[发明专利]一种基于移动终端的行人路网属性检测方法、装置和设备有效
申请号: | 202010104216.8 | 申请日: | 2020-02-19 |
公开(公告)号: | CN111288999B | 公开(公告)日: | 2021-08-31 |
发明(设计)人: | 周宝定;雷霞;涂伟;李清泉 | 申请(专利权)人: | 深圳大学 |
主分类号: | G01C21/32 | 分类号: | G01C21/32;G01C21/34;G01S19/45 |
代理公司: | 深圳市君胜知识产权代理事务所(普通合伙) 44268 | 代理人: | 朱阳波;王永文 |
地址: | 518060 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 基于 移动 终端 行人 路网 属性 检测 方法 装置 设备 | ||
本发明公开了一种基于移动终端的行人路网属性检测方法、装置和设备,方法包括:若干用户的移动终端采集传感器数据,得到原始数据后,一分部数据记录道路属性用于构建训练集数据,另一部分数据作为轨迹数据用于属性检测;使用训练集数据对不同属性的样本数据进行分类训练,得到分类模型;使用训练所得分类模型检测轨迹数据的属性,并与位置信息进行数据融合得到带属性信息的GPS数据;基于现有的行人路网数据,将轨迹点所检测的属性赋予路网中被匹配的位置点,经过投票与修正处理后,即得到了带有属性信息的路网数据。本发明在解决现有技术的导航系统无法为用户提供特定需求的个性化导航服务;采用智能手机传感器所采集数据检测行人路网的道路属性,为实现个性化的行人导航提供数据基础。
技术领域
本发明涉及智能交通数据处理技术领域,特别是涉及一种基于移动终端的行人路网属性检测方法、装置和设备。
背景技术
作为智能交通的一个重要的组成部分,行人路网描述了行人路段几何关系的拓扑图,是行人导航系统的基础数据。而行人导航系统旨在对行人路网的路径规划,这意味着需要行人路网的及时构建与更新,但现有的大多方法都忽略了行人路网基础数据中对属性信息的添加。路径规划时,缺少对属性信息的度量,仅使用最短路分析进行路径规划,无法提供满足特殊的出行需求。道路属性,是特殊群体出行的首要考虑因素,比如骑自行车出行者、行动受限人群,道路障碍会极大程度的影响其出行的通达性及舒适性。尤其针对轮椅用户,当出行时遇到无配套无障碍服务设施的人行天桥或楼梯,该群体无法自主通行。此外,遇到不同坡度值的道路时,对出行通达性的影响亦是相差甚远。针对现有的行人导航服务,基础数据中缺失对属性信息,无法为出行群体提供满足不同出行需求的最优路径,以至于无法实现个性化导航。
即现有技术的导航系统无法为用户提供特定需求的个性化导航服务,致使导航系统对部分用户的友好性差,一定程度上降低了出行群体对其的使用感受。
发明内容
本发明所要解决的技术问题是,提供一种基于移动终端的行人路网属性检测方法、装置和设备,旨在解决路网基础数据中缺少属性信息,现有技术的导航系统无法为用户提供特定需求的个性化导航服务,出行群体对导航系统体验感差的问题;采用移动终端的传感器数据检测行人路网的道路属性,丰富行人路网的基础数据,为实现个性化的行人导航服务提供数据基础,以满足不同出行群体的特殊需求。
一种基于移动终端的行人路网属性检测方法,其中,包括:
若干用户的移动终端采集传感器数据,得到原始数据后,提取所需的传感器数据;记录部分用户移动终端所采集数据的路网属性,用于构建训练集数据,其余用户移动终端所采集的数据直接上传至云端获得众包数据,并作为轨迹数据用于属性检测;
对用于构建训练集的数据,进行预处理,依据滑动窗口采样,计算每个样本的特征值并标注相应的属性类型,使用机器学习中的特征选择算法筛选特征值,构建训练数据集;
根据得到的训练数据集,采用机器学习的方法,对不同属性的样本数据进行分类训练,得到适用于路网属性的分类模型;
将众包的轨迹数据进行数据处理,并用训练好的分类模型,进行属性检测;将轨迹数据的位置信息与属性信息进行数据融合,得到带属性信息的GPS数据;
基于现有行人路网的基础数据,进行地图匹配,将轨迹点的属性信息赋予所匹配到现有路网中的位置点;对匹配到多个属性标签的位置点,使用多数投票法得到位置点的唯一标签;修正异常标签,得到带有属性信息的路网数据。
所述基于移动终端的行人路网属性检测方法,其中,所述若干用户的移动终端采集传感器数据,得到原始数据后,提取所需的传感器数据;记录部分用户移动终端所采集数据的路网属性,用于构建训练集数据,其余用户移动终端所采集的数据直接上传至云端获得众包数据,并作为轨迹数据用于属性检测的步骤包括:
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深圳大学,未经深圳大学许可,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/202010104216.8/2.html,转载请声明来源钻瓜专利网。