多边形的交叉点的数量。
在806中,处理引擎112(例如,置信度确定模块350)(例如,处理器220的处理电路)可以基于流量信息和交叉点的数量,确定候选链路的置信度。例如,处理引擎112可以根据下面的等式(1)确定候选链路的置信度:
其中,Conf指的是候选链路的置信度;ΔB指表示第二流量信息的第二流量参数与表示第一流量信息的第一流量参数的比率;ΔA指表示第一流量信息的第一流量参数与表示第一流量信息的第一流量参数和表示第二流量信息的第二流量参数之和的比率;M指候选链路与对应于一个或以上候选区域中的至少一个的至少一个多边形的交叉点的数量。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的教导,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。
图9是根据本申请的一些实施例所示的用于确定与包括至少一个低流量区域的目标区域相关的第一热力图和第二热力图之间的差异图的示例性过程的示意图。如本文所使用的,低流量区域是指跟踪车辆的密度低于流量阈值的区域。流量阈值可以是道路识别***100的默认设置,或者可以在不同情况下调节的。
如图所示,910指的是第一热力图,920指的是第二热力图,930指的是差异图。为方便起见,仅显示三个地图的一部分。可以看出,第一热力图910中行驶轨迹点的总数和第二热力图920中行驶轨迹点的总数相对较低,因此,即使第二热力图920中沿车道901的行驶轨迹点的数量实际上低于第一热力图910中沿车道901的行驶轨迹点的数量,也难以在差异图930中区分沿车道901的行驶轨迹点的数量以及沿车道902的行驶轨迹点的数量之间的明显差异。在这种情况下,处理引擎112可以基于沿车道901的行驶轨迹点和沿车道902的行驶轨迹点确定候选区域,进一步确定与候选区域相关的候选链路,以及最后基于候选链路识别封闭路段。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此,应当强调并注意的是,本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域的普通技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的过程、机器、产品或物质的组合,或对其任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“***”。此外,本申请的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式,其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行***、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF等,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写,包括面向主体编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。然而,本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (22)
1.一种用于识别封闭路段的方法,所述方法包括:
获取第一热力图和第二热力图,所述第一热力图表示第一时间段内目标区域中跟踪车辆的第一密度,所述第二热力图表示第二时间段内所述目标区域中跟踪车辆的第二密度;
确定所述第一热力图和所述第二热力图之间的差异图;
基于所述差异图,确定一个或以上候选区域;
在路网图中识别与所述一个或以上候选区域相关的一个或以上候选链路,所述一个或以上候选链路链接至所述一个或以上候选区域中的至少一个;
基于所述一个或以上候选区域,确定与所述一个或以上候选链路相关的一个或以上置信度;以及
基于所述一个或以上置信度,识别一个或以上封闭路段。
2.根据权利要求1所述的方法,其特征在于,所述第一热力图和所述第二热力图基于与所述目标区域内至少两个车辆相关的至少两个行驶轨迹点确定。
3.根据权利要求2所述的方法,其特征在于,所述至少两个行驶轨迹点基于与所述至少两个车辆相关的定位信息获取。
4.根据权利要求1-3中任一项所述的方法,其特征在于,获取所述第一热力图和所述第二热力图之间的所述差异图,所述第一热力图表示第一时间段内目标区域内跟踪车辆的第一密度,所述第二热力图表示第二时间段内所述目标区域内跟踪车辆的第二密度;包括:
对所述第一热力图进行第一过滤操作,获取第一处理热力图,以及对所述第二热力图进行过滤操作,获取第二处理热力图;以及
通过从所述第一处理热力图中减去所述第二处理热力图,确定所述差异图。
5.根据权利要求1-3中任一项所述的方法,其特征在于,基于所述差异图确定所述一个或以上候选区域包括:
基于所述差异图确定二值图;以及
基于所述二值图,进行水平集演化,确定所述一个或以上候选区域。
6.根据权利要求1-3中任一项所述的方法,其特征在于,在路网图中识别与所述一个或以上候选区域相关的一个或以上候选链路包括:
确定所述一个或以上候选区域对应的一个或以上多边形;
使用R树算法在所述路网图中加入所述一个或以上多边形;以及
基于加入结果,识别与所述一个或以上候选区域相关的所述一个或以上候选链路。
7.根据权利要求1-3中任一项所述的方法,其特征在于,基于所述一个或以上候选区域确定与所述一个或以上候选链路相关的一个或以上置信度,包括:
对于所述一个或以上候选链路的每一个;
获取对应于所述候选链路的所述一个或以上候选区域中的至少一个的流量信息;
确定所述候选链路与对应于所述一个或以上候选区域的至少一个的至少一个多边形的交叉点的数量;以及
基于所述流量信息和所述交叉点数量,确定所述候选链路的所述置信度。
8.根据权利要求1-3中任一项所述的方法,其特征在于,基于所述一个或以上置信度识别一个或以上封闭路段,包括:
基于所述一个或以上置信度,从所述一个或以上候选链路中选择一个或以上目标链路;以及
基于所述一个或以上目标链路,识别所述一个或以上封闭路段。
9.根据权利要求8所述的方法,其特征在于,基于所述一个或以上置信度,从所述一个或以上的候选链路中选择所述一个或以上目标链路,包括:
选择置信度大于阈值的候选链路作为所述一个或以上目标链路。
10.根据权利要求8所述的方法,其特征在于,基于所述一个或以上置信度,从所述一个或以上候选链路中选择所述一个或以上目标链路,包括:
基于所述一个或以上置信度,对所述一个或以上候选链路排序;以及
基于排序结果,从所述一个或以上候选链路中选择所述一个或以上目标链路。
11.一种用于识别封闭路段的***,包括:
获取模块,被配置为获取第一热力图和第二热力图,所述第一热力图表示第一时间段内目标区域中跟踪车辆的第一密度,所述第二热力图表示第二时间段内所述目标区域中跟踪车辆的第二密度;
差异图确定模块,被配置为确定所述第一热力图和所述第二热力图之间的差异图;
候选区域确定模块,被配置为基于所述差异图确定一个或以上候选区域;
候选链路识别模块,被配置为在路网图中识别与所述一个或以上候选区域相关的一个或以上候选链路,所述一个或以上候选链路链接至所述一个或以上候选区域中的至少一个;
置信度确定模块,被配置为基于所述一个或以上候选区域,确定与所述一个或以上候选链路相关的一个或以上置信度;以及
封闭路段识别模块,被配置为基于所述一个或以上置信度,识别一个或以上封闭路段。
12.根据权利要求11所述的***,其特征在于,所述获取模块基于与所述目标区域内至少两个车辆相关的至少两个行驶轨迹点确定所述第一热力图和所述第二热力图。
13.根据权利要求12所述的***,其特征在于,所述至少两个行驶轨迹点基于与所述至少两个车辆相关的定位信息获取。
14.根据权利要求11-13中任一项所述的***,其特征在于,为了获取所述第一热力图和所述第二热力图之间的所述差异图,所述差异图确定模块被配置为:
对所述第一热力图进行第一过滤操作,获取第一处理热力图,以及对所述第二热力图进行过滤操作,获取第二处理热力图;以及
通过从所述第一处理热力图中减去所述第二处理热力图,确定所述差异图。
15.根据权利要求11-13中任一项所述的***,其特征在于,为了基于所述差异图确定所述一个或以上候选区域,所述候选区域确定模块被配置为:
基于所述差异图确定二值图;以及
基于所述二值图,进行水平集演化,确定所述一个或以上候选区域。
16.根据权利要求11-13中任一项所述的***,其特征在于,为了在所述路网图中识别与所述一个或以上候选区域相关的所述一个或以上候选链路,所述候选链路识别模块被配置为:
确定所述一个或以上候选区域对应的一个或以上多边形;
使用R树算法在所述路网图中加入所述一个或以上多边形;以及
基于加入结果,识别与所述一个或以上候选区域相关的所述一个或以上候选链路。
17.根据权利要求11-13中任一项所述的***,其特征在于,为了基于所述一个或以上候选区域确定与所述一个或以上候选链路相关的所述一个或以上置信度,所述置信度确定模块被配置为:
对于所述一个或以上候选链路的每一个;
获取对应于所述候选链路的所述一个或以上候选区域中的至少一个的流量信息;
确定所述候选链路与对应于所述一个或以上候选区域的至少一个的至少一个多边形的交叉点的数量;以及
基于所述流量信息和所述交叉点数量,确定所述候选链路的所述置信度。
18.根据权利要求11-13中任一项所述的***,其特征在于,为了基于所述一个或以上置信度识别所述一个或以上封闭路段,所述封闭路段识别模块被配置为:
基于所述一个或以上置信度,从所述一个或以上候选链路中选择一个或以上目标链路;以及
基于所述一个或以上目标链路,识别所述一个或以上封闭路段。
19.根据权利要求18所述的***,其特征在于,为了基于所述一个或以上置信度,从所述一个或以上的候选链路中选择所述一个或以上目标链路,所述封闭路段识别模块被配置为:
选择置信度大于阈值的候选链路作为所述一个或以上目标链路。
20.根据权利要求18所述的***,其特征在于,为了基于所述一个或以上置信度,从所述一个或以上候选链路中选择所述一个或以上目标链路,所述封闭路段识别模块被配置为:
基于所述一个或以上置信度,对所述一个或以上候选链路排序;以及
基于排序结果,从所述一个或以上候选链路中选择所述一个或以上目标链路。
21.一种用于识别封闭路段的***,包括:
存储设备,所述存储设备存储一组指令;以及
处理器,所述处理器通信地耦合到所述存储设备,以执行所述组指令用于执行如权利要求1-10所述的方法。
22.一种暂时性计算机可读介质,包括用于识别封闭路段的一组指令,其特征在于,当由至少一个处理器执行时,所述组指令指示所述至少一个处理器执行如权利要求1-10所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910469543.0A CN110689719B (zh) | 2019-05-31 | 2019-05-31 | 用于识别封闭路段的***和方法 |
PCT/CN2019/091286 WO2020237741A1 (en) | 2019-05-31 | 2019-06-14 | Systems and methods for identifying closed road section |
US17/094,828 US11105644B2 (en) | 2019-05-31 | 2020-11-11 | Systems and methods for identifying closed road section |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910469543.0A CN110689719B (zh) | 2019-05-31 | 2019-05-31 | 用于识别封闭路段的***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110689719A true CN110689719A (zh) | 2020-01-14 |
CN110689719B CN110689719B (zh) | 2021-01-19 |
Family
ID=69107559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910469543.0A Active CN110689719B (zh) | 2019-05-31 | 2019-05-31 | 用于识别封闭路段的***和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11105644B2 (zh) |
CN (1) | CN110689719B (zh) |
WO (1) | WO2020237741A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884837A (zh) * | 2021-03-16 | 2021-06-01 | 百度在线网络技术(北京)有限公司 | 道路定位方法、装置、设备及存储介质 |
CN113554869A (zh) * | 2021-07-01 | 2021-10-26 | 华东师范大学 | 一种基于多特征融合的道路封闭检测方法 |
CN115240429A (zh) * | 2022-08-11 | 2022-10-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种人车流量统计方法、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101882374A (zh) * | 2009-05-04 | 2010-11-10 | 上海宝康电子控制工程有限公司 | 一种车辆行程分布综合信息分析***及方法 |
CN104157139A (zh) * | 2014-08-05 | 2014-11-19 | 中山大学 | 一种交通拥堵预测方法及可视化方法 |
CN105139682A (zh) * | 2015-07-27 | 2015-12-09 | 福建工程学院 | 一种封闭道路的确认方法及*** |
CN105809967A (zh) * | 2016-05-25 | 2016-07-27 | 浙江宇视科技有限公司 | 一种车流量展示方法及装置 |
CN106461407A (zh) * | 2014-05-13 | 2017-02-22 | 通腾运输公司 | 用于检测可导航元素的部分封闭的方法及*** |
US20170236284A1 (en) * | 2016-02-13 | 2017-08-17 | University Of Rochester | Registration of aerial imagery to vector road maps with on-road vehicular detection and tracking |
CN107346610A (zh) * | 2016-05-05 | 2017-11-14 | 阿里巴巴集团控股有限公司 | 一种路况提醒方法及装置 |
CN108367651A (zh) * | 2015-12-15 | 2018-08-03 | 弗里波特-麦克莫兰公司 | 确定道路质量的***和方法 |
CN108648452A (zh) * | 2018-05-15 | 2018-10-12 | 高新兴科技集团股份有限公司 | 一种道路交通状态判断方法及交通态势监控中心 |
Family Cites Families (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5724243A (en) * | 1995-02-10 | 1998-03-03 | Highwaymaster Communications, Inc. | Method and apparatus for determining expected time of arrival |
US8140358B1 (en) * | 1996-01-29 | 2012-03-20 | Progressive Casualty Insurance Company | Vehicle monitoring system |
US5982298A (en) * | 1996-11-14 | 1999-11-09 | Microsoft Corporation | Interactive traffic display and trip planner |
US6466862B1 (en) * | 1999-04-19 | 2002-10-15 | Bruce DeKock | System for providing traffic information |
US6690292B1 (en) * | 2000-06-06 | 2004-02-10 | Bellsouth Intellectual Property Corporation | Method and system for monitoring vehicular traffic using a wireless communications network |
US6804524B1 (en) * | 2000-11-21 | 2004-10-12 | Openwave Systems Inc. | System and method for the acquisition of automobile traffic data through wireless networks |
US7409286B2 (en) * | 2002-06-24 | 2008-08-05 | Jorge Osvaldo Ambort | Application for diminishing or avoiding the unwanted effects of traffic congestion |
US7440842B1 (en) * | 2003-05-09 | 2008-10-21 | Dimitri Vorona | System for transmitting, processing, receiving, and displaying traffic information |
US6965325B2 (en) * | 2003-05-19 | 2005-11-15 | Sap Aktiengesellschaft | Traffic monitoring system |
JP4329711B2 (ja) * | 2005-03-09 | 2009-09-09 | 株式会社日立製作所 | 交通情報システム |
JP2007011558A (ja) * | 2005-06-29 | 2007-01-18 | Nissan Motor Co Ltd | 渋滞予測装置および方法 |
US7912627B2 (en) * | 2006-03-03 | 2011-03-22 | Inrix, Inc. | Obtaining road traffic condition data from mobile data sources |
US7912628B2 (en) * | 2006-03-03 | 2011-03-22 | Inrix, Inc. | Determining road traffic conditions using data from multiple data sources |
US8359151B2 (en) * | 2006-03-15 | 2013-01-22 | Microsoft Corporation | Cconveying traffic congestion data to a user |
US7472169B2 (en) * | 2006-03-15 | 2008-12-30 | Traffic.Com, Inc. | Method of displaying traffic information on a web page |
EP1996987B1 (en) * | 2006-03-17 | 2018-10-31 | iRobot Corporation | Robot confinement |
US20070233318A1 (en) * | 2006-03-29 | 2007-10-04 | Tianmo Lei | Follow Robot |
US20070299603A1 (en) * | 2006-06-27 | 2007-12-27 | Motorola, Inc. | Apparatus and Method of Extending Information in Position History Data Set for Vehicle |
JP4950590B2 (ja) * | 2006-08-07 | 2012-06-13 | クラリオン株式会社 | 交通情報提供装置、交通情報提供システム、交通情報の送信方法、および交通情報の要求方法 |
JP4729469B2 (ja) * | 2006-11-10 | 2011-07-20 | 日立オートモティブシステムズ株式会社 | 交通情報システム |
US7765058B2 (en) * | 2006-11-20 | 2010-07-27 | Ford Global Technologies, Llc | Driver input analysis and feedback system |
US20080121690A1 (en) * | 2006-11-27 | 2008-05-29 | Carani Sherry L | Ubiquitous Tracking System and Method |
JP4547408B2 (ja) * | 2007-09-11 | 2010-09-22 | 日立オートモティブシステムズ株式会社 | 交通状況予測装置,交通状況予測方法 |
US7908191B1 (en) * | 2008-11-21 | 2011-03-15 | Intuit Inc. | Method and system for tracking miles to determine traveling distance |
CN101822905A (zh) * | 2009-03-03 | 2010-09-08 | 鸿富锦精密工业(深圳)有限公司 | 电子玩具 |
CN102243809B (zh) | 2010-05-12 | 2016-04-20 | 高德软件有限公司 | 一种展现实时交通信息的方法和装置 |
US20120016872A1 (en) * | 2010-07-13 | 2012-01-19 | Qualcomm Incorporated | Methods and apparatuses for use in generating an encoded routeability graph description |
US8694241B1 (en) * | 2010-10-05 | 2014-04-08 | Google Inc. | Visualization of traffic patterns using GPS data |
CN102298847A (zh) * | 2010-10-25 | 2011-12-28 | 交通运输部公路科学研究院 | 一种用于路网信息联动的发布***和方法 |
EP3255613B1 (en) * | 2010-12-15 | 2022-09-21 | Auto Telematics Ltd | Method and system for logging vehicle behaviour |
GB201204006D0 (en) * | 2012-03-07 | 2012-04-18 | Tomtom Int Bv | Point of interest database maintenance system |
US9727669B1 (en) * | 2012-07-09 | 2017-08-08 | Google Inc. | Analyzing and interpreting user positioning data |
US9179192B1 (en) * | 2012-07-30 | 2015-11-03 | Google Inc. | Associating video content with geographic maps |
US8996299B2 (en) * | 2012-08-27 | 2015-03-31 | Place Codes, Inc. | Geographic coordinates coding software product |
US20140303806A1 (en) * | 2013-04-04 | 2014-10-09 | GM Global Technology Operations LLC | Apparatus and methods for providing tailored information to vehicle users based on vehicle community input |
US9247470B2 (en) * | 2014-06-27 | 2016-01-26 | Yp Llc | Systems and methods for location-aware call processing |
US10055850B2 (en) * | 2014-09-19 | 2018-08-21 | Brain Corporation | Salient features tracking apparatus and methods using visual initialization |
GB201512490D0 (en) * | 2015-07-16 | 2015-08-19 | Tomtom Traffic Bv | Methods and systems for detecting a closure of a navigable element |
CN105183769B (zh) | 2015-07-31 | 2018-08-24 | 浙江工商大学 | 基于流数据立方体的轨迹数据原位可视化方法 |
GB201515487D0 (en) * | 2015-09-01 | 2015-10-14 | Tomtom Traffic Bv | Methods and systems for detecting an open navigable element |
CN106205126B (zh) | 2016-08-12 | 2019-01-15 | 北京航空航天大学 | 基于卷积神经网络的大规模交通网络拥堵预测方法及装置 |
CN109213949A (zh) | 2017-06-19 | 2019-01-15 | 北京嘀嘀无限科技发展有限公司 | 热力图的绘制方法和装置 |
US20180374364A1 (en) * | 2017-06-22 | 2018-12-27 | Aeris Communications, Inc. | VISUALIZATION: ICON, COLOR CODING AND HISTORICAL ROUTING INFORMATION FOR IoT DEVICES |
JP2019021035A (ja) * | 2017-07-18 | 2019-02-07 | トヨタ自動車株式会社 | レーン閉鎖判定装置 |
CN108009188A (zh) * | 2017-08-16 | 2018-05-08 | 北京嘀嘀无限科技发展有限公司 | 热力图展示方法、***、终端及服务器 |
JP2019053578A (ja) * | 2017-09-15 | 2019-04-04 | トヨタ自動車株式会社 | 交通量判定システム、交通量判定方法、及び交通量判定プログラム |
US11048927B2 (en) * | 2017-10-24 | 2021-06-29 | Waymo Llc | Pedestrian behavior predictions for autonomous vehicles |
US11195410B2 (en) * | 2018-01-09 | 2021-12-07 | Continental Automotive Systems, Inc. | System and method for generating a traffic heat map |
US11803806B2 (en) * | 2018-04-18 | 2023-10-31 | United States Postal Service | Intelligent dynamic routing and delivery systems |
US10979326B2 (en) * | 2018-05-11 | 2021-04-13 | Viavi Solutions Inc. | Detecting interference of a beam |
CN109345823B (zh) | 2018-09-19 | 2021-11-05 | 连云港杰瑞电子有限公司 | 一种基于大数据的智能交通数据分析*** |
US11169531B2 (en) * | 2018-10-04 | 2021-11-09 | Zoox, Inc. | Trajectory prediction on top-down scenes |
CN109598930B (zh) * | 2018-11-27 | 2021-05-14 | 上海炬宏信息技术有限公司 | 一种自动检测高架封闭*** |
US10706605B1 (en) * | 2018-11-30 | 2020-07-07 | BlueOwl, LLC | Vehicular telematic systems and methods for generating interactive animated guided user interfaces |
US11215997B2 (en) * | 2018-11-30 | 2022-01-04 | Zoox, Inc. | Probabilistic risk assessment for trajectory evaluation |
US10832449B1 (en) * | 2018-11-30 | 2020-11-10 | BlueOwl, LLC | Vehicular telematic systems and methods for generating interactive animated guided user interfaces |
DE112020002126T5 (de) * | 2019-04-26 | 2022-02-24 | Nvidia Corporation | Erkennung von kreuzungsposen in autonomen maschinenanwendungen |
-
2019
- 2019-05-31 CN CN201910469543.0A patent/CN110689719B/zh active Active
- 2019-06-14 WO PCT/CN2019/091286 patent/WO2020237741A1/en active Application Filing
-
2020
- 2020-11-11 US US17/094,828 patent/US11105644B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101882374A (zh) * | 2009-05-04 | 2010-11-10 | 上海宝康电子控制工程有限公司 | 一种车辆行程分布综合信息分析***及方法 |
CN106461407A (zh) * | 2014-05-13 | 2017-02-22 | 通腾运输公司 | 用于检测可导航元素的部分封闭的方法及*** |
CN104157139A (zh) * | 2014-08-05 | 2014-11-19 | 中山大学 | 一种交通拥堵预测方法及可视化方法 |
CN105139682A (zh) * | 2015-07-27 | 2015-12-09 | 福建工程学院 | 一种封闭道路的确认方法及*** |
CN108367651A (zh) * | 2015-12-15 | 2018-08-03 | 弗里波特-麦克莫兰公司 | 确定道路质量的***和方法 |
US20170236284A1 (en) * | 2016-02-13 | 2017-08-17 | University Of Rochester | Registration of aerial imagery to vector road maps with on-road vehicular detection and tracking |
CN107346610A (zh) * | 2016-05-05 | 2017-11-14 | 阿里巴巴集团控股有限公司 | 一种路况提醒方法及装置 |
CN105809967A (zh) * | 2016-05-25 | 2016-07-27 | 浙江宇视科技有限公司 | 一种车流量展示方法及装置 |
CN108648452A (zh) * | 2018-05-15 | 2018-10-12 | 高新兴科技集团股份有限公司 | 一种道路交通状态判断方法及交通态势监控中心 |
Non-Patent Citations (1)
Title |
---|
任水林: "稀疏交通轨迹数据的可视分析及***开发", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884837A (zh) * | 2021-03-16 | 2021-06-01 | 百度在线网络技术(北京)有限公司 | 道路定位方法、装置、设备及存储介质 |
CN112884837B (zh) * | 2021-03-16 | 2023-06-20 | 百度在线网络技术(北京)有限公司 | 道路定位方法、装置、设备及存储介质 |
CN113554869A (zh) * | 2021-07-01 | 2021-10-26 | 华东师范大学 | 一种基于多特征融合的道路封闭检测方法 |
CN115240429A (zh) * | 2022-08-11 | 2022-10-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种人车流量统计方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110689719B (zh) | 2021-01-19 |
US11105644B2 (en) | 2021-08-31 |
US20210063180A1 (en) | 2021-03-04 |
WO2020237741A1 (en) | 2020-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11398002B2 (en) | Systems and methods for determining an estimated time of arrival | |
US20210140774A1 (en) | Systems and methods for recommending pick-up locations | |
CN111862585B (zh) | 用于交通预测的***和方法 | |
AU2019246881B2 (en) | Systems and methods for determining a path of a moving device | |
CN108713326B (zh) | 分配按需服务请求的***及方法 | |
WO2019042194A1 (en) | INFORMATION PROCESSING METHOD, INFORMATION PROCESSING SYSTEM, AND INFORMATION PROCESSING DEVICE | |
CN109313036B (zh) | 路线规划的***及方法 | |
WO2018209551A1 (en) | Systems and methods for determining an estimated time of arrival | |
US20200141741A1 (en) | Systems and methods for determining recommended information of a service request | |
CN110689719B (zh) | 用于识别封闭路段的***和方法 | |
WO2021056303A1 (en) | Systems and methods for determining a pick-up location | |
US11748860B2 (en) | Systems and methods for new road determination | |
CN111243265B (zh) | 一种确定区域交通信息的方法和*** | |
WO2020107440A1 (en) | Systems and methods for analyzing traffic congestion | |
WO2021022487A1 (en) | Systems and methods for determining an estimated time of arrival | |
CN111563639A (zh) | 一种订单分配的方法和*** | |
CN110832811B (zh) | 用于发送空间数据的***和方法 |
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 |