CN111721312A - 一种运行轨迹生成方法和装置 - Google Patents
一种运行轨迹生成方法和装置 Download PDFInfo
- Publication number
- CN111721312A CN111721312A CN201910451328.8A CN201910451328A CN111721312A CN 111721312 A CN111721312 A CN 111721312A CN 201910451328 A CN201910451328 A CN 201910451328A CN 111721312 A CN111721312 A CN 111721312A
- Authority
- CN
- China
- Prior art keywords
- point
- noise
- sampling
- sampling point
- target object
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种运行轨迹生成方法和装置;本发明实施例先获取目标对象在当前位置的采样点,然后,确定该采样点的上一个轨迹点,再根据该采样点和该上一个轨迹点计算该采样点的噪声判定值,接着,当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点,再然后,根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹;该方案可以有效提高运行轨迹生成的准确性。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种运行轨迹生成方法和装置。
背景技术
随着国内智能交通***的发展,网约车已经融入了大家的生活。网约车作为新兴服务项目,有着非常明显的优点,比如在双方软件地图里显示车辆运行轨迹,用户可以通过车辆运行轨迹预知等待时间,合理安排自己的出门时间,不用在马路上焦急的等待,车辆行驶过程中用户也可以随时了解车辆的运行情况,及时获知车辆是否走弯路走错路,等等。
在现有的网约车平台中,车辆的位置信息通常由第三方供应商通过接口提供的,接口的调用时间间隔较大、不同供应商所提供的位置信息质量偏差较大,往往需要采用较高的采样频率来获取车辆位置信息,并将获取到的位置信息在客户端渲染车辆运行轨迹,导致在地图上显示车辆的运行轨迹时出现较大的偏差,准确性较差。
发明内容
本发明实施例提供一种运行轨迹生成方法和装置,可以有效地提高生成运行轨迹的准确性。
本发明实施例提供一种运行轨迹生成方法,包括:
获取目标对象在当前位置的采样点;
确定所述采样点的上一个轨迹点;
根据所述采样点和所述上一个轨迹点计算所述采样点的噪声判定值;
当所述噪声判定值满足预设条件时,将所述采样点确定为目标对象的当前轨迹点;
根据所述当前轨迹点和所述上一个轨迹点生成所述目标对象的运行轨迹。
相应的,本发明实施例还提供一种运行轨迹生成装置,包括:
获取单元,用于获取目标对象在当前位置的采样点,确定所述采样点的上一个轨迹点;
计算单元,用于根据所述采样点和所述上一个轨迹点计算所述采样点的噪声判定值;
确定单元,用于当所述噪声判定值满足预设条件时,将所述采样点确定为目标对象的当前轨迹点;
生成单元,用于根据所述当前轨迹点和所述上一个轨迹点生成所述目标对象的运行轨迹。
可选的,在一些实施例中,所述计算单元可以包括获取子单元和计算子单元,如下:
所述获取子单元,用于获取所述采样点的位置信息、采样点的采样时间、所述上一个轨迹点的位置信息和上一个轨迹点的采样时间;
所述计算子单元,用于根据所述采样点的位置信息、所述采样点的采样时间、所述上一个轨迹点的位置信息以及所述上一个轨迹点的采样时间计算所述采样点的噪声判定值。
可选的,在一些实施例中,所述计算子单元,具体用于根据所述采样点的位置信息和所述上一个轨迹点的位置信息计算所述采样点和所述上一个轨迹点的直线距离;获取所述采样点到所述上一个轨迹点的最短路径;计算所述采样点的采样时间和所述上一个轨迹点的采样时间之间的时间间隔;根据所述直线距离、所述最短路程以及所述时间间隔计算所述采样点的噪声判定值。
可选的,在一些实施例中,所述计算子单元,具体用于获取所述采样点到所述上一个轨迹点的所有路径;计算每个路径的总长;根据所述路径的总长确定所述采样点到所述上一个轨迹点的最短路径。
可选的,在一些实施例中,所述噪声判定值可以包括噪声指数,所述噪声指数可以包括多个噪声函数,所述计算子单元,具体用于根据所述直线距离、所述最短路程以及所述时间间隔构建所述采样点的噪声函数;获取每个噪声函数的权重;根据所述噪声函数以及其权重计算所述采样点的噪声指数。
可选的,在一些实施例中,所述确定单元,具体用于判断所述噪声指数是否满足预设指数;当所述噪声指数小于或者等于预设指数时,将所述采样点确定为目标对象的当前轨迹点;当所述噪声指数大于预设指数时,将所述采样点确定为目标对象的噪声点,并添加至所述目标对象的噪声点集合,在所述噪声点集合大于预设阈值时,将所述噪声点确定为目标对象的当前轨迹点;在所述噪声点集合小于或者等于预设阈值时,返回执行获取目标对象在当前位置的采样点的步骤,直到得到目标对象的当前轨迹点。
可选的,在一些实施例中,所述运行轨迹生成装置还可以包括路径判断单元和速度判断单元,如下:
所述路径判断单元,具体用于判断所述最短路径是否小于预设长度;当所述最短路径小于预设长度时,将所述采样点确定为目标对象的噪声点,并添加至所述目标对象的噪声点集合;当所述最短路径大于或等于预设长度时,执行判断所述噪声指数是否满足预设指数的步骤。
所述速度判断单元,具体用于根据所述最短路径和所述时间间隔计算所述采样点的当前速度;判断所述当前速度是否大于预设速度;当所述当前速度大于预设速度时,将所述采样点确定为目标对象的噪声点,并添加至所述目标对象的噪声点集合;当所述当前速度小于或者等于预设速度时,执行判断所述噪声指数是否满足预设指数的步骤。
可选的,在一些实施例中,所述生成单元可以包括调用子单元、查询子单元和绘制子单元,如下:
所述调用子单元,用于调用预设的路径信息库;
所述查询子单元,用于在所述路径信息库中查询所述当前轨迹点和所述上一个轨迹点之间的路径信息;
所述绘制子单元,用于基于所述路径信息对所述目标对象的上一个轨迹点到所述当前位置采样点之间的路径进行绘制,得到目标对象的运行轨迹。
此外,本发明实施例还提供一种存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行本发明实施例提供的任一种运行轨迹生成方法中的步骤。
本发明实施例先获取目标对象在当前位置的采样点,然后,确定该采样点的上一个轨迹点,再根据该采样点和该上一个轨迹点计算该采样点的噪声判定值,接着,当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点,再然后,根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹;该方案可以有效提高运行轨迹生成的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是本发明实施例提供的运行轨迹生成方法的场景示意图;
图1b是本发明实施例提供的运行轨迹生成方法的第一流程图;
图2a是本发明实施例提供的运行轨迹生成方法的第二流程图;
图2b是本发明实施例提供的运行轨迹生成方法的第三流程图;
图2c是本发明实施例提供的运行轨迹生成方法的第四流程图;
图2d是本发明实施例提供的运行轨迹生成方法的第五流程图;
图2e是本发明实施例提供的运行轨迹生成的示意图;
图3是本发明实施例提供的运行轨迹生成装置的结构示意图;
图4是本发明实施例提供的网络设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种运行轨迹生成方法和装置。其中,该运行轨迹生成可以集成在网络设备中,该网络设备可以是服务器,也可以是终端等设备。
例如,参见图1a,首先,该集成了运行轨迹生成装置的网络设备先获取目标对象在当前位置的采样点,比如,以特定频率轮询第三方供应商,获取车辆在当前位置的采样点,并记录获取时间,然后,确定该采样点的上一个轨迹点,比如获取当前位置的上一个有效位置,并获取上一个有效位置的位置信息以及记录的获取时间,再然后,根据该采样点和该上一个轨迹点计算该采样点的噪声判定值,比如,将当前位置采样点和上一个轨迹点的位置信息和获取时间输入判噪模型,利用判噪模型计算采样点的噪声判定值,以判断当前位置采样点是否为噪声点,当该噪声判定值不满足预设条件时,将该采样点确定为目标对象的噪声点,写入噪声点集合,当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点,然后,根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹,再然后,将运行轨迹、两个轨迹点的位置信息及时间间隔写入缓存服务器,供客户端调用。客户端以一定频率去调用获取缓存服务器中的数据,如果缓存服务器中数据有更新,则将更新的数据在客户端渲染车辆运行动画,动画时长根据返回的结果渲染。
由于该方案可以先对获取到的目标对象采样点进行分析,判断是否为噪声点,将被判定不为噪声的两点进行路径绘制,可以有效降低因各种因素出现的异常点,从而减少运行轨迹错误的问题,提升用户体验,并且能够有效的在较低的资源消耗下,比如,利用较低的频率获取目标的对象采样点的情况下绘制出比较准确的运行轨迹,在降低成本的同时可以保证运行轨迹的准确性,所以,相对于需要采用较高的采样频率来获取目标对象的位置信息后生成运动轨迹的分案而言,该方案可以有效提高运行轨迹生成的准确性。
以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本实施例将从运行轨迹生成装置的角度进行描述,该运行轨迹生成装置具体可以集成在网络设备中,该网络设备可以是服务器,也可以是终端等设备;其中,该终端可以包括手机、平板电脑、笔记本电脑、以及个人计算(Personal Computer,PC)等设备。
一种运行轨迹生成方法,包括:获取目标对象在当前位置的采样点,然后,确定该采样点的上一个轨迹点,再根据该采样点和该上一个轨迹点计算该采样点的噪声判定值,接着,当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点,再然后,根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹。
如图1b所示,该运行轨迹生成方法的具体流程可以如下:
101、获取目标对象在当前位置的采样点。
例如,具体可以由位置采集设备,比如,全球定位***(Global PositioningSystem,GPS)定位设备,进行位置采集,得到目标对象在当前位置的采样点,进而提供给该运行轨迹生成装置,即,运行轨迹生成装置具体可以接收位置采集设备发送的当前位置的采样点。
比如,移动互联网络可以通过无线信号定位终端所在位置,进而采样记录;GPS定位终端,可以通过固定采样频率的记录终端所在位置的经纬度信息,通过无线网络将数据收集到服务器上;可以利用射频识别技术(Radio Frequency Identification,RFID),对物体进行标记,将物体的移动线路通过RFID识别器完成定位和位置数据记录,等等方式,以获取到目标对象在当前位置的采样点。
其中,目标对象可以是车辆,或者其他运动物体,等等。当前位置指的是位置采集设备对目标对象的位置进行采集时,目标对象所在的位置。其中,采集到的采样点可以包含经纬度、速度、运动方向角和/或时间等等信息。
比如,位置采集设备可以根据预设频率对目标对象的位置进行采集,比如,为了降低资源消耗,可以设置特定频率,以特定频率去获取目标对象的采样点。即步骤“获取目标对象在当前位置的采样点”可以包括:
根据预设频率获取目标对象在当前位置的采样点。
其中,预设频率的设定方式可以有很多种,比如,可以根据实际应用的需求灵活设置,也可以预先设置好存储在网络设备中。此外,预设频率条件可以内置于网络设备中,或者,也可以保存在存储器中并发送给网络设备,等等。
102、确定该采样点的上一个轨迹点。
例如,具体可以获取当前位置的上一个有效位置,将该有效位置的采样点确定为上一个轨迹点。比如,可以获取目标对象的轨迹点集合,从该轨迹点集合中筛选出与当前位置的采样点距离最近的轨迹点,得到上一个轨迹点。
其中,轨迹点指的是目标对象的有效位置,比如,通过位置采集设备采集到目标对象符合一定条件的点,比如,噪声判定值满足预设条件的采样点,等等。其中,预设条件可以是噪声指数小于或者等于预设指数,或者噪声指数小于或者等于预设指数但噪声点集合大于预设阈值时获取到的采样点,等等。具体可以参见后续实施例,在此不再赘述。
103、根据该采样点和该上一个轨迹点计算该采样点的噪声判定值。
例如,具体可以获取该采样点的位置信息、采样点的采样时间、该上一个轨迹点的位置信息和上一个轨迹点的采样时间,根据该采样点的位置信息、该采样点的采样时间、该上一个轨迹点的位置信息以及该上一个轨迹点的采样时间计算该采样点的噪声判定值。
例如,具体可以根据该当采样点的位置信息和该上一个轨迹点的位置信息计算该采样点和该上一个轨迹点的直线距离,获取该采样点到该上一个轨迹点的最短路径,计算该采样点的采样时间和该上一个轨迹点的采样时间之间的时间间隔,根据该直线距离、该最短路程以及该时间间隔计算该采样点的噪声判定值。其中,噪声判定值指的是可以用于判定采样点是否为噪声的值,比如,可以通过计算该采样点的噪声指数来进行判定采样点是否为噪声,等等。
其中,位置信息可以指的是该点的经纬度信息,或者其他可以用来确定该位置的信息,等等。例如,具体可以根据该采样点的经纬度信息和上一个轨迹点的经纬度信息计算该当前位置采样点和该上一个轨迹点的直线距离d(即地球球面距离)。
其中,获取该采样点到该上一个轨迹点的最短路径的方式可以有很多种,例如,具体可以通过路径信息库预估该采样点和上一个轨迹点之间的最短路程S。其中,路径信息库可以是网络设备预先设置的信息库,也可以是第三方位置服务,如高德地图、百度地图等等。即步骤“获取该采样点到该上一个轨迹点的最短路径”可以包括:
获取该采样点到该上一个轨迹点的所有路径,计算每个路径的总长,根据该路径的总长确定该采样点到该上一个轨迹点的最短路径。
例如,具体可以计算获取到采样点和上一个轨迹点的时间间隔t,如下:
t=T1-Tb
其中,T1为采样点的采样时间,Tb为上一个轨迹点的采样时间,T1、Tb、t单位可以为秒(s)。
可选的,该噪声指数可以包括多个噪声函数,即步骤“根据该直线距离、该最短路程以及该时间间隔计算该采样点的噪声判定值”可以包括:
根据该直线距离、该最短路程以及该时间间隔构建该采样点的噪声函数,获取每个噪声函数的权重,根据该噪声函数以及其权重计算该采样点的噪声指数。
比如,具体可以将当前位置采样点和上一个轨迹点的位置信息和获取时间输入判噪模型,利用判噪模型计算采样点的噪声指数,比如,根据该直线距离、该最短路程以及该时间间隔确定该采样点的噪声正向贡献函数,并设置噪声贡献权重,进而计算噪声指数,如下:
k=∑ωifi
其中,ωi为噪声贡献权重,fi为噪声正向贡献函数,k为噪声指数。
比如,噪声正向贡献函数fi可以分别为d/S,S/t,t/S,S/t2,每个噪声正向贡献函数对应的权重ωi的设定方式可以有很多种,比如,可以根据实际应用的需求灵活设置,也可以预先设置好存储在网络设备中。此外,权重可以内置于网络设备中,或者,也可以保存在存储器中并发送给网络设备,等等。为了提高判噪模型的准确性,可以根据实际情况不断地调整模型中的参数,也可以一段时间后对所有采样点的信息进行统计分析后再调整模型中的参数(比如,权重等)。
104、当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点。
其中,预设条件的设定方式可以有很多种,比如,可以根据实际应用的需求灵活设置,也可以预先设置好存储在网络设备中。此外,预设条件可以内置于网络设备中,或者,也可以保存在存储器中并发送给网络设备,等等。
其中,预设条件可以是噪声指数小于或者等于预设指数,或者噪声指数小于或者等于预设指数且噪声点集合大于预设阈值时获取到的采样点,等等。例如,具体可以判断该噪声指数是否满足预设指数;当该噪声指数小于或者等于预设指数时,将该采样点确定为目标对象的当前轨迹点;当该噪声指数大于预设指数时,将该采样点确定为目标对象的噪声点,并添加至该目标对象的噪声点集合,在该噪声点集合大于预设阈值时,将该噪声点确定为目标对象的当前轨迹点;在该噪声点集合小于或者等于预设阈值时,返回执行获取目标对象在当前位置的采样点的步骤,直到得到目标对象的当前轨迹点。然后,可以将该当前轨迹点添加至轨迹点集合。
其中,预设指数的设定方式可以有很多种,比如,可以根据实际应用的需求灵活设置,也可以预先设置好存储在网络设备中。此外,预设指数可以内置于网络设备中,或者,也可以保存在存储器中并发送给网络设备,等等。
可选的,为了运动轨迹生成的准确性以及及时性,可以当该噪声判定值不满足预设条件时,将该采样点确定为噪声点,并添加至该目标对象的噪声点集合,当该噪声点集合大于预设阈值时,将该噪声点确定为目标对象的当前轨迹点。
其中,预设阈值的设定方式可以有很多种,比如,可以根据实际应用的需求灵活设置,也可以预先设置好存储在网络设备中。此外,预设阈值可以内置于网络设备中,或者,也可以保存在存储器中并发送给网络设备,等等。
可选的,为了运动轨迹生成的效率,可以设置噪声点粗校验条件,用以去除实际场景中不需要在前端展示动画的点,节省后续计算。比如,由于实际场景下,过小的位移不需要在客户端渲染动画,即当最短路径S小于预设长度时,可以直接将该采样点标记为噪声点,以跳过后续计算,提高运动轨迹生成的效率。即步骤“判断该噪声指数是否满足预设指数”之前,还可以包括:
判断该最短路径是否小于预设长度;当该最短路径小于预设长度时,将该采样点确定为目标对象的噪声点,并添加至该目标对象的噪声点集合;当该最短路径大于或等于预设长度时,执行判断该噪声指数是否满足预设指数的步骤。
又比如,当采样点的速度v=S/t大于预设速度时,可以直接将该采样点标记为噪声点,可以过滤一些明显不符合实际的场景以跳过后续计算,提高运动轨迹生成的效率。即步骤“判断该噪声指数是否满足预设指数”之前,可以包括:
根据该最短路径和该时间间隔计算该采样点的当前速度;判断该当前速度是否大于预设速度;当该当前速度大于预设速度时,将该采样点确定为目标对象的噪声点,并添加至该目标对象的噪声点集合;当该当前速度小于或者等于预设速度时,执行判断该噪声指数是否满足预设指数的步骤。
其中,预设速度可以根据实际的应用场景进行设定,设定方式可以有很多种,比如,可以对不同的应用场景预先设置好存储在网络设备中,等等。此外,预设速度可以内置于网络设备中,或者,也可以保存在存储器中并发送给网络设备,等等。
需要说明的是,可以先判断该最短路径是否小于预设长度,再判断该当前速度是否大于预设速度,也可以先判断该当前速度是否大于预设速度,在判断判断该最短路径是否小于预设长度,还可以只判断该最短路径是否小于预设长度和该最短路径是否小于预设长度之中的任一项,接着,执行判断该噪声指数是否满足预设指数的步骤。
105、根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹。
例如,具体可以调用预设的路径信息库,在该路径信息库中查询该当前轨迹点和该上一个轨迹点之间的路径信息,基于该路径信息对该目标对象的上一个轨迹点到该当前位置采样点之间的路径进行绘制,得到目标对象的运行轨迹。比如,可以将该当前轨迹点和该上一个轨迹点发送到路径信息库,路径信息库对当前轨迹点和上一个轨迹点的信息进行搜索,得到当前轨迹点和上一个轨迹点两点之间的路径信息,然后发送给网络设备,网络设备可以接收该路径信息库对该当前轨迹点和该上一个轨迹点之间的路径设置,再基于该路径信息对该目标对象的上一个轨迹点到该当前位置采样点之间的路径进行绘制,得到目标对象的运行轨迹。
可选的,在获得目标对象的运行轨迹之后,可以将运行轨迹、两个轨迹点的位置信息及时间间隔写入缓存服务,供客户端调用。客户端可以以一定频率去调用获取缓存服务中的数据,如果缓存服务中数据有更新,则将更新的数据在客户端渲染车辆运行动画,动画时长根据返回的结果渲染。
可选的,为了提高运行轨迹生成的准确性,可以将噪声点集合的数据存储于服务器或者其他设备中,可以根据实际情况的需要,在预设的一段时间后对设备中的噪声点进行统计分析,并根据分析结果调整运行轨迹生成装置中的各种参数,等等。
另外,还需说明的是,本实施例仅仅为示例,应当理解的是,本实施例中使用到的判噪模型可以替换为其他用实际标记过的数据训练的分类器,例如,深度神经网络的模型、卷积神经网络(ConvolutionalNeuralNetwork,CNN)或者支持向量机(Support VectorMachine,SVM)等等。也可以根据实际应用对模型内存占用的限制和对准确率的要求来选定模型。本实施例中噪声指数,可以替换为其他指标或对该指标,等等。
由上可知,本发明实施例可以先获取目标对象在当前位置的采样点,然后,确定该采样点的上一个轨迹点,再根据该采样点和该上一个轨迹点计算该采样点的噪声判定值,接着,当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点,再然后,根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹;由于该方案可以先对获取到的目标对象采样点进行分析,判断是否为噪声点,将被判定不为噪声的两点进行路径绘制,可以有效降低因各种因素出现的异常点,从而减少运行轨迹错误的问题,提升用户体验,并且能够有效的在较低的资源消耗下,比如,利用较低的频率获取目标的对象采样点的情况下绘制出比较准确的运行轨迹,在降低成本的同时可以保证运行轨迹的准确性,所以,相对于需要采用较高的采样频率来获取目标对象的位置信息,并直接将获取到的信息用于生成运动轨迹的分案而言,该方案可以有效提高运行轨迹生成的准确性。
根据上一个实施例所描述的方法,以下将举例作进一步详细说明。
在本实施例中,将以该运行轨迹生成装置具体集成在网络设备,其以目标对象具体为网约车为例进行说明。
如图2a所示,一种运行轨迹生成方法,具体流程可以如下:
201、网络设备根据预设频率获取车辆在当前位置的采样点。
例如,具体可以由GPS定位设备根据预设频率对车辆位置进行采样,得到车辆在当前位置的采样点,进而提供给网络设备,即,网络设备具体可以接收GPS定位设备发送的采样点。比如,如图2b所示,后端以特定频率轮询供应商提供车辆位置信息接口,得到车辆在当前位置的采样点,并记录当前获取时间以及车辆位置信息。
202、网络设备确定该采样点的上一个轨迹点。
例如,网络设备具体可以获取车辆当前位置的上一个有效位置,将该有效位置的采样点确定为上一个轨迹点。比如,网络设备可以获取该车辆的轨迹点集合,从该轨迹点集合中筛选出与当前位置的采样点距离最近的轨迹点,得到上一个轨迹点。
203、网络设备根据该采样点和该上一个轨迹点计算该采样点的噪声判定值。
例如,网络设备具体可以将采样点和上一个轨迹点的位置信息和获取时间输入判噪模型,即将当前采样点与上一次有效位置点的时间与位置信息输入判噪模型,比如,如图2c所示,具体可以将G1及其获取时间T1,及其上一时刻Tb获取到的位置信息Gb输入判噪模型,利用判噪模型判断G1是否为噪声点,比如,可以通过计算采样点的噪声判定值来判断。例如,噪声判断值可以包括噪声指数,具体可以根据该采样点G1的经纬度信息和上一个轨迹点Gb的经纬度信息计算该当前位置采样点和该上一个轨迹点的即地球球面距离d,使用第三方位置服务预估该采样点和上一个轨迹点之间的最短路程S,计算获取到采样点和上一个轨迹点的两次时间间隔t,如下:
t=T1-Tb
其中,T1为采样点的采样时间,Tb为上一个轨迹点的采样时间,T1、Tb、t单位可以为秒(s)。
然后,根据该直线距离、该最短路程以及该时间间隔构建该采样点的噪声正向贡献函数,并设置噪声贡献权重,进而计算噪声指数,如下:
k=∑ωifi
其中,ωi为噪声贡献权重,fi为噪声正向贡献函数,k为噪声指数。
比如,噪声正向贡献函数fi可以分别为d/S,S/t,t/S,S/t2,每个噪声正向贡献函数对应的权重ωi的设定方式可以有很多种,比如,可以根据实际应用的需求灵活设置,也可以预先设置好存储在网络设备中。比如,d/S,S/t,t/S,S/t2对应的权重ωi可以分别为0.09,0.26,0.33,0.32。
204、当该噪声判定值满足预设条件时,网络设备将该采样点确定为车辆的当前轨迹点。
例如,网络设备具体可以判断该噪声指数是否满足预设指数;当该噪声指数小于或者等于预设指数时,将该采样点确定为车辆的当前轨迹点。当该噪声指数大于预设指数时,将该采样点确定为车辆的噪声点,并添加至该车辆的噪声点集合,然后,判断噪声点集合是否大于预设阈值,在该噪声点集合大于预设阈值时,将该噪声点确定为车辆的当前轨迹点;在该噪声点集合小于或者等于预设阈值时,将G1放入噪声点集合,返回执行获取车辆在当前位置的采样点的步骤,直到得到车辆的当前轨迹点。然后,可以将该当前轨迹点添加至轨迹点集合。比如,预设指数可以设定为8,当k≤8时,将G1确定为车辆的当前轨迹点,当k>8时,则将G1确定为车辆的噪声点。
为了运动轨迹生成的效率,网络设备可以设置噪声点粗校验条件,用以去除实际场景中不需要在前端展示动画的点,节省后续计算。比如,由于实际场景下,过小的位移不需要在客户端渲染动画,即当最短路径S小于预设长度时,可以直接将该采样点标记为噪声点,以跳过后续计算,提高运动轨迹生成的效率。比如,预设长度可以设定为10,因为在实际场景下,过小的位移不需要在客户端渲染动画,因此,可以设定当S<10时,直接将该采样点标记为噪声点,并添加至噪声点集合。又例如,当采样点的速度v=S/t大于预设速度时,可以直接将该采样点标记为噪声点,可以过滤一些明显不符合实际的场景以跳过后续计算,提高运动轨迹生成的效率。其中,v可以根据实际的公路场景进行定义,能够过滤掉一些明显不符合实际的场景。
例如,为了运动轨迹生成的准确性以及及时性,因此,不能一直将不符合预设条件的采样点放入噪声点集合,以至于不能及时生成车辆运动轨迹,及时反映到客户端,所以可以对噪声点集合设定一个阈值,当噪声点集合里的噪声点个数大于该阈值时,将该噪声点确定为当前轨迹点,将上一个轨迹点放回。比如,如图2b所示,可以判断当前时间的信息是否为噪声信息,如果当前时间的信息为噪声信息,则判断是否需要丢弃该点,当需要丢弃该点时,将该点放入噪声点集合,当不需要丢弃该点时,可以将该点标记为有效位置及获取该点的采样时间,等待下一轮询。比如,判断是否需要丢弃该点可以通过判断噪声点集合是否大于预设阈值,当噪声点集合大于预设阈值(即不需要丢弃该点)时,则将G1标记为有效位置及获取该点的采样时间,等待下一轮询。当噪声点集合小于或者等于预设阈值(即需要丢弃该点)时,则将G1放入噪声点集合。
205、网络设备根据该当前轨迹点和该上一个轨迹点生成该车辆的运行轨迹。
例如,具体可以将该当前轨迹点和该上一个轨迹点发送到第三方位置服务,第三方位置服务确定对当前轨迹点和上一个轨迹点两点之间的最短路径,并发送给网络设备,网络设备可以接收第三方位置服务对该当前轨迹点和该上一个轨迹点之间的最短路径规划,再根据该路径规划对该车辆的上一个轨迹点到该当前位置采样点之间的路径进行绘制,得到车辆的运行轨迹,并将该小步点的运行轨迹写入缓存,更新缓存服务器中的数据,比如,利用G1,Gb规划出最短路径,将小步点写入缓存。
206、网络设备接收到客户端请求时,将缓存服务器中更新的数据发送给客户端。
例如,如图2d所示,具体可以客户端以一定频率去请求车辆当前的位置信息,通过该请求去调用获取缓存服务中的数据,网络设备接收到客户端请求时,检测缓存服务器中是否有新的位置信息需要渲染,如果缓存服务中数据有更新,则将更新的数据发送给客户端,客户端根据返回的小步信息渲染车辆运行动画,动画时长根据返回的结果渲染。比如,可以如图2e所示,在网约车应用中,用户在呼叫车辆成功之后,可以在客户端地图上展示车辆的实时运行轨迹,渲染出车辆移动的动画。用户可以看到车辆实时运行位置动画,还可以知道车辆距离自己起点位置的路程,预计到达的时间以及车辆对应的车牌、司机信息等等,可以提升用户体验,减少用户等待过程中的焦躁和不安。如果缓存服务中数据没有更新,则暂不渲染客户端车辆动画,等待下一次请求。网络设备判断是否还需要生成该车辆的运行轨迹,如果还需要生成运行轨迹,则返回执行步骤201,直到不需要生成该车辆的运行轨迹,比如,网约车已载客到目的地,等等,则退出该循环。
此外,需说明的是,该方案的执行硬件环境可以根据实际需求而定,比如客户端可以为web浏览器应用,服务端可以为window平台,利用刀奈特(.NET)框架实现,缓存服务使用redis数据库。
另外,还需说明的是,本实施例仅仅为示例,应当理解的是,本实施例中使用到的判噪模型可以替换为其他用实际标记过的数据训练的分类器,例如,深度神经网络的模型、CNN或者SVM等等。也可以根据实际应用对模型内存占用的限制和对准确率的要求来选定模型。本实施例中噪声指数,可以替换为其他指标或对该指标,等等。
由上可知,本发明实施例网络设备可以先获取目标对象在当前位置的采样点,然后,确定该采样点的上一个轨迹点,再根据该采样点和该上一个轨迹点计算该采样点的噪声判定值,接着,当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点,再然后,根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹;由于该方案可以先对获取到的目标对象采样点进行分析,判断是否为噪声点,将被判定不为噪声的两点进行路径绘制,可以有效降低因各种因素出现的异常点,从而减少运行轨迹错误的问题,提升用户体验,并且能够有效的在较低的资源消耗下,比如,利用较低的频率获取目标的对象采样点的情况下绘制出比较准确的运行轨迹,在降低成本的同时可以保证运行轨迹的准确性,所以,相对于需要采用较高的采样频率来获取目标对象的位置信息,并直接将获取到的信息用于生成运动轨迹的分案而言,该方案可以有效提高运行轨迹生成的准确性。
为了更好地实施以上方法,相应的,本发明实施例还提供一种运行轨迹生成装置,该运行轨迹生成装置具体可以集成在网络设备中,该网络设备可以是服务器,也可以是终端等设备。
例如,如图3所示,该运行轨迹生成装置可以包括获取单元301、计算单元302、确定单元303、和生成单元304,如下:
(1)获取单元301;
获取单元301,用于获取目标对象在当前位置的采样点,确定该采样点的上一个轨迹点。
例如,具体可以由位置采集设备对目标对象进行位置采集,得到目标对象在当前位置的采样点,进而提供给该获取单元301,即,获取单元301具体可以接收位置采集设备发送的当前位置的采样点。
比如,位置采集设备可以根据预设频率对目标对象的位置进行采集,比如,为了降低资源消耗,可以设置特定频率,以特定频率去获取目标对象的采样点。即获取单元301可以包括:根据预设频率获取目标对象在当前位置的采样点。
例如,具体可以获取当前位置的上一个有效位置,将该有效位置的采样点确定为上一个轨迹点。比如,可以获取车辆的轨迹点集合,从该轨迹点集合中筛选出与当前位置的采样点距离最近的轨迹点,得到上一个轨迹点。
(2)计算单元302;
计算单元302,用于根据该采样点和该上一个轨迹点计算该采样点的噪声判定值。
可选的,在一些实施例中,该计算单元302可以包括获取子单元和计算子单元,如下:
获取子单元,用于获取该采样点的位置信息、采样点的采样时间、该上一个轨迹点的位置信息和上一个轨迹点的采样时间;
计算子单元,用于根据该采样点的位置信息、该采样点的采样时间、该上一个轨迹点的位置信息以及该上一个轨迹点的采样时间计算该采样点的噪声判定值。
比如,具体可以根据该采样点的位置信息和该上一个轨迹点的位置信息计算该采样点和该上一个轨迹点的直线距离;获取该采样点到该上一个轨迹点的最短路径;计算该采样点的采样时间和该上一个轨迹点的采样时间之间的时间间隔;根据该直线距离、该最短路程以及该时间间隔计算该采样点的噪声判定值。例如,具体可以根据该采样点的经纬度信息和上一个轨迹点的经纬度信息计算该当前位置采样点和该上一个轨迹点的直线距离(即地球球面距离)d。然后,可以通过路径信息库预估该采样点和上一个轨迹点之间的最短路程S。其中,路径信息库可以是网络设备预先设置的信息库,也可以是第三方位置服务,如高德地图、百度地图等等。即计算子单元,具体可以用于获取该采样点到该上一个轨迹点的所有路径,计算每个路径的总长,根据该路径的总长确定该采样点到该上一个轨迹点的最短路径。
例如,具体可以计算获取到采样点和上一个轨迹点的时间间隔t,如下:
t=T1-Tb
其中,T1为采样点的采样时间,Tb为上一个轨迹点的采样时间,T1、Tb、t单位可以为秒(s)。
可选的,在一些实施例中,该噪声判定值可以包括噪声指数,该噪声指数可以包括多个噪声函数,计算子单元,具体用于根据该直线距离、该最短路程以及该时间间隔构建该采样点的噪声函数;获取每个噪声函数的权重;根据该噪声函数以及其权重计算该采样点的噪声指数。
比如,具体可以将当前位置采样点和上一个轨迹点的位置信息和获取时间输入判噪模型,利用判噪模型计算采样点的噪声指数,比如,根据该直线距离、该最短路程以及该时间间隔确定该采样点的噪声正向贡献函数,并设置噪声贡献权重,进而计算噪声指数,如下:
k=∑ωifi
其中,ωi为噪声贡献权重,fi为噪声正向贡献函数,k为噪声指数。
比如,噪声正向贡献函数fi可以分别为d/S,S/t,t/S,S/t2,每个噪声正向贡献函数对应的权重ωi的设定方式可以有很多种,比如,可以根据实际应用的需求灵活设置,也可以预先设置好存储在网络设备中。此外,权重可以内置于网络设备中,或者,也可以保存在存储器中并发送给网络设备,等等。为了提高判噪模型的准确性,可以根据实际情况不断地调整模型中的参数,也可以一段时间后对所有采样点的信息进行统计分析后再调整模型中的参数(比如,权重等)。
(3)确定单元303;
确定单元303,用于当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点。
可选的,在一些实施例中,确定单元303,具体用于判断该噪声指数是否满足预设指数;当该噪声指数小于或者等于预设指数时,将该采样点确定为目标对象的当前轨迹点;当该噪声指数大于预设指数时,将该采样点确定为目标对象的噪声点,并添加至该目标对象的噪声点集合,在该噪声点集合大于预设阈值时,将该噪声点确定为目标对象的当前轨迹点;在该噪声点集合小于或者等于预设阈值时,返回执行获取目标对象在当前位置的采样点的步骤,直到得到目标对象的当前轨迹点。
可选的,在一些实施例中,该运行轨迹生成装置还可以包括路径判断单元和速度判断单元,如下:
路径判断单元,具体用于判断该最短路径是否小于预设长度;当该最短路径小于预设长度时,将该采样点确定为目标对象的噪声点,并添加至该目标对象的噪声点集合;当该最短路径大于或等于预设长度时,执行判断该噪声指数是否满足预设指数的步骤。
比如,为了运动轨迹生成的效率,可以设置噪声点粗校验条件,用以去除实际场景中不需要在前端展示动画的点,节省后续计算。比如,由于实际场景下,过小的位移不需要在客户端渲染动画,即当最短路径S小于预设长度时,可以直接将该采样点标记为噪声点,以跳过后续计算,提高运动轨迹生成的效率。
速度判断单元,具体用于根据该最短路径和该时间间隔计算该采样点的当前速度;判断该当前速度是否大于预设速度;当该当前速度大于预设速度时,将该采样点确定为目标对象的噪声点,并添加至该目标对象的噪声点集合;当该当前速度小于或者等于预设速度时,执行判断该噪声指数是否满足预设指数的步骤。
比如,当采样点的速度v=S/t大于预设速度时,可以直接将该采样点标记为噪声点,可以过滤一些明显不符合实际的场景以跳过后续计算,提高运动轨迹生成的效率。
(4)生成单元304;
生成单元304,用于根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹。
可选的,在一些实施例中,生成单元304可以包括调用子单元、查询子单元和绘制子单元,如下:
调用子单元,用于调用预设的路径信息库;
查询子单元,用于在该路径信息库中查询该当前轨迹点和该上一个轨迹点之间的路径信息;
绘制子单元,用于基于该路径信息对该目标对象的上一个轨迹点到该当前位置采样点之间的路径进行绘制,得到目标对象的运行轨迹。
可选的,在获得目标对象的运行轨迹之后,可以将运行轨迹、两个轨迹点的位置信息及时间间隔写入缓存服务,供客户端调用。客户端可以以一定频率去调用获取缓存服务中的数据,如果缓存服务中数据有更新,则将更新的数据在客户端渲染车辆运行动画,动画时长根据返回的结果渲染。
可选的,为了提高运行轨迹生成的准确性,可以将噪声点集合的数据存储于服务器或者其他设备中,可以根据实际情况的需要,在预设的一段时间后对设备中的噪声点进行统计分析,并根据分析结果调整运行轨迹生成装置中的各种参数,等等。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本发明实施例先由获取单元301获取目标对象在当前位置的采样点,确定该采样点的上一个轨迹点,再由计算单元302根据该采样点和该上一个轨迹点计算该采样点的噪声判定值,接着,确定单元303当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点,再然后,由生成单元304根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹;由于该方案可以先对获取到的目标对象采样点进行分析,判断是否为噪声点,将被判定不为噪声的两点进行路径绘制,可以有效降低因各种因素出现的异常点,从而减少运行轨迹错误的问题,提升用户体验,并且能够有效的在较低的资源消耗下,比如,利用较低的频率获取目标的对象采样点的情况下绘制出比较准确的运行轨迹,在降低成本的同时可以保证运行轨迹的准确性,所以,相对于需要采用较高的采样频率来获取目标对象的位置信息,并直接将获取到的信息用于生成运动轨迹的分案而言,该方案可以有效提高运行轨迹生成的准确性。
此外,本发明实施例还提供一种网络设备,如图4所示,其示出了本发明实施例所涉及的网络设备的结构示意图,具体来讲:
该网络设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图4中示出的网络设备结构并不构成对网络设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该网络设备的控制中心,利用各种接口和线路连接整个网络设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行网络设备的各种功能和处理数据,从而对网络设备进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据网络设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
网络设备还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理***与处理器401逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该网络设备还可包括输入单元404,该输入单元404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,网络设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,网络设备中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
获取目标对象在当前位置的采样点,然后,确定该采样点的上一个轨迹点,再根据该采样点和该上一个轨迹点计算该采样点的噪声判定值,接着,当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点,再然后,根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本发明实施例可以先获取目标对象在当前位置的采样点,然后,确定该采样点的上一个轨迹点,再根据该采样点和该上一个轨迹点计算该采样点的噪声判定值,接着,当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点,再然后,根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹;由于该方案可以先对获取到的目标对象采样点进行分析,判断是否为噪声点,将被判定不为噪声的两点进行路径绘制,可以有效降低因各种因素出现的异常点,从而减少运行轨迹错误的问题,提升用户体验,并且能够有效的在较低的资源消耗下,比如,利用较低的频率获取目标的对象采样点的情况下绘制出比较准确的运行轨迹,在降低成本的同时可以保证运行轨迹的准确性,所以,相对于需要采用较高的采样频率来获取目标对象的位置信息,并直接将获取到的信息用于生成运动轨迹的分案而言,该方案可以有效提高运行轨迹生成的准确性。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明实施例还提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的任一种运行轨迹生成方法中的步骤。例如,该指令可以执行如下步骤:
获取目标对象在当前位置的采样点,然后,确定该采样点的上一个轨迹点,再根据该采样点和该上一个轨迹点计算该采样点的噪声判定值,接着,当该噪声判定值满足预设条件时,将该采样点确定为目标对象的当前轨迹点,再然后,根据该当前轨迹点和该上一个轨迹点生成该目标对象的运行轨迹。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(Read Only Memory,ROM)、随机存取记忆体(Random Access Memory,RAM)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本发明实施例所提供的任一种运行轨迹生成方法中的步骤,因此,可以实现本发明实施例所提供的任一种运行轨迹生成方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本发明实施例所提供的一种运行轨迹生成方法和装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上该,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种运行轨迹生成方法,其特征在于,包括:
获取目标对象在当前位置的采样点;
确定所述采样点的上一个轨迹点;
根据所述采样点和所述上一个轨迹点计算所述采样点的噪声判定值;
当所述噪声判定值满足预设条件时,将所述采样点确定为目标对象的当前轨迹点;
根据所述当前轨迹点和所述上一个轨迹点生成所述目标对象的运行轨迹。
2.根据权利要求1所述的方法,其特征在于,所述根据所述采样点和所述上一个轨迹点计算所述采样点的噪声判定值,包括:
获取所述采样点的位置信息、采样点的采样时间、所述上一个轨迹点的位置信息和上一个轨迹点的采样时间;
根据所述采样点的位置信息、所述采样点的采样时间、所述上一个轨迹点的位置信息以及所述上一个轨迹点的采样时间计算所述采样点的噪声判定值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述采样点的位置信息、所述采样点的采样时间、所述上一个轨迹点的位置信息以及所述上一个轨迹点的采样时间计算所述采样点的噪声判定值,包括:
根据所述采样点的位置信息和所述上一个轨迹点的位置信息计算所述采样点和所述上一个轨迹点的直线距离;
获取所述采样点到所述上一个轨迹点的最短路径;
计算所述采样点的采样时间和所述上一个轨迹点的采样时间之间的时间间隔;
根据所述直线距离、所述最短路程以及所述时间间隔计算所述采样点的噪声判定值。
4.根据权利要求3所述的方法,其特征在于,所述获取所述采样点到所述上一个轨迹点的最短路径,包括:
获取所述采样点到所述上一个轨迹点的所有路径;
计算每个路径的总长;
根据所述路径的总长确定所述采样点到所述上一个轨迹点的最短路径。
5.根据权利要求3所述的方法,其特征在于,所述噪声判定值包括噪声指数,所述噪声指数包括多个噪声函数,所述根据所述直线距离、所述最短路程以及所述时间间隔计算所述采样点的噪声判定值,包括:
根据所述直线距离、所述最短路程以及所述时间间隔构建所述采样点的噪声函数;
获取每个噪声函数的权重;
根据所述噪声函数以及其权重计算所述采样点的噪声指数。
6.根据权利要求5所述的方法,其特征在于,所述当所述噪声判定值满足预设条件时,将所述采样点确定为目标对象的当前轨迹点,包括:
判断所述噪声指数是否满足预设指数;
当所述噪声指数小于或者等于预设指数时,将所述采样点确定为目标对象的当前轨迹点;
当所述噪声指数大于预设指数时,将所述采样点确定为目标对象的噪声点,并添加至所述目标对象的噪声点集合,在所述噪声点集合大于预设阈值时,将所述噪声点确定为目标对象的当前轨迹点;在所述噪声点集合小于或者等于预设阈值时,返回执行获取目标对象在当前位置的采样点的步骤,直到得到目标对象的当前轨迹点。
7.根据权利要求6所述的方法,其特征在于,所述判断所述噪声指数是否满足预设指数之前,还包括:
判断所述最短路径是否小于预设长度;
当所述最短路径小于预设长度时,将所述采样点确定为目标对象的噪声点,并添加至所述目标对象的噪声点集合;
当所述最短路径大于或等于预设长度时,执行判断所述噪声指数是否满足预设指数的步骤。
8.根据权利要求6或7所述的方法,其特征在于,所述判断所述噪声指数是否满足预设指数之前,还包括:
根据所述最短路径和所述时间间隔计算所述采样点的当前速度;
判断所述当前速度是否大于预设速度;
当所述当前速度大于预设速度时,将所述采样点确定为目标对象的噪声点,并添加至所述目标对象的噪声点集合;
当所述当前速度小于或者等于预设速度时,执行判断所述噪声指数是否满足预设指数的步骤。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述根据所述当前轨迹点和所述上一个轨迹点生成所述目标对象的运行轨迹,包括:
调用预设的路径信息库;
在所述路径信息库中查询所述当前轨迹点和所述上一个轨迹点之间的路径信息;
基于所述路径信息对所述目标对象的上一个轨迹点到所述当前位置采样点之间的路径进行绘制,得到目标对象的运行轨迹。
10.一种运行轨迹生成装置,其特征在于,包括:
获取单元,用于获取目标对象在当前位置的采样点,确定所述采样点的上一个轨迹点;
计算单元,用于根据所述采样点和所述上一个轨迹点计算所述采样点的噪声判定值;
确定单元,用于当所述噪声判定值满足预设条件时,将所述采样点确定为目标对象的当前轨迹点;
生成单元,用于根据所述当前轨迹点和所述上一个轨迹点生成所述目标对象的运行轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910451328.8A CN111721312B (zh) | 2019-05-28 | 2019-05-28 | 一种运行轨迹生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910451328.8A CN111721312B (zh) | 2019-05-28 | 2019-05-28 | 一种运行轨迹生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111721312A true CN111721312A (zh) | 2020-09-29 |
CN111721312B CN111721312B (zh) | 2022-05-06 |
Family
ID=72563800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910451328.8A Active CN111721312B (zh) | 2019-05-28 | 2019-05-28 | 一种运行轨迹生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111721312B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112240770A (zh) * | 2020-10-15 | 2021-01-19 | 浙江欣奕华智能科技有限公司 | 一种生成机器人运动轨迹的方法、装置及终端 |
CN112650823A (zh) * | 2020-12-15 | 2021-04-13 | 威创集团股份有限公司 | 基于数据库实时定位生成轨迹的方法、***、设备及介质 |
CN115829584A (zh) * | 2022-12-02 | 2023-03-21 | 首约科技(北京)有限公司 | 飘点的确定方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110208426A1 (en) * | 2010-02-25 | 2011-08-25 | Microsoft Corporation | Map-Matching for Low-Sampling-Rate GPS Trajectories |
CN102707300A (zh) * | 2012-06-05 | 2012-10-03 | 大唐移动通信设备有限公司 | 一种gps轨迹优化方法、装置及*** |
CN106878951A (zh) * | 2017-02-28 | 2017-06-20 | 上海讯飞瑞元信息技术有限公司 | 用户轨迹分析方法及*** |
CN107277765A (zh) * | 2017-05-12 | 2017-10-20 | 西南交通大学 | 一种基于聚类离群分析的手机信令轨迹预处理方法 |
CN108133611A (zh) * | 2016-12-01 | 2018-06-08 | 中兴通讯股份有限公司 | 车辆行驶轨迹监测方法及*** |
CN108391003A (zh) * | 2018-02-06 | 2018-08-10 | 上海康斐信息技术有限公司 | 一种运动轨迹速度颜色分配和生成的方法及*** |
CN108955713A (zh) * | 2017-05-27 | 2018-12-07 | 腾讯科技(北京)有限公司 | 行驶轨迹的显示方法及装置 |
CN109684384A (zh) * | 2018-12-29 | 2019-04-26 | 太原科技大学 | 一种轨迹数据时空密度分析***及其分析方法 |
-
2019
- 2019-05-28 CN CN201910451328.8A patent/CN111721312B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110208426A1 (en) * | 2010-02-25 | 2011-08-25 | Microsoft Corporation | Map-Matching for Low-Sampling-Rate GPS Trajectories |
CN102707300A (zh) * | 2012-06-05 | 2012-10-03 | 大唐移动通信设备有限公司 | 一种gps轨迹优化方法、装置及*** |
CN108133611A (zh) * | 2016-12-01 | 2018-06-08 | 中兴通讯股份有限公司 | 车辆行驶轨迹监测方法及*** |
CN106878951A (zh) * | 2017-02-28 | 2017-06-20 | 上海讯飞瑞元信息技术有限公司 | 用户轨迹分析方法及*** |
CN107277765A (zh) * | 2017-05-12 | 2017-10-20 | 西南交通大学 | 一种基于聚类离群分析的手机信令轨迹预处理方法 |
CN108955713A (zh) * | 2017-05-27 | 2018-12-07 | 腾讯科技(北京)有限公司 | 行驶轨迹的显示方法及装置 |
CN108391003A (zh) * | 2018-02-06 | 2018-08-10 | 上海康斐信息技术有限公司 | 一种运动轨迹速度颜色分配和生成的方法及*** |
CN109684384A (zh) * | 2018-12-29 | 2019-04-26 | 太原科技大学 | 一种轨迹数据时空密度分析***及其分析方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112240770A (zh) * | 2020-10-15 | 2021-01-19 | 浙江欣奕华智能科技有限公司 | 一种生成机器人运动轨迹的方法、装置及终端 |
CN112650823A (zh) * | 2020-12-15 | 2021-04-13 | 威创集团股份有限公司 | 基于数据库实时定位生成轨迹的方法、***、设备及介质 |
WO2022126774A1 (zh) * | 2020-12-15 | 2022-06-23 | 威创集团股份有限公司 | 基于数据库实时定位生成轨迹的方法、***、设备及介质 |
CN112650823B (zh) * | 2020-12-15 | 2024-04-02 | 威创集团股份有限公司 | 基于数据库实时定位生成轨迹的方法、***、设备及介质 |
CN115829584A (zh) * | 2022-12-02 | 2023-03-21 | 首约科技(北京)有限公司 | 飘点的确定方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111721312B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11102618B2 (en) | Smart signaling of location updates for arrival estimation and generation of arrival alerts | |
CN111721312B (zh) | 一种运行轨迹生成方法和装置 | |
US11948464B2 (en) | Real-time service provider progress monitoring | |
US20130031047A1 (en) | Efficiency and accuracy of geo-fencing based on user history | |
KR20190064594A (ko) | 장소 검출 | |
JP2017527055A (ja) | 移動体デバイスの距離追跡 | |
US11575624B2 (en) | Contextual feedback, with expiration indicator, to a natural understanding system in a chat bot | |
CN108257378A (zh) | 交通流量预测方法及装置 | |
CN110573837A (zh) | 导航方法、装置、存储介质以及服务器 | |
US20200056897A1 (en) | Spatio-temporal re-routing of navigation | |
US20200380076A1 (en) | Contextual feedback to a natural understanding system in a chat bot using a knowledge model | |
CN106296107A (zh) | 基于位置的备忘录提醒方法、***及电子装置 | |
CN109753580A (zh) | 一种图像分类方法、装置、存储介质及电子设备 | |
CN110542425B (zh) | 导航路径选择方法、导航装置、计算机设备及可读介质 | |
CN116443032A (zh) | 一种未来长时车速预测方法、***、设备和存储介质 | |
US10502839B2 (en) | Battery efficient automatic mileage tracking | |
CN109299359A (zh) | 一种路况查询方法、装置、终端及存储介质 | |
US11477140B2 (en) | Contextual feedback to a natural understanding system in a chat bot | |
CN111986487B (zh) | 一种路况信息的管理方法以及相关装置 | |
CN117556155A (zh) | 基于大语言模型的行程规划方法、装置、设备及存储介质 | |
CN117726148A (zh) | 一种服务器的适配度确定方法、电子设备及存储介质 | |
CN115049797A (zh) | 地图处理方法、电子设备以及存储介质 | |
CN116166530A (zh) | 自动驾驶仿真方法、装置、电子设备及存储介质 | |
CN112786055A (zh) | 资源挂载方法、装置、设备、存储介质及计算机程序产品 | |
CN110969886A (zh) | 公交流确定方法、装置以及电子设备 |
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 |