CN114281908A - 一种历史行驶路径重建方法、装置和计算机设备 - Google Patents
一种历史行驶路径重建方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN114281908A CN114281908A CN202111340616.XA CN202111340616A CN114281908A CN 114281908 A CN114281908 A CN 114281908A CN 202111340616 A CN202111340616 A CN 202111340616A CN 114281908 A CN114281908 A CN 114281908A
- Authority
- CN
- China
- Prior art keywords
- positioning
- point
- path
- vehicle
- points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000015654 memory Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 abstract description 20
- 230000006399 behavior Effects 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011022 operating instruction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种历史行驶路径重建方法、装置和计算机设备，通过获取车辆的全球定位坐标序列以取得空间定位点并据以创建区域范围；与道路路网套叠以筛选出各区域范围内的候选道路；找出全部空间定位点中的关键特征点；在每两个连续关键特征点之间选择行驶机率最高的合适路径；依时间顺序串接各合适路径以重建出历史行驶路径。本申请纵使全球定位***(北斗)取样频率降低、定位误差加大或信号丢失的情况下，仍然能够以较高效率及高精确度来重建出历史行驶路径，不但在全球定位坐标点低采样轨迹的匹配精度方面明显优于增量算法及全局算法，同时可有效减少计算时间及***负担，特别是应用于与驾驶行为相关的金融或服务产业时，具备更精确的参考价值。
Description
技术领域
本申请涉及训练集数据生成技术领域，特别是涉及一种历史行驶路径重建方法、装置和计算机设备。
背景技术
地图匹配(Map Matching)是一种将连续的全球空间定位坐标序列关连到电子地图道路路网上，进而得到与连续全球定位坐标序列相匹配的连续道路序列(即为连续的全球定位坐标的行经路径)的方法。
例如在车辆移动时，可透过地图匹配(Map Matching)重建该车辆移动起点至终点的历史行驶路径，其所得的车辆历史行驶路径，有助于进一步精准分析驾驶行为，因此可广泛应用于与驾驶行为做行车安全分析、或车队管理机制等。
在实际应用中，全球定位***(北斗)取样信号的质量会严重影响地图匹配结果，例如：取样频率的降低、定位误差的加大、信号的丢失，都会使匹配的不准确性增加，这些情况在实际应用中经常出现，像是定位点可能行驶的道路同时包括高架道路及平面道路，这会导致无法精确的判断历史行驶道路。因此，如何在这些情况下仍能保持较高的路径匹配准确率是个值得研究的问题。
目前主要的地图匹配方法可以区分为：区域性/增量算法(incrementalalgorithm)及全局算法二类；其中：区域性/增量算法每回合仅确定一个全球定位坐标点，利用距离和方向相似性来找到区域性最优道路线段，下个全球定位坐标点的匹配过程若未超过一个门坎值则从上一个或上N个已经确定的全球定位坐标点匹配至的道路线段相邻的道路线段进行匹配(最适性路段，非路径)，超过一个门坎值，则会再以距离和方向相似性来找到区域性最优道路线段，循序作业至最后一笔全球定位坐标点匹配完成。
上述区域性/增量算法的缺点是对全球定位坐标点的精度与取样率要求较高，例如全球定位坐标点的精确度较低，将会造成较大的匹配误差，又如在全球定位坐标点取样率较低的情形下，则可能无法得到连续道路序列结果，而且也无法校正之前已匹配完的道路匹配结果。
全局算法是将全部的连续全球定位坐标点形成的轨迹在道路路网中找到一条与轨迹最相似的连续道路序列，这类型的方法优点是匹配道路序列结果正确率比增量算法更好，而且可全局考察轨迹匹配结果的连续性。但其缺点则是因为须对全部道路路网进行轨迹相似性判断而造成算法有较高的计算成本及较长的计算时间，造成***非常大的负担，故多用于离线地图匹配的作业情境，而且同样会受限于全球定位坐标点采样率，会因为全球定位坐标点数采样率的降低造成有不同匹配路径的可能性，最后匹配路径和真实行驶路径的结果有可能不一致。
发明内容
鉴于以上所述现有技术的缺点，本申请的目的在于提供一种历史行驶路径重建方法、装置和计算机设备，以解决现有技术中在全球定位坐标点取样率较低的情况下可能无法得到连续道路序列结果，或是最后匹配路径和真实行驶路径的结果有可能不一致的问题。
为实现上述目的及其他相关目的，本申请提供一种历史行驶路径重建方法，所述方法包括：获取车辆的全球定位坐标序列以取得空间定位点并据以创建区域范围；将各区域范围与道路路网套叠以筛选出各区域范围内的候选道路；依据拓扑关系算法找出全部空间定位点中的关键特征点；在每两个连续关键特征点之间选择行驶机率最高的合适路径；依时间顺序串接各合适路径以重建出历史行驶路径。
于本申请的一实施例中，所述获取车辆的全球定位坐标序列取得空间定位点并据以创建区域范围，包括：获取一车辆移动时的全球定位坐标序列；其中，所述全球定位坐标序列包含多个空间定位坐标数据及方位角数据；在所述定位坐标序列中取得多个空间定位点，并以每一空间定位点为中心点分别创建一区域范围。
于本申请的一实施例中，所述多个空间定位点是基于该车辆移动的定位起点至定位终点的全球定位坐标序列，通过定时或定距方式取得各空间定位点。
于本申请的一实施例中，所述全球定位坐标序列还包括车速数据；其中，所述全球定位坐标序列中的空间定位坐标数据、方位角数据及车速数据可由车载全球***、行动装置及/或车载电脑提供。
于本申请的一实施例中，所述将各区域范围与道路路网套叠以筛选出各区域范围内的候选道路，包括：将创建出的各区域范围与道路路网套叠；将各区域范围内的空间定位点的方位角，与道路路网中的道路线段的方位角或图形特征进行比对，以筛选出对应各区域范围内的候选道路。
于本申请的一实施例中，所述将各区域范围内的空间定位点的方位角，与道路路网中的道路线段的方位角或图形特征进行比对，包括：排除各空间定位点的区域范围内的干扰道路；分别求取各空间定位点至其区域范围内剩余道路之间的最短距离线段；通过比对各最短距离线段长度判断该车辆在各区域范围内可能行驶的候选道路。
于本申请的一实施例中，所述在每两个连续关键特征点之间选择行驶机率最高的合适路径，包括：利用全球定位坐标序列当中的时间差异值，在每两个连续关键特征点之间采用最短路径算法找出候选道路中机率最高的合适路径。
于本申请的一实施例中，所述在每两个连续关键特征点之间选择行驶机率最高的合适路径，包括：以车辆移动的定位起点至定位终点之间的时间差，和每两个连续关键特征点之间所有可能路径组合的预估行驶时间进行比对；将车辆移动的定位起点至定位终点间未被判定为关键特征点的空间定位点，和可能路径的空间关系进行逻辑演算，以供选择各可能路径中最高的合适度/行驶机率作为合适路径。
为实现上述目的及其他相关目的，本申请提供一种历史行驶路径重建装置，所述装置包括：坐标获取模块，用于获取车辆的全球定位坐标序列以取得空间定位点并据以创建区域范围；路网套叠模块，用于将各区域范围与道路路网套叠以筛选出各区域范围内的候选道路；路径重建模块，用于依据拓扑关系算法找出全部空间定位点中的关键特征点；在每两个连续关键特征点之间选择行驶机率最高的合适路径；依时间顺序串接各合适路径以重建出历史行驶路径。
为实现上述目的及其他相关目的，本申请提供一种计算机设备，所述设备包括：存储器、处理器、及通信器；所述存储器用于存储计算机指令；所述处理器运行计算机指令实现如上所述的方法；所述通信器用于与车辆通信连接以获取车辆的全球定位坐标序列。
综上所述，本申请提供的一种历史行驶路径重建方法、装置和计算机设备，通过获取车辆的全球定位坐标序列以取得空间定位点并据以创建区域范围；将各区域范围与道路路网套叠以筛选出各区域范围内的候选道路；依据拓扑关系算法找出全部空间定位点中的关键特征点；在每两个连续关键特征点之间选择行驶机率最高的合适路径；依时间顺序串接各合适路径以重建出历史行驶路径。
具有以下有益效果：
本申请主要目的即在提供一种纵使全球定位***(北斗)取样频率降低、定位误差加大或信号丢失的情况下，仍然能够以较高效率及高精确度来重建出车辆移动的历史行驶路径，不但在全球定位坐标点低采样轨迹的匹配精度方面明显优于增量算法及全局算法，同时可有效减少计算时间及***负担，特别是应用于与驾驶行为相关的金融或服务产业时，具备更精确的参考价值及更有效的产业利用性。
附图说明
图1显示为本申请于一实施例中历史行驶路径重建方法的流程示意图。
图2显示为本申请于一实施例中一空间定位点的区域范围内筛选合适路径的场景示意图。
图3显示为本申请于一实施例中两个连续关键特征点间所有可能路径的场景示意图。
图4显示为本申请于一实施例中串联所有可能路径的场景示意图。
图5显示为本申请于一实施例中重建历史行驶路径的场景示意图。
图6显示为本申请于一实施例中历史行驶路径重建装置的模块示意图。
图7显示为本申请于一实施例中计算机设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，虽然图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，但其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
为解决上述问题，本申请提供了一种历史行驶路径重建方法、装置和计算机设备。相较于先前技术，本申请加入考虑道路通行方向及空间定位点的方位角比对来排除不适合的候选道路，在找出全部空间定位点的关键断点/特征点后，以全球定位坐标序列中时间差异值利用如最短路径算法(不限于该方法)找出候选道路中机率最高的可能路径。
如此一来，纵使在全球定位***(北斗)取样频率降低、定位误差加大或信号丢失的情况下，仍能够利用本申请方法以较高效率且较高精度达到重建历史行驶路径的效果，因此在实务上能有效解决目前已知技术在全球定位坐标点取样率较低的情况下可能无法得到连续道路序列结果，或是最后匹配路径和真实行驶路径的结果有可能不一致等问题。
如图1所示，展示为本申请于一实施例中的历史行驶路径重建方法的流程示意图。如图所示，所述方法包括：
步骤S101：获取车辆的全球定位坐标序列以取得空间定位点并据以创建区域范围。
于本申请一实施例中，步骤S101具体包括：
A、获取一车辆移动时的全球定位坐标序列；其中，所述全球定位坐标序列包含多个空间定位坐标数据及方位角数据。
优选地，所述全球定位坐标序列中的空间定位坐标数据、方位角数据及车速数据可由车载全球***、行动装置及/或车载电脑提供。
此外，所述全球定位坐标序列还包括车速数据。所述车速数据可由全球***、行动装置或车载电脑读取的定位点之间的时间差或移动速度信号所取得。
该车辆移动的全球定位坐标序列中的空间定位坐标数据及方位角数据可由全球***、行动装置及/或车载电脑所取得，其实际的取得方式可视目标车辆是否配备车载电脑，或目标车辆所配备的车载电脑是否具备北斗定位功能而定。
甚至，该全球定位坐标序列可进一步包含多个车速数据，让各全球定位点具有各自的车速信息，以供进一步比对道路路网判断目标车辆可能行驶在一般道路或快速道路，或是以连续全球定位点的车速变化，判断目标车辆是否行经道路交会处；同样的，该车速数据可由该全球***、行动装置或车载电脑读取的定位点之间的时间差或移动速度信号所取得。
于本实施例中，所述多个空间定位点是基于该车辆移动的定位起点至定位终点(即所欲重建的历史行驶路径起点至终点)的全球定位坐标序列，通过定时或定距方式取得各空间定位点，从而可以减少***负担。
B、在所述定位坐标序列中取得多个空间定位点，并以每一空间定位点为中心点分别创建一区域范围。
优选地，预设一半径，以此对每一空间定位点为中心点分别创建一区域范围。
通过上述设定半径内所创建的区域范围，可囊括该车辆各空间定位点周围全部的可能行驶道路，避免因为全球定位坐标误差而导致该车辆实际行驶的道路被忽略。
实施时，可视情况将所设定的区域范围半径扩大或缩小。例如，囊括越多的道路数量，漏失车辆实际行驶的道路的误判率较低，但计算时间较长成本较高；相对的，所设定的区域范围半径越小，计算时间较短成本较低，但有可能漏失车辆实际行驶的道路，即误判率较高。
优选地，所设定的区域范围半径可根据道路数量实际情况分别扩大或缩小。例如，当道路数量较少的区域，如高速路段或偏远地区单一路段等，可适当扩大设定的区域范围，从而在不会漏失车辆实际行驶的道路的情况下，也未过度增加计算时间成本；而当道路数量复杂的区域，如市区路段或岔路路段等，可适当缩小设定的区域范围，从而在保证漏失车辆实际行驶的道路的误判率较低的情况下，尽可能再降低计算时间成本。
步骤S102：将各区域范围与道路路网套叠以筛选出各区域范围内的候选道路。
于本申请一实施例中，步骤S102具体包括：
A、将创建出的各区域范围与道路路网套叠；
在本实施例中，所套叠及比对的道路路网为导航等级道路路网图，并遵循拓扑原则在每一道路与任一道路交会处中断。
B、将各区域范围内的空间定位点的方位角，与道路路网中的道路线段的方位角或图形特征进行比对，以筛选出对应各区域范围内的候选道路。
其中，所述方位角即道路通行方向，其可用于体现该车辆行驶在该道路的朝向。另外，所述道路线段的图形特征可包含道路走向及道路类型。
进一步地，在所述将各区域范围内的空间定位点的方位角，与道路路网中的道路线段的方位角或图形特征进行比对之前，所述方法还包括：
1)排除各空间定位点的区域范围内的干扰道路。
例如，可依据相邻若干个区域范围内的道路类型，如高速、国道，再将与其类别不同的道路判定为干扰道路；或者，该区域范围内明显不合适的道路，如分叉路、逆车道、封闭道路等。
2)分别求取各空间定位点至其区域范围内剩余道路之间的最短距离线段；
3)通过比对各最短距离线段长度判断该车辆在各区域范围内可能行驶的候选道路。
于一或多个实施例中，本申请优选最短路径原则来选择候选道路。当然本申请也并不局限于最短路径原则，如还可以依据大数据中常用道路，或前后道路连接逻辑来选择候选道路。
举例来说，如图2所示，空间定位点100以一设定半径创建出的区域范围101囊括道路L1A、L1B、L2A、L2B，该空间定位点100的方位角(即该区域范围101中心点的方位角)显示该车辆朝东北向行驶，因此在筛选候选道路时，该区域范围101内朝正北走向的道路L2A及道路L2B可被优先排除，该区域范围101内朝东北走向的道路L1A及道路L1B则被保留成为空间定位点100之候选道路或做更进一步的筛选。
进一步地，所示区域范围101的道路内排除道路L2A及道路L2B之后，比对该区域范围101之空间定位点100至剩馀候选道路当中的道路L1A及道路L1B的最短距离线段，图标中空间定位点100至道路L1B的最短距离线段明显小于空间定位点100至道路L1A的最短距离线段，可据以判断车辆在该区域范围101内可能行驶的候选道路为道路L1B。
步骤S103：依据拓扑关系算法找出全部空间定位点中的关键特征点。
简单来说，本申请拓扑关系算法是以空间拓扑学中的空间关系来检视全球定位坐标序列的候选道路的清单，并判断出全球定位坐标序列中何点为关键特征点或关键断点。
例如，当车辆在平面道路右转时，刚右转的那个空间定位点或右转后的第一个空间定位点即会判定为关键特征点，因为它会影响到尚未右转前的所有空间定位点的候选道路判定，如尚未右转前的空间定位点有二条以上可能候选道路，则会因车辆在该关键特征点右转进而推断出车辆右转前可排除哪些候选道路。
需说明的是，上述举例是基于出拓扑学中的连续性检查原则，但本申请并不仅以此原则进行判定。例如，还可基于每个交叉路口附近的空间定位点为关键特征点，或者，基于路网中道路的名称，将每条路的起点附近和终点附近的空间定位点为关键特征点，等等。并非仅依据拓扑关系算法找出关键特征点。
步骤S104：在每两个连续关键断点/特征点之间选择行驶机率最高的合适路径。
简单来说，所述步骤S104是利用全球定位坐标序列当中的时间差异值，在每两个连续关键断点/特征点之间采用如最短路径算法找出候选道路中机率最高的合适路径。
具体来说，所述步骤S104具体包括：
A、以车辆移动的定位起点至定位终点之间的时间差，和每两个连续关键断点/特征点之间所有可能路径组合的预估行驶时间进行比对。然后，可保留偏差在阈值范围内的所有可能路径组合。
举例来说，由于各区域范围内可能存在不止一条候选道路，那么即使找到关键特征点，在道路复杂的环境中，也仍然无法确定车辆实际行驶的路径，因此，每两个连续关键断点/特征点之间所有可能路径会形成多种组合，然后通过车辆移动的定位起点至定位终点之间的时间差作为参考值，与各中可能路径组合的预估行驶时间进行比对，会出现高于时间差参考值的组合以及低于时间差参考值的组合，此时，可通过预设一阈值范围，例如5％-10％，当预估行驶时间大于或小于时间差5％-10％的比例，则剔除，以保留剩余的路径组合。其起到一定过滤作用。
需说明的是，当全球定位坐标点的采样频率较低的时候，实际上并不能清楚关键特征点之间的行驶时间，因此通过对各可能路径的预估行驶时间进行比对，是较为可靠的办法。其中，可依据全球定位坐标序列中车速数据来预估行驶时间。
B、将车辆移动的定位起点至定位终点间未被判定为关键特征点的空间定位点，和可能路径的空间关系进行逻辑演算，以供选择各可能路径中最高的合适度/行驶机率作为合适路径。
需提示的是，上述空间定位点中未被判定为关键特征点的空间定位点，但其仍然连接着各区域范围的候选道路，其方位角(即道路通行方式)在道路路网套叠时会将正确的保留，因此，此时的候选道路的方位角不会出错。
而通常全球定位的精度较低时，定位的位置不够准确，因此，当存在如相邻并行多条道路时，可能会定位在不是实际行驶的路径上。所以，本申请通过对非关键特征点的空间定位点，和可能路径的空间关系进行逻辑演算，即对保留下来的所有可能路径组合依据空间关系进行逻辑演算。例如还可采用不限于最短路径的算法找出候选道路中机率最高的合适路径。
例如，一非关键特征点的空间定位点的前后可能路径，虽然可能在行驶时间上满足，但演算可能发现这两条路径并不连接；再如，当已确定一条路上首尾附近的空间定位点为关键特征点，那么理论这两个关键特征点之间的所有可能路径都应该在这条路上，通过这样的逻辑演算，自然会筛选出合适度/行驶机率高的可能路径。最后将各可能路径中最高的合适度/行驶机率作为合适路径。
如图3所示，在车辆自关键特征点38通过关键特征点39进入关键特征点40的路径当中，有可能自关键特征点38对应的任一候选道路连接关键特征点39对应的任一候选道路，再由关键特征点39对应的任一候选道路连接关键特征点40对应的任一候选道路。
假设关键特征点38对应的候选道路分别为A1、A2、A3，关键特征点39对应的候选道路分别为B1、B2，关键特征点对应的条候选道路分别为C1、C2，以全球定位坐标序列当中的时间差异值利用最短路径算法为例，找出关键特征点38三条候选道路A1、A2、A3至关键特征点300二条候选道路B1、B2机率最高的合适路径分别为合适路径R11、R12、R13，另找出关键特征点39二条候选道路B1、B2至关键特征点40二条候选道路C1、C2机率最高的合适路径分别为实线表示的合适路径R21、R22。
进一步地，一方面可以考虑以车辆移动的定位起点至定位终点之间的时间差，和每两个连续关键断点/特征点之间所有可能路径组合的预估行驶时间进行比对的方式，对各可能路径进行初筛步判断，即R12→R22和R13→R22的距离是大于R11→R21的，也即R11→R21的预估行驶时间最短，据以可以初步判定R11和R21为合适度/行驶机率最高的合适路径。
另一方面，将车辆移动的定位起点至定位终点间未被判定为关键特征点的空间定位点，和可能路径的空间关系进行逻辑演算的方式，可以得知，可能路径A1到后续空间定位点(未被判定为关键特征点的空间定位点)的距离更近，又由于R11连接R21，因此，也可判定R11和R21为合适度/行驶机率最高的合适路径。
步骤S105：依时间顺序串接各合适路径以重建出历史行驶路径。
于本实施例中，当找到多个合适路径后，其大多是站在道路路网或地图的角度，呈现的是一个个线段而已，还不具有时间上的逻辑关系，还不能成为历史行驶路径。因此，本申请最后依时间顺序串接各合适路径，如各空间定位点对应的时间，从而重建出历史形式路径。
承上图3所示的情况为例，该车辆有可能经由合适路径R11、R12、R13其中一条路径自关键特征点38进入关键断点/特征39，接着可能经由合适路径R21、R22自关键特征点39进入关键特征点40，最终得到行驶机率最高的合适路径分别为R11与R21。
由于每一条合适路径起始端的断点除了具有各自空间定位坐标及方位角之外，更包含各自的时序信息，因此图4中依时间顺序串接重建出车辆自关键特征点38通过关键特征点39进入关键特征点40的历史行驶路径，即为图3中行驶机率最高的合适路径R11、R21串接成的路径，以此类推，依时间顺序串接车辆移动的定位起点至定位终点之间全部各合适路径可重建出如图4所示的历史行驶路径。
在一些实施例中，若在一些区域范围比对至道路路网数据的过程中，可能因为建物、信号被遮蔽等因素影响下，造成如图5所示某些路段的空间定位坐标发生定位点缺失或采样率较低的情况时，也可通过本申请加入考虑道路通行方向及空间定位点的方位角比对来排除不适合的候选道路，在找出关键特征点后，以全球定位坐标序列中时间差异值利用最短路径算法找出候选道路中机率最高的可能路径，如A1-A7，并进一步予以串接重建出目标车辆的历史行驶路径R。
如此一来，纵使在全球定位***(北斗)取样频率降低、定位误差加大或信号丢失的情况下，仍能够利用本申请方法以较高效率且较高精度达到重建历史行驶路径的效果，因此在实务上能有效解决目前已知技术在全球定位坐标点取样率较低的情况下可能无法得到连续道路序列结果，或是最后匹配路径和真实行驶路径的结果有可能不一致等问题。
此外，本申请所重建的驾驶历史行驶路径能够更进一步被利用来计算出/产出目标车辆在历史行驶路径移动过程中的风险因子数据，进而准确地分析出该车辆驾驶行为，有效提高驾驶行为分析的准确度，特别适合应用于与驾驶行为相关的金融或服务产业，例如金融保险产品、行车安全分析、或车队管理机制等等。
本申请在上揭各种可能实施的样态下，可通过一服务器执行上述步骤S101至步骤S105的数据分析及演算工作，该服务器可以为一内置有道路路网数据库的云端服务器或电脑。
综上所述，本申请可在低数据采样率的条件下以较高的效率重建出高精确度的驾驶历史行驶路径，该方法是利用一目标车辆移动的全球定位坐标序列取得多个空间定位点，并以每一空间定位点为中心点分别创建一区域范围，将各区域范围与道路路网套叠，并且将各区域范围内的空间定位点的方位角，与道路路网中的道路线段的方位角或图形特征进行比对，进而筛选出对应于各空间定位点的候选道路清单，之后再通过地图拓扑关系算法找出全部空间定位点中的关键断点/特征点，接着利用最短路径算法在每二个连续关键断点/特征点之间选择机率最高的合适路径，最后将得到的多条合适路径依时间顺序进行串接，进而精确地重建出该车辆的历史行驶路径。
具体言之，本申请历史行驶路径重建的方法，其主要目的即在提供一种纵使全球定位***(北斗)取样频率降低、定位误差加大或信号丢失的情况下，仍然能够以较高效率及高精确度来重建出车辆移动的历史行驶路径，不但在全球定位坐标点低采样轨迹的匹配精度方面明显优于增量算法及全局算法，同时可有效减少计算时间及***负担，特别是应用于与驾驶行为相关的金融或服务产业时，具备更精确的参考价值及更有效的产业利用性。
如图6所示，展示为本申请于一实施例中的历史行驶路径重建装置的模块示意图。如图所示，所述装置600包括：
坐标获取模块601，用于获取车辆的全球定位坐标序列以取得空间定位点并据以创建区域范围；
路网套叠模块602，用于将各区域范围与道路路网套叠以筛选出各区域范围内的候选道路；
路径重建模块603，用于依据拓扑关系算法找出全部空间定位点中的关键特征点；在每两个连续关键特征点之间选择行驶机率最高的合适路径；依时间顺序串接各合适路径以重建出历史行驶路径。
需要说明的是，上述***各模块/单元之间的信息交互、执行过程等内容，由于与本申请所述方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参见本申请前述所示的方法实施例中的叙述，此处不再赘述。
还需要说明的是，应理解以上***的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些单元可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，各模块可以为单独设立的处理元件，也可以集成在上述***的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述***的存储器中，由上述***的某一个处理元件调用并执行以上各模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital signal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上***(system-on-a-chip，简称SOC)的形式实现。
如图7所示，展示为本申请于一实施例中的计算机设备的结构示意图。如图所示，所述计算机设备700包括：存储器701、处理器702及通信器703；所述存储器701用于存储计算机指令；所述处理器702运行计算机指令实现如图1所述的方法；所述通信器703用于与车辆通信连接以获取车辆的全球定位坐标序列。
在一些实施例中，所述计算机设备700中的所述存储器701的数量均可以是一或多个，所述处理器702的数量均可以是一或多个，所述通信器703的数量均可以是一或多个而图7中均以一个为例。
于本申请一实施例中，所述计算机设备700中的处理器702会按照如图1所述的步骤，将一个或多个以应用程序的进程对应的指令加载到存储器701中，并由处理器702来运行存储在存储器701中的应用程序，从而实现如图1所述的方法。
所述存储器701可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。所述存储器701存储有操作***和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。操作***可包括各种***程序，用于实现各种基础业务以及处理基于硬件的任务。
所述处理器702可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
所述通信器703用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信连接。所述通信器703可包含一组或多组不同通信方式的模块，例如，与CAN总线通信连接的CAN通信模块。所述通信连接可以是一个或多个有线/无线通讯方式及其组合。通信方式包括：互联网、CAN、内联网、广域网(WAN)、局域网(LAN)、无线网络、数字用户线(DSL)网络、帧中继网络、异步传输模式(ATM)网络、虚拟专用网络(VPN)和/或任何其它合适的通信网络中的任何一个或多个。例如：WIFI、蓝牙、NFC、GPRS、GSM、及以太网中任意一种及多种组合。
在一些具体的应用中，所述计算机设备700的各个组件通过总线***耦合在一起，其中总线***除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清除说明起见，在图7中将各种总线都成为总线***。
综上所述，本申请提供的一种历史行驶路径重建方法、装置和计算机设备，通过获取车辆的全球定位坐标序列以取得空间定位点并据以创建区域范围；将各区域范围与道路路网套叠以筛选出各区域范围内的候选道路；依据拓扑关系算法找出全部空间定位点中的关键特征点；在每两个连续关键特征点之间选择行驶机率最高的合适路径；依时间顺序串接各合适路径以重建出历史行驶路径。
本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中包含通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种历史行驶路径重建方法，其特征在于，所述方法包括：
获取车辆的全球定位坐标序列以取得空间定位点并据以创建区域范围；
将各区域范围与道路路网套叠以筛选出各区域范围内的候选道路；
依据拓扑关系算法找出全部空间定位点中的关键特征点；
在每两个连续关键特征点之间选择行驶机率最高的合适路径；
依时间顺序串接各合适路径以重建出历史行驶路径。
2.根据权利要求1所述的方法，其特征在于，所述获取车辆的全球定位坐标序列取得空间定位点并据以创建区域范围，包括：
获取一车辆移动时的全球定位坐标序列；其中，所述全球定位坐标序列包含多个空间定位坐标数据及方位角数据；
在所述定位坐标序列中取得多个空间定位点，并以每一空间定位点为中心点分别创建一区域范围。
3.根据权利要求2述的方法，其特征在于，所述多个空间定位点是基于该车辆移动的定位起点至定位终点的全球定位坐标序列，通过定时或定距方式取得各空间定位点。
4.根据权利要求2述的方法，其特征在于，所述全球定位坐标序列还包括车速数据；其中，所述全球定位坐标序列中的空间定位坐标数据、方位角数据及车速数据可由车载全球***、行动装置及/或车载电脑提供。
5.根据权利要求1所述的方法，其特征在于，所述将各区域范围与道路路网套叠以筛选出各区域范围内的候选道路，包括：
将创建出的各区域范围与道路路网套叠；
将各区域范围内的空间定位点的方位角，与道路路网中的道路线段的方位角或图形特征进行比对，以筛选出对应各区域范围内的候选道路。
6.根据权利要求5所述的方法，其特征在于，所述将各区域范围内的空间定位点的方位角，与道路路网中的道路线段的方位角或图形特征进行比对，包括：
排除各空间定位点的区域范围内的干扰道路；
分别求取各空间定位点至其区域范围内剩余道路之间的最短距离线段；
通过比对各最短距离线段长度判断该车辆在各区域范围内可能行驶的候选道路。
7.根据权利要求1所述的方法，其特征在于，所述在每两个连续关键特征点之间选择行驶机率最高的合适路径，包括：
利用全球定位坐标序列当中的时间差异值，在每两个连续关键特征点之间采用最短路径算法找出候选道路中机率最高的合适路径。
8.根据权利要求7所述的方法，其特征在于，所述在每两个连续关键特征点之间选择行驶机率最高的合适路径，包括：
以车辆移动的定位起点至定位终点之间的时间差，和每两个连续关键特征点之间所有可能路径组合的预估行驶时间进行比对；
将车辆移动的定位起点至定位终点间未被判定为关键特征点的空间定位点，和可能路径的空间关系进行逻辑演算，以供选择各可能路径中最高的合适度/行驶机率作为合适路径。
9.一种历史行驶路径重建装置，其特征在于，所述装置包括：
坐标获取模块，用于获取车辆的全球定位坐标序列以取得空间定位点并据以创建区域范围；
路网套叠模块，用于将各区域范围与道路路网套叠以筛选出各区域范围内的候选道路；
路径重建模块，用于依据拓扑关系算法找出全部空间定位点中的关键特征点；在每两个连续关键特征点之间选择行驶机率最高的合适路径；依时间顺序串接各合适路径以重建出历史行驶路径。
10.一种计算机设备，其特征在于，所述设备包括：存储器、处理器、及通信器；所述存储器用于存储计算机指令；所述处理器运行计算机指令实现如权利要求1至8中任意一项所述的方法；所述通信器用于与车辆通信连接以获取车辆的全球定位坐标序列。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111340616.XA CN114281908A (zh) | 2021-11-12 | 2021-11-12 | 一种历史行驶路径重建方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111340616.XA CN114281908A (zh) | 2021-11-12 | 2021-11-12 | 一种历史行驶路径重建方法、装置和计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114281908A true CN114281908A (zh) | 2022-04-05 |
Family
ID=80869085
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111340616.XA Pending CN114281908A (zh) | 2021-11-12 | 2021-11-12 | 一种历史行驶路径重建方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114281908A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115655301A (zh) * | 2022-11-11 | 2023-01-31 | 北京中交兴路车联网科技有限公司 | 车辆导航路线的选取方法、装置、电子设备及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04190283A (ja) * | 1990-11-24 | 1992-07-08 | Hitachi Ltd | 車両走行位置表示方法及び装置 |
| US9494694B1 (en) * | 2015-12-09 | 2016-11-15 | International Business Machines Corporation | Method and apparatus of road location inference for moving object |
| CN108571978A (zh) * | 2018-03-09 | 2018-09-25 | 杭州电子科技大学 | 基于拓扑和权重的超标排放车辆最短路径跟踪匹配方法 |
| CN110619031A (zh) * | 2019-08-30 | 2019-12-27 | 上海钧正网络科技有限公司 | 轨迹重建方法、装置、计算机设备和存储介质 |
| CN110766211A (zh) * | 2019-10-14 | 2020-02-07 | 中国地质大学（武汉） | 一种实时路况下的车辆路径规划问题模型创建方法 |
| CN111854779A (zh) * | 2020-02-25 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种路线规划方法、装置、电子设备及可读存储介质 |
| CN111862659A (zh) * | 2020-06-30 | 2020-10-30 | 中冶智诚(武汉)工程技术有限公司 | 一种gps轨迹数据匹配和补全的方法 |
| CN112020012A (zh) * | 2020-08-18 | 2020-12-01 | 深圳诺地思维数字科技有限公司 | 一种移动轨迹重建及道路匹配方法、存储介质及服务器 |
| CN112365711A (zh) * | 2020-10-21 | 2021-02-12 | 东南大学 | 一种基于车牌识别数据的车辆轨迹重构方法 |
-
2021
- 2021-11-12 CN CN202111340616.XA patent/CN114281908A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04190283A (ja) * | 1990-11-24 | 1992-07-08 | Hitachi Ltd | 車両走行位置表示方法及び装置 |
| US9494694B1 (en) * | 2015-12-09 | 2016-11-15 | International Business Machines Corporation | Method and apparatus of road location inference for moving object |
| CN108571978A (zh) * | 2018-03-09 | 2018-09-25 | 杭州电子科技大学 | 基于拓扑和权重的超标排放车辆最短路径跟踪匹配方法 |
| CN110619031A (zh) * | 2019-08-30 | 2019-12-27 | 上海钧正网络科技有限公司 | 轨迹重建方法、装置、计算机设备和存储介质 |
| CN110766211A (zh) * | 2019-10-14 | 2020-02-07 | 中国地质大学（武汉） | 一种实时路况下的车辆路径规划问题模型创建方法 |
| CN111854779A (zh) * | 2020-02-25 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种路线规划方法、装置、电子设备及可读存储介质 |
| CN111862659A (zh) * | 2020-06-30 | 2020-10-30 | 中冶智诚(武汉)工程技术有限公司 | 一种gps轨迹数据匹配和补全的方法 |
| CN112020012A (zh) * | 2020-08-18 | 2020-12-01 | 深圳诺地思维数字科技有限公司 | 一种移动轨迹重建及道路匹配方法、存储介质及服务器 |
| CN112365711A (zh) * | 2020-10-21 | 2021-02-12 | 东南大学 | 一种基于车牌识别数据的车辆轨迹重构方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115655301A (zh) * | 2022-11-11 | 2023-01-31 | 北京中交兴路车联网科技有限公司 | 车辆导航路线的选取方法、装置、电子设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11216009B2 (en) | Robot coordination in a shared workspace | |
| Davies et al. | Scalable, distributed, real-time map generation | |
| Goh et al. | Online map-matching based on hidden markov model for real-time traffic sensing applications | |
| CN109916413B (zh) | 基于网格划分的道路匹配方法、***、装置和存储介质 | |
| Li et al. | Lane-level map-matching with integrity on high-definition maps | |
| CN110032181A (zh) | 语义地图中障碍物定位方法、装置、计算机设备和存储介质 | |
| US11341295B2 (en) | Methods, systems, and devices for efficient computation of simulation runs | |
| US8532922B2 (en) | Method for simplifying a description of a route of travel | |
| CN111649750A (zh) | 车辆gps数据地图匹配方法、装置、终端及存储介质 | |
| CN108196280B (zh) | 一种通过gps推断公交线路方法 | |
| CN109764881A (zh) | 无人驾驶汽车测试方法、装置、电子设备及介质 | |
| CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
| CN113532443B (zh) | 路径规划方法、装置、电子设备及介质 | |
| CN112612975B (zh) | 车辆常运货物类型的识别方法、装置、设备及存储介质 | |
| CN113191550A (zh) | 地图匹配方法及装置 | |
| CN114281908A (zh) | 一种历史行驶路径重建方法、装置和计算机设备 | |
| CN104951918A (zh) | 一种时间窗路径规划方法 | |
| Xia et al. | Quadtree-based domain decomposition for parallel map-matching on GPS data | |
| CN113514843A (zh) | 多子图激光雷达定位方法、***以及终端 | |
| CN114234991A (zh) | 导航路径规划方法、装置、计算机设备和存储介质 | |
| Huang et al. | An incremental map matching approach with speed estimation constraints for high sampling rate vehicle trajectories | |
| US20220090929A1 (en) | Information processing device and information processing system | |
| CN113108806A (zh) | 路径规划方法、装置、设备及介质 | |
| US10191928B2 (en) | Planar graph generation device and method | |
| CN115936949A (zh) | 公交车到达时间不确定性可视化方法、***、设备及介质 |
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 |