一种道路匹配方法、设备和存储介质与流程

1.本技术涉及智能交通研究技术领域，特别是涉及一种道路匹配方法、设备和存储介质。


背景技术：

2.道路匹配是基于地理位置服务中的重要的预处理步骤，是将gps轨迹点匹配到实际道路路网上。以此为基础对数据进行分析和挖掘，在例如构建智能交通系统、协助用户规划出行方案和路径规划等能偶辅助解决城市计算中的相关问题有至关重要的作用。但是随着大数据技术和城市交通系统的快速发展，获取和处理车辆的位置信息的成本不断提高，故可通过降低采样率以降低匹配成本，但随着采样频率的降低，道路匹配的准确率也大幅下降，这给后续数据的分析和挖掘带来了极大挑战。
3.因此，如何提高道路匹配的准确率至关重要。


技术实现要素：

4.本技术主要解决的技术问题是提供一种道路匹配方法、设备和存储介质，能够提高道路匹配的准确率。
5.为解决上述技术问题，本技术采用的一个技术方案是：提供一种道路匹配方法，该方法包括：获取多个时间段内目标车辆的各目标信息，各目标信息包括各时间段目标车辆行驶的参数信息和对应的各初始路径匹配信息；利用校准模型基于参数信息对各初始路径匹配信息进行校准，得到目标车辆的目标路径匹配结果信息。
6.其中，获取多个时间段目标车辆的各目标信息的步骤包括：获取路网数据和目标车辆的原始gps轨迹数据；结合路网数据和原始gps轨迹数据，将原始gps轨迹数据分割成多个时间段的gps子轨迹数据，其中，各时间段相同或不同；通过路网数据和各时间段的gps子轨迹数据，获取轨迹点在路网中的候选状态点；将候选状态点和路网数据输入隐马尔科夫模型，计算各候选状态点的观察概率和转移概率；利用各候选状态点的观察概率和转移概率，确定目标车辆各初始路径匹配信息；利用各初始路径匹配信息和目标车辆行驶的参数信息，组成多个时间段目标车辆的各目标信息。
7.其中，利用各候选状态点的观察概率和转移概率，确定目标车辆各初始路径匹配信息，包括：利用各候选状态点的观察概率和转移概率，得到观察概率和转移概率乘积最大的候选状态点点集；利用候选状态点点集和各时间段的gps子轨迹数据，组成目标车辆各初始路径匹配信息。其中，目标车辆的各初始路径匹配信息包括：道路id、道路类型和对应的第一概率。
8.其中，利用校准模型基于参数信息对各初始路径匹配信息进行校准，得到目标车辆的目标路径匹配结果信息，包括：利用校准模型基于参数信息对各初始匹配轨迹信息进行处理，得到目标车辆在各时间段内所处道路的道路类型和对应的第二概率；基于第二概率和目标车辆的行驶参数信息，确定目标车辆各时间段对应的各目标路径匹配结果信息；
利用各目标路径匹配结果信息，组成目标路径匹配结果信息。
9.其中，基于第二概率和目标车辆的行驶参数信息，确定目标车辆各时间段对应的各目标路径匹配结果信息，包括：响应于第二概率大于预设阈值，利用第二概率对应的道路类型和目标车辆的行驶参数对初始路径匹配信息进行校准，确定对应的目标路径匹配结果信息。
10.其中，目标车辆行驶的参数信息包括：行驶时间、gps轨迹点、平均速度和瞬时速度，其中，瞬时速度为对目标车辆行驶速度进行稳定性处理后的瞬时速度值，得到瞬时速度值的步骤包括：利用目标车辆行驶中的原始瞬时速度，得到关于目标车辆行驶的速度时间序列；对速度时间序列中相邻的若干原始瞬时速度求平均，得到瞬时速度。
11.其中，目标车辆为货车。
12.为解决上述技术问题，本技术采用的另一个技术方案是：提供一种道路匹配设备，该设备包括相互耦接的存储器和处理器，存储器存储有程序指令；处理器用于执行存储器中存储的程序指令，以实现上述的道路匹配方法。
13.为解决上述技术问题，本技术采用的又一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质用于存储程序指令，程序指令能够被执行以实现上述道路匹配方法。
14.上述方案，先获取多个时间段内目标车辆对应的各目标信息，其中，各目标信息包括各时间段目标车辆行驶的参数信息和对应的各初始路径匹配信息，然后利用校准模型基于参数信息对各初始路径匹配信息进行校准，得到目标车辆的目标路径匹配结果信息。由于本技术方案得到的目标路径匹配结果信息，为校准后的结果信息，故相比于不经过校准的初始路径匹配信息，其路径匹配的准确率更高。
附图说明
15.图1是本技术提供的道路匹配方法一实施例的流程示意图；
16.图2是本技术提供的道路匹配方法一实施例中瞬时速度的示意图；
17.图3是图1所示步骤s11一实施例的流程示意图；
18.图4是本技术提供的道路匹配方法一实施例中观察概率和转移概率的有向权重图；
19.图5是图1所示步骤s12一实施例的流程示意图；
20.图6是本技术提供道路匹配设备一实施例的框架示意图；
21.图7是本技术提供的计算机可读存储介质的结构示意图。
具体实施方式
22.为使本技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本技术进一步详细说明。
23.需要说明的是，若本技术实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技
术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本技术要求的保护范围之内。
24.同时，需要说明的是，本技术方案可在极低的gps采样率情况下(每5分钟到每15分钟采一次样)，保证道路匹配的准确率，其中，本技术方案是先得到目标车辆在不同时间段对应的各目标信息，其中，各目标信息包括各时间段目标车辆行驶的参数信息和对应的各初始路径匹配信息，然后利用校准模型基于参数信息对各初始路径匹配信息进行校准，得到目标车辆的目标路径匹配结果信息。其中，该目标路径匹配结果信息即为目标车辆在路网上的匹配轨迹信息。
25.请参阅图1，图1是本技术提供的道路匹配方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。如图1所示，本实施例包括：
26.s11：获取多个时间段内目标车辆的各目标信息，各目标信息包括各时间段内目标车辆行驶的参数信息和对应的各初始路径匹配信息。
27.本实施例的方法用于通过校准模型对获取的目标信息进行处理和校准，得到目标车辆的目标路径匹配结果信息。
28.本文所述的目标信息为获取的关于目标车辆的相关信息，目标车辆可以但不限于是汽车或货车等车辆，其中，获取的目标信息为多个时间段内目标车辆对应的包括目标车辆行驶的参数信息和初始路径匹配信息的信息，也就是说，本实施例中，获取的目标信息为多个，各目标信息均对应包含有对应时间段的行驶参数信息和初始路径匹配信息。
29.其中，目标车辆行驶的参数信息表示与目标车辆行驶相关的一些参数数据，在一些实施例中，目标车辆行驶的参数信息包括行驶时间、gps轨迹点、平均速度和瞬时速度。其中，目标车辆的行驶时间与上述目标信息对应的时间段相同，gps轨迹点为通过采样获取的目标车辆在路网上的轨迹点，故可以理解的是，采样频率越高，采样获取的gps轨迹点越多，反之，采样频率越低，获取的gps轨迹点越少，其中，本技术的道路匹配方法可适用于极低采样率的轨迹数据(例如，采样率为5到15分钟取一次样)。同时，需要说明的是，如图2所示，由于目标车辆在不同时间和不同道路上行驶过程中可能出现各种不同的情况，从而导致车速的不稳定的变化，例如，超车或停车等情况，为降低目标车辆在行驶过程中由于异常情况下的异常车速对后续模型校准结果的影响，本技术方案中采用的瞬时速度为对目标车辆行驶速度进行稳定性处理后的瞬时速度值，平均速度为通过稳定处理后的目标车辆在对应行驶时间内的平均速度。
30.在一些实施例中，在获取目标车辆行驶中各时间点的原始瞬时速度后，利用各原始瞬时速度，得到关于目标车辆行驶的速度时间序列，即将各时间点的原始瞬时速度按照时间顺序进行排序，然后对该速度时间序列中相邻的若干原始瞬时速度求平均，得到瞬时速度。例如，先将当前原始瞬时速度和其前后两个或者四个相邻的原始瞬时速度值相加后求平均，然后将求得的平均值乘以当前时刻所处时间段的时间因子得到的结果值作为当前的瞬时速度值，其中，所处时间段的时间因子可根据车流量的情况进行确定，例如，在一实施例中，可根据车流量的情况将时间段分为高峰时段和低峰时段，对应的时间因子分别为α、1-α。
31.s12：利用校准模型基于参数信息对各初始路径匹配信息进行校准，得到目标车辆
的目标路径匹配结果信息。
32.本实施例中，在步骤s11获取多个时间段内目标车辆的各目标信息后，即获取各时间段目标车辆行驶的参数信息和对应的各初始路径匹配信息后，利用校准模型基于参数信息对各初始路径匹配信息进行校准，得到目标车辆的目标路径匹配结果信息。其中，校准模型可以是任何能够对各初始路径匹配信息进行校准，得到目标路径匹配结果信息的模型，可以但不限于是决策树模型、规则模型。
33.本实施例中，先获取多个时间段内目标车辆对应的各目标信息，其中，各目标信息包括各时间段目标车辆行驶的参数信息和对应的各初始路径匹配信息，然后利用校准模型基于参数信息对各初始路径匹配信息进行校准，得到目标车辆的目标路径匹配结果信息。由于本方案得到的目标路径匹配结果信息为校准后的结果信息，故相比与不经过校准的初始路径匹配信息，其路径匹配的准确率更高。
34.请参阅图3，图3是图1所示步骤s11一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图3所示的流程顺序为限。如图3所示，本实施例中，获取多个时间段目标车辆的各目标信息的步骤包括：
35.s21：获取路网数据和目标车辆的原始gps轨迹数据。
36.其中，路网数据可通过全国基础地理信息库或者各种下载数据的软件中获取，原始gps轨迹数据可通过车载gps设备获取，具体地获取路网数据和目标车辆的原始gps轨迹数据的方式，可根据实际需要进行确定，此处不做具体限定。
37.s22：结合路网数据和原始gps轨迹数据，将原始gps轨迹数据分割成多个时间段的gps子轨迹数据，其中，各时间段的时间间隔相同或不同。
38.其中，在获取到路网数据和原始gps轨迹数据后，结合路网数据和原始gps轨迹数据，将原始gps轨迹数据分割成多个时间段的gps子轨迹数据，其中，多个时间段的gps子轨迹数据中各时间段的时间间隔可以相同或者不同。在一些实施例中，可按照目标车辆在路网上经过的每一条道路的开始时间到结束时间的时间段进行划分，获得多个时间段的gps子轨迹数据。在另一些实施例中，也可按照整个的行驶时间进行平均划分，得到多个时间段的gps子轨迹数据，具体划分方式可根据实际需要进行确定，此处不做具体限定。
39.s23：通过路网数据和各时间段的gps子轨迹数据，获取轨迹点在路网中的候选状态点。
40.其中，候选状态点为与gps轨迹点对应的隐藏点，具体地，在确定轨迹点的情况下，以轨迹点的位置为中心，以轨迹点所在道路的宽度构建缓冲区圆，然后读取路网数据，构建索引结构，再利用缓冲区、路网数据和索引结构，在路网上查询道路的路段信息，并获取轨迹点在该道路上的投影点，其中，投影点即为轨迹点在缓冲区范围内路网上的候选状态点。
41.s24：将候选状态点和路网数据输入隐马尔科夫模型，计算各候选状态点的观察概率和转移概率。
42.在确定各gps轨迹点对应的候选状态点后，将候选状态点和路网数据输入隐马尔科夫模型，可以计算得到各候选状态点的观察概率和转移概率。其中，需要说明的是，gps轨迹点离候选路段越近，则该点在候选路段上的概率就越大，前后两个gps轨迹点的距离越近，状态转移的概率就越大或者路段上的前后两个点之间距离与gps观测的前后两个轨迹点之间的距离越近，状态转移概率就越大。如图4所示，图4为观测概率和转移概率的有向权
重图，其中，圆点表示候选状态点的观察概率，线段表示转移概率。
43.s25：利用各候选状态点的观察概率和转移概率，确定目标车辆各初始路径匹配信息。
44.在确定各候选状态点的观察概率和转移概率后，利用各候选状态点的观察概率和转移概率，确定目标车辆各初始路径匹配信息。
45.在一实施例中，可利用各候选状态点的观察概率和转移概率，得到观察概率和转移概率乘积最大的候选状态点点集，其中，观察概率和转移概率乘积最大的候选状态点为目标车辆最有可能经过的点，故在得到候选状态点点集后，将该点集回溯获取匹配点点集，作为目标车辆各时间段内的各初始路径匹配信息，其中，得到的各初始路径的匹配信息为马尔科夫模型关于目标车辆路径匹配度最高的路径，也就是说，利用马尔科夫模型得到的各初始路径的匹配信息为目标车辆最有可能经过的路径，如图4所示，粗实线即为目标车辆最有可能经过的路径。其中，利用马尔科夫模型得到的各初始路径的匹配信息中包括道路的id，道路的类型和目标车辆在该道路id上对应的第一概率，其中，道路类型可以但不限于是包括国道、省道、城市一级道路、乡村道路等，具体道路的类型可根据路网的实际道路情况进行确定，此处不做具体限定。
46.s26：利用各初始路径匹配信息和目标车辆行驶的参数信息，组成多个时间段目标车辆的各目标信息。
47.其中，在得到目标车辆的各时间段内的各初始路径匹配信息后，将各时间段对应的初始路径匹配信息和对应的目标车辆行驶的参数信息组合，得到多个时间段目标车辆的各目标信息。
48.本实施例的步骤为获取多个时间段目标车辆的各目标信息的步骤，需要说明的是，本实施例中，在获取路网数据和目标车辆的原始gps轨迹数据后，对该原始gps轨迹数据进行了分割，分割成多个时间段的gps子轨迹数据，然后，利用多个时间段的gps子轨迹数据和路网数据得到目标车辆的多个目标信息，故本实施例中多个目标信息的数量和gps子轨迹数据的数量相同，且各目标信息和各gps子轨迹数据对应的时间段相同。同时，需要说明的是，本技术将整个目标车辆行驶的原gps轨迹数据进行分割，得到多个目标信息，进而得到多段初始路径匹配信息，故在后续对模型校准的过程中，可以对每一段初始路径匹配信息进行校准，以保证最终道路匹配的准确性。
49.具体地，请参阅图5，图5是图1所示步骤s12一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图5所示的流程顺序为限。如图5所示，本实施例包括：
50.s31：利用校准模型基于参数信息对各初始匹配轨迹信息进行处理，得到目标车辆在各时间段内所处道路的道路类型和对应的第二概率。
51.需要说明的是，因为路网的复杂性，车辆行驶过程中的gps轨迹点可能会存在漂移，致使gps轨迹点和车辆的实际轨迹点存在偏差，例如，车辆实际在a道路类型上行驶，但因为gps轨迹点的漂移，使该点漂移到b道路类型上，故需要对该漂移的点进行道路类型的校准。
52.同时，需要说明的是，不同类型的道路对目标车辆行驶的约束条件不同，例如车速，行驶时间的约束等，故在利用校准模型校准的过程中，可根据各时间段中目标车辆的行
驶参数信息，例如车辆行驶的平均速度、瞬时速度、时间和行驶的距离等，判断各时间段目标车辆最有可能行驶的道路类型，以及在该道路类型对应的第二概率。可以理解的是，和上述相同的处理方式，可利用校准模型基于参数信息对各初始匹配轨迹信息进行处理，得到目标车辆在各时间段内所处道路的道路类型和对应的第二概率。
53.s32：基于第二概率和目标车辆的行驶参数信息，确定目标车辆各时间段对应的各目标路径匹配结果信息。
54.在一实施方式中，在通过确定目标车辆在各时间段内所处道路的道路类型和对应的第二概率后，需基于第二概率和目标车辆的行驶参数信息，确定目标车辆各时间段对应的各目标路径匹配结果信息。
55.具体地，若得到的当前时间段目标车辆在某一道路类型对应的第二概率大于阈值，则表示能够确定目标车辆在当前时间段是在该道路类型上行驶的，然后利用第二概率对应的道路类型和目标车辆的行驶参数对初始路径匹配信息进行校准，其中，利用道路类型使漂移的点回到与该道路类型对应的道路上，然后结合当前时间段目标车辆的行驶参数信息，确定该漂移的点在对应道路上的位置，进而确定对应的目标路径匹配结果信息。
56.可选的，阈值为一固定值，在其他实施例中，预设阈值还可以是第一概率。在另一些实施例中，预设阈值也可以是通过多次测试得到的能够保证道路匹配的准确率的任何固定值。
57.s33：利用各目标路径匹配结果信息，组成目标路径匹配结果信息。
58.可以理解的是，在上述确定目标车辆各时间段对应的各目标路径匹配结果信息后，将各目标路径匹配结果信息按照时间顺序进行排序组合，组成目标路径匹配结果信息。
59.应理解，上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
60.请参阅图6，图6是本技术提供道路匹配设备一实施例的框架示意图。该实施方式中，道路匹配设备60包括处理器61和存储器62。
61.处理器61还可以称为cpu(central processing unit，中央处理单元)。处理器61可能是一种集成电路芯片，具有信号的处理能力。处理器61还可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(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。通用处理器可以是微处理器或者该处理器61也可以是任何常规的处理器61等。
62.道路匹配设备60中的存储器62用于存储处理器61运行所需的程序指令。
63.处理器61用于执行程序指令以实现上述任一实施例及任意不冲突的组合所提供的方法。
64.请参阅图7，图7是本技术提供的计算机可读存储介质的结构示意图。本技术实施例的计算机可读存储介质70存储有程序指令71，该程序指令71被执行时实现上述任一实施例以及任意不冲突的组合所提供的方法。其中，该程序指令71可以形成程序文件以软件产品的形式存储在上述计算机可读存储介质70中，以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施方式方法的全部或部分步骤。而前述的计算机可读存储介质70包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存
取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
65.上述方案，先获取多个时间段内目标车辆对应的各目标信息，其中，各目标信息包括各时间段目标车辆行驶的参数信息和对应的各初始路径匹配信息，然后利用校准模型基于参数信息对各初始路径匹配信息进行校准，得到目标车辆的目标路径匹配结果信息。因为，本技术方案得到的目标路径匹配结果信息，为校准后的结果信息，故相比于不经过校准的初始路径匹配信息，其路径匹配的准确率更高。
66.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
67.在本技术所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
68.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
69.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
70.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
71.以上所述仅为本技术的实施方式，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。