CN114328594B - 一种车辆的行驶路径判定方法、装置、存储介质及终端 - Google Patents
一种车辆的行驶路径判定方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN114328594B CN114328594B CN202111414802.3A CN202111414802A CN114328594B CN 114328594 B CN114328594 B CN 114328594B CN 202111414802 A CN202111414802 A CN 202111414802A CN 114328594 B CN114328594 B CN 114328594B
- Authority
- CN
- China
- Prior art keywords
- feature
- driving
- road
- spatial
- vehicle
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000003247 decreasing effect Effects 0.000 claims abstract description 12
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种车辆的行驶路径判定方法、装置、存储介质及终端,方法包括:获取车辆的GPS轨迹,并根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合;当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征;根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值;基于每个主路概率值判定车辆的行驶路径是否在主路上。本申请能够在主路和并行道路重合场景中准确有效的判断车辆的行驶路径所属的道路属性。
Description
技术领域
本发明涉及智能交通技术领域,特别涉及一种车辆的行驶路径判定方法、装置、存储介质及终端。
背景技术
准确的交通信息是交通参与者的出行决策的重要依据,交通信息计算是一个场景化的课题,针对不同的交通场景,需要特定的交通信息算法。目前交通信息主要是通过车辆行驶在道路上采集的GPS数据进行计算的,这种计算方法的基础就是将车辆GPS轨迹匹配到道路网络上,这个过程一般叫做路径匹配,路径匹配基本上是采用位置关系确定车辆所行驶的道路,路径匹配的准确程度关系着道路上的交通信息计算的准确性。
但是对于并行路网是一个重要的特殊交通场景,城市道路网络中,存在着大量的并行路网,如城市主干道、快速路、高架路都可能存在与其并行的并行道路,例如辅路或地面道路,车辆通过这样的并行路网时,受到车辆GPS定位精度的影响,无法依赖车辆位置准确确定车辆在并行路网的哪一侧上,导致计算交通信息时,无法准确得到主辅路的路况信息。
现有方法主要采用车辆轨迹和主辅路间的位置关系,速度关系和方向角来判断车辆行驶在主辅路的哪一侧,采用位置的方法易受到GPS定位精度的影响而出错,采用速度的方法无法区分主辅路速度差异小的情况,采用方向角的方法对主辅路角度差异小或主辅路连接线处角度变化小的情况无法处理。由于实际道路网络中的并行路网,存在着各种差异,如高架路和并行的地面道路之间基本不互通,快速路和并行的地面道路并不完全并行,在桥等位置对应了地面道路的交叉路口,这些差异都会导致现有的处理方法失效。
发明内容
本申请实施例提供了一种车辆的行驶路径判定方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种车辆的行驶路径判定方法,方法包括:
获取车辆的GPS轨迹,并根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合;
当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征;
根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值;
基于每个主路概率值判定车辆的行驶路径是否在主路上。
可选的,按照以下步骤生成预设并行路网模型,包括:
提取待处理的目标路网中符合预设主路参数的主干道,生成主路集合;
获取主路集合中各主路对应的并行道路组合;
对主路集合构建拓扑结构,并根据拓扑结构计算每个主路的顶点的出入度;
根据每个主路的顶点的出入度将主路集合中主路进行划分,生成多组主路;
从并行道路组合中获取每组主路的并行道路组合进行拓扑排序,得到多个并行路网模型;
对多个并行路网模型构建拓扑结构,生成预设并行路网模型。
可选的,获取主路集合中各主路对应的并行道路组合,包括:
对主路集合中每个主路构建预设宽度的缓冲区;
提取缓冲区中的不包含所述主路的道路;
按照道路的方向对所述道路进行筛选,生成每个主路对应的并行道路组合。
可选的,根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合,包括:
将车辆的GPS轨迹投影至预设并行路网模型上,并根据并行路网模型的空间位置将车辆的GPS轨迹进行分段,生成多段GPS轨迹;
对每段GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶速度特征;
对每段GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶角度特征;
对每段GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶角度特征;将GPS轨迹中的行驶特征按其位置偏移量进行排序,并将排序后相邻的每两个行驶特征构建一个行驶特征组合,生成多个相邻的行驶特征组合。
可选的,方法还包括:
将车辆行驶速度特征与车辆行驶角度特征进行加权求和,生成行驶特征的特征值。
可选的,按照以下步骤生成路网特征库,包括:
提取预设并行路网模型的主路空间特征和并行道路的空间特征;
将所述并行道路的空间特征投影至主路的相应位置处,生成多个空间特征;
根据每个空间特征的位置偏移量将多个空间特征进行排序,生成排序后的空间特征;
筛选排序后的空间特征中重合位置的空间特征,生成预设并行路网模型对应的空间特征集合;
将预设并行路网模型对应的空间特征集合保存后,生成路网特征库。
可选的,方法还包括:
当每个行驶特征组合中存在不属于路网特征库的目标行驶特征时,根据目标行驶特征构建目标空间特征;
对目标空间特征设置类型值后保存至路网特征库。
可选的,方法还包括:
当每个相邻的行驶特征组合中各行驶特征的特征值相同时,继续执行获取车辆的GPS轨迹的步骤。
可选的,根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值,包括:
根据第一空间特征和第二空间特征计算每个行驶特征组合的特征概率;
统计特征组合历史库中每个行驶特征组合的当前样本数量;
根据特征概率和样本数量计算每个行驶特征组合的有效样本数;
基于有效样本数确定每个行驶特征组合的权重值;
根据权重值与特征概率计算每个行驶特征组合的主路概率值,生成多个主路概率值。
所述方法还包括:
对相邻行驶特征组合对应的空间连通性进行检验;
当yi<0时,检验第i个行驶特征与第i+1个行驶特征是否存在主路与其并行道路的连接道路,若存在,则校验通过;
按照校验通过的特征位置将对应的主路和并行道路提取出来,并按道路拓扑进行补全,得到车辆的行驶路径。
可选的,基于有效样本数确定每个行驶特征组合的权重值,包括:
当有效样本数小于预设阈值时,将每个行驶特征组合的权重值置为0;
或者,
当有效样本数大于等于预设阈值时,将有效样本数所在的百分位数作为每个行驶特征的权重值。
第二方面,本申请实施例提供了一种车辆的行驶路径判定装置,装置包括:
GPS轨迹点处理模块,用于获取车辆的GPS轨迹,并根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合;
空间特征查找模块,用于当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征;
主路概率计算模块,用于根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值;
行驶路径输出模块,用于基于每个主路概率值判定车辆的行驶路径是否在主路上。
第三方面,本申请实施例提供一种计算机存储介质,计算机存储介质存储有多条指令,指令适于由处理器加载并执行上述的方法步骤。
第四方面,本申请实施例提供一种终端,可包括:处理器和存储器;其中,存储器存储有计算机程序,计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,车辆的行驶路径判定装置首先获取车辆的GPS轨迹,并根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合,然后当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征,其次根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值,最后基于每个主路概率值判定车辆的行驶路径是否在主路上。由于本申请通过预设并行路网模型对获取的车辆GPS轨迹处理得到多个相邻的行驶特征组合,并通过在路网特征库中匹配路网的空间特征来计算每个行驶特征对应的主路概率值,再基于每个所述主路概率值判定车辆的行驶路径是否在主路上,从而提升了车辆所在主辅路路径判断的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种车辆的行驶路径判定方法的流程示意图;
图2是本申请实施例提供的一种并行路网建模模块的流程框图;
图3是本申请实施例提供的一种车辆行驶GPS轨迹特征提取模块的流程框图;
图4是本申请实施例提供的一种地图特征提取模块的流程框图;
图5是本申请实施例提供的一种特征匹配与特征概率计算模块的流程框图;
图6是本申请实施例提供的一种行驶路径确认模块的流程框图;
图7是本申请实施例提供的一种行驶路径确认模块的流程框图;
图8是本申请实施例提供的一种车辆的行驶路径判定装置的结构示意图;
图9是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,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,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“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。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供了一种车辆的行驶路径判定方法、装置、存储介质及终端,以解决上述相关技术问题中存在的问题。本申请提供的技术方案中,由于本申请通过预设并行路网模型对获取的车辆GPS轨迹处理,并通过在路网特征库中匹配路网的空间特征来计算主路概率值,从而提升了车辆所在主辅路路径判断的准确性,下面采用示例性的实施例进行详细说明。
下面将结合附图1-附图7,对本申请实施例提供的车辆的行驶路径判定方法进行详细介绍。该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的车辆的行驶路径判定装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
请参见图1,为本申请实施例提供了一种车辆的行驶路径判定方法的流程示意图。如图1所示,本申请实施例的方法可以包括以下步骤:
S101,获取车辆的GPS轨迹,并根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合;
在本申请实施例中,在构建并行路网模型时,首先提取待处理的目标路网中符合预设主路参数的主干道,生成主路集合,然后获取主路集合中各主路对应的并行道路组合,再对主路集合构建拓扑结构,并根据拓扑结构计算每个主路的顶点的出入度,其次根据每个主路的顶点的出入度将主路集合中主路进行划分,生成多组主路,再从并行道路组合中获取每组主路的并行道路组合进行拓扑排序,得到多个并行路网模型,最后对多个并行路网模型构建拓扑结构,生成预设并行路网模型。
进一步地,在获取主路集合中各主路对应的并行道路组合时,首先对主路集合中每个主路构建预设宽度的缓冲区,然后提取缓冲区中的不包含主路的道路,最后按照道路的方向对所述道路进行筛选,生成每个主路对应的并行道路组合。
例如,可以定义路段为l={id,geometry,attribute},其中id是路段的唯一标识,geometry是路段的几何图形,用一系列经纬度点表示,attribute是路段的属性,包含道路等级,路段顶点等信息,定义路网为N={li|0≤i≤n}。
例如图2所示,并行路网模型的构建包含如下步骤:
A1.主路提取:提取待处理路网中的主要道路,一般包含高速、快速路、城市主干道等,记主路集合为Nm;
A2.主路的并行道路提取:对Nm中每条道路构建宽度为D的缓冲区,提取缓冲区中的不包含在Nm中的道路,并按照道路方向对道路进行筛选,删除道路方向角与当前主路方向角的角度差大于A的道路,得到一个道路组合L={lmi|{lsj|0≤j≤n}},其中lmi是Nm中的第i条主路,lsj是lmi对应的第j条并行道路;
A3.并行路网模型分割:对Nm中的主路构建拓扑,计算每个道路的顶点的出入度,从出入度不等于2的位置对主路进行分割,得到一个主路集合Ns,并对该主路对应的并行道路组合进行拓扑排序,得到一个并行道路模型Mk={lmi|0≤i≤m}|{lsj|0≤j≤n}},其中Mk是第k个并行模型,记路网中的并行模型集合为M={Mk|0≤k≤m};
A4.并行路网模型拓扑构建:对并行道路模型Mk,按照其所包含的主路和辅路的起止路段,构建并行道路模型的拓扑。
进一步地,在根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合时,首先将车辆的GPS轨迹投影至预设并行路网模型上,并根据并行路网模型的空间位置将车辆的GPS轨迹进行分段,生成多段GPS轨迹,然后对每段GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶速度特征,其次对每段GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶角度特征,最后对每段GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶角度特征;将GPS轨迹中的行驶特征按其位置偏移量进行排序,并将排序后相邻的每两个行驶特征构建一个行驶特征组合,生成多个相邻的行驶特征组合。
进一步地,还包括将车辆行驶速度特征与车辆行驶角度特征进行加权求和,生成行驶特征的特征值。
通常,可定义车辆行驶特征为:
其中表示并行车辆k的第i个行驶特征;offset表示该特征的位置到模型中主路开始位置的偏移量;valuecur表示该行驶特征的当前值,valuepre表示该行驶特征的上游的特征值,valuenxt表示该行驶特征的下游的特征值。
例如图3所示,车辆轨迹特征库的构建包括以下步骤:
B1.车辆GPS轨迹拆分:将一辆车的行驶GPS轨迹按照空间位置投影到预设并行路网模型上,然后按照并行路网模型的空间位置对GPS轨迹进行拆分,得到每一个并行道路模型对应的GPS分段。
B2.车辆GPS轨迹速度特征提取:对每一个GPS分段提取并行道路模型中的空间特征点位置处的车辆行驶速度特征,并对其他区间速度变化超过速度阈值V的行驶特征进行提取。
B3.车辆GPS轨迹行驶角度特征提取:对每一个GPS分段提取并行道路模型中的空间特征点位置处的车辆行驶角度特征,并对其他区间角度变化超过角度阈值A的行驶特征进行提取。
B4.将空间特征点处的速度特征值vi和角度特征值ai求加权和,合并后的特征值valuei=wv×vi+wa×ai;
其中,offsetu表示这个特征组合中上游特征的位置偏移量,offsetd表示这个特征组合中下游特征的位置偏移量,位置偏移量能够唯一确定一个个特征点,probability表示该特征组合对应的车辆行驶路径在主路上的概率,pattern是该特征组合的模式。
S102,当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征;
其中,第一空间特征是指与行驶特征组合中的第一个特征对应的空间特征,第二空间特征是指与行驶特征组合中的第二个特征对应的空间特征。
在本申请实施例中,在生成路网特征库时,首先提取预设并行路网模型的主路空间特征和并行道路的空间特征,然后将并行道路的空间特征投影至主路的相应位置处,生成多个空间特征,其次根据每个空间特征的位置偏移量将多个空间特征进行排序,生成排序后的空间特征,最后筛选排序后的空间特征中重合位置的空间特征,生成预设并行路网模型对应的空间特征集合,并将预设并行路网模型对应的空间特征集合保存后,生成路网特征库。
例如图4所示,对预设并行路网模型中每个并行路网模型进行空间特征提取,并将辅路的特征按空间位置投影到主路上,在模型中得到按空间位置排序的一个特征组合,具体按照以下步骤生成空间特征集合:
路网空间特征提取模块包含如下步骤:
定义空间特征为fi k={offset,type,weight,count,probability}
其中fi k表示并行路网模型k的第i个空间特征;
offset表示该特征的位置到模型中主路开始位置的偏移量;
type表示该特征的类型;
weight表示该特征的权重;权重用于区分特征的重要程度,通过计算得到的特征权重能有效的区分主要特征和随机特征。
count表示该特征的样本数量
C1.主路空间特征提取,依据主路的道路属性,提取主路的空间特征,包括不限于:上坡位置,下坡位置、主路出口位置、主路入口位置、主路信号灯、主路收费站。并计算每个特征的空间位置偏移量offset。
C2.主路的并行道路的空间特征提取。依据主路并行的道路的属性,提取其空间特征,包括不限于:上坡位置,下坡位置、车道数变化位置、上主路位置、可转向位置、信号灯、停车场。并计算每个特征的空间位置偏移量offset,并行道路上的空间特征按位置投影到主路上,然后计算到模型中主路的开始位置的偏移量。
C3.并行路网的空间特征标记,按照前述提取的空间特征,标记其特征类型type,其中type=1,表示该特征是在主路上的特征,type=2,表示特征是在主路并行路上的特征,type=3,表示该特征是从主路切换到其并行路的特征,type=4,表示该特征是从主路并行路切换到主路的特征,type=5,表示不确定类型的特征。
C4.并行道路模型的空间特征过滤,按空间特征的偏移量对空间特征进行排序,当相同位置存在多个特征时,保留特征类型值最小的特征,删除其余特征,并将该位置的空间特征点的类型值修改为5。
最终得到,一个并行道路模型Mk所对应的按位置偏移量排序的空间特征集合Fk={fi k|0≤i≤n}。
在一种可能的实现方式中,当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征。
在另一种可能的实现方式中,当每个行驶特征组合中存在不属于路网特征库的目标行驶特征时,根据目标行驶特征构建目标空间特征,最后对目标空间特征设置类型值后保存至路网特征库。或者当每个行驶特征组合中各行驶特征的特征值相同时,继续执行获取车辆的GPS轨迹的步骤。
具体的,对当前并行道路模型Mk,每一辆经过该模型的车辆对应的每一个特征组合更新特征组合的模式pattern,依据行驶特征的特征值valuepre,valuecur,valuenxt,判断特征值是否存在递增或递减变化趋势,如存在趋势,则行驶特征有效,如果行驶特征和都有效,则为有效模式,pattern=1,有效模式下依据的位置偏移量查找空间特征集合Fk中对应的空间特征fi k,同理找到对应的空间特征否则为无效模式,pattern=0,不执行。
S103,根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值;
在本申请实施例中,在生成多个主路概率值时,首先根据第一空间特征和第二空间特征计算每个行驶特征组合的特征概率,然后统计特征组合历史库中每个行驶特征组合的当前样本数量,再根据特征概率和样本数量计算每个行驶特征组合的有效样本数,其次基于有效样本数确定每个行驶特征组合的权重值,最后根据权重值与特征概率计算每个行驶特征组合的主路概率值,生成多个主路概率值。
进一步地,在基于有效样本数确定每个行驶特征组合的权重值时,当有效样本数小于预设阈值时,将每个相邻的行驶特征组合的权重值置为0;或者,当有效样本数大于等于预设阈值时,将有效样本数所在的百分位数作为每个相邻的行驶特征的权重值。
具体的,在得到第一空间特征和第二空间特征后,特征组合的模式pattern=1时,则更新该特征的特征概率probability,更新方法为:
更新该特征的样本数量count1=count+1,count为更新前的样本数量,count1为更新后的样本数量。
例如图5所示,依据新出现的行驶特征更新并行道路模型的空间特征,对每一个特征组合进行条件条件概率计算并更新特征组合历史库,并更新相关特征组合的在主路上的概率。
S104,基于每个主路概率值判定车辆的行驶路径是否在主路上。
在一种可能的实现方式中,在得到多个主路概率值后,根据车辆轨迹特征序列将多个主路概率值排序,并根据排序后的主路概率值和预设阈值计算最终的目标值,当目标值小于0时,检验并行道路模型Mk在对应的空间范围内是否存在主路与其并行道路的连接道路,存在则校验通过,如不存在,舍弃当前特征组合,继续判断下一个特征组合,当所有组合特征全部校验结束后,输出车辆行驶道路,并根据该车辆行驶道路的标识确定该车辆的行驶道路属于主路或与主路并行的辅路上。
如图6所示,依据车辆行驶轨迹上的特征点以及特征点组合的主路概率,判定车辆的行驶路径并输出该路径。
具体包含如下步骤:
在当前并行道路模型Mk上,对一辆经过该模型的车辆car
E1.特征点主路概率获取,按照该车辆的行驶特征序列,依次按照特征组合提取对应的主路概率通过阈值P对Pm进行检验,当时,检验并行道路模型Mk在对应的空间范围内是否存在主路与其并行道路的连接道路,存在,则校验通过,如不存在,舍弃当前特征组合,继续判断下一个特征组合。为车辆的第i个特征组合的主路概率。
E2.车辆行驶路径输出,按照校验通过的特征位置将对应的主路和并行道路提取出来,并按道路拓扑进行补全。
例如图7所示,一种并行路网下基于车辆GPS轨迹判定行驶路径的方法包含并行路网建模、空间特征提取、车辆行驶特征提取、特征匹配与置信度计算模块和车辆行驶路径确认五个模块。
1)并行路网建模模块主要功能是对道路网络中的并行道路进行提取,并按照主辅路的对应关系对道路进行组合,并在主路连通的基础上,对路网中的并行道路进行分组,构建并行道路模型。
2)路网空间特征提取模块主要功能是对每个并行路网模型进行空间特征提取,并将辅路的特征按空间位置投影到主路上,在模型中得到按空间位置排序的一个特征组合。
3)车辆行驶特征提取模块主要功能是对一辆车辆的GPS轨迹按照速度变化、行驶角度变化提取车辆的行驶特征,构造每辆车的特征组合。
4)特征匹配与特征概率计算模块主要功能是处理车辆的单车特征组合,依据新出现的行驶特征更新并行道路模型的空间特征,对每一个特征组合进行条件条件概率计算并更新特征组合历史库,并更新相关特征组合的在主路上的概率。
5)车辆行驶路径确认模块,依据车辆行驶轨迹上的特征点以及特征点组合的主路概率,判定车辆的行驶路径并输出该路径。
在本申请实施例中,车辆的行驶路径判定装置首先获取车辆的GPS轨迹,并根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合,然后当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征,其次根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值,最后基于每个主路概率值判定车辆的行驶路径是否在主路上。由于本申请通过预设并行路网模型对获取的车辆GPS轨迹处理,并通过在路网特征库中匹配路网的空间特征来计算主路概率值,从而提升了车辆所在主辅路路径判断的准确性。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参见图8,其示出了本发明一个示例性实施例提供的车辆的行驶路径判定装置的结构示意图。该车辆的行驶路径判定装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括GPS轨迹点处理模块10、空间特征查找模块20、主路概率计算模块30、行驶路径输出模块40。
GPS轨迹点处理模块10,用于获取车辆的GPS轨迹,并根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合;
空间特征查找模块20,用于当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征;
主路概率计算模块30,用于根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值;
行驶路径输出模块40,用于基于每个主路概率值判定车辆的行驶路径是否在主路上。
需要说明的是,上述实施例提供的车辆的行驶路径判定装置在执行车辆的行驶路径判定方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的车辆的行驶路径判定装置与车辆的行驶路径判定方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请实施例中,车辆的行驶路径判定装置首先获取车辆的GPS轨迹,并根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合,然后当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征,其次根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值,最后基于每个主路概率值判定车辆的行驶路径是否在主路上。由于本申请通过预设并行路网模型对获取的车辆GPS轨迹处理,并通过在路网特征库中匹配路网的空间特征来计算主路概率值,从而提升了车辆所在主辅路路径判断的准确性。
本发明还提供一种计算机可读介质,其上存储有程序指令,该程序指令被处理器执行时实现上述各个方法实施例提供的车辆的行驶路径判定方法。本发明还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例的车辆的行驶路径判定方法。
请参见图9,为本申请实施例提供了一种终端的结构示意图。如图9所示,终端1000可以包括:至少一个处理器1001,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。
其中,通信总线1002用于实现这些组件之间的连接通信。
其中,用户接口1003可以包括显示屏(Display)、摄像头(Camera),可选用户接口1003还可以包括标准的有线接口、无线接口。
其中,网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分,通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集,以及调用存储在存储器1005内的数据,执行电子设备1000的各种功能和处理数据。可选的,处理器1001可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1001中,单独通过一块芯片进行实现。
其中,存储器1005可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图9所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及车辆的行驶路径判定应用程序。
在图9所示的终端1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输入的数据;而处理器1001可以用于调用存储器1005中存储的车辆的行驶路径判定应用程序,并具体执行以下操作:
获取车辆的GPS轨迹,并根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合;
当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征;
根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值;
基于每个主路概率值判定车辆的行驶路径是否在主路上。
在一个实施例中,处理器1001按照以下步骤生成预设并行路网模型:
提取待处理的目标路网中符合预设主路参数的主干道,生成主路集合;
获取主路集合中各主路对应的并行道路组合;
对主路集合构建拓扑结构,并根据拓扑结构计算每个主路的顶点的出入度;
根据每个主路的顶点的出入度将主路集合中主路进行划分,生成多组主路;
从并行道路组合中获取每组主路的并行道路组合进行拓扑排序,得到多个并行路网模型;
对多个并行路网模型构建拓扑结构,生成预设并行路网模型。
在一个实施例中,处理器1001在执行获取主路集合中各主路对应的并行道路组合时,具体执行以下操作:
对主路集合中每个主路构建预设宽度的缓冲区;
提取缓冲区中的不包含主路的道路;
按照道路的方向对所述道路进行筛选,生成每个主路对应的并行道路组合。
在一个实施例中,处理器1001在执行根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合时,具体执行以下操作:
将车辆的GPS轨迹投影至预设并行路网模型上,并根据并行路网模型的空间位置将车辆的GPS轨迹进行分段,生成多段GPS轨迹;
对每段GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶速度特征;
对每段GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶角度特征;
对每段GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶角度特征;将GPS轨迹中的行驶特征按其位置偏移量进行排序,并将排序后相邻的每两个行驶特征构建一个行驶特征组合,生成多个相邻的行驶特征组合。
在一个实施例中,处理器1001还执行以下操作:
将车辆行驶速度特征与车辆行驶角度特征进行加权求和,生成行驶特征的特征值。
在一个实施例中,处理器1001按照以下步骤生成路网特征库:
提取预设并行路网模型的主路空间特征和并行道路的空间特征;
将并行道路的空间特征投影至主路的相应位置处,生成多个空间特征;
根据每个空间特征的位置偏移量将多个空间特征进行排序,生成排序后的空间特征;
筛选排序后的空间特征中重合位置的空间特征,生成预设并行路网模型对应的空间特征集合;
将预设并行路网模型对应的空间特征集合保存后,生成路网特征库。
在一个实施例中,处理器1001还执行以下操作:
当每个行驶特征组合中存在不属于路网特征库的目标行驶特征时,根据目标行驶特征构建目标空间特征;
对目标空间特征设置类型值后保存至路网特征库。
在一个实施例中,处理器1001在执行根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值时,具体执行以下操作:
根据第一空间特征和第二空间特征计算每个行驶特征组合的特征概率;
统计特征组合历史库中每个行驶特征组合的当前样本数量;
根据特征概率和样本数量计算每个行驶特征组合的有效样本数;
基于有效样本数确定每个行驶特征组合的权重值;
根据权重值与特征概率计算每个行驶特征组合的主路概率值,生成多个主路概率值。
在一个实施例中,处理器1001在执行基于有效样本数确定每个行驶特征组合的权重值时,具体执行以下操作:
当有效样本数小于预设阈值时,将每个相邻的行驶特征组合的权重值置为0;
或者,
当有效样本数大于等于预设阈值时,将有效样本数所在的百分位数作为每个相邻的行驶特征的权重值。
在本申请实施例中,车辆的行驶路径判定装置首先获取车辆的GPS轨迹,并根据预设并行路网模型将车辆的GPS轨迹处理后生成多个相邻的行驶特征组合,然后当每个行驶特征组合中各行驶特征存在于路网特征库中且每个行驶特征的特征值递增或递减时,依据计算的行驶特征组合中每个行驶特征的位置偏移量从路网特征库中查找与其对应的第一空间特征和第二空间特征,其次根据第一空间特征和第二空间特征、预设的特征组合历史库计算每个行驶特征组合的主路概率值,生成多个主路概率值,最后基于每个主路概率值判定车辆的行驶路径是否在主路上。由于通过预设并行路网模型对获取的车辆GPS轨迹处理得到多个相邻的行驶特征组合,并通过在路网特征库中匹配路网的空间特征来计算每个行驶特征对应的主路概率值,再基于每个所述主路概率值判定车辆的行驶路径是否在主路上,从而提升了车辆所在主辅路路径判断的准确性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,车辆的行驶路径判定的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (11)
1.一种车辆的行驶路径判定方法,其特征在于,所述方法包括:
获取车辆的GPS轨迹,并根据预设并行路网模型将所述车辆的GPS轨迹处理后生成多个相邻的行驶特征组合;其中,
所述根据预设并行路网模型将所述车辆的GPS轨迹处理后生成多个相邻的行驶特征组合,包括:
将所述车辆的GPS轨迹投影至预设并行路网模型上,并根据所述并行路网模型的空间位置将所述车辆的GPS轨迹进行分段,生成多段GPS轨迹;
对每段所述GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶速度特征;
对每段所述GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶角度特征;将所述GPS轨迹中的行驶特征按其位置偏移量进行排序,并将排序后相邻的每两个行驶特征构建一个行驶特征组合,生成多个相邻的行驶特征组合;
其中,所述行驶特征包括位置偏移量及行驶特征值;
将所述车辆行驶速度特征与所述车辆行驶角度特征进行加权求和,生成行驶特征的特征值;
当每个所述行驶特征组合中各行驶特征存在于路网特征库中且所述每个行驶特征的特征值递增或递减时,依据计算的所述行驶特征组合中每个行驶特征的位置偏移量从所述路网特征库中查找与其对应的第一空间特征和第二空间特征;其中,第一空间特征是指与行驶特征组合中的第一个特征对应的空间特征,第二空间特征是指与行驶特征组合中的第二个特征对应的空间特征;
根据所述第一空间特征和第二空间特征、预设的特征组合历史库计算每个所述行驶特征组合的主路概率值,生成多个主路概率值;
基于每个所述主路概率值判定车辆的行驶路径是否在主路上。
2.根据权利要求1所述的方法,其特征在于,按照以下步骤生成预设并行路网模型,包括:
提取待处理的目标路网中符合预设主路参数的主干道,生成主路集合;
获取所述主路集合中各主路对应的并行道路组合;
对所述主路集合构建拓扑结构,并根据所述拓扑结构计算每个主路的顶点的出入度;
根据所述每个主路的顶点的出入度将所述主路集合中主路进行划分,生成多组主路;
从所述并行道路组合中获取每组主路的并行道路组合进行拓扑排序,得到多个并行路网模型;
对所述多个并行路网模型构建拓扑结构,生成预设并行路网模型。
3.根据权利要求2所述的方法,其特征在于,所述获取所述主路集合中各主路对应的并行道路组合,包括:
对所述主路集合中每个主路构建预设宽度的缓冲区;
提取所述缓冲区中的不包含所述主路的道路;
按照所述道路的方向对所述道路进行筛选,生成每个主路对应的并行道路组合。
4.根据权利要求1所述的方法,其特征在于,按照以下步骤生成所述路网特征库,包括:
提取预设并行路网模型的主路空间特征和并行道路的空间特征;
将所述并行道路的空间特征投影至所述主路的相应位置处,生成多个空间特征;
根据每个所述空间特征的位置偏移量将所述多个空间特征进行排序,生成排序后的空间特征;
筛选排序后的空间特征中重合位置的空间特征,生成预设并行路网模型对应的空间特征集合;
将所述预设并行路网模型对应的空间特征集合保存后,生成路网特征库。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当每个所述行驶特征组合中存在不属于路网特征库的目标行驶特征时,根据所述目标行驶特征构建目标空间特征;
对所述目标空间特征设置类型值后保存至所述路网特征库。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一空间特征和第二空间特征、预设的特征组合历史库计算每个所述行驶特征组合的主路概率值,生成多个主路概率值,包括:
根据所述第一空间特征和第二空间特征计算每个所述行驶特征组合的特征概率;
统计所述特征组合历史库中每个所述行驶特征组合的当前样本数量;
根据所述特征概率和所述样本数量计算每个所述行驶特征组合的有效样本数;
基于所述有效样本数确定每个所述行驶特征组合的权重值;
根据所述权重值与所述特征概率计算每个所述行驶特征组合的主路概率值,生成多个主路概率值。
8.根据权利要求6所述的方法,其特征在于,所述基于所述有效样本数确定每个所述行驶特征组合的权重值,包括:
当所述有效样本数小于预设阈值时,将所述每个所述行驶特征组合的权重值置为0;
或者,
当所述有效样本数大于等于预设阈值时,将所述有效样本数所在的百分位数作为每个所述行驶特征的权重值。
9.一种车辆的行驶路径判定装置,其特征在于,所述装置包括:
GPS轨迹点处理模块,用于获取车辆的GPS轨迹,并根据预设并行路网模型将所述车辆的GPS轨迹处理后生成多个相邻的行驶特征组合;其中,
所述GPS轨迹点处理模块具体用于:
将所述车辆的GPS轨迹投影至预设并行路网模型上,并根据所述并行路网模型的空间位置将所述车辆的GPS轨迹进行分段,生成多段GPS轨迹;
对每段所述GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶速度特征;
对每段所述GPS轨迹提取预设并行路网模型中的空间特征点位置处的车辆行驶角度特征;将所述GPS轨迹中的行驶特征按其位置偏移量进行排序,并将排序后相邻的每两个行驶特征构建一个行驶特征组合,生成多个相邻的行驶特征组合;
其中,所述行驶特征包括位置偏移量及行驶特征值;
将所述车辆行驶速度特征与所述车辆行驶角度特征进行加权求和,生成行驶特征的特征值;
空间特征查找模块,用于当每个所述行驶特征组合中各行驶特征存在于路网特征库中且所述每个行驶特征的特征值递增或递减时,依据计算的所述行驶特征组合中每个行驶特征的位置偏移量从所述路网特征库中查找与其对应的第一空间特征和第二空间特征;其中,第一空间特征是指与行驶特征组合中的第一个特征对应的空间特征,第二空间特征是指与行驶特征组合中的第二个特征对应的空间特征;
主路概率计算模块,用于根据所述第一空间特征和第二空间特征、预设的特征组合历史库计算每个所述行驶特征组合的主路概率值,生成多个主路概率值;
行驶路径输出模块,用于基于每个所述主路概率值判定车辆的行驶路径是否在主路上。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1-8任意一项的方法步骤。
11.一种终端,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1-8任意一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111414802.3A CN114328594B (zh) | 2021-11-25 | 2021-11-25 | 一种车辆的行驶路径判定方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111414802.3A CN114328594B (zh) | 2021-11-25 | 2021-11-25 | 一种车辆的行驶路径判定方法、装置、存储介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114328594A CN114328594A (zh) | 2022-04-12 |
CN114328594B true CN114328594B (zh) | 2022-11-01 |
Family
ID=81047411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111414802.3A Active CN114328594B (zh) | 2021-11-25 | 2021-11-25 | 一种车辆的行驶路径判定方法、装置、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114328594B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007243480A (ja) * | 2006-03-07 | 2007-09-20 | Nippon Telegr & Teleph Corp <Ntt> | パス収容計算装置及びパス収容計算方法及びプログラム |
CN104680775A (zh) * | 2013-11-28 | 2015-06-03 | 中国科学院深圳先进技术研究院 | 基于海量交通数据的路网实时最优路径的并行提取方法 |
CN106570062A (zh) * | 2016-10-08 | 2017-04-19 | 中国人民解放军理工大学 | 一种路网轨迹不确定移动对象范围查询***及方法 |
CN107704531A (zh) * | 2017-09-21 | 2018-02-16 | 东南大学 | 一种osm地图数据中路网交叉口节点自动合并方法 |
CN111047860A (zh) * | 2019-12-02 | 2020-04-21 | 安徽百诚慧通科技有限公司 | 一种车辆运行轨迹提取方法 |
CN112146671A (zh) * | 2020-08-31 | 2020-12-29 | 华为技术有限公司 | 路径规划方法、相关设备及计算机可读存储介质 |
CN112798002A (zh) * | 2020-12-29 | 2021-05-14 | 佛山市金净创环保技术有限公司 | 一种智能车辆自主路径规划方法、***及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383090A (zh) * | 2008-10-24 | 2009-03-11 | 北京航空航天大学 | 一种并行路网结构下的浮动车信息处理方法 |
US10795367B2 (en) * | 2018-01-11 | 2020-10-06 | Uatc, Llc | Mapped driving paths for autonomous vehicle |
US11875678B2 (en) * | 2019-07-19 | 2024-01-16 | Zoox, Inc. | Unstructured vehicle path planner |
CN112197780B (zh) * | 2020-09-15 | 2022-11-01 | 汉海信息技术(上海)有限公司 | 路径规划方法、装置、电子设备 |
CN112801399B (zh) * | 2021-02-08 | 2022-08-12 | 腾讯科技(深圳)有限公司 | 一种路径生成方法、装置、终端设备及存储介质 |
-
2021
- 2021-11-25 CN CN202111414802.3A patent/CN114328594B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007243480A (ja) * | 2006-03-07 | 2007-09-20 | Nippon Telegr & Teleph Corp <Ntt> | パス収容計算装置及びパス収容計算方法及びプログラム |
CN104680775A (zh) * | 2013-11-28 | 2015-06-03 | 中国科学院深圳先进技术研究院 | 基于海量交通数据的路网实时最优路径的并行提取方法 |
CN106570062A (zh) * | 2016-10-08 | 2017-04-19 | 中国人民解放军理工大学 | 一种路网轨迹不确定移动对象范围查询***及方法 |
CN107704531A (zh) * | 2017-09-21 | 2018-02-16 | 东南大学 | 一种osm地图数据中路网交叉口节点自动合并方法 |
CN111047860A (zh) * | 2019-12-02 | 2020-04-21 | 安徽百诚慧通科技有限公司 | 一种车辆运行轨迹提取方法 |
CN112146671A (zh) * | 2020-08-31 | 2020-12-29 | 华为技术有限公司 | 路径规划方法、相关设备及计算机可读存储介质 |
CN112798002A (zh) * | 2020-12-29 | 2021-05-14 | 佛山市金净创环保技术有限公司 | 一种智能车辆自主路径规划方法、***及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
《特定场景下的智能车辆路径规划研究》;陈宇民;《中国优秀博硕士学位论文全文数据库(硕士)》;20200715;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114328594A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102208013B (zh) | 风景匹配参考数据生成***和位置测量*** | |
CN102102992B (zh) | 基于多级网络划分的匹配道路初筛方法及地图匹配*** | |
CN110749329B (zh) | 一种基于结构化道路的车道级拓扑构建方法及装置 | |
CN111554105B (zh) | 一种复杂交通路口的智能流量识别与统计方法 | |
CN112154446B (zh) | 立体车道线确定方法、装置和电子设备 | |
CN112837542B (zh) | 一种高速公路段交通量统计方法、装置、存储介质及终端 | |
CN110532250B (zh) | 交规数据的处理方法及装置 | |
CN107917716B (zh) | 固定线路导航方法、装置、终端及计算机可读存储介质 | |
CN112734956B (zh) | 一种etc门架确定的方法、装置及存储介质 | |
CN111707277A (zh) | 获取道路语义信息的方法、装置及介质 | |
CN114529883A (zh) | 检测交通灯的方法和电子设备 | |
CN114328594B (zh) | 一种车辆的行驶路径判定方法、装置、存储介质及终端 | |
CN109670085B (zh) | 一种车辆碰撞事故等级的判别方法 | |
CN115631476A (zh) | 一种车道数据处理方法、***、电子设备及存储介质 | |
CN115456060A (zh) | 一种预测轨迹的处理方法和装置 | |
CN114462609A (zh) | 一种基于隐马尔可夫模型的浮动车数据轨迹还原方法 | |
CN110287244B (zh) | 一种基于多次聚类的交通灯定位方法 | |
CN117093663B (zh) | 电子地图的数据处理方法和相关装置 | |
CN114446050B (zh) | 一种分布式的车道级引导线构建方法及装置 | |
CN114037854B (zh) | 一种众包高精度地图中地面要素聚类融合方法及装置 | |
CN114067562B (zh) | 一种基于多维度特征的车道有效性预测方法及预测*** | |
CN114677837B (zh) | 一种基于雷视数据的交通仿真方法、装置及电子设备 | |
CN116108029A (zh) | 一种高精度地图多源数据融合更新方法及*** | |
CN112836144A (zh) | 基于轨迹点搜索指定路线车辆的方法及*** | |
CN114037854A (zh) | 一种众包高精度地图中地面要素聚类融合方法及装置 |
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 |