[发明专利]一种交通期望线的边绑定以及评价方法有效
| 申请号: | 201910677704.5 | 申请日: | 2019-07-25 |
| 公开(公告)号: | CN110598052B | 公开(公告)日: | 2023-02-03 |
| 发明(设计)人: | 何兆成;罗良奎;朱依婷 | 申请(专利权)人: | 中山大学 |
| 主分类号: | G06V30/422 | 分类号: | G06V30/422;G06V10/44;G06V10/762;G06V10/774;G06T11/20;G06F16/29;G08G1/01;G08G1/017 |
| 代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 林丽明 |
| 地址: | 510275 广东*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 交通 期望 绑定 以及 评价 方法 | ||
本发明涉及一种交通期望线的边绑定以及评价方法,具体的过程包括:通过利用摄像头拍摄经过各个道路交叉口的车辆信息得到车辆的行驶路径,将行驶路径的起点与终点统称为顶点,通过聚类算法从顶点中筛选出控制点;通过将控制点连接起来形成交通期望线,采用力引导模型将交通期望线进行绑定,并对对交通期望线绑定后的效果进行评价。本发明将顶点进行聚类,减少原始图输入的顶点数量,解决了边绑定技术方法在大规模交通数据集的应用难点。同时,本发明提出了边绑定的量化指标。基于像素灰度强度的差异,提取了边绑定前后图像的角点特征,结合交通数据的时间维度信息,提出图像变化强度,能够较好地反映绑定效果。
技术领域
本发明涉及数据处理领域,更具体地,涉及一种交通期望线的边绑定以及评价方法。
背景技术
目前,边绑定方法是可视化领域的一个研究热点,边绑定方法可用于解决图可视化中由于边的过多交叉而引起的视觉混乱问题。边绑定方法在城市道路交通领域的研究较少,主要包括以下几种方法:
(1)Cui等提出了基于几何的边绑定方法,是第一个成功对普通图进行边绑定的算法。其分为四步:第一步在图上生成一个均匀的辅助网络,计算每个网络的平均走向;第二步把位置相邻并且所包含的边走向相似的网格进行合并;第三步在新生成的网格的基础上产生一个控制网格;第四步引导边产生弯曲,形成最终的可视化效果。
(2)Holten等人提出FDEB(Force-Directed Edge Bundling)算法将结点-链接图模拟成一个单条边受弹簧力控制,各条边能相互吸引的静力模型。FDEB算法概念简单,仅仅需要将边模拟成多段弹簧,在弹力达到动态平衡之后,方向相似、距离相近的边互相吸引形成绑定效果。
(3)于静等提出一种基于力导引算法的图数据可视化布局优化方法,此方法在结点粘连的情况下,通过随机函数给出结点弹开的位置和结点弹开的方向,从而将粘连结点彼此分开一定的距离,使得结点粘连情况下的吸引力和排斥力能够计算;其次,在力导引算法的位移计算中对参数delta值采用梯度设置,使得图数据可视化布局过程减少震荡并快速收敛。
但由于FDEB算法的复杂程度为O(n2),顶点和边数量大幅增加的情况下,计算消耗巨大,而且把每一条边模拟成弹簧,会造成边的严重变形,不符合适当变形的要求。上述研究更多地是针对顶点数量较少的,边数量也较少的长距离迁徙数据。同时,上述方法采用的评价方法都是较为主观的定性评价,没有对可视化结果定量评价。
而对于边绑定可视化结果的评价方面,主要涉及两种评价方法。其中一种是比较边绑定前后渲染效果所需要的油墨比,边被绑定在一起后形成束约紧密,杂乱的边越少,图骨架结构越明显,打印时所用的油墨越少,效果越好。另一种是进行用户实验,要求被试者在一定时间内,完成规定的任务,比如点对点的追踪、勾画明显的边束,然后通过记录和分析足够多的被试者在一个或者多个可执行的、明确的任务上的表现,从而获得完成任务的耗时和完成任务的正确率。由于在面对交通身份检测数据的顶点和边比较多,油墨比在绑定前后变化不大,用户在进行边追踪时无法识别局部的顶点,两者都无法准确地评价边绑定的效果。
发明内容
为了解决现有技术中采用边绑定方法主要是针对顶点数量较少的,边数量也较少的长距离迁徙数据并且对绑定效果的评价方法缺少对可视化结果定量评价的不足,本发明提供了一种交通期望线的边绑定以及评价方法。
一种交通期望线的边绑定以及评价方法,包括以下步骤:
步骤S1:利用摄像头拍摄经过各个道路交叉口的车辆信息,结合交通网路数据,得到关于车辆的交通信息;
步骤S2:将拍摄到同一车牌的时间差最小的两个摄像头所在的道路交叉口之间的路段作为拥有该车牌的车辆的行驶路径,根据两个摄像头拍摄到车牌时间的早晚将两个摄像头标记为车辆行驶路径的起点与终点;
步骤S3:将行驶路径的起点与终点统称为顶点,通过聚类算法对顶点进行筛选,将筛选后的顶点作为的控制点;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910677704.5/2.html,转载请声明来源钻瓜专利网。





