CN112836144A - 基于轨迹点搜索指定路线车辆的方法及*** - Google Patents
基于轨迹点搜索指定路线车辆的方法及*** Download PDFInfo
- Publication number
- CN112836144A CN112836144A CN202110170111.7A CN202110170111A CN112836144A CN 112836144 A CN112836144 A CN 112836144A CN 202110170111 A CN202110170111 A CN 202110170111A CN 112836144 A CN112836144 A CN 112836144A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- roads
- data
- standard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种基于轨迹点搜索指定路线车辆的方法及***,获取指定地理范围内的车辆数据以及车辆的GPS数据;根据车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集;根据指定路线的地图数据,得到指定路线的标准道路集;其中,标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线;将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取匹配重合率大于或等于第一重合率阈值的车辆。本申请通过提取目标路线各个路段的特征,与车辆行驶的道路序列进行特征的对比,获得更加准确的路线匹配结果以及车辆搜索结果。
Description
技术领域
本申请属于人工智能技术领域,具体地,涉及一种基于轨迹点搜索指定路线车辆的方法及***。
背景技术
现有技术在根据轨迹数据分析车辆行驶行为方面,主要是从已知车辆的角度出发,对某一辆或某一批行驶通过某些地理位置的车辆进行处理计算,缺少精确高效的根据路线来逆向查找车辆的方法。
专利号为CN111552761A的专利文献公开一种用于找出目标轨迹与指定路线最长匹配段的分析方法。其中匹配的核心实现方式是:通过计算当前轨迹点与指定路线的垂直距离来获取轨迹点与指定路线的匹配状态。若当前轨迹点与指定路线的垂直距离小于或等于给定的距离阈值,则判断当前轨迹点与指定路线匹配。该方法是基于距离进行匹配判断,未解决轨迹点偏移的情况,如遇到车机上报的轨迹点漂移,会严重影响统计结果的准确性。
发明内容
本发明提出了一种基于轨迹点搜索指定路线车辆的方法及***,旨在解决现有线路匹配过程中出现异常轨迹点,匹配误差大的问题。
根据本申请实施例的第一个方面,提供了一种基于轨迹点搜索指定路线车辆的方法,具体包括以下步骤:
获取指定地理范围内的车辆数据以及车辆的GPS数据;
根据车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集;
根据指定路线的地图数据,得到指定路线的标准道路集;其中,标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线;
将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取匹配重合率大于或等于第一重合率阈值的车辆。
在本申请一些实施方式中,道路数据集为由多条道路按照时间顺序进行排序的道路列表,每一条道路由GPS数据的轨迹点描绘形成。
在本申请一些实施方式中,将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,具体包括:
遍历每一辆车辆的道路数据集中每一条道路,与标准道路集中前M个道路和/或后N个道路进行匹配,获得至少一个道路数据子集;
遍历道路数据子集中每一条道路,与标准道路集中每一条标准道路一一匹配,得到道路数据子集匹配重合率,获取道路数据子集匹配重合率大于或等于第二重合率阈值的车辆。
在本申请一些实施方式中,遍历每一辆车辆的道路数据集中每一条道路,与标准道路集中前M个道路和/或后N个道路进行匹配,获得至少一个道路数据子集,具体包括:
按照时间顺序遍历每一辆车辆的道路数据集,选取当前道路在内的M个道路,与标准道路集中前M个道路一一匹配,当匹配的道路数量大于或等于第一匹配阈值时,标记当前道路为路线开始道路;
选取当前道路之后的N个道路,与标准道路集中后N个道路一一匹配,当匹配的道路数量大于或等于第二匹配阈值时,标记道路数据集中N个道路的最后一个道路为路线结束道路;
根据路线开始道路与路线结束道路,将道路数据集分割出至少一个道路数据子集;其中,道路数据子集以路线开始道路开始,以路线结束道路结束。
在本申请一些实施方式中,遍历每一辆车辆的道路数据集中每一条道路,与标准道路集中前M个道路和/或后N个道路进行匹配,获得至少一个道路数据子集,具体包括:
按照时间顺序遍历每一辆车辆的道路数据集,选取当前道路在内的M个道路,与标准道路集中前M个道路一一匹配,当匹配的道路数量大于或等于第一匹配阈值时,标记当前道路为路线开始道路;
根据路线开始道路,将道路数据集分割出至少一个道路数据子集;其中,道路数据子集以路线开始道路开始。
在本申请一些实施方式中,遍历每一辆车辆的道路数据集中每一条道路,与标准道路集中前M个道路和/或后N个道路进行匹配,获得至少一个道路数据子集,具体包括:
按照时间顺序遍历每一辆车辆的道路数据集,选取当前道路之后的N个道路,与标准道路集中后N个道路一一匹配,当匹配的道路数量大于或等于第二匹配阈值时,标记道路数据集中N个道路的最后一个道路为路线结束道路;
根据路线结束道路,将道路数据集分割出至少一个道路数据子集;其中,道路数据子集以路线结束道路结束。
在本申请一些实施方式中,遍历道路数据子集中每一条道路,与标准道路集中每一条标准道路一一匹配,得到道路数据子集匹配重合率,获取道路数据子集匹配重合率大于或等于第二重合率阈值的车辆,具体包括:
按照时间顺序依次遍历至少一个道路数据子集中的每一条道路,与标准道路集中每一个标准道路一一匹配,当匹配的道路数量大于或等于第三匹配阈值时,标记当前道路数据子集;
根据标记的道路数据子集,确定相应的车辆数据以及通行时间数据。
根据本申请实施例的第二个方面,提供了一种基于轨迹点搜索指定路线车辆的***,具体包括:
车辆数据模块:用于获取指定地理范围内的车辆数据以及车辆的GPS数据;
道路数据模块:用于根据车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集;
指定路线模块:用于根据指定路线的地图数据,得到指定路线的标准道路集;其中,标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线;
匹配搜索模块:用于将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取匹配重合率大于或等于第一重合率阈值的车辆。
根据本申请实施例的第三个方面,提供了一种基于轨迹点搜索指定路线车辆的设备,包括:
存储器:用于存储可执行指令;以及
处理器:用于与存储器连接以执行可执行指令从而完成基于轨迹点搜索指定路线车辆的方法。
根据本申请实施例的第四个方面,提供了一种计算机可读存储介质,其上存储有计算机程序;计算机程序被处理器执行以实现基于轨迹点搜索指定路线车辆的方法。
采用本申请实施例中的基于轨迹点搜索指定路线车辆的方法及***,获取指定地理范围内的车辆数据以及车辆的GPS数据;根据车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集;根据指定路线的地图数据,得到指定路线的标准道路集;其中,标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线;将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取匹配重合率大于或等于第一重合率阈值的车辆。本申请通过提取目标路线各个路段的特征,与车辆行驶的道路序列进行特征的对比,获得更加准确的路线匹配结果以及车辆搜索结果。本申请通过道路与道路之间的对比,相比单一的轨迹点之间距离的对比,解决了因异常轨迹点造成的匹配误差的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1中示出了根据本申请实施例的基于轨迹点搜索指定路线车辆的方法的步骤示意图;
图2中示出了根据本申请实施例的基于轨迹点搜索指定路线车辆的方法的流程示意图;
图3中示出了根据本申请实施例中将车辆的道路数据集分割成道路数据子集的原理示意图;
图4中示出了根据本申请实施例的基于轨迹点搜索指定路线车辆的***的结构示意图;
图5中示出了根据本申请实施例的基于轨迹点搜索指定路线车辆的设备的结构示意图。
具体实施方式
在实现本申请的过程中,发明人发现在根据轨迹数据分析车辆行驶行为方面,路线匹配的核心实现方式是:通过计算当前轨迹点与指定路线的垂直距离来获取轨迹点与指定路线的匹配状态。现有方法未解决轨迹点偏移的情况,如遇到车机上报的轨迹点漂移,会严重影响统计结果的准确性。
基于此,本申请根据车机轨迹点,通过路网匹配得到车辆行驶通过的道路序列,再结合地理GIS数据,得到路线序列,将进出指定高速路段的路线序列的模式特征与行车的路线序列模式进行对比,找出通过该高速的车辆,以及通过的具体时间。
具体的,本申请的基于轨迹点搜索指定路线车辆的方法及***,通过获取指定地理范围内的车辆数据以及车辆的GPS数据;根据车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集;根据指定路线的地图数据,得到指定路线的标准道路集;其中,标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线;将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取匹配重合率大于或等于第一重合率阈值的车辆。
本申请通过提取目标路线各个路段的特征,与车辆行驶的道路序列进行特征的对比,获得更加准确的路线匹配结果以及车辆搜索结果。本申请通过道路与道路之间的对比,相比单一的轨迹点之间距离的对比,解决了因异常轨迹点造成的匹配误差的问题。
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1
图1中示出了根据本申请实施例的基于轨迹点搜索指定路线车辆的方法的步骤示意图。
如图1所示,本申请实施例的基于轨迹点搜索指定路线车辆的方法,具体包括以下步骤:
S101:获取指定地理范围内的车辆数据以及车辆的GPS数据。
具体的,根据用户搜索需求,按设定路线的经纬度范围筛选,获取相应的GPS数据,GPS数据包括指定范围内车辆的轨迹点数据,包括车辆id、车辆地点以及相应时间。
S102:根据车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集。
根据车辆的GPS数据的轨迹点数据,匹配车辆行驶通过的道路序列,即可得到车辆通过的道路(link),然后将通过的这些道路按照途径的时间顺序排练成列表,形成该车辆的道路数据集。
因此,道路数据集为由多条道路按照时间顺序进行排序的道路列表L(L0,L1,…,Ln,…),每一条道路(L0,L1,…,Ln,…)由GPS数据的轨迹点描绘形成。
S103:根据指定路线的地图数据,得到指定路线的标准道路集;其中,标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线。
S104:将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取匹配重合率大于或等于第一重合率阈值的车辆。
具体的,包括以下两个步骤:
步骤一、遍历每一辆车辆的道路数据集中每一条道路,与标准道路集中前M个道路和/或后N个道路进行匹配,获得至少一个道路数据子集。
在步骤一中,又分为三种实施方式。
a)首先,按照时间顺序遍历每一辆车辆的道路数据集,选取当前道路在内的M个道路,与标准道路集中前M个道路一一匹配,当匹配的道路数量大于或等于第一匹配阈值时,标记当前道路为路线开始道路。
其次,选取当前道路之后的N个道路,与标准道路集中后N个道路一一匹配,当匹配的道路数量大于或等于第二匹配阈值时,标记道路数据集中N个道路的最后一个道路为路线结束道路。
最后,根据路线开始道路与路线结束道路,将道路数据集分割出至少一个道路数据子集;其中,道路数据子集以路线开始道路开始,以路线结束道路结束。
通过这种方式划分得到的道路数据子集与标准路线更加匹配,提高了准确率。
b)首先,按照时间顺序遍历每一辆车辆的道路数据集,选取当前道路在内的M个道路,与标准道路集中前M个道路一一匹配,当匹配的道路数量大于或等于第一匹配阈值时,标记当前道路为路线开始道路。
最后,根据路线开始道路,将道路数据集分割出至少一个道路数据子集;其中,道路数据子集以路线开始道路开始。
C)按照时间顺序遍历每一辆车辆的道路数据集,选取当前道路之后的N个道路,与标准道路集中后N个道路一一匹配,当匹配的道路数量大于或等于第二匹配阈值时,标记道路数据集中N个道路的最后一个道路为路线结束道路;
根据路线结束道路,将道路数据集分割出至少一个道路数据子集;其中,道路数据子集以路线结束道路结束。
本申请在对匹配时限要求更高时,选择方式b和c划分得到道路数据子集,进一步提高了划分效率。
本申请考虑到同一车辆在搜索范围内可能多次往返指定路线,因此采用步骤一将每一辆车辆的道路数据集进行分割,具体通过将车辆的道路数据集与指定路线的开始路段与结束路段匹配分割,获得至少一个道路数据子集,一个道路数据子集即代表该车辆经过了一次指定路线。
步骤二、遍历道路数据子集中每一条道路,与标准道路集中每一条标准道路一一匹配,得到道路数据子集匹配重合率,获取道路数据子集匹配重合率大于或等于第二重合率阈值的车辆。
步骤二具体实施时,首先,按照时间顺序依次遍历至少一个道路数据子集中的每一条道路,与标准道路集中每一个标准道路一一匹配,当匹配的道路数量大于或等于第三匹配阈值时,标记当前道路数据子集。最后,根据标记的道路数据子集,确定相应的车辆数据以及通行时间数据。
本申请实施例中,虽然道路数据子集内的开始道路和/或结束道路与指定路线的开始道路和/或结束道路相匹配,但是中间道路仍然不确定是否匹配,因此,通过步骤二,将每一个道路数据子集与标准道路集相匹配,若匹配重合率达到要求,则该道路数据子集对应车辆及路线即为搜索结果之一。
图2中示出了根据本申请实施例的基于轨迹点搜索指定路线车辆的方法的流程示意图。图3中示出了根据本申请实施例中将车辆的道路数据集分割成道路数据子集的原理示意图。
具体实施中,如图2所示,首先,输入数据,包括车辆数据以及道路数据。
车辆数据:根据轨迹点数据,匹配车辆行驶通过的道路序列(link),按设定路线的经纬度范围筛选,得到每辆车按照途径的时间顺序排练的道路列表L(L0,L1,…Ln…)。
道路数据:使用地图GIS数据,取一次完整通行指定路线经过的道路序列模板,构成标准道路集pattern,包括指定路线方向。
接下来将道路数据集的列表L与标准道路集pattern进行道路匹配,从pattern提取开始/结束的子pattern。例如,提取前20个子pattern以及后20个子pattern。
如图3所示,遍历每一辆车辆的道路数据集的列表L中每一条道路,与标准道路集中前20个道路进行匹配,如果存在时间顺序一致的6个以上的道路数量相匹配,则标记下来当前道路的序号,例如beg0,作为一次路线子pattern开始标识。遍历后,找到所有满足开始条件的序号集合M(beg0,beg1,…begn…)。
若上一步的M不为空集,则根据由两个开始标识序号分别为开始和结束构成的子序列中,依次遍历,寻找子pattern结束标识。如果存在时间顺序一致的6个以上的道路数量相匹配,则标记匹配道路的最后的序号为一次路线子pattern结束标识。
最后,通过一个子pattern开始标识以及子pattern结束标识,可以将道路数据集分割出至少一个道路数据子集。
本申请在map阶段,按指定路线所在经纬度范围和需要查询的时间范围筛选车辆行驶数据;从GIS数据提取路线的2个方向的标准道路集Pattern,放入内存;在匹配阶段,对每辆车的道路序列,根据Pattern去匹配符合条件的子序列,输出符合条件的车辆,包括车辆行驶开始时间,即子序列第一个道路对应的时间,以及车辆行驶结束时间,即子序列最末尾一个道路对应的时间。
本申请实施例中的基于轨迹点搜索指定路线车辆的方法,获取指定地理范围内的车辆数据以及车辆的GPS数据;根据车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集;根据指定路线的地图数据,得到指定路线的标准道路集;其中,标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线;将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取匹配重合率大于或等于第一重合率阈值的车辆。本申请通过提取目标路线各个路段的特征,与车辆行驶的道路序列进行特征的对比,获得更加准确的路线匹配结果以及车辆搜索结果。
本申请通过道路与道路之间的对比,相比单一的轨迹点之间距离的对比,解决了因异常轨迹点造成的匹配误差的问题。
本申请基于大数据技术对海量的车辆行驶数据进行处理,对范围未知的车辆的行驶行为进行挖掘分析,采用Hadoop的MapReduce分布式计算模型,通过键值类型的设计,和自定义的排序方式,能够以相对很小的内存资源,从千万级数量的车辆中,高效、快速地找出目标车辆。
同时,本申请可以精确获取车辆进出该路线的时间点,可以快速的查到指定的时间范围内,通过了指定路线的车。可以为货运物流、车辆监管、高速公路建设规划等提供重要数据支持。
实施例2
本实施例提供了一种基于轨迹点搜索指定路线车辆的***,对于本实施例的基于轨迹点搜索指定路线车辆的***中未披露的细节,请参照其它实施例中的基于轨迹点搜索指定路线车辆的方法的具体实施内容。
图4中示出了根据本申请实施例的基于轨迹点搜索指定路线车辆的***的结构示意图。
如图4所示,本申请实施例的基于轨迹点搜索指定路线车辆的***,具体包括车辆数据模块10、道路数据模块20、指定路线模块30以及匹配搜索模块40。
具体的,
车辆数据模块10:用于获取指定地理范围内的车辆数据以及车辆的GPS数据。
具体的,根据用户搜索需求,按设定路线的经纬度范围筛选,获取相应的GPS数据,GPS数据包括指定范围内车辆的轨迹点数据,包括车辆id、车辆地点以及相应时间。
道路数据模块20:用于根据车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集。
根据车辆的GPS数据的轨迹点数据,匹配车辆行驶通过的道路序列,即可得到车辆通过的道路(link),然后将通过的这些道路按照途径的时间顺序排练成列表,形成该车辆的道路数据集。
因此,道路数据集为由多条道路按照时间顺序进行排序的道路列表L(L0,L1,…,Ln,…),每一条道路(L0,L1,…,Ln,…)由GPS数据的轨迹点描绘形成。
指定路线模块30:用于根据指定路线的地图数据,得到指定路线的标准道路集;其中,标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线。
匹配搜索模块40:用于将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取匹配重合率大于或等于第一重合率阈值的车辆。
具体的,包括以下两个步骤:
步骤一、遍历每一辆车辆的道路数据集中每一条道路,与标准道路集中前M个道路和/或后N个道路进行匹配,获得至少一个道路数据子集。
在步骤一中,又分为三种实施方式。
a)首先,按照时间顺序遍历每一辆车辆的道路数据集,选取当前道路在内的M个道路,与标准道路集中前M个道路一一匹配,当匹配的道路数量大于或等于第一匹配阈值时,标记当前道路为路线开始道路。
其次,选取当前道路之后的N个道路,与标准道路集中后N个道路一一匹配,当匹配的道路数量大于或等于第二匹配阈值时,标记道路数据集中N个道路的最后一个道路为路线结束道路。
最后,根据路线开始道路与路线结束道路,将道路数据集分割出至少一个道路数据子集;其中,道路数据子集以路线开始道路开始,以路线结束道路结束。
通过这种方式划分得到的道路数据子集与标准路线更加匹配,提高了准确率。
b)首先,按照时间顺序遍历每一辆车辆的道路数据集,选取当前道路在内的M个道路,与标准道路集中前M个道路一一匹配,当匹配的道路数量大于或等于第一匹配阈值时,标记当前道路为路线开始道路。
最后,根据路线开始道路,将道路数据集分割出至少一个道路数据子集;其中,道路数据子集以路线开始道路开始。
C)按照时间顺序遍历每一辆车辆的道路数据集,选取当前道路之后的N个道路,与标准道路集中后N个道路一一匹配,当匹配的道路数量大于或等于第二匹配阈值时,标记道路数据集中N个道路的最后一个道路为路线结束道路;
根据路线结束道路,将道路数据集分割出至少一个道路数据子集;其中,道路数据子集以路线结束道路结束。
本申请在对匹配时限要求更高时,选择方式b和c划分得到道路数据子集,进一步提高了划分效率。
本申请考虑到同一车辆在搜索范围内可能多次往返指定路线,因此采用步骤一将每一辆车辆的道路数据集进行分割,具体通过将车辆的道路数据集与指定路线的开始路段与结束路段匹配分割,获得至少一个道路数据子集,一个道路数据子集即代表该车辆经过了一次指定路线。
步骤二、遍历道路数据子集中每一条道路,与标准道路集中每一条标准道路一一匹配,得到道路数据子集匹配重合率,获取道路数据子集匹配重合率大于或等于第二重合率阈值的车辆。
步骤二具体实施时,首先,按照时间顺序依次遍历至少一个道路数据子集中的每一条道路,与标准道路集中每一个标准道路一一匹配,当匹配的道路数量大于或等于第三匹配阈值时,标记当前道路数据子集。最后,根据标记的道路数据子集,确定相应的车辆数据以及通行时间数据。
本申请实施例中,虽然道路数据子集内的开始道路和/或结束道路与指定路线的开始道路和/或结束道路相匹配,但是中间道路仍然不确定是否匹配,因此,通过步骤二,将每一个道路数据子集与标准道路集相匹配,若匹配重合率达到要求,则该道路数据子集对应车辆及路线即为搜索结果之一。
本申请实施例中的基于轨迹点搜索指定路线车辆的方法,车辆数据模块10获取指定地理范围内的车辆数据以及车辆的GPS数据;道路数据模块20根据车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集;指定路线模块30根据指定路线的地图数据,得到指定路线的标准道路集;其中,标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线;匹配搜索模块40将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取匹配重合率大于或等于第一重合率阈值的车辆。本申请通过提取目标路线各个路段的特征,与车辆行驶的道路序列进行特征的对比,获得更加准确的路线匹配结果以及车辆搜索结果。本申请通过道路与道路之间的对比,相比单一的轨迹点之间距离的对比,解决了因异常轨迹点造成的匹配误差的问题。
本申请基于大数据技术对海量的车辆行驶数据进行处理,对范围未知的车辆的行驶行为进行挖掘分析,采用Hadoop的MapReduce分布式计算模型,通过键值类型的设计,和自定义的排序方式,能够以相对很小的内存资源,从千万级数量的车辆中,高效、快速地找出目标车辆。
同时,本申请可以精确获取车辆进出该路线的时间点,可以快速的查到指定的时间范围内,通过了指定路线的车。可以为货运物流、车辆监管、高速公路建设规划等提供重要数据支持。
实施例3
本实施例提供了一种基于轨迹点搜索指定路线车辆的设备,对于本实施例的基于轨迹点搜索指定路线车辆的设备中未披露的细节,请参照其它实施例中的基于轨迹点搜索指定路线车辆的方法或***具体的实施内容。
图5中示出了根据本申请实施例的基于轨迹点搜索指定路线车辆的设备400的结构示意图。
如图5所示,搜索设备400,包括:
存储器402:用于存储可执行指令;以及
处理器401:用于与存储器402连接以执行可执行指令从而完成运动矢量预测方法。
本领域技术人员可以理解,示意图5仅仅是搜索设备400的示例,并不构成对搜索设备400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,例如搜索设备400还可以包括输入输出设备、网络接入设备、总线等。
所称处理器401(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器401也可以是任何常规的处理器等,处理器401是搜索设备400的控制中心,利用各种接口和线路连接整个搜索设备400的各个部分。
存储器402可用于存储计算机可读指令,处理器401通过运行或执行存储在存储器402内的计算机可读指令或模块,以及调用存储在存储器402内的数据,实现搜索设备400的各种功能。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搜索设备400使用所创建的数据等。此外,存储器402可以包括硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)或其他非易失性/易失性存储器件。
搜索设备400集成的模块如果以软件功能模块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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
实施例4
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序;计算机程序被处理器执行以实现其他实施例中的基于轨迹点搜索指定路线车辆的方法。
本申请实施例中的基于轨迹点搜索指定路线车辆的设备及计算机存储介质,获取指定地理范围内的车辆数据以及车辆的GPS数据;根据车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集;根据指定路线的地图数据,得到指定路线的标准道路集;其中,标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线;将多个车辆的道路数据集中的道路数据,分别与标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取匹配重合率大于或等于第一重合率阈值的车辆。本申请通过提取目标路线各个路段的特征,与车辆行驶的道路序列进行特征的对比,获得更加准确的路线匹配结果以及车辆搜索结果。
本申请通过道路与道路之间的对比,相比单一的轨迹点之间距离的对比,解决了因异常轨迹点造成的匹配误差的问题。
本申请基于大数据技术对海量的车辆行驶数据进行处理,对范围未知的车辆的行驶行为进行挖掘分析,采用Hadoop的MapReduce分布式计算模型,通过键值类型的设计,和自定义的排序方式,能够以相对很小的内存资源,从千万级数量的车辆中,高效、快速地找出目标车辆。
同时,本申请可以精确获取车辆进出该路线的时间点,可以快速的查到指定的时间范围内,通过了指定路线的车。可以为货运物流、车辆监管、高速公路建设规划等提供重要数据支持。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种基于轨迹点搜索指定路线车辆的方法,具体包括:
获取指定地理范围内的车辆数据以及车辆的GPS数据;
根据所述车辆的GPS数据的轨迹点,绘制成车辆通过的道路,最后得到每一辆车辆的道路数据集;
根据指定路线的地图数据,得到指定路线的标准道路集;其中,所述标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线;
将所述多个车辆的道路数据集中的道路数据,分别与所述标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取所述匹配重合率大于或等于第一重合率阈值的车辆。
2.根据权利要求1所述的基于轨迹点搜索指定路线车辆的方法,其特征在于,所述道路数据集为由多条道路按照时间顺序进行排序的道路列表,所述每一条道路由GPS数据的轨迹点描绘形成。
3.根据权利要求1所述的基于轨迹点搜索指定路线车辆的方法,其特征在于,所述将所述多个车辆的道路数据集中的道路数据,分别与所述标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,具体包括:
遍历所述每一辆车辆的道路数据集中每一条道路,与所述标准道路集中前M个道路和/或后N个道路进行匹配,获得至少一个道路数据子集;
遍历所述道路数据子集中每一条道路,与所述标准道路集中每一条标准道路一一匹配,得到道路数据子集匹配重合率,获取所述道路数据子集匹配重合率大于或等于第二重合率阈值的车辆。
4.根据权利要求3所述的基于轨迹点搜索指定路线车辆的方法,其特征在于,所述遍历所述每一辆车辆的道路数据集中每一条道路,与所述标准道路集中前M个道路和/或后N个道路进行匹配,获得至少一个道路数据子集,具体包括:
按照时间顺序遍历所述每一辆车辆的道路数据集,选取当前道路在内的M个道路,与所述标准道路集中前M个道路一一匹配,当匹配的道路数量大于或等于第一匹配阈值时,标记当前道路为路线开始道路;
选取当前道路之后的N个道路,与所述标准道路集中后N个道路一一匹配,当匹配的道路数量大于或等于第二匹配阈值时,标记所述道路数据集中N个道路的最后一个道路为路线结束道路;
根据所述路线开始道路与路线结束道路,将所述道路数据集分割出至少一个道路数据子集;其中,所述道路数据子集以所述路线开始道路开始,以所述路线结束道路结束。
5.根据权利要求3所述的基于轨迹点搜索指定路线车辆的方法,其特征在于,所述遍历所述每一辆车辆的道路数据集中每一条道路,与所述标准道路集中前M个道路和/或后N个道路进行匹配,获得至少一个道路数据子集,具体包括:
按照时间顺序遍历所述每一辆车辆的道路数据集,选取当前道路在内的M个道路,与所述标准道路集中前M个道路一一匹配,当匹配的道路数量大于或等于第一匹配阈值时,标记当前道路为路线开始道路;
根据所述路线开始道路,将所述道路数据集分割出至少一个道路数据子集;其中,所述道路数据子集以所述路线开始道路开始。
6.根据权利要求3所述的基于轨迹点搜索指定路线车辆的方法,其特征在于,所述遍历所述每一辆车辆的道路数据集中每一条道路,与所述标准道路集中前M个道路和/或后N个道路进行匹配,获得至少一个道路数据子集,具体包括:
按照时间顺序遍历所述每一辆车辆的道路数据集,选取当前道路之后的N个道路,与所述标准道路集中后N个道路一一匹配,当匹配的道路数量大于或等于第二匹配阈值时,标记所述道路数据集中N个道路的最后一个道路为路线结束道路;
根据所述路线结束道路,将所述道路数据集分割出至少一个道路数据子集;其中,所述道路数据子集以所述路线结束道路结束。
7.根据权利要求3所述的基于轨迹点搜索指定路线车辆的方法,其特征在于,所述遍历所述道路数据子集中每一条道路,与所述标准道路集中每一条标准道路一一匹配,得到道路数据子集匹配重合率,获取所述道路数据子集匹配重合率大于或等于第二重合率阈值的车辆,具体包括:
按照时间顺序依次遍历所述至少一个道路数据子集中的每一条道路,与所述标准道路集中每一个标准道路一一匹配,当匹配的道路数量大于或等于第三匹配阈值时,标记当前道路数据子集;
根据所述标记的道路数据子集,确定相应的车辆数据以及通行时间数据。
8.一种基于轨迹点搜索指定路线车辆的***,其特征在于,具体包括:
车辆数据模块:用于获取指定地理范围内的车辆数据以及车辆的GPS数据;
道路数据模块:用于根据所述车辆的GPS数据的轨迹点,绘制成车辆的道路,最后得到每一辆车辆的道路数据集;
指定路线模块:用于根据指定路线的地图数据,得到指定路线的标准道路集;其中,所述标准道路集中的多条标准道路按顺序构成完整的具有方向的指定路线;
匹配搜索模块:用于将所述多个车辆的道路数据集中的道路数据,分别与所述标准道路集中的标准道路一一匹配,得到每一个车辆的道路数据集匹配重合率,获取所述匹配重合率大于或等于第一重合率阈值的车辆。
9.一种基于轨迹点搜索指定路线车辆的搜索设备,其特征在于,包括:
存储器:用于存储可执行指令;以及
处理器:用于与所述存储器连接以执行所述可执行指令从而完成权利要求1-7任一项所述的基于轨迹点搜索指定路线车辆的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序;计算机程序被处理器执行以实现如权利要求1-7任一项所述的基于轨迹点搜索指定路线车辆的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110170111.7A CN112836144A (zh) | 2021-02-03 | 2021-02-03 | 基于轨迹点搜索指定路线车辆的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110170111.7A CN112836144A (zh) | 2021-02-03 | 2021-02-03 | 基于轨迹点搜索指定路线车辆的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112836144A true CN112836144A (zh) | 2021-05-25 |
Family
ID=75930955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110170111.7A Pending CN112836144A (zh) | 2021-02-03 | 2021-02-03 | 基于轨迹点搜索指定路线车辆的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836144A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879003A (zh) * | 2012-09-07 | 2013-01-16 | 重庆大学 | 基于gps终端的面向车辆位置跟踪的地图匹配方法 |
CN103680185A (zh) * | 2013-12-25 | 2014-03-26 | 厦门雅迅网络股份有限公司 | 一种车辆行驶道路等级精确划分方法 |
US20150142306A1 (en) * | 2012-06-04 | 2015-05-21 | Denso Corporation | Road learning device |
CN108106620A (zh) * | 2017-12-20 | 2018-06-01 | 中国科学院深圳先进技术研究院 | 一种拓扑道路匹配方法、***及电子设备 |
DE102017213983A1 (de) * | 2017-08-10 | 2019-02-14 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Verifizieren einer Straßenkarte sowie Servervorrichtung |
CN109816271A (zh) * | 2019-02-25 | 2019-05-28 | 东南大学 | 基于共享单车轨迹数据的自行车道服务水平评价方法 |
CN110796060A (zh) * | 2019-10-23 | 2020-02-14 | 招商华软信息有限公司 | 高速行车路线确定方法、装置、设备和存储介质 |
CN111189459A (zh) * | 2020-01-10 | 2020-05-22 | 成都信息工程大学 | 一种定位信息与道路匹配的方法和装置 |
-
2021
- 2021-02-03 CN CN202110170111.7A patent/CN112836144A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150142306A1 (en) * | 2012-06-04 | 2015-05-21 | Denso Corporation | Road learning device |
CN102879003A (zh) * | 2012-09-07 | 2013-01-16 | 重庆大学 | 基于gps终端的面向车辆位置跟踪的地图匹配方法 |
CN103680185A (zh) * | 2013-12-25 | 2014-03-26 | 厦门雅迅网络股份有限公司 | 一种车辆行驶道路等级精确划分方法 |
DE102017213983A1 (de) * | 2017-08-10 | 2019-02-14 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Verifizieren einer Straßenkarte sowie Servervorrichtung |
CN108106620A (zh) * | 2017-12-20 | 2018-06-01 | 中国科学院深圳先进技术研究院 | 一种拓扑道路匹配方法、***及电子设备 |
CN109816271A (zh) * | 2019-02-25 | 2019-05-28 | 东南大学 | 基于共享单车轨迹数据的自行车道服务水平评价方法 |
CN110796060A (zh) * | 2019-10-23 | 2020-02-14 | 招商华软信息有限公司 | 高速行车路线确定方法、装置、设备和存储介质 |
CN111189459A (zh) * | 2020-01-10 | 2020-05-22 | 成都信息工程大学 | 一种定位信息与道路匹配的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106483952B (zh) | 用于识别用于自主操作的候选路段的方法、***和介质 | |
CN111854779B (zh) | 一种路线规划方法、装置、电子设备及可读存储介质 | |
EP3318985A1 (en) | Driving route matching method and apparatus and storage medium | |
US20180149488A1 (en) | Guide route setting apparatus and guide route setting method | |
CN114162140B (zh) | 一种最优车道匹配方法及*** | |
CN110779539B (zh) | 行车路径修正方法、装置、设备和存储介质 | |
US12027052B2 (en) | Computer-implemented method for determining similarity values of traffic scenarios | |
CN116467615A (zh) | 车辆轨迹的聚类方法和装置、存储介质和电子装置 | |
CN112633812A (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
US20170045363A1 (en) | Path graph generation method, path graph generation device and storage medium | |
CN109313034B (zh) | 行驶控制*** | |
CN110751837B (zh) | 高速行车路径确定方法、装置、设备和存储介质 | |
CN112836144A (zh) | 基于轨迹点搜索指定路线车辆的方法及*** | |
CN116310442A (zh) | 轨迹点识别方法、装置及地图制作方法 | |
CN114328594B (zh) | 一种车辆的行驶路径判定方法、装置、存储介质及终端 | |
CN115985124B (zh) | 车辆行驶的控制方法、装置、存储介质及电子装置 | |
CN116303866B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN110440816B (zh) | 一种车道迷宫创建和导航路线推荐方法和装置 | |
CN114446050B (zh) | 一种分布式的车道级引导线构建方法及装置 | |
CN114485689B (zh) | 利用众包数据构建高精度地图中的道路段切分方法及装置 | |
CN117308978A (zh) | 轨迹位置点与路线的匹配方法、装置、设备及存储介质 | |
CN111524354B (zh) | 基于语言模型的城市交通网络路径选择行为的预测方法、***、介质及设备 | |
CN111047044B (zh) | Eta模型的训练方法、eta预估方法、装置及设备 | |
CN115422312A (zh) | 一种数据处理方法、装置及电子设备 | |
CN114610731A (zh) | 道路通行属性的更新方法、装置、设备及存储介质 |
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 |