数据处理方法及其装置转让专利
申请号 : CN201910385169.6
文献号 : CN111739322B
文献日 : 2021-11-05
发明人 : 王志军 , 杨新宇
申请人 : 腾讯大地通途(北京)科技有限公司 , 腾讯科技(深圳)有限公司
摘要 :
权利要求 :
1.一种数据处理方法,其特征在于,所述方法包括:获取实测路段集、标准路段集、实测路段的属性信息以及标准路段的属性信息,所述实测路段集包括所述实测路段,所述标准路段集包括所述标准路段,所述属性信息包括特征属性和路况状态;
从所述实测路段集中确定出目标实测路段,所述目标实测路段的特征属性与所述标准路段的特征属性相关联;
根据所述标准路段的路况状态调整所述目标实测路段的路况状态,得到调整后的实测路段的属性信息;所述目标实测路段的路段数量大于所述标准路段的路段数量;
根据所述调整后的实测路段的属性信息确定待预测路段的路况状态,包括:根据所述调整后的实测路段的属性信息对预测模型进行优化训练,得到优化的预测模型;
获取所述待预测路段的特征属性;
将所述待预测路段的特征属性输入到所述优化的预测模型中进行预测处理,得到所述待预测路段的路况状态。
2.如权利要求1所述的方法,其特征在于,所述获取实测路段的属性信息,包括:获取行驶在所述实测路段上的车辆的行驶环境图像及行驶轨迹数据;
根据所述行驶环境图像确定所述实测路段的特征属性;
根据所述行驶轨迹数据确定所述实测路段的路况状态。
3.如权利要求2所述的方法,其特征在于,所述根据所述行驶轨迹数据确定所述实测路段的路况状态,包括:
根据所述行驶轨迹数据确定所述车辆的行驶速度;
若所述行驶速度小于第一速度阈值,则确定所述实测路段的路况状态为拥堵状态;
若所述行驶速度大于或等于第一速度阈值,且小于第二速度阈值,则确定所述实测路段的路况状态为缓行状态,所述第二速度阈值大于所述第一速度阈值;
若所述行驶速度大于或等于所述第二速度阈值,则确定所述实测路段的路况状态为畅通状态。
4.如权利要求1所述的方法,其特征在于,所述获取标准路段的属性信息,包括:接收对所述标准路段的多条标注信息,所述标注信息包括所述标准路段的特征属性和所述标准路段的路况状态;
获取所述多条标注信息中每条标注信息出现的次数;
将所述多条标注信息中出现次数大于预设次数的标注信息确定为所述标准路段的属性信息。
5.如权利要求1所述的方法,其特征在于,所述从所述实测路段集中确定出目标实测路段,包括:
从所述实测路段集中确定特征属性与所述标准路段的特征属性匹配的第一实测路段;
从所述实测路段中获取距离与所述第一实测路段的距离小于预设距离的第二实测路段;
将所述第一实测路段和所述第二实测路段确定为目标实测路段。
6.如权利要求1‑5任一项所述的方法,其特征在于,所述特征属性包括基础物理信息及时空分布信息;所述基础物理信息包括路段等级、路段的长度、路段上的车辆的行驶速度、自由流速度、路段与交通信号灯的距离、路段上的车道数量或路段上的车辆数量中的至少一种;所述时空分布信息包括预设时间段内路段的路况状态的分布数据。
7.一种数据处理装置,其特征在于,所述装置包括:获取模块,用于获取实测路段集、标准路段集、实测路段的属性信息以及标准路段的属性信息,所述实测路段集包括所述实测路段,所述标准路段集包括所述标准路段,所述属性信息包括特征属性和路况状态
确定模块,用于从所述实测路段集中确定出目标实测路段,所述目标实测路段的特征属性与所述标准路段的特征属性相关联;
调整模块,用于根据所述标准路段的路况状态调整所述目标实测路段的路况状态,得到调整后的实测路段的属性信息;所述目标实测路段的路段数量大于所述标准路段的路段数量;
预测模块,用于根据所述调整后的实测路段的属性信息确定待预测路段的路况状态,包括:
根据所述调整后的实测路段的属性信息对预测模型进行优化训练,得到优化的预测模型;
获取所述待预测路段的特征属性;
将所述待预测路段的特征属性输入到所述优化的预测模型中进行预测处理,得到所述待预测路段的路况状态。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1‑6任一项所述的数据处理方法。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由处理器加载并执行如权利要求1‑6任一项所述的数据处理方法。
说明书 :
数据处理方法及其装置
技术领域
背景技术
的路况状态为用户提供出行路线,以节省用户的出行时间。目前,所预测的路况状态的精度
较低,导致不能为用户提供合理的出行路线。
发明内容
征属性和路况状态;
性信息包括特征属性和路况状态;
段集、标准路段集、实测路段的属性信息以及标准路段的属性信息,所述实测路段集包括所
述实测路段,所述标准路段包括所述标准路段,所述属性信息包括特征属性和路况状态;
征属性和路况状态;
实测路段的路况状态的准确度,即调整后的实测路段的属性信息的准确度比较高。进一步,
通过调整后的实测路段的属性信息确定待预测路段的路况状态,能够提高路况状态的预测
精度。
附图说明
申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以
根据这些附图获得其他的附图。
具体实施方式
本申请中的实施例,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他
实施例,都属于本申请保护的范围。
态,实测路段的属性信息是根据行驶在实测路段上的车辆的行驶数据计算得到的。车辆的
行驶数据可以包括行驶环境图像和行驶轨迹数据等等。
速度、路段与交通信号灯的距离、路段上的车道数量或路段上的车辆数量中的至少一种。路
段的等级可以包括功能等级和行政等级,功能等级是根据路段的用途或流量划分得到的,
可包括一级公路、二级公路等。行政等级包括国道、省道及县道等等。自由流速度是指车辆
能够在路段上行驶的最大行驶速度。此处时空分布信息可包括预设时间段内路段的路况状
态的分布数据,如,时空分布信息可包括最近一天内的每分钟内确定该路段的路况状态为
畅通状态的车辆数量、确定路况状态为缓行状态的车辆数量、确定路况状态为拥堵状态的
车辆数量等。路况状态可以用于反映路段的畅通程度,路况状态可以包括拥堵状态、缓行状
态或畅通状态,即拥堵状态是指路段的畅通程度较差,缓行状态是指路段的畅通程度良好,
畅通状态是指路段的畅通程度最优。
对标准路段的多个标注信息进行筛选、校验或审核得到的。标注信息可以包括标准路段的
特征属性和路况状态,该标注信息可以是行驶在标准路段上的车辆反馈得到的,或者,该标
注信息是用户通过对标准路段进行实地路测得到的,或者,该标注信息是用户根据行驶在
标准路段上的车辆的行驶数据对标准路段进行标注得到的。
信息的前端设备,即电子设备可以包括行车导航仪、智能手机或平板电脑等等。或者,该电
子设备可以是指能够为车辆提供路段的路况状态等相关信息的后端服务设备,如,电子设
备可以为服务器,具体可以为导航应用的后台服务器。该方法可以包括如下步骤S101~
S104。
况状态。
性信息。并且,标准路段集所覆盖的路段范围有限,实测路段集所覆盖的路段范围比较广,
即标准路段集包括较少标准路段,实测路段集包括较多实测路段。因此,为了降低预测路况
状态的成本、提高预测的效率,并确保路况状态的预测精度,电子设备可以采用标准路段的
属性信息来优化实测路段的属性信息。首先,电子设备可以获取该实测路段集,该实测路段
集可以包括多种等级的实测路段,如该实测路段集可包括国道路段、省道路段及县道路段;
并获取标准路段集,该标准路段集可以包括至少一种等级的标准路段,如该标准路段集包
括省道路段。进一步,电子设备可以获取实测路段的属性信息及标准路段的属性信息,该实
测路段的属性信息可以是指由该电子设备或其他设备根据行驶在实测路段上的车辆的行
驶数据计算得到的,标准路段的属性信息可以是由电子设备或其他设备对标准路段的多条
标注信息进行筛选、校验或审核得到的。
此,通常标准路段的属性信息的准确度高于实测路段的属性信息,即标准路段的路况状态
的准确度高于实测路段的路况状态。为了提高实测路段的路况状态的准确度,电子设备可
以根据标准路段的路况状态调整实测路段的路况状态。具体的,由于该目标实测路段的特
征属性与该标准路段的特征属性相关联,表明目标实测路段与标准路段为同种类型或相似
类型的路段,如均为高速路段或均为学校区域路段等等,则通常在同一时间段目标实测路
段的路况状态与标准路段的路况状态相同,因此,电子设备可以根据标准路段的路况状态
调整该目标实测路段的路况状态,得到调整后的实测路段的属性信息。更具体的,可根据标
准路段在某一时间段的路况状态调整该目标实测路段在该时间段的路况状态。例如,可以
根据标准路段在星期一的早上8:00~8:30的路况状态调整该目标实测路段在星期一的早
上8:00~8:30的路况状态。
测路段集中确定出特征属性与待预测路段的特征属性相匹配的路段,根据匹配的路段对应
的调整后的路况状态确定待预测路段的路况状态。或者,电子设备可以根据该调整后的实
测路段的属性信息对预测模型进行优化训练,通过优化训练的预测模型确定待预测路段的
路况状态。进一步,电子设备可以在用户界面上输出待预测路段的路况状态,以便用户自主
选择合理的出行路线;或者,根据待预测路段的路况状态为用户规划合理的出行路线。
实测路段的路况状态的准确度,即调整后的实测路段的属性信息的准确度比较高。进一步,
通过调整后的实测路段的属性信息确定待预测路段的路况状态,能够提高路况状态的预测
精度。
况状态。
路段的属性信息和标准路段的属性信息。假设标准路段和实测路段的特征属性均包括x个
特征属性值,第i个实测路段的特征属性可表示为FAi=(f1,f2...fx),其中,fx是指第x个特
征属性值,一个特征属性值用于标识一种特征属性,例如,f1用于标识路段的等级。第i个标
准路段的特征属性可表示为FBi=(f1,f2...fx)。第i个实测路段的路况状态可表示为
labelAi,第i个标准路段的路况状态可表示为labelBi。
的图像,该行驶环境图像可以包括实测路段的路牌和实测路段上的车辆等,若实测路段上
有交通信号灯,则该行驶环境图像上还可以包括交通信号灯。电子设备还可包括车辆定位
系统(vehicle positioning system,VPS),车辆定位系统可以包括全球卫星定位系统
(global positioning system,GPS)或地理信息系统(geographic information system,
GIS),可通过车辆定位系统获取行驶在实测路段上的车辆的行驶轨迹数据,该行驶轨迹数
据可以包括车辆在实测路段上行驶的过程中的每个时间点对应的位置。
灰度图像,进一步,对二值化的行驶环境图像进行特征识别,得到实测路段的特征属性。
轨迹数据确定该实测路段的长度和车辆行驶的时长,根据实测路段的长度和行驶的时长确
定行驶速度。若该行驶速度小于第一速度阈值,表明车辆处于特别缓慢移动或未移动的状
态,可确定该实测路段的路况状态为拥堵状态。若该行驶速度大于或等于第一速度阈值,且
小于第二速度阈值,表明车辆处于缓慢移动状态,则确定该实测路段的路况状态为缓行状
态。若该行驶速度大于或等于该第二速度阈值,表明车辆处于快速移动状态,则确定该实测
路段的路况状态为畅通状态。其中,由于针对不同实测路段对应的第一速度阈值、第二速度
阈值通常不相同,因此,第一速度阈值、第二速度阈值可以是根据实测路段的属性信息确定
的。或者,第一速度阈值、第二速度阈值可以是指用户设置的。
标准路段的多条标注信息,该标注信息可以为多个用户在同一个时间点对标准路段进行标
注得到的。进一步,获取该多条标注信息中每条标注信息出现的次数,标注信息出现的次数
越多,则表明标准路段的标注信息的准确度越高,标注信息出现的次数越少,则表明标准路
段的标注信息的准确度越低,因此,电子设备可以将该多条标注信息中出现次数大于预设
次数的标注信息确定为该标准路段的属性信息,即将多条标注信息中出现次数最多的标注
信息确定为标准路段的属性信息。
测路段的特征属性与标准路段的特征属性相同或相似度大于预设相似度值,该预设相似度
值可以是电子设备设置的,或用户设置,用户可以根据应用场景调整预设相似度值的大小。
例如,如图3所示,步骤S202可以包括如下步骤s1和s2。
比对,以确定特征属性与每个标准路段的特征属性匹配的目标实测路段。例如,若确定标准
路段B5特征属性与实测路段A5、A4、A6和A7的特征属性匹配,将实测路段A4、A5、A6和A7作为目
标实测路段。若确定标准路段B15的特征属性与实测路段A10、A9和A11的特征属性匹配,将实
测路段A10、A9和A11作为目标实测路段。
于第一实测路段的邻近区域中的路段,第一实测路段为特征属性与标准路段的特征属性相
匹配的实测路段。步骤S202中获取标准路段的属性信息包括如下步骤s41~s43。
路段,并从该实测路段中获取距离与该第一实测路段的距离小于预设距离的第二实测路
段。第一实测路段的特征属性与标准路段的特征属性相匹配,表明第一实测路段与标准路
段为同种类型或相似类型的路段;第二实测路段与第一实测路段之间的距离小于预设距
离,即第二实测路段与第一实测路段为同种类型或相似类型的路段。因此,第一实测路段与
第二实测路段均与标准路段相关联的路段,将该第一实测路段和该第二实测路段确定为目
标实测路段。
labelB5。若标准路段B15的特征属性与实测路段A10、A9和A11的特征属性相关联,则将实测路
段A10、A9和A11的路况状态调整为标准路段B15的路况状态labelB15。
态为畅通状态,五角星表示标准路段的路况状态为拥堵状态,各个实测路段及标准路段的
路况状态均为同一个时间段的路况状态。若确定实测路段11的特征属性与标准路段12的特
征属性匹配,且标准路段12的路况状态为拥堵状态,则电子设备可以将实测路段11所在的
领域13内所有实测路段的路况状态感染(即调整)为拥堵状态,调整后各个实测路段的路况
状态的分布如图5所示。其中,领域13内的实测路段与实测路段11的距离小于预设距离。由
图4可知,在领域13内的实测路段的路况状态被调整前,领域13内既包括路况状态为缓行状
态的实测路段,也包括路况状态为拥堵状态的实测路段。即在领域13内缓行状态、拥堵状态
的实测路段相互交叠,难以清晰地确定不同路况状态下的实测路段之间的边界。由图5可
知,在领域内13的实测路段的路况状态被调整后,领域13内的实测路段的路况状态均为拥
堵状态,领域13内的实测路段与其他领域内不同路况状态下的实测路段之间有明显的边
界。因此,调整后的实测路段的属性信息更能够契合实际路段的属性信息,进而,根据调整
后的实测路段的属性信息能够准确地确定出待预测路段的路况状态。可见,通过根据标准
路段的路况状态调整实测路段的路况状态,可解决将拥堵路段边界处误判为缓行路段的问
题。
的路况状态均为同一个时间段的路况状态。若确定实测路段14的特征属性与标准路段15的
特征属性匹配,且标准路段15的路况状态为缓行状态,则电子设备可以将实测路段14所在
的领域16内所有实测路段的路况状态感染(即调整)为缓行状态,调整后各个实测路段的路
况状态的分布如图7所示。其中,领域16内的实测路段与实测路段15的距离小于预设距离。
由图6可知,在领域16内的实测路段的路况状态被调整前,领域16内既包括路况状态为拥堵
状态的实测路段,也包括路况状态为缓行状态的实测路段。即在领域16内缓行状态、拥堵状
态的实测路段相互交叠,难以清晰地确定不同路况状态下的实测路段之间的边界。由图7可
知,在领域内16的实测路段的路况状态被调整后,领域16内的实测路段的路况状态均为缓
行状态,领域16内的实测路段与其他领域内不同路况状态下的实测路段之间有明显的边
界。因此,调整后的实测路段的属性信息更能够契合实际路段的属性信息,进而,根据调整
后的实测路段的属性信息能够准确地确定出待预测路段的路况状态。可见,通过根据标准
路段的路况状态调整实测路段的路况状态,可解决将缓行路段边界处误判为拥堵路段的问
题。
的路况状态均为同一个时间段的路况状态。若确定实测路段17的特征属性与标准路段18的
特征属性匹配,且标准路段18的路况状态为畅通状态,则电子设备可以将实测路段17所在
的领域19内所有实测路段的路况状态感染(即调整)为畅通状态,调整后各个实测路段的路
况状态的分布如图9所示。其中,领域19内的实测路段与实测路段17的距离小于预设距离。
由图8可知,在领域19内的实测路段的路况状态被调整前,领域19内既包括路况状态为拥堵
状态的实测路段,也包括路况状态为缓行状态的实测路段和路况状态为畅通状态的实测路
段。即在领域16内缓行状态、拥堵状态、畅通状态的实测路段相互交叠,难以清晰地确定不
同路况状态下的实测路段之间的边界。由图9可知,在领域内19的实测路段的路况状态被调
整后,领域19内的实测路段的路况状态均为畅通状态,领域19内的实测路段与其他领域内
不同路况状态下的实测路段之间有明显的边界。因此,调整后的实测路段的属性信息更能
够契合实际路段的属性信息,进而,根据调整后的实测路段的属性信息能够准确地确定出
待预测路段的路况状态。可见,通过根据标准路段的路况状态调整实测路段的路况状态,可
解决将畅通路段边界处误判为拥堵路段和/或缓行路段的问题。
根据该调整后的实测路段的属性信息对该预测模型进行优化训练,得到优化的预测模型。
具体的,电子设备可以以该调整后的实测路段的属性信息所包括的特征属性为输入,以该
调整后的实测路段的属性信息所包括的路况状态为训练目标对该预测模型进行迭代训练,
当该预测模型的输出处于稳定状态,或者,该预测模型输出路况状态与该调整后的实测路
段的属性信息所包括的路况状态相同或相近时,表明预测模型的预测准确度较高,可以结
束迭代训练,得到优化的预测模型。
模型中进行预测处理,得到该待预测路段的路况状态。
实测路段的路况状态的准确度,即调整后的实测路段的属性信息的准确度比较高。进一步,
由于样本数据的准确度是影响预测模型的预测准确度的关键因素之一,因此,以调整后的
实测路段的属性信息作为预测模型的样本数据对预测模型进行优化训练,得到优化的预测
模型,能够提高预测模型的预测准确度,即优化的预测模型的预测准确度比较高。通过采用
优化的预测模型确定待预测路段的路况状态,能够提高确定路段的路况状态的准确度。
请参见图10,该装置包括:
述属性信息包括特征属性和路况状态。
轨迹数据确定所述实测路段的路况状态。
述行驶速度大于或等于第一速度阈值,且小于第二速度阈值,则确定所述实测路段的路况
状态为缓行状态,所述第二速度阈值大于所述第一速度阈值;若所述行驶速度大于或等于
所述第二速度阈值,则确定所述实测路段的路况状态为畅通状态。
每条标注信息出现的次数;将所述多条标注信息中出现次数大于预设次数的标注信息确定
为所述标准路段的属性信息。
离小于预设距离的第二实测路段;将所述第一实测路段和所述第二实测路段确定为目标实
测路段。
离、路段上的车道数量或路段上的车辆数量中的至少一种;所述时空分布信息包括预设时
间段内路段的路况状态的分布数据。
实测路段的路况状态的准确度,即调整后的实测路段的属性信息的准确度比较高。进一步,
通过调整后的实测路段的属性信息确定待预测路段的路况状态,能够提高确定待预测路段
的路况状态的准确度。
155之间通过总线153连接。
件程序和/或多组指令。具体实现中,存储器155可包括高速随机存取的存储器,并且也可包
括非易失性存储器,例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设
备。存储器155可以存储操作系统(下述简称系统),例如ANDROID,IOS,WINDOWS,或者LINUX
等嵌入式操作系统。存储器155还可以存储网络通信程序,该网络通信程序可用于与一个或
多个附加设备,一个或多个终端设备,一个或多个网络设备进行通信。存储器155还可以存
储用户接口程序,该用户接口程序可以通过图形化的操作界面将应用程序的内容形象逼真
的显示出来,并通过菜单、对话框以及按键等输入控件接收用户对应用程序的控制操作。存
储器155还可以存储一个或多个应用程序。
一条或多条的指令,执行如下步骤:
征属性和路况状态;
离、路段上的车道数量或路段上的车辆数量中的至少一种;所述时空分布信息包括预设时
间段内路段的路况状态的分布数据。
实测路段的路况状态的准确度,即调整后的实测路段的属性信息的准确度比较高。进一步,
通过调整后的实测路段的属性信息确定待预测路段的路况状态,能够提高确定待预测路段
的路况状态的准确度。
实施方式以及有益效果,重复之处不再赘述。