+

CN109300304A - 用于确定历史道路路况的方法和设备 - Google Patents

用于确定历史道路路况的方法和设备 Download PDF

Info

Publication number
CN109300304A
CN109300304A CN201710607863.9A CN201710607863A CN109300304A CN 109300304 A CN109300304 A CN 109300304A CN 201710607863 A CN201710607863 A CN 201710607863A CN 109300304 A CN109300304 A CN 109300304A
Authority
CN
China
Prior art keywords
road
sequence
subsequence
candidate roads
vertical range
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
CN201710607863.9A
Other languages
English (en)
Other versions
CN109300304B (zh
Inventor
李青原
张刚
张飞雪
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.)
Shenzhou Excellent Car (pingtan) Agel Ecommerce Ltd
Original Assignee
Shenzhou Excellent Car (pingtan) Agel Ecommerce 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 Shenzhou Excellent Car (pingtan) Agel Ecommerce Ltd filed Critical Shenzhou Excellent Car (pingtan) Agel Ecommerce Ltd
Priority to CN201710607863.9A priority Critical patent/CN109300304B/zh
Publication of CN109300304A publication Critical patent/CN109300304A/zh
Application granted granted Critical
Publication of CN109300304B publication Critical patent/CN109300304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • G08G1/0129Traffic data processing for creating historical data or processing based on historical data

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本公开的实施例涉及一种用于确定历史道路路况的方法和设备。该方法包括:从历史数据库获得一部车辆的位置序列,位置序列包括多个位置以及多个位置的时间戳;基于位置序列来确定位置序列对应的起始道路;确定起始道路的附近道路的道路复杂度;基于道路复杂度来设置位置序列中的子序列的长度;基于起始道路和子序列的长度来确定与子序列相匹配的道路序列;以及基于时间戳来确定车辆在道路序列上的行驶速度。本公开的实施例通过确定车辆的起始道路,并根据起始道路附近的道路复杂度来设置用于匹配道路的基础位置序列的长度,能够准确且高效地将位置序列匹配到道路序列,从而能够确定道路的历史路况。

Description

用于确定历史道路路况的方法和设备
技术领域
本公开的实施例总体上涉及信息技术领域,更具体地涉及基于历史位置序列来确定历史道路路况的方法和设备。
背景技术
道路路况是指道路上的路面状况,其主要表现为道路上的行驶速度。传统的速度测量方式包括雷达测速、激光测速、电感线圈测速以及视频测速,等等。传统的测速方式需要专业仪器或设备,因而成本较高。此外,传统的测速可监控范围较窄,无法对城市的所有或绝大部分道路进行测量。
随着导航软件的普及,大量的车辆历史位置数据(例如,全球定位系统(GPS)数据)可以被获得,这给通过车辆行驶位置数据来测量速度带来了有利条件。相比于激光或线圈测速等传统方式,通过车载历史位置获取道路路况,具有成本低、易扩展、监控范围广等特性。因此,通过车辆历史位置数据来获得城市道路路况变得可能。
然而,由于导航软件所获得的车辆位置数据来源方式多样,其位置点质量参差不齐,并且车辆位置数据(例如来自驾校教学车辆的GPS数据)有时并不能反应真实的道路路况,因而导致所测得的路况无法保证质量。此外,传统的基于位置数据的速度计算方式通常采用单点道路匹配,因而匹配的误差率较高,无法真正反映道路的实际历史路况。
发明内容
有鉴于此,本公开的各实施例提出了一种用于确定历史道路路况的方法和设备。本公开的实施例通过确定车辆的起始道路,并根据起始道路附近的道路复杂度来设置用于匹配道路的基础位置序列的长度,能够准确且高效地将位置序列匹配到道路序列,从而能够确定道路的历史路况。
根据本公开的一个方面,提供了一种用于确定历史道路路况的方法。该方法包括:从历史数据库获得一部车辆的位置序列,位置序列包括多个位置以及多个位置的时间戳;基于位置序列来确定位置序列对应的起始道路;确定起始道路的附近道路的道路复杂度;基于道路复杂度来设置位置序列中的子序列的长度;基于起始道路和子序列的长度来确定与子序列相匹配的道路序列;以及基于时间戳来确定车辆在道路序列上的行驶速度。
根据本公开的另一方面,一种用于确定历史道路路况的设备。该设备包括处理器和耦合至所述处理器并且存储有指令的存储器,所述指令在由所述处理器执行时执行以下动作:从历史数据库获得一部车辆的位置序列,位置序列包括多个位置以及多个位置的时间戳;基于位置序列来确定位置序列对应的起始道路;确定起始道路的附近道路的道路复杂度;基于道路复杂度来设置位置序列中的子序列的长度;基于起始道路和子序列的长度来确定与子序列相匹配的道路序列;以及基于时间戳来确定车辆在道路序列上的行驶速度。
根据本公开的又一方面,提供了一种计算机可读存储介质。该计算机可读存储介质具有存储在其上的计算机可读程序指令。这些计算机可读程序指令可以用于执行根据本公开中的各个实施例所描述的方法。
附图说明
结合附图并参考以下详细说明,本公开的各实施例的特征、优点及其他方面将变得更加明显,在此以示例性而非限制性的方式示出了本公开的若干实施例,在附图中:
图1图示了根据本公开的实施例的用于确定历史道路路况的计算系统的架构图;
图2图示了根据本公开的实施例的路网信息和位置序列的示意图;
图3图示了根据本公开的实施例的用于确定历史道路路况的方法的流程图;
图4图示了根据本公开的实施例的用于确定历史道路路况的另一方法的流程图;
图5图示了根据本公开的实施例的用于确定位置序列对应的起始道路的方法的流程图;
图6图示了根据本公开的实施例的用于从候选道路序列集合选择最匹配的道路序列的方法的流程图;
图7A图示了位置点与道路的距离的频次分布图;
图7B图示了位置点与道路的距离的概率分布图;
图8A-8B图示了根据本公开的实施例的可视化展示的示图;以及
图9图示了可以用来实施本公开的实施例的设备的示意性框图。
具体实施方式
以下参考附图详细描述本公开的各个示例性实施例。附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意,在有些作为备选的实现中,方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,或者它们有时也可以按照相反的顺序执行,这取决于所涉及的功能。同样应当注意的是,流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合,可以使用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以使用专用硬件与计算机指令的组合来实现。
本文所使用的术语“包括”、“包含”及类似术语应该被理解为是开放性的术语,即“包括/包含但不限于”,表示还可以包括其他内容。在本公开内容中,术语“基于”是“至少部分地基于”;术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”。
应当理解,给出这些示例性实施例仅是为了使本领域技术人员能够更好地理解进而实现本公开的实施例,而并非以任何方式限制发明的范围。
图1图示了根据本公开的实施例的用于确定历史道路路况的计算系统100的架构图。如图1所示,系统100包括多个用户设备110、112、114、116、服务器120、电子设备130以及可视化显示单元140。这些设备之间可以通过网络互相连接,可选地,该网络可以包括但不限于因特网、广域网、城域网、局域网、虚拟专用网络(VPN)网络、无线通信网络等。
在一些实施例中,用户设备110-116可以为移动装置,其中移动装置是指各种拥有接入互联网能力、具有卫星定位系统(如GPS、“北斗”卫星导航系统)、搭载各种操作系统、可根据用户需求定制各种功能的终端设备,包括但不限于智能手机、平板电脑以及便携式计算机等。在另一些实施例中,用户设备110-116也可以为具有联网能力的车载导航设备。
在一些实施例中,服务器120可以是能够从用户设备接收位置数据并且对其进行存储的服务器。如图1所示,服务器120中可以包括多个数据库,诸如历史位置数据库122和历史速度数据库124。历史位置数据库122用于记录从用户设备收集的历史位置数据,其可以包括位置字段、位置的时间戳字段、用户设备ID字段、用户ID字段等。历史速度数据库124用于记录道路的历史速度,其可以包括道路路段ID字段、道路速度字段、时间戳字段、用户ID字段以及订单ID字段,等等。在一些实施例中,电子设备130可以是能够进行数据处理的任何设备,包括台式计算机、膝上型计算机、服务器,等等。在一些实施例中,可视化显示单元140可以是任何显示单元,诸如显示器、大型矩阵式显示屏等。
在一些实施例中,在系统100中,服务器120从多个用户设备接收位置数据,然后将接收到的位置数据存储在历史位置数据库122中。接下来,电子设备130可以从服务器120中的历史位置数据库122中获取历史位置数据并对其进行处理,以生成相关联的道路路段的历史速度,然后将历史速度发送给服务器120以便存储在历史速度数据库124中。在一些实施例中,服务器120可以将历史速度数据库124发送到可视化显示单元140以进行可视化展示。
应当理解的是,虽然图1中仅示出了四个用户设备,但是可以存在更多个用户设备;虽然仅示出一个服务器120,但是系统100可以包括多个分布式布置的多个服务器,本公开的实施例的范围不限于此。此外,虽然电子设备130和可视化显示单元140被示出为与服务器120相分离,然而应当理解,电子设备130和可视化显示单元140也可以被集成在服务器120中。
图2图示了根据本公开的实施例的路网信息和位置序列的示意图200。如图2所示,线段201、202、203、204、205、206、207、208和209表示道路,并且附图中所示线段的方向表示道路中允许车辆行驶的方向。例如具有单向箭头的道路207指示单向车道(只允许向箭头方向行驶),而道路202等其他具有双向箭头的道路表示这些道路具有双向车道。图2中所示的位置点251、252、253、254、255、256、257、258和259表示车辆的位置序列。如图2所示,由于存在误差,车辆的位置序列与实际道路有所偏差。
如果采用传统的基于位置序列中的位置点与道路之间的关系来确定设备所在的当前道路,则有可能出现错误。例如图2所示,采用传统方法基于位置关系可知,位置点251与道路207的距离最为靠近。然而,该道路207是单向车道,如果仅基于这样的位置关系来判断位置点251位于道路207,则将会出现错误,即,承载设备的车辆并不能从单向车道207行驶至与后续的位置点252、253相匹配的道路202。
因此,传统的方法无法保证位置点与道路匹配的准确性。本公开的实施例通过确定车辆的起始道路,并根据起始道路附近的道路复杂度来设置用于匹配道路的基础位置序列的长度,能够准确且高效地将位置序列匹配到道路序列,从而能够确定道路的历史路况。
此外,本公开的实施例采用了局部路网复杂度,作为变长位置点循迹长度的依据。例如,靠近路口的路网拓扑结构相对复杂,因此就加长循迹子序列长度;在直线道路上路网的拓扑结构相对简单,因此采用较短的循迹子序列长度,从而能够在保证匹配效率的同时,提高了在路网路口处、复杂路网情况下的匹配准确度。
图3图示了根据本公开的实施例的用于确定历史道路路况的方法的流程图300。例如,图3所描述的方法300可以由以上参考图1所描述的电子设备130执行。
在302处,从历史数据库获得一部车辆的位置序列,其中位置序列包括多个位置(例如,位置的地理坐标)以及多个位置的时间戳(位置的采集时间)。例如,图1中的历史位置数据库122中包括来自多个用户设备的位置数据,每个用户设备可以对一部车辆的位置数据进行记录。在一些实施例中,历史位置数据库122中的位置数据可以来自于互联网打车公司,互联网打车公司通常运营大量车辆,这些车辆的GPS轨迹有着统一化标准的规范,特别当车辆在订单状态中,车辆的速度几乎主要受路况影响。因此,通过互联网打车公司获得的历史位置数据具有更高的可信度和准确性。
在304,基于位置序列,确定位置序列对应的起始道路。对于基于位置序列的匹配方法,其起始道路的匹配准确度要求非常高,这是因为如果起点道路匹配错误,那么后续的位置点将会朝着错误的方向寻路。如图2所示,如果简单的按照垂直距离作为判断标准,那么位置序列的起始位置将被匹配到道路207,这和真实的行驶方向有所偏差。以下参考图5详细描述了基于位置序列来确定位置序列对应的起始道路。
在306,确定起始道路的附近道路的道路复杂度。例如,在城市路网中,道路的复杂程度不同。在一些实施例中,道路复杂度可以基于一些预定标准而被量化。通过这种方式,复杂度可以被划分为多种类型,例如可以划分成很复杂、中等、不复杂三个等级。在308,基于道路复杂度,设置位置序列中的子序列的长度。对于复杂度较低的区域(诸如高速公路上),为了提高计算效率,通常采用较少的位置序列来计算行驶速度。对于复杂度较高的区域(诸如十字路口、平行道路的转折处),为了保证匹配的准确性,可以使用较多的位置序列来计算行驶速度。例如,在图2的示例中,在确定起始道路202之后,可以将子序列的长度设置为7,即,选择位置序列251-259中的位置点251-257作为子序列。
在310,基于起始道路和子序列的长度,确定与子序列相匹配的道路序列。例如,基于子序列251-257,可以确定于子序列相匹配的道路序列202、203、204。在312,基于时间戳,确定车辆在道路序列上的行驶速度。例如,根据子序列中的位置点之间的距离和时间差,可以计算出车辆在子序列中的行驶速度,作为相匹配的道路序列上的行驶速度。可选地,在314,可以在地图上可视化展示道路序列的历史路况。
图4图示了根据本公开的实施例的用于确定历史道路路况的另一方法400的流程图。应当理解,方法400可以由以上参考图1所描述的电子设备130执行。如图4所示,在402,确定位置序列中的子序列的起始位置,例如可以通过参考图3所描述的步骤304获得。在404,确定位置序列中的子序列的长度,例如可以通过参考图3所描述的步骤308获得。
通常,长度取值越大,那么位置序列包含的形状信息就越丰富,就越找到可以和其准确匹配的道路序列。而如果长度取值越小,那么位置序列包含的形状信息就越少,在直线路段,由于道路的拓扑结构简单,不需要太长的位置序列就可以准确的进行匹配,但是复杂路段,太短的位置点序列无法充分包含位置点的形状以及方向信息,因此很容易出现误判。
在一些实施例中,基础子序列长度k可以通过以下式(2)获得:
k=L*2/v*(p+q) (式1)其中L表示起始路段的长度,v表示起始路段上的历史速度,p表示与起始道路接续的道路数目,q表示预定范围(例如20米)内与起始道路平行的道路数目。
在406,判断子序列的长度是否大于等于剩余的位置数。例如在图2所描述的位置序列251-259中,如果经过几次更新后的起始位置被设置为位置258,而子序列的长度被设置为3,即至少需要3个位置点来确定车辆的行驶速度。由于位置序列251-259中剩余的位置数少于2个,因而无法继续计算速度,则方法400继续进行到416,存储道路上的历史行驶速度。如果子序列的长度大于等于剩余的位置数,则意味着可以继续选择多个位置来确定相匹配的道路的行驶速度。
在408,确定多个候选道路序列。例如,根据一些预定算法确定所有可能的道路序列的集合。在410,根据一些预订标准(下文将参考图6详细描述)来从多个候选道路中选择最匹配的道路序列。在412,确定道路序列上的历史行驶速度。例如,可以确定子序列中的起始位置与子序列中的中间位置之间的行驶速度。
接下来,在414,更新起始位置,以确定位置序列中的下一序列。例如,可以将子序列中的中间位置或中间位置的前一位置设置为位置序列中的下一子序列的起始位置。例如,图2所描述的位置序列251-259中的第一子序列为251-257,可以计算位置251至子序列中的中间位置254的速度作为相匹配的道路202上的行驶速度。然后,可以将中间位置254或中间位置254的前一位置253作为第二子序列的起始位置。因此,通过本公开的方法400,可以分段地确定道路上的历史行驶速度。
例在一些实施例中,可以通过以下式(2)计算道路的行驶速度
V(1-floor(k/2))=L(1-ceil(k/2))/T(1-ceil(k/2)) (式2)
其中V(1-floor(k/2))表示与第1个位置匹配的道路到与第floor(k/2)个位置匹配的道路的前一道路的速度,L(1-ceil(k/2))表示第1个位置到第ceil(k/2)个位置经过的距离,T(1-ceil(k/2))表示第1个位置到第ceil(k/2)个位置经过时间,其中floor(k/2)表示对k/2向下取整,ceil(k/2)表示对k/2向上取整。
图5图示了根据本公开的实施例的用于确定位置序列对应的起始道路的方法的流程图。应当理解,方法500可以由以上参考图1所描述的电子设备130执行并且是参考图3所描述的步骤304或参考图4所描述的步骤402的子步骤。在502,对地图数据进行编码。在504,获取位置序列中的第i个位置,i的初始值可以被设置为1。例如获取图2所描述的位置序列251-259中的第一位置251。在506,确定第i个位置附近的第i道路和第i+1个位置附近的第i+1道路。例如,可以确定第一位置251附近的第一道路和第二位置252附近的第二道路。
在508,判断第i道路与第i+1道路是否连续,例如,判断第一道路与第二道路是否相连接、并且第一道路的方向与第二道路的方向连续。如果第i道路与第i+1道路连续,例如,第一和第二道路两者相连接并且方向相连续,则在510,可以确定位置序列的起始道路,例如可以确定设备正在沿着第一、第二道路移动,此时可以将第一道路作为起始道路。
如果第i道路与第i+1道路不连续,则在512,可以将i的值递增1。例如,响应于第一道路与第二道路不连接、或者第一道路的方向与所述第二道路的方向不连续,将第二位置作为第一位置,以及将位置序列中的所述第二位置后的下一位置作为所述第二位置。
例如,在图2所描述的示例中,第一位置251被匹配到道路207,而第二位置252被匹配到道路202,道路207的方向与道路202的方向并不连续,则道路207不能作为起始道路。接下来,第二位置252被匹配到道路202,第三位置253也被匹配到道路202,由于都匹配到道路202,因此还是不能确定起始道路。接下来,第三位置253被匹配到道路202,第四位置254被匹配到路段203,由于道路202和道路203相连接并且方向也相同,因此,道路202最终被确定为位置序列251-259的起始道路。
图6图示了根据本公开的实施例的用于从候选道路序列集合选择最匹配的道路序列的方法的流程图。应当理解,方法600可以由以上参考图1所描述的电子设备130执行并且可以是参考图4所描述的步骤410的子步骤。
在602,确定一个或多个(例如,N个,其中N≥1)候选道路序列。在一些实施例中,可以确定车辆的行驶方向,并且基于起始道路、行驶方向以及长度来确定一个或多个候选道路序列。例如,基于起始位置、行驶方向和子序列的长度,可以确定子序列所对应的所有可能的候选道路集合,如在图2中所描述的示例中,子序列251-257所对应的候选道路集合可能是道路序列(202、203、204)或道路序列(202、203、206)。
在604,获取N个候选道路序列的第j个候选道路序列,然后在606确定子序列中的每个位置与第j个候选道路序列中的所有道路的最短垂直距离。在一些实施例中,垂直距离可以通过例如海伦公式进行求解,然而,应当理解任何其他的垂直距离求解方法均可以应用于本公开的实施例。
在608,基于最短垂直距离,确定针对最短垂直距离的加权概率。例如,可以根据历史定位数据统计出不同最短垂直距离的概率分布,然后确定加权候的概率值。在一些实施例中,如果最短垂直距离大于阈值距离,将针对最短垂直距离的加权概率设置为零值。在610,确定子序列中的所有位置与第j个候选道路序列的加权概率的总和。例如,在图2的示例中,计算子序列251-257中的每个位置与道路序列(202、203、204)中的道路的最短垂直距离的加权概率的总和。
在612,判定j是否小于N,如果j小于N,则说明还有候选道路集合要被计算,例如可以重复步骤604-610来计算子序列251-257中的每个位置与道路序列(202、203、206)中的道路的最短垂直距离的加权概率的总和。如果j大于等于N,则说明所有的候选道路集合都已经被计算,方法600继续进行到616,选择加权概率的总和最大的候选道路序列作为最匹配的道路序列。
图7A图示了位置点与道路的距离的频次分布图700。根据位置与道路的垂直距离分布,可以确定当前系统的GPS定位误差距离。如图7A所示,置信度为95%的位置点与道路的垂直距离为0.01千米(km),即小于0.01km的位置点与道路的距离占全部的95%,因此0.01km可以作为定位误差先验概率函数的方差。
图7B图示了位置点与道路的距离的概率分布图750。由于GPS存在定位的误差,因此在一定的距离范围内,都可以为认为是可信的,如果通过简单的垂直距离判断,那么匹配的概率就是根据距离呈线性减小。理想的先验概率函数应该是在一定的距离范围内,其匹配的概率没有太大变化,超过某一距离之后匹配的概率才随距离大幅变化。本公开的实施例使用类正态函数的概率函数来逼近先验概率模型,该函数的方差是系统的GPS定位误差的大小,即0.01km。也就是说,在0.01km以内的垂直距离,可以计算垂直距离的概率值,例如距离越大,概率值可以越大;超过0.01km的垂直距离,改垂直距离可以被忽略,例如其概率值可以被设置为零值。
图8A图示了根据本公开的实施例的可视化展示的示图800。如图8A所示,可以在地图上可视化展示每条道路序列的历史路况,其中不同的行驶速度区间可以对应于不同的颜色或线条。在一些实施例中,可以计算路段在某个特定时间段的速度,也可以计算路段在每天的相同时间段的速度。图8A图示了根据本公开的实施例的可视化展示的示图850。如图8B所示,还可以示出各个速度区段的车辆数目,以还原城市的整体速度,从而使得用户可以可视化获得道路的历史路况。
此外,还提供了一种用于确定历史道路路况的设备。该设备包括处理器和耦合至所述处理器并且存储有指令的存储器,所述指令在由所述处理器执行时执行以下动作:从历史数据库获得一部车辆的位置序列,位置序列包括多个位置以及多个位置的时间戳;基于位置序列来确定位置序列对应的起始道路;确定起始道路的附近道路的道路复杂度;基于道路复杂度来设置位置序列中的子序列的长度;基于起始道路和子序列的长度来确定与子序列相匹配的道路序列;以及基于时间戳来确定车辆在道路序列上的行驶速度。
应当理解,该设备可以利用各种方式来实现。例如,在某些实施例中,该设备可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、光盘载体介质、诸如只读存储器的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本公开的实施例的设备和装置不仅可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合来实现。
图9图示了可以用来实施本公开的实施例的电子设备900的示意性框图。应当理解,电子设备900可以被实现为图1所描述的电子设备130。如图9所示,设备900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的计算机程序指令或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序指令,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,例如方法300、400、500和600,可由处理单元901执行。例如,在一些实施例中,方法300、400、500和600,可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序被加载到RAM 903并由CPU 901执行时,可以执行上文描述的方法300、400、500和600中的一个或多个步骤。
计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本公开的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
本文所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开内容操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开内容的各个方面。
应当注意,尽管在上文的详细描述中提及了设备的若干装置或子装置,但是这种划分仅仅是示例性而非强制性的。实际上,根据本公开的实施例,上文描述的两个或更多装置的特征和功能可以在一个装置中具体化。反之,上文描述的一个装置的特征和功能可以进一步划分为由多个装置来具体化。
以上所述仅为本公开的实施例可选实施例,并不用于限制本公开的实施例,对于本领域的技术人员来说,本公开的实施例可以有各种更改和变化。凡在本公开的实施例的精神和原则之内,所作的任何修改、等效替换、改进等,均应包含在本公开的实施例的保护范围之内。
虽然已经参考若干具体实施例描述了本公开的实施例,但是应该理解,本公开的实施例并不限于所公开的具体实施例。本公开的实施例旨在涵盖在所附权利要求的精神和范围内所包括的各种修改和等同布置。所附的权利要求的范围符合最宽泛的解释,从而包含所有这样的修改及等同结构和功能。

Claims (16)

1.一种用于确定历史道路路况的方法,包括:
从历史数据库获得一部车辆的位置序列,所述位置序列包括多个位置以及所述多个位置的时间戳;
基于所述位置序列,确定所述位置序列对应的起始道路;
确定所述起始道路的附近道路的道路复杂度;
基于所述道路复杂度,设置所述位置序列中的子序列的长度;
基于所述起始道路和所述子序列的所述长度,确定与所述子序列相匹配的道路序列;以及
基于所述时间戳,确定所述车辆在所述道路序列上的行驶速度。
2.根据权利要求1所述的方法,其中确定所述位置序列对应的起始道路包括:
获得所述位置序列中的第一位置和第二位置,所述第二位置是所述第一位置下一时刻的位置;
确定所述第一位置附近的第一道路和所述第二位置附近的第二道路;
响应于所述第一道路与所述第二道路相连接并且所述第一道路的方向与所述第二道路的方向连续,将所述第一道路标识为所述车辆的起始道路。
3.根据权利要求1所述的方法,其中确定与所述子序列相匹配的道路序列包括:
确定所述车辆的行驶方向;
基于所述起始道路、所述行驶方向以及所述长度,确定一个或多个候选道路序列;以及
从所述一个或多个候选道路序列中选择所述道路序列。
4.根据权利要求3所述的方法,其中从所述一个或多个候选道路序列中选择所述道路序列包括:
针对所述一个或多个候选道路序列中的每个候选道路序列:
确定所述子序列中的每个位置与每个候选道路序列中的所有道路的最短垂直距离;
确定所述子序列中的所有位置与每个候选道路序列的最短垂直距离的总和;以及
从所述一个或多个候选道路序列中选择所述最短垂直距离的总和最小的候选道路序列作为所述道路序列。
5.根据权利要求3所述的方法,其中从所述一个或多个候选道路序列中选择所述道路序列包括:
针对所述一个或多个候选道路序列中的每个候选道路序列:
确定所述子序列中的每个位置与每个候选道路序列中的所有道路的最短垂直距离;
基于所述最短垂直距离,确定针对所述最短垂直距离的加权概率;
确定所述子序列中的所有位置与每个候选道路序列的加权概率的总和;以及
从所述一个或多个候选道路序列中选择所述加权概率的总和最大的候选道路序列作为所述道路序列。
6.根据权利要求5所述的方法,其中确定针对所述最短垂直距离的加权概率包括:
响应于所述最短垂直距离大于阈值距离,将针对所述最短垂直距离的加权概率设置为零值。
7.根据权利要求2所述的方法,其中确定所述车辆在所述道路序列上的行驶速度包括:
确定所述子序列中的起始位置与所述子序列中的中间位置之间的行驶速度;以及
将所述中间位置或所述中间位置的前一位置设置为所述位置序列中的下一子序列的起始位置。
8.根据权利要求1-7中任一项所述的方法,还包括:
在地图上可视化展示所述道路序列的历史路况,其中不同的行驶速度区间对应于不同的颜色或线条。
9.一种用于确定历史道路路况的设备,包括:
处理器;
存储器,耦合至所述处理器并且存储有指令,所述指令在由所述处理器执行时执行以下动作:
从历史数据库获得一部车辆的位置序列,所述位置序列包括多个位置以及所述多个位置的时间戳;
基于所述位置序列,确定所述位置序列对应的起始道路;
确定所述起始道路的附近道路的道路复杂度;
基于所述道路复杂度,设置所述位置序列中的子序列的长度;
基于所述起始道路和所述子序列的所述长度,确定与所述子序列相匹配的道路序列;以及
基于所述时间戳,确定所述车辆在所述道路序列上的行驶速度。
10.根据权利要求9所述的设备,其中确定所述位置序列对应的起始道路包括:
获得所述位置序列中的第一位置和第二位置,所述第二位置是所述第一位置下一时刻的位置;
确定所述第一位置附近的第一道路和所述第二位置附近的第二道路;
响应于所述第一道路与所述第二道路相连接并且所述第一道路的方向与所述第二道路的方向连续,将所述第一道路标识为所述车辆的起始道路。
11.根据权利要求9所述的设备,其中确定与所述子序列相匹配的道路序列包括:
确定所述车辆的行驶方向;
基于所述起始道路、所述行驶方向以及所述长度,确定一个或多个候选道路序列;以及
从所述一个或多个候选道路序列中选择所述道路序列。
12.根据权利要求11所述的设备,其中从所述一个或多个候选道路序列中选择所述道路序列包括:
针对所述一个或多个候选道路序列中的每个候选道路序列:
确定所述子序列中的每个位置与每个候选道路序列中的所有道路的最短垂直距离;
确定所述子序列中的所有位置与每个候选道路序列的最短垂直距离的总和;以及
从所述一个或多个候选道路序列中选择所述最短垂直距离的总和最小的候选道路序列作为所述道路序列。
13.根据权利要求11所述的设备,其中从所述一个或多个候选道路序列中选择所述道路序列包括:
针对所述一个或多个候选道路序列中的每个候选道路序列:
确定所述子序列中的每个位置与每个候选道路序列中的所有道路的最短垂直距离;
基于所述最短垂直距离,确定针对所述最短垂直距离的加权概率;
确定所述子序列中的所有位置与每个候选道路序列的加权概率的总和;以及
从所述一个或多个候选道路序列中选择所述加权概率的总和最大的候选道路序列作为所述道路序列。
14.根据权利要求13所述的设备,其中确定针对所述最短垂直距离的加权概率包括:
响应于所述最短垂直距离大于阈值距离,将针对所述最短垂直距离的加权概率设置为零值。
15.根据权利要求10所述的设备,其中确定所述车辆在所述道路序列上的行驶速度包括:
确定所述子序列中的起始位置与所述子序列中的中间位置之间的行驶速度;以及
将所述中间位置或所述中间位置的前一位置设置为所述位置序列中的下一子序列的起始位置。
16.根据权利要求9-15中任一项所述的设备,所述动作还包括:
在地图上可视化展示所述道路序列的历史路况,其中不同的行驶速度区间对应于不同的颜色或线条。
CN201710607863.9A 2017-07-24 2017-07-24 用于确定历史道路路况的方法和设备 Active CN109300304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710607863.9A CN109300304B (zh) 2017-07-24 2017-07-24 用于确定历史道路路况的方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710607863.9A CN109300304B (zh) 2017-07-24 2017-07-24 用于确定历史道路路况的方法和设备

Publications (2)

Publication Number Publication Date
CN109300304A true CN109300304A (zh) 2019-02-01
CN109300304B CN109300304B (zh) 2021-10-08

Family

ID=65167036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710607863.9A Active CN109300304B (zh) 2017-07-24 2017-07-24 用于确定历史道路路况的方法和设备

Country Status (1)

Country Link
CN (1) CN109300304B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1991310A (zh) * 2005-12-26 2007-07-04 爱信艾达株式会社 行驶道路链确定系统
CN101424535A (zh) * 2007-10-30 2009-05-06 武汉大学 一种车辆定位方法及装置
US8155875B2 (en) * 2008-09-05 2012-04-10 Seiko Epson Corporation Method of determining appropriateness of satellite orbit modeling, method of providing long-term predicted orbit data, and device for determining appropriateness of satellite orbit modeling
CN103177585A (zh) * 2013-02-27 2013-06-26 上海美慧软件有限公司 基于浮动车数据计算路段各转向平均行程车速方法
CN103680138A (zh) * 2012-09-25 2014-03-26 西安思丹德信息技术有限公司 一种车辆路况监测方法
CN104034337A (zh) * 2014-05-20 2014-09-10 清华大学深圳研究生院 一种浮动车地理位置点的地图匹配方法及装置
CN104200042A (zh) * 2014-09-17 2014-12-10 王伟 一种定位数据轨迹跟踪方法
CN104504898A (zh) * 2014-12-11 2015-04-08 王东宇 基于浮动车数据的隧道路段在线地图匹配方法
CN104573116A (zh) * 2015-02-05 2015-04-29 哈尔滨工业大学 基于出租车gps数据挖掘的交通异常识别方法
CN105225510A (zh) * 2014-06-27 2016-01-06 国际商业机器公司 用于验证地图的路网的方法和系统
CN106156531A (zh) * 2016-08-04 2016-11-23 复旦大学 基于低采样历史轨迹的行程时间估计方法
CN106767873A (zh) * 2016-12-30 2017-05-31 浙江大学 一种基于时空的地图匹配方法
CN106840175A (zh) * 2016-12-06 2017-06-13 北京中交兴路信息科技有限公司 一种车辆行驶轨迹匹配路网的方法及装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1991310A (zh) * 2005-12-26 2007-07-04 爱信艾达株式会社 行驶道路链确定系统
CN101424535A (zh) * 2007-10-30 2009-05-06 武汉大学 一种车辆定位方法及装置
US8155875B2 (en) * 2008-09-05 2012-04-10 Seiko Epson Corporation Method of determining appropriateness of satellite orbit modeling, method of providing long-term predicted orbit data, and device for determining appropriateness of satellite orbit modeling
CN103680138A (zh) * 2012-09-25 2014-03-26 西安思丹德信息技术有限公司 一种车辆路况监测方法
CN103177585A (zh) * 2013-02-27 2013-06-26 上海美慧软件有限公司 基于浮动车数据计算路段各转向平均行程车速方法
CN104034337A (zh) * 2014-05-20 2014-09-10 清华大学深圳研究生院 一种浮动车地理位置点的地图匹配方法及装置
CN105225510A (zh) * 2014-06-27 2016-01-06 国际商业机器公司 用于验证地图的路网的方法和系统
US20160334222A1 (en) * 2014-06-27 2016-11-17 International Business Machines Corporation Verifying a road network of a map
CN104200042A (zh) * 2014-09-17 2014-12-10 王伟 一种定位数据轨迹跟踪方法
CN104504898A (zh) * 2014-12-11 2015-04-08 王东宇 基于浮动车数据的隧道路段在线地图匹配方法
CN104573116A (zh) * 2015-02-05 2015-04-29 哈尔滨工业大学 基于出租车gps数据挖掘的交通异常识别方法
CN106156531A (zh) * 2016-08-04 2016-11-23 复旦大学 基于低采样历史轨迹的行程时间估计方法
CN106840175A (zh) * 2016-12-06 2017-06-13 北京中交兴路信息科技有限公司 一种车辆行驶轨迹匹配路网的方法及装置
CN106767873A (zh) * 2016-12-30 2017-05-31 浙江大学 一种基于时空的地图匹配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曾喆: ""曲率积分约束的GPS浮动车地图匹配方法"", 《测绘学报》 *

Also Published As

Publication number Publication date
CN109300304B (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
US11656095B2 (en) Method of creating map data comprising transit times for intersections
US10629069B2 (en) Method and apparatus for providing a localized link-centric metric for directional traffic propagation
US10488207B2 (en) Navigation system acquisition and use of cellular coverage map data
US10077986B2 (en) Storing trajectory
CN104884899B (zh) 确定穿过交通运输网络的一或多个交叉口的轨迹的方法
KR101959065B1 (ko) 운행의 예상된 평균 속도들을 생성하는 방법
EP2462404B1 (en) Methods of pre-processing probe data
US8930123B2 (en) Systems and methods for determining traffic intensity using information obtained through crowdsourcing
CN108932843A (zh) 用于生成信息的方法和装置
CN105530653B (zh) 确定道路沿线的通信网络的覆盖空洞的方法和装置
US20200250966A1 (en) Method and apparatus for recommending services based on map-based dynamic location sampling
EP3671126B1 (en) Method, apparatus, and system for providing road closure graph inconsistency resolution
CN113008246A (zh) 地图匹配方法和装置
CN109300304A (zh) 用于确定历史道路路况的方法和设备
CN112685531B (zh) 车辆匹配方法和装置、计算设备以及计算机可读存储介质
CN106781470B (zh) 城市道路的运行速度的处理方法及装置
Ptošek et al. Floating car data map-matching utilizing the Dijkstra’s algorithm
CN108961761A (zh) 用于生成信息的方法和装置
HK40042963A (zh) 车辆匹配方法和装置、计算设备以及计算机可读存储介质
Treiber et al. Floating-Car Data
Alkhazraji Predicting Traffic Speed and Recommending Optimal Routes using GPS Data
CN119178442A (zh) 车道匹配方法、装置、设备、存储介质以及产品

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
点击 这是indexloc提供的php浏览器服务,不要输入任何密码和下载