一种基于低采样数据的机动车路径拟合算法专利检索-城市规划城市规划专利检索查询-专利查询网

一种基于低采样数据的机动车路径拟合 算法

阅读：267发布：2020-05-13

专利汇可以提供一种基于低采样数据的机动车路径拟合算法专利检索，专利查询，专利分析的服务。并且一种基于低采样数据的机动车路径拟合算法。本发明公开了步骤S1，读取配置项信息，获取所需处理的轨迹数据、路网数据；步骤S4，对路网数据进行过滤，根据城市实际情况确定需要保留的道路类型字段，并按地理信息将每条路进行存储；步骤S7，对于整条轨迹，对相邻轨迹点构建迁徙概率矩阵，并计算相邻投影点之间的综合概率，最终可以得到整条轨迹中，每个轨迹点对应的投影点之间的概率矩阵；步骤S8，根据步骤7计算得到的整条轨迹的综合概率矩阵，得到整条轨迹的关系图，依次选取值最大的投影点作为轨迹的最佳拟合路径。本发明综合考虑空间分布、时间消耗等信息，在此时空分析的基础上，计算出相邻映射点之间的迁徙概率，进行局部的最优概率路径选取，达到渐进式的高精度路径拟合。，下面是一种基于低采样数据的机动车路径拟合算法专利的具体信息内容。

权利要求

1.一种基于低采样数据的机动车路径拟合算法，其特征在于：包括如下步骤：
步骤S1，读取配置项信息，获取所需处理的轨迹数据、路网数据；
步骤S2，抽取并存储轨迹数据；
步骤S3，轨迹数据的预处理；
步骤S4，对路网数据进行过滤，根据城市实际情况确定需要保留的道路类型字段，并按地理信息将每条路进行存储；
步骤S5，轨迹投影点的选取与存储；
步骤S6，定义投影点关于源点的分布概率P1，表示为其中标准差σ
根据实际情况选定；
步骤S7，对于整条轨迹，对相邻轨迹点构建迁徙概率矩阵，并计算相邻投影点之间的综合概率，最终可以得到整条轨迹中，每个轨迹点对应的投影点之间的概率矩阵；
步骤S8，根据步骤7计算得到的整条轨迹的综合概率矩阵，利用动态规划，得到整条轨迹的关系图，依次选取值最大的投影点作为轨迹的最佳拟合路径。
2.根据权利要求1所述的一种基于低采样数据的机动车路径拟合算法，其特征在于：所述步骤S1具体包括：
步骤S1.1，读取轨迹数据；
步骤S1.2，读取轨迹数据所在区域的路网数据；
步骤S1.3，根据实际需求，设置投影点的半径门限、正态分布函数的标准差σ；
步骤S1.4，读取需要进行拟合的轨迹所在的时间段。
3.根据权利要求1所述的一种基于低采样数据的机动车路径拟合算法，其特征在于：所述步骤S2具体包括：
步骤S2.1，提取轨迹数据中的经纬度、时间字段，并存储；
步骤S2.2，对轨迹按照时间进行排序；
步骤S2.3，根据步骤S14中的时间段，抽取轨迹并存储。
4.根据权利要求1所述的一种基于低采样数据的机动车路径拟合算法，其特征在于：所述步骤S3具体包括：
步骤S3.1，判断采样点有效性，若经纬度是否为0，则认为是无效采样点，删除该点；
步骤S3.2，判断同一个采样时间点下是否有多个采样点，若存在，则对多个采样点的经纬度进行比较；若经纬度相同，则删除重复的采样点；否则，选取采样个数最多的坐标作为该采样时间点的采样坐标，若采样个数相同，则选取第一个点作为该采样时间点的采样坐标。
5.根据权利要求1所述的一种基于低采样数据的机动车路径拟合算法，其特征在于：所述步骤S5具体包括：
步骤S5.1，设置源点与投影点之间的最大球面距离门限值dmax；
步骤S5.2，对于每一个轨迹点pi，以轨迹点为中心、dmax为半径，筛选距离范围内的路段作为候选道路，记为
步骤S5.3，计算pi到的球面距离最短的点，作为pi在此道路上的投影
点，记为
步骤S5.4，保存当前轨迹点的所有投影点，以及对应的路网信息。
6.根据权利要求1所述的一种基于低采样数据的机动车路径拟合算法，其特征在于：所述步骤S7的具体方法如下：
步骤S7.1，对于每两个相邻的轨迹点pi-1和pi，投影点分别为和计算两个投影点之间的迁徙概率，表示为其中dE(pi-1，pi)为轨迹点pi-1和pi之间的
欧式距离，表示投影点之间的最短路径；
步骤S7.2，根据时间间隔与轨迹信息计算出相邻投影点之间的行进速度，并求出与当前道路限速的比重概率，记为P3；
步骤S7.3，将上述步骤中计算得到的P1，P2，P3归一化、相乘，得到相邻投影点之间的综合概率P，
步骤S7.4，通过两个相邻投影点和之间的综合概率构建概率矩阵，矩阵大小为n×m。
7.根据权利要求1所述的一种基于低采样数据的机动车路径拟合算法，其特征在于：所述步骤S8的具体方法如下：
步骤S8.1，取整条轨迹第一个投影点的正态分布值作为初始值；
步骤S8.2，依次计算当前投影点与下一个相邻投影点的综合概率之和，将每次得到的结果与上一个投影点的结果比较，取较大值；
步骤S8.3，根据步骤8.2的计算结果，选取投影点中值最大的，得到最佳拟合结果。

说明书全文

一种基于低采样数据的机动车路径拟合 算法

技术领域

[0001] 本发明属于城市交通技术领域，具体涉及一种基于低采样数据的机动车路径拟合算法。

背景技术

[0002] 将原始信令数据与数字地图或数字道路网络匹配通常称为路径拟合。信令数据存在采样率低、精度差、乒乓切换不规律等问题，因此无法适用于传统的路径拟合算法。机动车路径拟合是许多应用程序的基本预处理步骤，如交通流分析、行车路线规划等。目前大多数路径拟合算法采用局部或增量算法，完全忽略了相邻点之间的相关性，只适用于高采样率的GPS数据，对于采样率较低的信令数据，处理结果较差。为此，我们提出一种基于低采样数据的机动车路径拟合算法，以解决上述背景技术中提到的问题。

发明内容

[0003] 本发明的目的在于提供一种基于低采样数据的机动车路径拟合算法，以解决上述背景技术中提出的问题。

[0004] 为实现上述目的，本发明提供如下技术方案：一种基于低采样数据的机动车路径拟合算法，包括如下步骤：

[0005] 步骤S1，读取配置项信息，获取所需处理的轨迹数据、路网数据；

[0006] 步骤S2，抽取并存储轨迹数据；

[0007] 步骤S3，轨迹数据的预处理；

[0008] 步骤S4，对路网数据进行过滤，根据城市实际情况确定需要保留的道路类型字段，并按地理信息将每条路进行存储；

[0009] 步骤S5，轨迹投影点的选取与存储；

[0010] 步骤S6，定义投影点关于源点的分布概率P1，表示为其中标准差σ根据实际情况选定；

[0011] 步骤S7，对于整条轨迹，对相邻轨迹点构建迁徙概率矩阵，并计算相邻投影点之间的综合概率，最终可以得到整条轨迹中，每个轨迹点对应的投影点之间的概率矩阵；

[0012] 步骤S8，根据步骤7计算得到的整条轨迹的综合概率矩阵，利用动态规划，得到整条轨迹的关系图，依次选取值最大的投影点作为轨迹的最佳拟合路径。

[0013] 优选的，所述步骤S1具体包括：

[0014] 步骤S1.1，读取轨迹数据；

[0015] 步骤S1.2，读取轨迹数据所在区域的路网数据；

[0016] 步骤S1.3，根据实际需求，设置投影点的半径门限、正态分布函数的标准差σ；

[0017] 步骤S1.4，读取需要进行拟合的轨迹所在的时间段。

[0018] 优选的，所述步骤S2具体包括：

[0019] 步骤S2.1，提取轨迹数据中的经纬度、时间字段，并存储；

[0020] 步骤S2.2，对轨迹按照时间进行排序；

[0021] 步骤S2.3，根据步骤S14中的时间段，抽取轨迹并存储。

[0022] 优选的，所述步骤S3具体包括：

[0023] 步骤S3.1，判断采样点有效性，若经纬度是否为0，则认为是无效采样点，删除该点；

[0024] 步骤S3.2，判断同一个采样时间点下是否有多个采样点，若存在，则对多个采样点的经纬度进行比较；若经纬度相同，则删除重复的采样点；否则，选取采样个数最多的坐标作为该采样时间点的采样坐标，若采样个数相同，则选取第一个点作为该采样时间点的采样坐标。

[0025] 优选的，所述步骤S5具体包括：

[0026] 步骤S5.1，设置源点与投影点之间的最大球面距离门限值dmax；

[0027] 步骤S5.2，对于每一个轨迹点pi，以轨迹点为中心、dmax为半径，筛选距离范围内的路段作为候选道路，记为

[0028] 步骤S5.3，计算pi到的球面距离最短的点，作为pi在此道路上的投影点，记为

[0029] 步骤S5.4，保存当前轨迹点的所有投影点，以及对应的路网信息。

[0030] 优选的，所述步骤S7的具体方法如下：

[0031] 步骤S7.1，对于每两个相邻的轨迹点pi-1和pi，投影点分别为和计算两个投影点之间的迁徙概率，表示为其中dE(pi-1，pi)为轨迹点pi-1和pi之间的欧式距离，表示投影点之间的最短路径；

[0032] 步骤S7.2，根据时间间隔与轨迹信息计算出相邻投影点之间的行进速度，并求出与当前道路限速的比重概率，记为P3；

[0033] 步骤S7.3，将上述步骤中计算得到的P1，P2，P3归一化、相乘，得到相邻投影点之间的综合概率P，

[0034] 步骤S7.4，通过两个相邻投影点和之间的综合概率构建概率矩阵，矩阵大小为n×m。

[0035] 优选的，所述步骤S8的具体方法如下：

[0036] 步骤S8.1，取整条轨迹第一个投影点的正态分布值作为初始值；

[0037] 步骤S8.2，依次计算当前投影点与下一个相邻投影点的综合概率之和，将每次得到的结果与上一个投影点的结果比较，取较大值；

[0038] 步骤S8.3，根据步骤8.2的计算结果，选取投影点中值最大的，得到最佳拟合结果。

[0039] 与现有技术相比，本发明的有益效果是：本发明提供的一种基于低采样数据的机动车路径拟合算法，本发明综合考虑空间分布、时间消耗等信息，在此时空分析的基础上，计算出相邻映射点之间的迁徙概率，进行局部的最优概率路径选取，达到渐进式的高精度路径拟合。附图说明

[0040] 图1为本发明一种基于低采样数据的机动车路径拟合算法的流程图；

[0041] 图2为本发明的投影点相对源点的分布概率P1的示意图；

[0042] 图3为本发明的迁徙概率P2示意图；

[0043] 图4为本发明的行进速度与当前道路限速的比重概率P3示意图；

[0044] 图5为本发明的整条轨迹关系图。

具体实施方式

[0045] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0046] 实施例1

[0047] 本发明提供了如图1-5的一种基于低采样数据的机动车路径拟合算法，包括如下步骤：

[0048] 步骤S1，读取配置项信息，获取所需处理的轨迹数据、路网数据；

[0049] 步骤S2，抽取并存储轨迹数据；

[0050] 步骤S3，轨迹数据的预处理；

[0051] 步骤S4，对路网数据进行过滤，根据城市实际情况确定需要保留的道路类型字段，并按地理信息将每条路进行存储；

[0052] 步骤S5，轨迹投影点的选取与存储；

[0053] 步骤S6，定义投影点关于源点的分布概率P1，表示为其中标准差σ根据实际情况选定；

[0054] 步骤S7，对于整条轨迹，对相邻轨迹点构建迁徙概率矩阵，并计算相邻投影点之间的综合概率，最终可以得到整条轨迹中，每个轨迹点对应的投影点之间的概率矩阵；

[0055] 步骤S8，根据步骤7计算得到的整条轨迹的综合概率矩阵，利用动态规划，得到整条轨迹的关系图，依次选取值最大的投影点作为轨迹的最佳拟合路径。

[0056] 具体的，所述步骤S1具体包括：

[0057] 步骤S1.1，读取轨迹数据；

[0058] 步骤S1.2，读取轨迹数据所在区域的路网数据；

[0059] 步骤S1.3，根据实际需求，设置投影点的半径门限、正态分布函数的标准差σ；

[0060] 步骤S1.4，读取需要进行拟合的轨迹所在的时间段。

[0061] 具体的，所述步骤S2具体包括：

[0062] 步骤S2.1，提取轨迹数据中的经纬度、时间字段，并存储；

[0063] 步骤S2.2，对轨迹按照时间进行排序；

[0064] 步骤S2.3，根据步骤S14中的时间段，抽取轨迹并存储。

[0065] 具体的，所述步骤S3具体包括：

[0066] 步骤S3.1，判断采样点有效性，若经纬度是否为0，则认为是无效采样点，删除该点；

[0067] 步骤S3.2，判断同一个采样时间点下是否有多个采样点，若存在，则对多个采样点的经纬度进行比较；若经纬度相同，则删除重复的采样点；否则，选取采样个数最多的坐标作为该采样时间点的采样坐标，若采样个数相同，则选取第一个点作为该采样时间点的采样坐标。

[0068] 具体的，所述步骤S5具体包括：

[0069] 步骤S5.1，设置源点与投影点之间的最大球面距离门限值dmax；

[0070] 步骤S5.2，对于每一个轨迹点pi，以轨迹点为中心、dmax为半径，筛选距离范围内的路段作为候选道路，记为

[0071] 步骤S5.3，计算pi到的球面距离最短的点，作为pi在此道路上的投影点，记为

[0072] 步骤S5.4，保存当前轨迹点的所有投影点，以及对应的路网信息。

[0073] 具体的，所述步骤S7的具体方法如下：

[0074] 步骤S7.1，对于每两个相邻的轨迹点pi-1和pi，投影点分别为和计算两个投影点之间的迁徙概率，表示为其中dE(pi-1，pi)为轨迹点pi-1和pi之间的欧式距离，表示投影点之间的最短路径；

[0075] 步骤S7.2，根据时间间隔与轨迹信息计算出相邻投影点之间的行进速度，并求出与当前道路限速的比重概率，记为P3；

[0076] 步骤S7.3，将上述步骤中计算得到的P1，P2，P3归一化、相乘，得到相邻投影点之间的综合概率P，

[0077] 步骤S7.4，通过两个相邻投影点和之间的综合概率构建概率矩阵，矩阵大小为n×m。

[0078] 具体的，所述步骤S8的具体方法如下：

[0079] 步骤S8.1，取整条轨迹第一个投影点的正态分布值作为初始值；

[0080] 步骤S8.2，依次计算当前投影点与下一个相邻投影点的综合概率之和，将每次得到的结果与上一个投影点的结果比较，取较大值；例如，当前轨迹包含三个点P1，P2，P3，分别对应投影点且每个投影点的分布概率P1如图2所示；迁徙概率P2如图3所示；行进速度与当前道路限速的比重概率P3如图4所示；根据步骤8.1，初始值为：依次计算综合概率之和，迭代相加，得到整条轨迹关系图，如图5所示；

[0081] 步骤S8.3，根据步骤8.2的计算结果，选取投影点中值最大的，得到最佳拟合结果；根据上例，该轨迹的最佳拟合路径为：

[0082] 综上所述，与现有技术相比，本发明综合考虑空间分布、时间消耗等信息，在此时空分析的基础上，计算出相邻映射点之间的迁徙概率，进行局部的最优概率路径选取，达到渐进式的高精度路径拟合。

[0083] 最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

标题	发布/更新时间	阅读量
一种带有路线规划功能的城乡垃圾桶智能管理系统	2020-05-08	874
一种基于语义轨迹推断用户活动的方法	2020-05-08	145
一种区域净化型影像监控的智慧社区管理系统	2020-05-11	796
一种基于计算机信息技术的智能防水控制方法及其系统	2020-05-12	540
一种考虑主配网协调的城市电网规划方法	2020-05-08	1021
一种云服务收集压缩式自动化灰尘处理系统	2020-05-12	560
一种用于路径选取的全局动态交互决策算法	2020-05-13	51
一种空间层叠式的桥梁结构	2020-05-11	780
一种城市规划用图纸展示装置	2020-05-14	436
一种城市规划用展示台	2020-05-11	713

一种基于低采样数据的机动车路径拟合算法

一种基于低采样数据的机动车路径拟合算法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：