CN113554044A - 步行道路宽度的获取方法、装置、设备以及存储介质 - Google Patents

步行道路宽度的获取方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN113554044A
CN113554044A CN202010325459.4A CN202010325459A CN113554044A CN 113554044 A CN113554044 A CN 113554044A CN 202010325459 A CN202010325459 A CN 202010325459A CN 113554044 A CN113554044 A CN 113554044A
Authority
CN
China
Prior art keywords
segment
road
width
offset
type
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
Application number
CN202010325459.4A
Other languages
English (en)
Other versions
CN113554044B (zh
Inventor
王亦乐
黄际洲
许海阳
丁世强
肖飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Original Assignee
Baidu Online Network Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Baidu Online Network Technology Beijing Co Ltd filed Critical Baidu Online Network Technology Beijing Co Ltd
Priority to CN202010325459.4A priority Critical patent/CN113554044B/zh
Publication of CN113554044A publication Critical patent/CN113554044A/zh
Application granted granted Critical
Publication of CN113554044B publication Critical patent/CN113554044B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种步行道路宽度的获取方法、装置、设备以及存储介质,涉及大数据技术领域。具体实现方案为:在计算道路中步行道路宽度时,可以先对道路对应的基础路网进行分段处理,得到道路对应的M个第一分段;针对任一个第一分段,获取该第一分段分别在多条历史步行轨迹、多条历史骑行轨迹及多条历史驾车轨迹中的各条轨迹中对应的第二分段;即结合该道路对应的多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹,以根据第一分段分别在各条轨迹中对应的第二分段,确定第一分段中步行道路的宽度,避免了因基于人工采集的方法或者众包用户标注的方法导致计算效率较低,从而有效地提高了步行道路宽度的获取效率。

Description

步行道路宽度的获取方法、装置、设备以及存储介质
技术领域
本申请实施例涉及数据处理领域中的大数据技术领域,尤其涉及一种步行道路宽度的获取方法、装置、设备以及存储介质。
背景技术
人们在出行时,针对一些距离比较短的路程,通常是采用步行的方式。采用步行的方式出行时,步行安全是非常重要的,尤其是针对老人、孕妇、病人等老弱病残孕群体而言,步行安全显得尤为重要。
对于一些人车混行类型的道路,或者,步行道比较窄的道路,会在一定程度上影响人们的步行安全。现有技术中,在计算某一道路中步行道路的宽度时,是基于人工采集的方法或者众包用户标注的方法计算步行道路的宽度,但是,采用这两种方式,均会导致步行道路宽度的获取效率较低。
发明内容
本申请实施例提供了一种步行道路宽度的获取方法、装置、设备以及存储介质,在获取步行道路的宽度时,提高了步行道路宽度的获取效率。
第一方面,本申请实施例提供了一种步行道路宽度的获取方法,该步行道路宽度的获取方法可以包括:
分别获取道路对应的基础路网,多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹。
对所述道路对应的基础路网进行分段处理,得到所述道路对应的M个第一分段;M为大于或者等于2的整数。
针对任一个第一分段,获取所述第一分段分别在所述多条历史步行轨迹、所述多条历史骑行轨迹及所述多条历史驾车轨迹中的各条轨迹中对应的第二分段;其中,所述第一分段指示的道路分段与所述第一分段在所述各条轨迹中对应的第二分段均为同一道路分段。
根据所述第一分段分别在所述各条轨迹中对应的第二分段,确定所述第一分段中步行道路的宽度。
第二方面,本申请实施例还提供了一种步行道路宽度的获取装置,该步行道路宽度的获取装置可以包括:
获取模块,用于分别获取道路对应的基础路网,多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹。
处理模块,用于对所述道路对应的基础路网进行分段处理,得到所述道路对应的M个第一分段;M为大于或者等于2的整数。
所述获取模块,还用于针对任一个第一分段,获取所述第一分段分别在所述多条历史步行轨迹、所述多条历史骑行轨迹及所述多条历史驾车轨迹中的各条轨迹中对应的第二分段;其中,所述第一分段指示的道路分段与所述第一分段在所述各条轨迹中对应的第二分段均为同一道路分段。
所述处理模块,还用于根据所述第一分段分别在所述各条轨迹中对应的第二分段,确定所述第一分段中步行道路的宽度。
第三方面,本申请实施例还提供了一种电子设备,该电子设备可以包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面所述的步行道路宽度的获取方法。
第四方面,本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行上述第一方面所述的步行道路宽度的获取方法。
根据本申请提供的技术方案,在计算道路中步行道路宽度时,可以先对道路对应的基础路网进行分段处理,得到道路对应的M个第一分段;针对任一个第一分段,获取该第一分段分别在多条历史步行轨迹、多条历史骑行轨迹及多条历史驾车轨迹中的各条轨迹中对应的第二分段;即结合该道路对应的多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹,以根据第一分段分别在各条轨迹中对应的第二分段,确定第一分段中步行道路的宽度,避免了因基于人工采集的方法或者众包用户标注的方法导致计算效率较低,从而有效地提高了步行道路宽度的获取效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是可以实现本申请实施例的步行道路宽度的获取方法的一种场景图;
图2是根据本申请第一实施例提供的步行道路宽度的获取方法的流程示意图;
图3为本申请实施例提供的一种第一分段的示意图;
图4为本申请实施例提供的另一种第一分段的示意图;
图5是根据本申请第二实施例提供的确定第一分段中步行道路的宽度的流程示意图;
图6为本申请实施例提供的一种道路类型的示意图;
图7是根据本申请第三实施例提供的步行道路宽度的获取装置的结构示意图;
图8是根据本申请实施例的步行道路宽度的获取方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本申请的实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。在本申请的文字描述中,字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的步行道路宽度的获取方法可以应用于测量步行道路宽度的场景中,示例的,请参见图1所示,图1是可以实现本申请实施例的步行道路宽度的获取方法的一种场景图,在计算道路中步行道路的宽度时,现有技术中,通常是基于人工采集的方法或者众包用户标注的方法计算步行道路的宽度,但是,采用这两种方式,均会导致步行道路宽度的获取效率较低。
为了提高步行道路宽度的获取效率,可以尝试采集历史步行轨迹,并基于采集到的历史步行轨迹计算步行道路的宽度,但是由于不是所有的道路都设置有专门的步行道,因此,仅基于历史步行轨迹具有局限性,并不能适用于所有类型的道路计算。基于此,本申请实施例提供了一种步行道路宽度的获取方法,在计算道路中步行道路宽度时,可以先对道路对应的基础路网进行分段处理,得到道路对应的M个第一分段;针对任一个第一分段,获取该第一分段分别在多条历史步行轨迹、多条历史骑行轨迹及多条历史驾车轨迹中的各条轨迹中对应的第二分段;即结合该道路对应的多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹,以根据第一分段分别在各条轨迹中对应的第二分段,确定第一分段中步行道路的宽度,避免了因基于人工采集的方法或者众包用户标注的方法导致计算效率较低,从而有效地提高了步行道路宽度的获取效率。
值得注意的是,通过本申请实施例提供的步行道路宽度的获取方法,不仅可以有效地提高步行道路宽度的获取效率,还可以提高步行道路宽度计算的覆盖率,尤其是针对小区内部的道路,可以实现该类道路中步行道路宽度的计算。
可以理解的是,在上述描述中,第二分段的数量与轨迹条数相同。例如,当包括10条历史步行轨迹、20历史骑行轨迹以及15历史驾车轨迹时,该第一分段分别在10条历史步行轨迹、20历史骑行轨迹以及15历史驾车轨迹中的各条轨迹中对应的第二分段的数量为45个,45条轨迹中的每一条轨迹中都包括一个与第一分段对应的第二分段。其中,第一分段指示的道路分段与第一分段在各条轨迹中对应的第二分段均为同一道路分段。示例的,若第一分段指示的道路分段为a-b之间的直线段道路,则该第一分段在各条轨迹中对应的第二分段也是a-b之间的直线段道路。
下面,将通过具体的实施例对本申请提供的内容显示方法进行详细地说明。可以理解的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
图2是根据本申请第一实施例提供的步行道路宽度的获取方法的流程示意图,该步行道路宽度的获取方法可以由软件和/或硬件装置执行,例如,该硬件装置可以为步行道路宽度的获取装置,该步行道路宽度的获取装置可以设置在电子设备中。示例的,请参见图2所示,该步行道路宽度的获取方法可以包括:
S201、分别获取道路对应的基础路网,多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹。
其中,道路是指待计算的道路,即要计算该道路中步行道路的宽度。
在本申请实施例中,与现有技术不同的是,在计算道路中步行道路的看宽度时,是结合该道路对应的多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹,因此,需要先分别获取该道路对应的多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹,从而根据该道路对应的多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹共同计算道路中步行道路的宽度。
在获取到道路对应的基础路网后,不是直接将该道路作为一个整体,计算该道路中步行道路的宽度,而是基于该道路对应的基础路网对该道路进行分段处理,并针对每一个分段,计算该分段中步行道路的宽度。
S202、对道路对应的基础路网进行分段处理,得到道路对应的M个第一分段。
其中,M为大于或者等于2的整数。
可以理解的是,在对道路对应的基础路网进行分段处理时,是根据该道路的几何形状对该道路进行分段处理,使得分段处理得到的每一个第一分段均为一个直线段,或者近似为一个直线段。
在对道路对应的基础路网进行分段处理,由于分段处理得到的第一分段中可能会包括无效的分段,因此,在对道路对应的基础路网进行分段处理后得到多个第一分段之后,还需要对该多个分段进行筛选处理,才能得到上述M个第一分段。示例的,对道路对应的基础路网进行分段处理,得到道路对应的N个第一分段,针对该N个第一分段中各第一分段,获取该第一分段分别在各条轨迹中对应的第二分段相对于基础路网中心的偏移量;并将各条轨迹中对应的第二分段相对于基础路网中心的偏移量的和确定为第一分段对应的总方差,然后再根据第一分段对应的总方差,在N个第一分段中剔除总方差大于预设阈值的第一分段,即在N个第一分段中剔除掉无效的分段,得到最终的M个第一分段。
可以理解的是,在本申请实施例中,第一分段分别在各条轨迹中对应的第二分段相对于基础路网中心的偏移量的数量与轨迹条数相同。例如,当包括10条历史步行轨迹、20历史骑行轨迹以及15历史驾车轨迹时,该第一分段分别在各条轨迹中对应的第二分段相对于基础路网中心的偏移量的数量为45,即45条轨迹中的每一个轨迹中的第二分段均相对于基础路网中心具有各自的偏移量。其中,轨迹条数代表有多少条轨迹支撑当前结果,用于描述计算结果的可信度。
示例的,请参见图3所示,图3为本申请实施例提供的一种第一分段的示意图,在计算道路中步行道路的宽度时,可以先将该道路对应的基础路网进行分段处理,假设将该道路分为六个第一分段(实际上可能远远多于六个),该六个第一分段分别为分段1、分段2、分段3、分段4、分段5以及分段6,在得到该六个第一分段之后,针对该六个分段中的每一个分段,由于每一个分段对应的总方差的计算方式类似,因此,为了避免赘述,以其中的分段1为例,在获取该分段1对应的总方差时,可以分别获取该分段1分别在多条历史步行轨迹、多条历史骑行轨迹及多条历史驾车轨迹中的各条轨迹中对应的第二分段相对于基础路网中心的偏移量;当本申请实施例中包括10条历史步行轨迹、20历史骑行轨迹以及15历史驾车轨迹时,该分段1分别在各条轨迹中对应的第二分段相对于基础路网中心的偏移量的数量为45,可以计算该45个偏移量的和,并将该45个偏移量的和作为该分段1对应的总方差,在计算得到分段1对应的总方差之后,将该分段1对应的总方差与预设阈值进行比较,若该分段1对应的总方差大于预设阈值,则在六个分段中过滤掉该分段1;若该分段1对应的总方差小于预设阈值,则保留该分段1,以实现基于总方差在上述六个分段中过滤掉噪声。假设经过噪声过滤之后,得到只有四个分段对应的总方差小于预设阈值,则该四个分段即为最终的M个分段,且M=4。其中,该四个分段分别为分段1、分段2、分段3以及分段4,示例的,请参见图4所示,图4为本申请实施例提供的另一种第一分段的示意图。可以理解的是,经过噪声过滤得到的M个第一分段种,各第一分段可以连续,也可以不连续。
在对道路对应的基础路网进行分段处理,得到道路对应的M个第一分段之后,就可以针对任意一个第一分段,获取该第一分段分别在多条历史步行轨迹、多条历史骑行轨迹及多条历史驾车轨迹中的各条轨迹中对应的第二分段,即执行下述S203:
S203、针对任一个第一分段,获取第一分段分别在多条历史步行轨迹、多条历史骑行轨迹及多条历史驾车轨迹中的各条轨迹中对应的第二分段。
其中,第一分段指示的道路分段与第一分段在各条轨迹中对应的第二分段均为同一道路分段。
在本申请实施例中,在计算道路中步行道路的宽度时,不是直接将该道路作为一个整体计算该道路中步行道路的宽度,而是基于该道路对应的基础路网对该道路进行分段处理,并针对每一个第一分段,计算该第一分段中步行道路的宽度。由于每一个第一分段中的步行道路宽度的计算方法类似,因此,为了避免赘述,可以以M个第一分段中的任意一个第一分段为例,描述如何计算该第一分段中步行道路的宽度。
结合上述图4所示,在计算上述四个第一分段中任意一个第一分段,假设为分段1中步行道路的宽度时,可以先获取该分段1分别在多条历史步行轨迹、多条历史骑行轨迹及多条历史驾车轨迹中的各条轨迹中对应的第二分段,当本申请实施例中包括10条历史步行轨迹、20历史骑行轨迹以及15历史驾车轨迹时,该分段1分别在10条历史步行轨迹、20历史骑行轨迹以及15历史驾车轨迹中的各条轨迹中对应的第二分段的数量为45个,即分别该分段1对应的45个第二分段,这样就可以根据该分段1对应的45个第二分段确定该分段1中步行道路的宽度。
S204、根据第一分段分别在各条轨迹中对应的第二分段,确定第一分段中步行道路的宽度。
由此可见,本申请实施例提供的步行道路宽度的获取方法,在计算道路中步行道路的宽度时,是结合该道路对应的多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹,确定该第一分段中步行道路的宽度,避免了因基于人工采集的方法或者众包用户标注的方法导致计算效率较低,从而有效地提高了步行道路宽度的获取效率。
基于图2所示的实施例,为了便于理解在本申请实施例中,如何根据第一分段分别在各条轨迹中对应的第二分段,确定第一分段中步行道路的宽度,下面,将通过实施例二进行详细描述。
实施例二
图5是根据本申请第二实施例提供的确定第一分段中步行道路的宽度的流程示意图,继续以计算上述四个第一分段中分段1中的步行道路的宽度为例,示例的,请参见图5所示,该确定第一分段中步行道路的宽度的方法可以包括:
S501、根据第一分段分别在多条历史步行轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定第一分段在步行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差。
其中,在统计宽度直方图时,通常是以2米作为阈值,统计分度的宽度直方图,但并不代表本申请实施例仅局限于此。
示例的,在计算分段1中步行道路的宽度时,当本申请实施例中包括10条历史步行轨迹时,可以先该分段1分别在该10条历史步行轨迹中的各轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,得到10组宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,再根据该10组宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,综合计算得到分段1在步行轨迹类型中对应的一组宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差。
S502、根据第一分段分别在多条历史骑行轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定第一分段在骑行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差。
示例的,当本申请实施例中包括20条历史骑行轨迹时,可以先该分段1分别在该20条历史骑行轨迹中的各轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,得到20组宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,再根据该20组宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,综合计算得到分段1在骑行轨迹类型中对应的一组宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差。
S503、根据第一分段分别在多条历史驾车轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定第一分段在驾车轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差。
示例的,当本申请实施例中包括15条历史驾车轨迹时,可以先该分段1分别在该15条历史驾车轨迹中的各轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,得到15组宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,再根据该15组宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,综合计算得到分段1在驾车轨迹类型中对应的一组宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差。
为了提高分段1在上述各轨迹类型中对应的宽度的准确度,在根据该轨迹类型对应的多组轨迹中第二分段各自的宽度综合计算分段1在该轨迹类型中对应的宽度时,可以排除该多组轨迹中最左侧5%和最右侧5%的轨迹,采用剩余轨迹中的宽度综合计算该分段1在轨迹类型中对应的宽度。同理,在计算分段1在该轨迹类型中对应的左侧偏移时,可以排除该多组轨迹中最左侧5%的轨迹,采用剩余轨迹中的左侧偏移综合计算该分段1在轨迹类型中对应的左侧偏移。在计算分段1在该轨迹类型中对应的右侧偏移时,可以排除该多组轨迹中最右侧5%的轨迹,采用剩余轨迹中的右侧偏移综合计算该分段1在轨迹类型中对应的右侧偏移。
可以理解的是,在本申请实施例中,S501、S502以及S503之间并无先后顺序,可以单独执行,也可以同时执行,具体可以根据实际需要进行设置,在此,本申请实施例只是以按照S501、S502及S503的顺序执行为例进行说明,但并不代表本申请实施例仅局限于此。
在通过上述S501、S502、以及S503分别获取到该分段1在步行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差、该分段1在骑行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差以及该分段1在驾车轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差之后,就可以将基于该15个特征构建该分段1对应的15维特征向量,该分段1对应的特征向量包括该分段1在步行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差、该分段1在骑行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差以及该分段1在驾车轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差。
在得到该分段1对应的特征向量之后,就可以将该分段1对应的特征向量输入至分类模型,得到该分段1所属的道路类型,从而根据该分段1所属的道路类型,确定该分段1中步行道路的宽度。
S504、将第一分段对应的特征向量输入至分类模型,得到第一分段所属的道路类型。
其中,道路类型包括人车混行类型、机动车和非机动车类型、及机动车、非机动车以及步行道类型中的任意一种。示例的,可参见图6所示,图6为本申请实施例提供的一种道路类型的示意图,该图6显示了三种不同道路类型,一种道路类型为人车混行类型,一种道路类型为机动车和非机动车类型,一种道路类型为机动车、非机动车以及步行道类型。
结合上述S503中的描述,在将分段1对应的特征向量输入至预先训练得到的分类模型,以确定该分段1所属的道路类型时,可以单独将该分段1对应的特征向量输入至分类模型,也可以将分段1、分段2、分段3以及分段4中各分段对应的特征向量一并输入至分类模型,以通过该分类模型对该4个分段对应的特征向量进行并行处理,得到该4个分段中每一个分段所属的道路类型,具体可以根据实际需要进行设置。示例的,在本申请实施例中,可以单独将每一个分段对应的特征向量输入至分类模型。
可以理解的是,在通过分类模型预测分段所属的道路类型之前,需要先训练得到该分类模型。在训练得到该分类模型时,可以获取多个分段各自对应的样本数据,并基于该多个分段各自对应的样本数据对初始深度学习模型进行训练,得到该分类模型。其中,各分段对应的样本数据包括该分段对应的15维的特征向量,以及标注的该分段对应的道路类型。需要说明的是,在训练得到该分类模型时,采用的样本数据越多,训练得到的分类模型的准确度越高。
S505、根据第一分段所属的道路类型,确定第一分段中步行道路的宽度。
若第一分段所属的道路类型为人车混行类型,则确定第一分段中步行道路的宽度为0;若第一分段所属的道路类型为机动车和非机动车类型,则确定第一分段中步行道路的宽度为左侧偏移和右侧偏移的和;其中,左侧偏移为第一分段在步行轨迹类型中对应的左侧偏移和在骑行轨迹类型中对应的左侧偏移中的最大值,右侧偏移为第一分段在步行轨迹类型中对应的右侧偏移和在骑行轨迹类型中对应的右侧偏移中的最大值;若第一分段所属的道路类型为机动车、非机动车以及步行道类型,则确定第一分段中步行道路的宽度为第一分段在步行轨迹类型中对应的宽度。
示例的,若分段1所属的道路类型为人车混行类型,说明该分段1中没有明显的区分机动车和非机动车类型道路,则该分段1中步行道路的宽度为0;若该分段1所属的道路类型为机动车和非机动车类型,说明该分段1中区分机动车和非机动车类型道,但没有独立的步行道路,则可以先确定该分段1在步行轨迹类型中对应的左侧偏移和在骑行轨迹类型中对应的左侧偏移中的最大值,并确定该分段1在步行轨迹类型中对应的右侧偏移和在骑行轨迹类型中对应的右侧偏移中的最大值,若该分段1在步行轨迹类型中对应的左侧偏移和在骑行轨迹类型中对应的左侧偏移中的最大值为0.7米,并确定该分段1在步行轨迹类型中对应的右侧偏移和在骑行轨迹类型中对应的右侧偏移中的最大值为0.8米,则该分段1中步行道路的宽度为1.5米;若该分段1所属的道路类型为机动车、非机动车以及步行道类型,说明该分段1中有独立的步行道,则该分段1中步行道路的宽度可以直接为该分段1在步行轨迹类型中对应的宽度,若该分段1中步行道路的宽度为该分段1在步行轨迹类型中对应的宽度为1.2米,则该分段1中步行道路的宽度为该分段1在步行轨迹类型中对应的宽度为1.2米。
由此可见,本申请实施例中,在计算第一分段中步行道路的宽度时,先根据第一分段在步行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,第一分段在骑行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,以及第一分段在驾车轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,构建第一分段对应的特征向量,并将该第一分段对应的特征向量输入至分类模型,得到第一分段所属的道路类型,再根据道路类型确定该第一分段中步行道路的宽度,避免了因基于人工采集的方法或者众包用户标注的方法导致计算效率较低,从而有效地提高了步行道路宽度的获取效率。
实施例三
图7是根据本申请第三实施例提供的步行道路宽度的获取装置70的结构示意图,示例的,请参见图7所示,该步行道路宽度的获取装置70可以包括:
获取模块701,用于分别获取道路对应的基础路网,多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹。
处理模块702,用于对道路对应的基础路网进行分段处理,得到道路对应的M个第一分段;M为大于或者等于2的整数。
获取模块701,还用于针对任一个第一分段,获取第一分段分别在多条历史步行轨迹、多条历史骑行轨迹及多条历史驾车轨迹中的各条轨迹中对应的第二分段;其中,第一分段指示的道路分段与第一分段在各条轨迹中对应的第二分段均为同一道路分段。
处理模块702,还用于根据第一分段分别在各条轨迹中对应的第二分段,确定第一分段中步行道路的宽度。
可选的,处理模块702,具体用于根据第一分段分别在多条历史步行轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定第一分段在步行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差;根据第一分段分别在多条历史骑行轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定第一分段在骑行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差;根据第一分段分别在多条历史驾车轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定第一分段在驾车轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差;并根据第一分段对应的特征向量,确定第一分段中步行道路的宽度;其中,第一分段对应的特征向量包括第一分段在步行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差、第一分段在骑行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差以及第一分段在驾车轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差。
可选的,处理模块702,具体用于将第一分段对应的特征向量输入至分类模型,得到第一分段所属的道路类型;并根据第一分段所属的道路类型,确定第一分段中步行道路的宽度;其中道路类型包括人车混行类型、机动车和非机动车类型、及机动车、非机动车以及步行道类型中的任意一种。
可选的,处理模块702,具体用于若第一分段所属的道路类型为人车混行类型,则确定第一分段中步行道路的宽度为0;若第一分段所属的道路类型为机动车和非机动车类型,则确定第一分段中步行道路的宽度为左侧偏移和右侧偏移的和;其中,左侧偏移为第一分段在步行轨迹类型中对应的左侧偏移和在骑行轨迹类型中对应的左侧偏移中的最大值,右侧偏移为第一分段在步行轨迹类型中对应的右侧偏移和在骑行轨迹类型中对应的右侧偏移中的最大值;若第一分段所属的道路类型为机动车、非机动车以及步行道类型,则确定第一分段中步行道路的宽度为第一分段在步行轨迹类型中对应的宽度。
可选的,处理模块702,具体用于对道路对应的基础路网进行分段处理,得到道路对应的N个分段;针对N个第一分段中的各第一分段,计算第一分段对应的总方差;第一分段对应的总方差用于指示第一分段分别在各条轨迹中对应的第二分段相对于基础路网中心的偏移量;根据第一分段对应的总方差,在N个第一分段中剔除总方差大于预设阈值的第一分段,得到M个第一分段。
可选的,处理模块702,具体用于获取第一分段分别在各条轨迹中对应的第二分段相对于基础路网中心的偏移量;并将各条轨迹中对应的第二分段相对于基础路网中心的偏移量的和确定为第一分段对应的总方差。
本申请实施例提供的步行道路宽度的获取装置70,可以执行上述任一实施例中的步行道路宽度的获取方法的技术方案,其实现原理以及有益效果与步行道路宽度的获取方法的实现原理及有益效果类似,可参见步行道路宽度的获取方法的实现原理及有益效果,此处不再进行赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图8所示,图8是根据本申请实施例的步行道路宽度的获取方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的步行道路宽度的获取方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的步行道路宽度的获取方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的步行道路宽度的获取方法对应的程序指令/模块(例如,附图7所示的获取模块701和处理模块702)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的步行道路宽度的获取方法。
存储器802可以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***、至少一个功能所需要的应用程序;存储数据区可存储根据步行道路宽度的获取方法的电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至步行道路宽度的获取方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
步行道路宽度的获取方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与步行道路宽度的获取方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,在计算道路中步行道路宽度时,可以先对道路对应的基础路网进行分段处理,得到道路对应的M个第一分段;针对任一个第一分段,获取该第一分段分别在多条历史步行轨迹、多条历史骑行轨迹及多条历史驾车轨迹中的各条轨迹中对应的第二分段;即结合该道路对应的多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹,以根据第一分段分别在各条轨迹中对应的第二分段,确定第一分段中步行道路的宽度,避免了因基于人工采集的方法或者众包用户标注的方法导致计算效率较低,从而有效地提高了步行道路宽度的获取效率。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。

Claims (14)

1.一种步行道路宽度的获取方法,其特征在于,包括:
分别获取道路对应的基础路网,多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹;
对所述道路对应的基础路网进行分段处理,得到所述道路对应的M个第一分段;M为大于或者等于2的整数;
针对任一个第一分段,获取所述第一分段分别在所述多条历史步行轨迹、所述多条历史骑行轨迹及所述多条历史驾车轨迹中的各条轨迹中对应的第二分段;其中,所述第一分段指示的道路分段与所述第一分段在所述各条轨迹中对应的第二分段均为同一道路分段;
根据所述第一分段分别在所述各条轨迹中对应的第二分段,确定所述第一分段中步行道路的宽度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一分段分别在所述各条轨迹中对应的第二分段,确定所述第一分段中步行道路的宽度,包括:
根据所述第一分段分别在所述多条历史步行轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定所述第一分段在步行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差;
根据所述第一分段分别在所述多条历史骑行轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定所述第一分段在骑行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差;
根据所述第一分段分别在所述多条历史驾车轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定所述第一分段在驾车轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差;
根据所述第一分段对应的特征向量,确定所述第一分段中步行道路的宽度;其中,所述第一分段对应的特征向量包括所述第一分段在步行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差、所述第一分段在骑行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差以及所述第一分段在驾车轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一分段对应的特征向量,确定所述第一分段中步行道路的宽度,包括:
将所述第一分段对应的特征向量输入至分类模型,得到所述第一分段所属的道路类型;其中所述道路类型包括人车混行类型、机动车和非机动车类型、及机动车、非机动车以及步行道类型中的任意一种;
根据所述第一分段所属的道路类型,确定所述第一分段中步行道路的宽度。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一分段所属的道路类型,确定所述第一分段中步行道路的宽度,包括:
若所述第一分段所属的道路类型为人车混行类型,则确定所述第一分段中步行道路的宽度为0;
若所述第一分段所属的道路类型为机动车和非机动车类型,则确定所述第一分段中步行道路的宽度为左侧偏移和右侧偏移的和;其中,所述左侧偏移为所述第一分段在所述步行轨迹类型中对应的左侧偏移和在所述骑行轨迹类型中对应的左侧偏移中的最大值,所述右侧偏移为所述第一分段在所述步行轨迹类型中对应的右侧偏移和在所述骑行轨迹类型中对应的右侧偏移中的最大值;
若所述第一分段所属的道路类型为机动车、非机动车以及步行道类型,则确定所述第一分段中步行道路的宽度为所述第一分段在所述步行轨迹类型中对应的宽度。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述对所述道路对应的基础路网进行分段处理,得到所述道路对应的M个第一分段,包括:
对所述道路对应的基础路网进行分段处理,得到所述道路对应的N个分段;
针对所述N个第一分段中的各第一分段,计算所述第一分段对应的总方差;所述第一分段对应的总方差用于指示所述第一分段分别在所述各条轨迹中对应的第二分段相对于基础路网中心的偏移量;
根据所述第一分段对应的总方差,在所述N个第一分段中剔除总方差大于预设阈值的第一分段,得到所述M个第一分段。
6.根据权利要求5所述的方法,其特征在于,所述计算所述第一分段对应的总方差,包括:
获取所述第一分段分别在所述各条轨迹中对应的第二分段相对于基础路网中心的偏移量;
将所述各条轨迹中对应的第二分段相对于基础路网中心的偏移量的和确定为所述第一分段对应的总方差。
7.一种步行道路宽度的获取装置,其特征在于,包括:
获取模块,用于分别获取道路对应的基础路网,多条历史步行轨迹、多条历史骑行轨迹以及多条历史驾车轨迹;
处理模块,用于对所述道路对应的基础路网进行分段处理,得到所述道路对应的M个第一分段;M为大于或者等于2的整数;
所述获取模块,还用于针对任一个第一分段,获取所述第一分段分别在所述多条历史步行轨迹、所述多条历史骑行轨迹及所述多条历史驾车轨迹中的各条轨迹中对应的第二分段;其中,所述第一分段指示的道路分段与所述第一分段在所述各条轨迹中对应的第二分段均为同一道路分段;
所述处理模块,还用于根据所述第一分段分别在所述各条轨迹中对应的第二分段,确定所述第一分段中步行道路的宽度。
8.根据权利要求7所述的装置,其特征在于,
所述处理模块,具体用于根据所述第一分段分别在所述多条历史步行轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定所述第一分段在步行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差;根据所述第一分段分别在所述多条历史骑行轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定所述第一分段在骑行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差;根据所述第一分段分别在所述多条历史驾车轨迹中的各条轨迹中对应的第二分段各自的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差,确定所述第一分段在驾车轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差;并根据所述第一分段对应的特征向量,确定所述第一分段中步行道路的宽度;其中,所述第一分段对应的特征向量包括所述第一分段在步行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差、所述第一分段在骑行轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差以及所述第一分段在驾车轨迹类型中对应的宽度、宽度直方图、左侧偏移、右侧偏移以及偏移方差。
9.根据权利要求8所述的装置,其特征在于,
所述处理模块,具体用于将所述第一分段对应的特征向量输入至分类模型,得到所述第一分段所属的道路类型;并根据所述第一分段所属的道路类型,确定所述第一分段中步行道路的宽度;其中所述道路类型包括人车混行类型、机动车和非机动车类型、及机动车、非机动车以及步行道类型中的任意一种。
10.根据权利要求9所述的装置,其特征在于,
所述处理模块,具体用于若所述第一分段所属的道路类型为人车混行类型,则确定所述第一分段中步行道路的宽度为0;若所述第一分段所属的道路类型为机动车和非机动车类型,则确定所述第一分段中步行道路的宽度为左侧偏移和右侧偏移的和;其中,所述左侧偏移为所述第一分段在所述步行轨迹类型中对应的左侧偏移和在所述骑行轨迹类型中对应的左侧偏移中的最大值,所述右侧偏移为所述第一分段在所述步行轨迹类型中对应的右侧偏移和在所述骑行轨迹类型中对应的右侧偏移中的最大值;若所述第一分段所属的道路类型为机动车、非机动车以及步行道类型,则确定所述第一分段中步行道路的宽度为所述第一分段在所述步行轨迹类型中对应的宽度。
11.根据权利要求7-10任一项所述的装置,其特征在于,
所述处理模块,具体用于对所述道路对应的基础路网进行分段处理,得到所述道路对应的N个分段;针对所述N个第一分段中的各第一分段,计算所述第一分段对应的总方差;所述第一分段对应的总方差用于指示所述第一分段分别在所述各条轨迹中对应的第二分段相对于基础路网中心的偏移量;根据所述第一分段对应的总方差,在所述N个第一分段中剔除总方差大于预设阈值的第一分段,得到所述M个第一分段。
12.根据权利要求11所述的装置,其特征在于,
所述处理模块,具体用于获取所述第一分段分别在所述各条轨迹中对应的第二分段相对于基础路网中心的偏移量;并将所述各条轨迹中对应的第二分段相对于基础路网中心的偏移量的和确定为所述第一分段对应的总方差。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的步行道路宽度的获取方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的步行道路宽度的获取方法。
CN202010325459.4A 2020-04-23 2020-04-23 步行道路宽度的获取方法、装置、设备以及存储介质 Active CN113554044B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010325459.4A CN113554044B (zh) 2020-04-23 2020-04-23 步行道路宽度的获取方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010325459.4A CN113554044B (zh) 2020-04-23 2020-04-23 步行道路宽度的获取方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN113554044A true CN113554044A (zh) 2021-10-26
CN113554044B CN113554044B (zh) 2023-08-08

Family

ID=78100984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010325459.4A Active CN113554044B (zh) 2020-04-23 2020-04-23 步行道路宽度的获取方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN113554044B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6856897B1 (en) * 2003-09-22 2005-02-15 Navteq North America, Llc Method and system for computing road grade data
JP2010151691A (ja) * 2008-12-25 2010-07-08 Aisin Aw Co Ltd 道路形状推測装置、道路形状推測方法及び道路形状推測プログラム
US20130328863A1 (en) * 2012-06-10 2013-12-12 Apple Inc. Computing plausible road surfaces in 3d from 2d geometry
CN104700617A (zh) * 2015-04-02 2015-06-10 武汉大学 基于低精度gps轨迹数据的高精度车道信息提取方法
JP2016170563A (ja) * 2015-03-12 2016-09-23 株式会社デンソーアイティーラボラトリ 道路幅推定装置及び道路幅推定方法
CN106682084A (zh) * 2016-11-25 2017-05-17 北京掌行通信息技术有限公司 对电子地图路段进行定向拓宽的方法及装置
US20170146360A1 (en) * 2015-11-24 2017-05-25 Here Global B.V. Road Density Calculation
CN108629228A (zh) * 2017-03-15 2018-10-09 高德软件有限公司 一种道路对象识别方法和装置
CN108845569A (zh) * 2018-04-27 2018-11-20 厦门维斯云景信息科技有限公司 生成三维高清道路图水平弯道行车线的半自动点云方法
CN109084788A (zh) * 2018-06-28 2018-12-25 百度在线网络技术(北京)有限公司 路线确定方法和装置
DE102017216237A1 (de) * 2017-09-14 2019-03-14 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Ermitteln eines Verlaufs von Fahrspuren eines Straßennetzes sowie Servervorrichtung zum Durchführen des Verfahrens
CN109919518A (zh) * 2019-03-29 2019-06-21 百度在线网络技术(北京)有限公司 地图轨迹匹配数据的质量确定方法、装置、服务器及介质
CN109974718A (zh) * 2019-04-09 2019-07-05 百度在线网络技术(北京)有限公司 地图匹配方法、装置、设备和介质
CN110069580A (zh) * 2017-09-07 2019-07-30 腾讯科技(深圳)有限公司 道路标注显示方法、装置、电子设备及存储介质
US20200018607A1 (en) * 2018-07-16 2020-01-16 Here Global B.V. Map matched aggregation for k-anonymity in trajectory data
CN110751531A (zh) * 2018-11-13 2020-02-04 北京嘀嘀无限科技发展有限公司 轨迹识别方法、装置及电子设备
CN110749319A (zh) * 2018-12-19 2020-02-04 北京嘀嘀无限科技发展有限公司 一种路线偏移检测的方法、装置和电子设备
CN110768819A (zh) * 2018-12-03 2020-02-07 北京嘀嘀无限科技发展有限公司 生成方法、规划方法、装置、终端和可读存储介质
CN110796191A (zh) * 2019-10-29 2020-02-14 北京百度网讯科技有限公司 轨迹分类方法及装置

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6856897B1 (en) * 2003-09-22 2005-02-15 Navteq North America, Llc Method and system for computing road grade data
JP2010151691A (ja) * 2008-12-25 2010-07-08 Aisin Aw Co Ltd 道路形状推測装置、道路形状推測方法及び道路形状推測プログラム
US20130328863A1 (en) * 2012-06-10 2013-12-12 Apple Inc. Computing plausible road surfaces in 3d from 2d geometry
JP2016170563A (ja) * 2015-03-12 2016-09-23 株式会社デンソーアイティーラボラトリ 道路幅推定装置及び道路幅推定方法
CN104700617A (zh) * 2015-04-02 2015-06-10 武汉大学 基于低精度gps轨迹数据的高精度车道信息提取方法
US20170146360A1 (en) * 2015-11-24 2017-05-25 Here Global B.V. Road Density Calculation
CN106682084A (zh) * 2016-11-25 2017-05-17 北京掌行通信息技术有限公司 对电子地图路段进行定向拓宽的方法及装置
CN108629228A (zh) * 2017-03-15 2018-10-09 高德软件有限公司 一种道路对象识别方法和装置
CN110069580A (zh) * 2017-09-07 2019-07-30 腾讯科技(深圳)有限公司 道路标注显示方法、装置、电子设备及存储介质
DE102017216237A1 (de) * 2017-09-14 2019-03-14 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Ermitteln eines Verlaufs von Fahrspuren eines Straßennetzes sowie Servervorrichtung zum Durchführen des Verfahrens
CN108845569A (zh) * 2018-04-27 2018-11-20 厦门维斯云景信息科技有限公司 生成三维高清道路图水平弯道行车线的半自动点云方法
CN109084788A (zh) * 2018-06-28 2018-12-25 百度在线网络技术(北京)有限公司 路线确定方法和装置
US20200018607A1 (en) * 2018-07-16 2020-01-16 Here Global B.V. Map matched aggregation for k-anonymity in trajectory data
CN110751531A (zh) * 2018-11-13 2020-02-04 北京嘀嘀无限科技发展有限公司 轨迹识别方法、装置及电子设备
CN110768819A (zh) * 2018-12-03 2020-02-07 北京嘀嘀无限科技发展有限公司 生成方法、规划方法、装置、终端和可读存储介质
CN110749319A (zh) * 2018-12-19 2020-02-04 北京嘀嘀无限科技发展有限公司 一种路线偏移检测的方法、装置和电子设备
CN109919518A (zh) * 2019-03-29 2019-06-21 百度在线网络技术(北京)有限公司 地图轨迹匹配数据的质量确定方法、装置、服务器及介质
CN109974718A (zh) * 2019-04-09 2019-07-05 百度在线网络技术(北京)有限公司 地图匹配方法、装置、设备和介质
CN110796191A (zh) * 2019-10-29 2020-02-14 北京百度网讯科技有限公司 轨迹分类方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘纪平;张用川;徐胜华;钱新林;仇阿根;张福浩;: "一种顾及道路复杂度的增量路网构建方法", 测绘学报, no. 04 *
高朋: "基于GPS的路网更新***研究与实现", 《中国优秀硕士学位论文全文数据库基础科学辑》, no. 5 *

Also Published As

Publication number Publication date
CN113554044B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN110675644B (zh) 道路红绿灯的识别方法、装置、电子设备及存储介质
CN112036509A (zh) 用于训练图像识别模型的方法和装置
CN112507949A (zh) 目标跟踪方法、装置、路侧设备以及云控平台
CN110659600B (zh) 物体检测方法、装置及设备
CN111695488A (zh) 兴趣面识别方法、装置、设备以及存储介质
CN110660219A (zh) 停车场停车预测方法和装置
CN112528786A (zh) 车辆跟踪方法、装置及电子设备
CN110796865B (zh) 智能交通控制方法、装置、电子设备和存储介质
CN110675635B (zh) 相机外参的获取方法、装置、电子设备及存储介质
CN110852379B (zh) 用于目标物体识别的训练样本生成方法及装置
CN111563541B (zh) 图像检测模型的训练方法和装置
CN112508003A (zh) 字符识别处理方法和装置
CN111767360A (zh) 路口虚拟车道标注的方法及装置
CN111858801A (zh) 道路信息的挖掘方法、装置、电子设备及存储介质
CN111539347A (zh) 用于检测目标的方法和装置
CN110796191B (zh) 轨迹分类方法及装置
CN112149741A (zh) 图像识别模型的训练方法、装置、电子设备及存储介质
CN113344089A (zh) 模型训练方法、装置及电子设备
CN112257604A (zh) 图像检测方法、装置、电子设备和存储介质
CN112101013A (zh) 地点抽取方法、装置、设备以及存储介质
CN113673281A (zh) 限速信息确定方法、装置、设备以及存储介质
CN111666771A (zh) 文书的语义标签抽取、装置、电子设备及可读存储介质
CN110866504A (zh) 标注数据的获取方法、装置和设备
CN110865421B (zh) 自动驾驶业务模型训练方法、检测方法、装置和电子设备
CN112508964A (zh) 图像分割方法、装置、电子设备和存储介质

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
GR01 Patent grant
GR01 Patent grant