CN113447013B - 施工道路识别方法、装置、设备、存储介质和程序产品 - Google Patents
施工道路识别方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN113447013B CN113447013B CN202110704308.4A CN202110704308A CN113447013B CN 113447013 B CN113447013 B CN 113447013B CN 202110704308 A CN202110704308 A CN 202110704308A CN 113447013 B CN113447013 B CN 113447013B
- Authority
- CN
- China
- Prior art keywords
- road section
- road
- identified
- user
- positioning
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000008859 change Effects 0.000 claims abstract description 77
- 238000012545 processing Methods 0.000 claims description 29
- 238000003384 imaging method Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000007477 logistic regression Methods 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3819—Road shape data, e.g. outline of a route
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了施工道路识别方法、装置、设备、存储介质和程序产品,涉及计算机技术领域,尤其涉及智能交通技术领域。具体实现方案为:根据用户在待识别路段中的定位数据,确定所述待识别路段的中心线偏离特征和宽度变化特征;根据所述中心线偏离特征和宽度变化特征,确定所述待识别路段的道路状态是否发生变化。本公开实施例的技术方案,提高施工道路识别时效性的同时,降低信息采集成本。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及智能交通技术领域,具体涉及一种施工道路识别方法、装置、设备、存储介质和程序产品。
背景技术
随着互联网技术的发展,人们在出行时越来越多的应用电子地图进行出行路线的规划,其中,道路施工是引起地图路网变化的主要原因,也是影响用户出行体验的重要因素。
为了保障用户出行的便捷性,需要针对施工路段信息对地图应用中路网数据进行及时更新,因此,及时发现施工道路并将施工路段信息在地图中进行发布非常重要。
发明内容
本公开提供了一种施工道路识别方法、装置、设备、存储介质和程序产品。
根据本公开的一方面,提供了一种施工道路识别方法,所述方法包括:
根据用户在待识别路段中的定位数据,确定所述待识别路段的中心线偏离特征和宽度变化特征;
根据所述中心线偏离特征和宽度变化特征,确定所述待识别路段的道路状态是否发生变化。
根据本公开的另一方面,提供了一种施工道路识别装置,所述装置包括:
特征获取模块,用于根据用户在待识别路段中的定位数据,确定所述待识别路段的中心线偏离特征和宽度变化特征;
施工道路识别模块,用于根据所述中心线偏离特征和宽度变化特征,确定所述待识别路段的道路状态是否发生变化。
根据本公开的另一方面,提供了一种电子设备,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本公开实施例中任一项所述的施工道路识别方法。
根据本公开的另一方面,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,其中,所述计算机指令用于使所述计算机执行本公开实施例中任一项所述的施工道路识别方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开实施例中任一项所述的施工道路识别方法。
根据本公开的技术,实现了基于用户定位数据进行施工道路的识别。
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,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种施工道路识别方法的示意图;
图2是根据本公开实施例提供的另一种施工道路识别方法的示意图;
图3是根据本公开实施例提供的又一种施工道路识别方法的示意图;
图4是根据本公开实施例的一种施工道路识别装置的示意图;
图5是用来实现本公开实施例的施工道路识别方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
图1是本公开实施例中的一种施工道路识别方法的示意图,本公开实施例的技术方案适用于通过用户定位数据进行施工道路识别的情况,该方法可以由施工道路识别装置执行,该装置可以通过软件,和/或硬件的方式实现,并一般可以集成在电子设备中,例如终端设备中,本公开实施例的方法具体包括以下:
S110、根据用户在待识别路段中的定位数据,确定待识别路段的中心线偏离特征和宽度变化特征。
其中,定位数据用于表示用户经过的位置信息,定位数据可以是地图应用的用户在出行过程中所经过位置的坐标集合,示例性的,定位数据是在24小时内经过设定路段的多个用户在设定路段中位置坐标的集合。中心线是由待识别路段的多个几何中心点构成的线段,本实施例中,中心线是待识别路段的几何中心线,示例性的,待识别路段为3车道的路段,路段的中心线为第2车道的几何中心线,当待识别路段由于施工关闭2个车道,仅剩第1车道可正常通行时,路段的中心线变为第1车道的几何中心线。
本公开实施例中,为了确定道路状态是否变为施工状态,首先获取用户在待识别路段中的定位数据,进而根据定位数据确定待识别路段的中心线偏离特征和宽度变化特征,以根据中心线偏离特征和宽度变化特征进行施工道路的识别,具体的,首先获取两个不同时间段内用户在待识别路段中所经过位置的坐标集合,然后根据两个不同时间段的坐标集合,分别计算在两个时间段内待识别路段的中心线以及待识别路段的宽度,进一步的,求取两个时间段内的中心线的偏离值和路段宽度的变化值作为中心线偏离特征和宽度变化特征。
示例性的,在地图应用的服务器端分别获取多个用户3月7日期间和3月8日期间在待识别路段中的定位数据,然后根据多个用户3月7日期间的定位数据,计算待识别路段在3月7日期间的中心线,以及在3月7日期间的路段宽度,具体的,可以求取用户在靠近道路两个边缘的定位点的坐标均值,得到路段中心点,并由多个路段中心点构成路段中心线,然后在用户定位数据中选择靠近道路两个边缘的定位点,且这两个定位点所在直线与路段方向垂直,进而计算上述两个定位点的坐标差值得到道路宽度,进一步的,采用同样的方式,根据多个用户3月8日期间的定位数据,计算待识别路段在3月8日期间的中心线,以及在3月8日期间的路段宽度,最终根据两个不同时间段内的中心线和道路宽度,计算待识别路段在两个时间段期间的中心线偏离特征和宽度变化特征。
S120、根据中心线偏离特征和宽度变化特征,确定待识别路段的道路状态是否发生变化。
本公开实施例中,在计算得到待识别路段的中心线偏离特征和宽度变化特征后,对中心线偏离特征和宽度变化特征进行分析,从而确定待识别路段的道路状态是否由正常通行状态改变为施工状态。具体的,可以将中心线偏离特征和宽度变化特征输入至预先训练的逻辑回归模型中,得到模型输出的道路状态变化结果;还可以是根据预先设定的判断规则,对中心线偏离特征和宽度变化特征进行分析,得到道路状态变化结果;还可以是将中心线偏离特征和宽度变化特征带入至预先建立的非线性函数中,得到道路状态变化结果。
示例性的,将中心线偏离特征和宽度变化特征输入至预先训练的施工状态判断模型中,得到模型输出的道路状态变化结果;又示例性的,预先设定道路状态判断规则为,当中心线偏离特征大于第一阈值,且宽度变化特征大于第二阈值时,确定道路状态改变为施工状态,否则,确定道路状态未改变为施工状态,此时可以将中心线偏离特征和第一阈值进行比较,将宽度变化特征和第二阈值进行比较,得到最终的道路状态变化结果。
本公开实施例的技术方案,根据用户在待识别路段中的定位数据,确定待识别路段的中心线偏离特征和宽度变化特征,进而根据中心线偏离特征和宽度变化特征,确定待识别路段的道路状态是否发生变化,解决了发现施工路段的周期长且信息采集成本高的问题,在提高施工道路识别时效性的同时,降低信息采集成本。
图2是本公开实施例中的一种施工道路识别方法的示意图,在上述实施例的基础上进一步细化,提供了根据用户在待识别路段中的定位数据,确定待识别路段的中心线偏离特征和宽度变化特征的具体步骤。下面结合图2对本公开实施例提供的一种施工道路识别方法进行说明,包括以下:
S210、根据第一时间段内用户在待识别路段的定位数据,确定待识别路段的第一路段中心线。
本公开实施例中,获取第一时间段内多个用户在待识别路段上的定位数据,并根据上述定位数据确定第一时间段内待识别路段的中心线作为第一路段中心线,具体的,可以选取最靠近路段两侧的两个用户定位点,通过求取两个定位点坐标平均值得到路段中心点,然后通过同样的方式获取下一个路段中心点,最终得到由多个路段中心点构成的路段中心线作为第一路段中心线。
示例性的,在3月7月期间的用户定位数据中,选取最靠近路段两侧的两个用户定位点坐标分别为(50,80)和(80,80),计算坐标平均值可以得到一个路段中心点坐标为(65,80)。然后通过同样的方式获取至少一个路段中心点,最终得到由多个路段中心点构成的第一路段中心线。
S220、根据第二时间段内用户在待识别路段的定位数据,确定待识别路段的第二路段中心线。
本公开实施例中,获取第二时间段内多个用户在待识别路段上的定位数据,并根据上述定位数据,确定第二时间段内待识别路段的中心线作为第二路段中心线,第二路段中心线的具体获取方式与第一路段中心线相同,仅仅是采用的定位数据不同,在此不再赘述。
S230、将第一路段中心线和第二路段中心线的偏离值作为中心线偏离特征。
本公开实施中,在得到第一路段中心线和第二路段中心线后,计算两条中心线在与路段垂直方向的偏离值,具体的,第一路段中心线中路段中心点的横坐标均为65,第二路段中心线中路段中心点的横坐标均为70,此时中心线偏离特征取值为二者差值,即中心线偏离特征为5,本实施例中通过对用户的定位数据进行分析,得到中心线偏离特征,用于道路状态判断,无需通过信息采集车进行道路信息采集来识别施工道路,降低了信息采集的成本,并且缩短了道路状态获取周期。
S240、将待识别路段的外接多边形作为道路缓冲区。
本公开实施例中,采用缓冲区分析方法,获取待识别路段的宽度变化特征,首先将待识别路段的外接多边形作为道路缓冲区,具体的,将待识别路段的外接矩形作为当前道路缓冲区,以道路缓冲区为研究单元来确定宽度变化特征。
S250、对用户在道路缓冲区中的定位数据进行图像化处理得到定位图像,并根据定位图像确定待识别路段的宽度变化特征。
本公开实施例中,通过图像处理的方式来计算路段的宽度变化特征,具体为,将用户在道路缓冲区范围内的定位数据进行图像化处理,得到定位图像,然后根据定位图像来确定待识别路段的宽度变化特征。例如,将第一时间段内用户定位数据进行图像化处理得到第一幅图像,将第二时间段内用户定位数据进行图像化处理得到第二幅图像,通过对比两幅图像中用户定位点的变化,来确定待识别路段的宽度变化特征,本实施例中通过对用户的定位数据进行分析,得到待识别路段的宽度变化特征,用于道路状态判断,无需通过信息采集车进行道路信息采集来识别施工道路,降低了道路信息采集的成本,并且缩短了道路状态获取周期。
可选的,对用户在道路缓冲区中的定位数据进行图像化处理得到定位图像,并根据定位图像确定待识别路段的宽度变化特征,包括:
对第一时间段内用户在道路缓冲区中的定位数据进行图像化处理,得到第一定位图像;
对第二时间段内用户在道路缓冲区中的定位数据进行图像化处理,得到第二定位图像;
对第一定位图像和第二定位图像进行差值计算,得到差值图像;
基于差值图像,在待识别路段所属路线的垂线方向进行像素计算,得到待识别路段的宽度变化特征。
本可选的实施例中,提供一种对用户在道路缓冲区中的定位数据进行图像化处理得到定位图像,并根据定位图像确定待识别路段的宽度变化特征的具体方式,首先对第一时间段内用户在道路缓冲区中的定位数据进行图像化处理,得到第一定位图像,并对第二时间段内用户在道路缓冲区中的定位数据进行图像化处理,得到第二定位图像,进而对第一定位图像和第二定位图像进行图像差值计算,得到发生变化的图像,即差值图像,最终基于差值图像,通过对待识别路段所属路线的垂线方向进行像素计算,得到待识别路段的宽度变化特征,通过将用户定位数据进行图像化处理,根据图像化处理后的定位图像来计算路段的宽度变化特征,可以得到像素级的宽度变化特征,提高了宽度变化特征计算的准确度,进而提高了施工道路识别的准确度。
示例性的,将第一时间段的用户定位数据进行图像化处理,得到包含两种不同像素点的第一定位图像,例如,第一定位图像中第一类像素点是用户经过区域的像素点,第二类像素点是用户没有经过的区域像素点,同理,对第二时间段的用户定位数据进行图像化处理,得到第二定位图像,通过计算第一定位图像和第二定位图像之间的差值,得到差值图像,差值图像中包含了用户定位数据的变化信息,通过对差值图像在待识别路段所属路线的垂线方向进行像素计算,得到待识别路段的宽度变化特征。
S260、根据中心线偏离特征和宽度变化特征,确定待识别路段的道路状态是否发生变化。
本公开实施例的技术方案,根据第一时间段内用户在待识别路段的定位数据,确定待识别路段的第一路段中心线,根据第二时间段内用户在待识别路段的定位数据,确定待识别路段的第二路段中心线,并将第一路段中心线和第二路段中心线的偏离值作为中心线偏离特征,进一步的,将待识别路段的外接多边形作为道路缓冲区,且对用户在道路缓冲区中的定位数据进行图像化处理得到定位图像,并根据定位图像确定待识别路段的宽度变化特征,最终根据中心线偏离特征和宽度变化特征,确定待识别路段的道路状态是否发生变化,仅通过获取用户的定位数据,即可得到道路状态变化情况,无需进行高成本的道路信息采集工作,降低道路信息采集成本,且提高了施工道路识别的效率。
图3是本公开实施例中的一种施工道路识别方法的示意图,在上述实施例的基础上进一步细化,提供了根据中心线偏离特征和宽度变化特征,确定待识别路段的道路状态是否发生变化的具体步骤,以及根据中心线偏离特征和宽度变化特征,确定待识别路段的道路状态是否发生变化之后的具体步骤。下面结合图3对本公开实施例提供的一种施工道路识别方法进行说明,包括以下:
S310、根据用户在待识别路段中的定位数据,确定待识别路段的中心线偏离特征和宽度变化特征。
S320、将待识别路段的中心线偏离特征和宽度变化特征输入至施工状态判断模型,获取施工状态判断模型输出的路段状态变化结果。
本公开实施例中,在获取到待识别路段的中心线偏离特征和宽度变化特征后,将待识别路段的中心线偏离特征和宽度变化特征输入至施工状态判断模型,获取施工状态判断模型输出的道路状态变化结果。其中,施工状态判断模型可以是逻辑回归模型,最终输出结果可以为“0”或者“1”,输出结果为“1”表示待识别路段由正常通行状态改变为施工状态,输出结果为“0”表示待识别路段状态没有发生改变。通过预先训练的施工状态判断模型来进行获取路段状态变化结果,可以实现仅通过用户定位数据进行施工道路识别,无需通过专用信息采集车进行道路信息采集,降低施工道路识别的成本,且提高施工道路识别的时效性。
在通过施工状态判断模型进行施工道路识别之前,需要将预先采集的中心线偏离特征和道路宽度变化特征作为样本数据,将与中心线偏离特征和道路宽度变化特征对应的道路施工状态作为标签,对施工状态判断模型进行训练。
可选的,施工状态判断模型为逻辑回归模型、支持向量机或者朴素贝叶斯模型。
本可选的实施例中,提供了施工状态判断模型的具体类型,包括逻辑回归模型、支持向量即或者朴素贝叶斯模型等,通过上述分类模型可以仅基于用户定位数据,准确对施工道路进行识别,提高识别准确度,降低识别成本。
S330、将道路状态发生变化的待识别路段的信息同步至地图应用。
本公开实施例中,为了方便地图应用用户的出行,在确定道路状态由正常通行状态改变为施工状态后,将路段信息进行处理后,同步至地图应用,具体可以根据地图应用中的路网数据对路段信息进行完善以及信息格式转换等操作,将路段信息转换为与地图应用展示所需的信息格式,进而同步至地图应用,用户在使用地图应用时可以及时发现状态改变为施工状态的路段,从而及时对行程进行调整,提高出行便捷性。
本公开实施例的技术方案,根据用户在待识别路段中的定位数据,确定待识别路段的中心线偏离特征和宽度变化特征,进而将待识别路段的中心线偏离特征和宽度变化特征输入至施工状态判断模型,获取施工状态判断模型输出的路段状态变化结果,最终将道路状态发生变化的待识别路段的信息同步至地图应用,可以提高识别路段施工状态的效率,降低信息采集成本,并且将状态发生变化的路段信息同步至地图应用,可以提高用户出行便捷性。
图4是本公开实施例中的一种施工道路识别装置的结构示意图,该施工道路识别装置400,包括:特征获取模块410和施工道路识别模块420。
特征获取模块410,用于根据用户在待识别路段中的定位数据,确定所述待识别路段的中心线偏离特征和宽度变化特征;
施工道路识别模块420,用于根据所述中心线偏离特征和宽度变化特征,确定所述待识别路段的道路状态是否发生变化。
本公开实施例的技术方案,根据用户在待识别路段中的定位数据,确定待识别路段的中心线偏离特征和宽度变化特征,进而根据中心线偏离特征和宽度变化特征,确定待识别路段的道路状态是否发生变化,解决了发现施工路段的周期长且信息采集成本高的问题,在提高施工道路识别时效性的同时,降低信息采集成本。
可选的,所述特征获取模块410,包括:
第一路段中心线确定单元,用于根据第一时间段内用户在待识别路段的定位数据,确定所述待识别路段的第一路段中心线;
第二路段中心线确定单元,用于根据第二时间段内用户在待识别路段的定位数据,确定所述待识别路段的第二路段中心线;
中心线偏离特征获取单元,用于将所述第一路段中心线和第二路段中心线的偏离值作为中心线偏离特征。
可选的,所述特征获取模块410,包括:
道路缓冲区确定单元,用于将所述待识别路段的外接多边形作为道路缓冲区;
宽度变化特征获取单元,用于对用户在所述道路缓冲区中的定位数据进行图像化处理得到定位图像,并根据所述定位图像确定待识别路段的宽度变化特征。
可选的,所述宽度变化特征获取单元,包括:
第一定位图像获取子单元,用于对第一时间段内用户在所述道路缓冲区中的定位数据进行图像化处理,得到第一定位图像;
第二定位图像获取子单元,用于对第二时间段内用户在所述道路缓冲区中的定位数据进行图像化处理,得到第二定位图像;
差值图像获取子单元,用于对所述第一定位图像和第二定位图像进行差值计算,得到差值图像;
宽度变化特征获取子单元,用于基于所述差值图像,在所述待识别路段所属路线的垂线方向进行像素计算,得到待识别路段的宽度变化特征。
可选的,所述施工道路识别模块420,具体用于:
将所述待识别路段的中心线偏离特征和宽度变化特征输入至施工状态判断模型,获取所述施工状态判断模型输出的路段状态变化结果。
可选的,所述施工状态判断模型为逻辑回归模型、支持向量机或者朴素贝叶斯模型。
可选的,所述施工道路识别装置400,还包括:
信息同步模块,用于在根据所述中心线偏离特征和宽度变化特征,确定所述待识别路段的道路状态是否发生变化之后,将道路状态发生变化的待识别路段的信息同步至地图应用。
本公开实施例所提供的施工道路识别装置可执行本公开任意实施例所提供的施工道路识别方法,具备执行方法相应的功能模块和有益效果。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。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/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如施工道路识别方法。例如,在一些实施例中,施工道路识别方法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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的施工道路识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行施工道路识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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系统上执行和/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,可以从存储系统、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系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,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。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(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系统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系统中。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)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种施工道路识别方法,包括:
根据用户在待识别路段中的定位数据,确定所述待识别路段的中心线偏离特征和宽度变化特征;
根据所述中心线偏离特征和宽度变化特征,确定所述待识别路段的道路状态是否发生变化;
其中,根据用户在待识别路段中的定位数据,确定所述待识别路段的中心线偏离特征,包括:
根据第一时间段内用户在待识别路段的定位数据,确定所述待识别路段的第一路段中心线;
根据第二时间段内用户在待识别路段的定位数据,确定所述待识别路段的第二路段中心线;
将所述第一路段中心线和第二路段中心线的偏离值作为中心线偏离特征;
其中,所述第一路段中心线是根据在所述第一时间段内用户在待识别路段的定位数据选取最靠近路段两侧的两个用户定位点,通过求取两个定位点坐标平均值得到路段中心点,然后通过同样的方式获取下一个路段中心点,最终得到由多个路段中心点构成的路段中心线;
其中,所述第二路段中心线是根据在所述第二时间段内用户在待识别路段的定位数据选取最靠近路段两侧的两个用户定位点,通过求取两个定位点坐标平均值得到路段中心点,然后通过同样的方式获取下一个路段中心点,最终得到由多个路段中心点构成的路段中心线;
其中,根据用户在待识别路段中的定位数据,确定所述待识别路段的宽度变化特征,包括:
将所述待识别路段的外接多边形作为道路缓冲区;
对用户在所述道路缓冲区中的定位数据进行图像化处理得到定位图像,并根据所述定位图像确定待识别路段的宽度变化特征;
其中,对用户在所述道路缓冲区中的定位数据进行图像化处理得到定位图像,并根据所述定位图像确定待识别路段的宽度变化特征,包括:
对第一时间段内用户在所述道路缓冲区中的定位数据进行图像化处理,得到第一定位图像;
对第二时间段内用户在所述道路缓冲区中的定位数据进行图像化处理,得到第二定位图像;
对所述第一定位图像和第二定位图像进行差值计算,得到差值图像;
基于所述差值图像,在所述待识别路段所属路线的垂线方向进行像素计算,得到待识别路段的宽度变化特征。
2.根据权利要求1所述的方法,其中,根据所述中心线偏离特征和宽度变化特征,确定所述待识别路段的道路状态是否发生变化,包括:
将所述待识别路段的中心线偏离特征和宽度变化特征输入至施工状态判断模型,获取所述施工状态判断模型输出的路段状态变化结果。
3.根据权利要求2所述的方法,所述施工状态判断模型为逻辑回归模型、支持向量机或者朴素贝叶斯模型。
4.根据权利要求1所述的方法,在根据所述中心线偏离特征和宽度变化特征,确定所述待识别路段的道路状态是否发生变化之后,还包括:
将道路状态发生变化的待识别路段的信息同步至地图应用。
5.一种施工道路识别装置,包括:
特征获取模块,用于根据用户在待识别路段中的定位数据,确定所述待识别路段的中心线偏离特征和宽度变化特征;
施工道路识别模块,用于根据所述中心线偏离特征和宽度变化特征,确定所述待识别路段的道路状态是否发生变化;
其中,所述特征获取模块,包括:
第一路段中心线确定单元,用于根据第一时间段内用户在待识别路段的定位数据,确定所述待识别路段的第一路段中心线;
第二路段中心线确定单元,用于根据第二时间段内用户在待识别路段的定位数据,确定所述待识别路段的第二路段中心线;
中心线偏离特征获取单元,用于将所述第一路段中心线和第二路段中心线的偏离值作为中心线偏离特征;
其中,所述第一路段中心线是根据在所述第一时间段内用户在待识别路段的定位数据选取最靠近路段两侧的两个用户定位点,通过求取两个定位点坐标平均值得到路段中心点,然后通过同样的方式获取下一个路段中心点,最终得到由多个路段中心点构成的路段中心线;
其中,所述第二路段中心线是根据在所述第二时间段内用户在待识别路段的定位数据选取最靠近路段两侧的两个用户定位点,通过求取两个定位点坐标平均值得到路段中心点,然后通过同样的方式获取下一个路段中心点,最终得到由多个路段中心点构成的路段中心线;
其中,所述特征获取模块,包括:
道路缓冲区确定单元,用于将所述待识别路段的外接多边形作为道路缓冲区;
宽度变化特征获取单元,用于对用户在所述道路缓冲区中的定位数据进行图像化处理得到定位图像,并根据所述定位图像确定待识别路段的宽度变化特征;
其中,所述宽度变化特征获取单元,包括:
第一定位图像获取子单元,用于对第一时间段内用户在所述道路缓冲区中的定位数据进行图像化处理,得到第一定位图像;
第二定位图像获取子单元,用于对第二时间段内用户在所述道路缓冲区中的定位数据进行图像化处理,得到第二定位图像;
差值图像获取子单元,用于对所述第一定位图像和第二定位图像进行差值计算,得到差值图像;
宽度变化特征获取子单元,用于基于所述差值图像,在所述待识别路段所属路线的垂线方向进行像素计算,得到待识别路段的宽度变化特征。
6.根据权利要求5所述的装置,其中,所述施工道路识别模块,具体用于:
将所述待识别路段的中心线偏离特征和宽度变化特征输入至施工状态判断模型,获取所述施工状态判断模型输出的路段状态变化结果。
7.根据权利要求6所述的装置,其中,所述施工状态判断模型为逻辑回归模型、支持向量机或者朴素贝叶斯模型。
8.根据权利要求5所述的装置,还包括:
信息同步模块,用于在根据所述中心线偏离特征和宽度变化特征,确定所述待识别路段的道路状态是否发生变化之后,将道路状态发生变化的待识别路段的信息同步至地图应用。
9.一种电子设备,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1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110704308.4A CN113447013B (zh) | 2021-06-24 | 2021-06-24 | 施工道路识别方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110704308.4A CN113447013B (zh) | 2021-06-24 | 2021-06-24 | 施工道路识别方法、装置、设备、存储介质和程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113447013A CN113447013A (zh) | 2021-09-28 |
CN113447013B true CN113447013B (zh) | 2023-03-17 |
Family
ID=77812474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110704308.4A Active CN113447013B (zh) | 2021-06-24 | 2021-06-24 | 施工道路识别方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113447013B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11892317B2 (en) * | 2021-12-20 | 2024-02-06 | Here Global B.V. | Automatic detection of segment width narrowing using probe data |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3895183B2 (ja) * | 2002-01-17 | 2007-03-22 | アルパイン株式会社 | 地図情報更新装置およびシステム |
CN103218618B (zh) * | 2013-01-09 | 2017-05-10 | 重庆交通大学 | 一种基于遥感数字图像的公路路线自动提取方法 |
CN105787937B (zh) * | 2016-02-25 | 2019-03-01 | 武汉大学 | 一种基于osm的高分辨遥感影像道路变化检测方法 |
CN108645342B (zh) * | 2018-04-25 | 2020-07-07 | 国交空间信息技术(北京)有限公司 | 一种基于道路轨迹和高分辨率影像的道路宽度提取方法 |
CN110533254B (zh) * | 2019-09-04 | 2022-07-19 | 百度在线网络技术(北京)有限公司 | 一种路段识别方法、装置、设备及存储介质 |
CN111611955B (zh) * | 2020-05-28 | 2023-09-26 | 百度在线网络技术(北京)有限公司 | 可通行施工道路的识别方法、装置、设备及存储介质 |
CN111985366B (zh) * | 2020-08-06 | 2024-06-04 | 广联达科技股份有限公司 | 一种道路中心线及桩号识别方法、装置 |
-
2021
- 2021-06-24 CN CN202110704308.4A patent/CN113447013B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113447013A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114036253B (zh) | 高精地图数据处理方法、装置、电子设备和介质 | |
CN113657483A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN114187459A (zh) | 目标检测模型的训练方法、装置、电子设备以及存储介质 | |
CN113377890B (zh) | 一种地图质检方法、装置、电子设备及存储介质 | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN115358392A (zh) | 深度学习网络的训练方法、文本检测方法及装置 | |
CN113447013B (zh) | 施工道路识别方法、装置、设备、存储介质和程序产品 | |
CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
US20220164723A1 (en) | Method for determining boarding information, electronic device, and storage medium | |
CN114882313B (zh) | 生成图像标注信息的方法、装置、电子设备及存储介质 | |
CN114187488B (zh) | 图像处理方法、装置、设备、介质 | |
CN114724113A (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN115761698A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN114383600B (zh) | 用于地图的处理方法、装置、电子设备和存储介质 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN114170282A (zh) | 点云融合方法、装置、电子设备和介质 | |
CN113407839B (zh) | 出行方式的确定方法、装置、设备和存储介质 | |
CN112507951B (zh) | 指示灯识别方法、装置、设备、路侧设备和云控平台 | |
US20220228880A1 (en) | Method for generating navigation information, apparatus for generating navigation information, device, medium, and product | |
CN114529768B (zh) | 确定对象类别的方法、装置、电子设备和存储介质 | |
CN114092874B (zh) | 目标检测模型的训练方法、目标检测方法及其相关设备 | |
CN114863285B (zh) | 识别目标道路的方法、装置、设备以及存储介质 | |
CN113865611B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN114898323A (zh) | 场景匹配方法、装置、电子设备及存储介质 | |
CN114565905A (zh) | 车道线的提取方法、装置和电子设备 |
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 |