一种基于多次聚类的交通灯定位方法技术

本发明专利技术涉及一种基于多次聚类的交通灯定位方法，包括：步骤1，采集区域内的交通灯数据；步骤2，对该交通灯数据分组得到不同航向对应的数据集；步骤3，分别对各个数据集的数据分块，得到各个数据集中的不同采集车辆和采集时段对应的数据块；步骤4，遍历各个所述数据集，基于DBSCAN聚类算法确定所述数据集中的交通灯个数，以得到的交通灯个数为聚类中心个数，基于K‑Means聚类计算得到聚类中心为交通灯坐标结果。基于DBSCAN聚类算法寻找交通灯个数、基于K‑Means聚类算法寻找聚类中心的多次聚类，较传统的单次聚类得到的交通灯个数的正确率与定位精度得到提高。

A Traffic Light Location Method Based on Multiple Clustering

【技术实现步骤摘要】
一种基于多次聚类的交通灯定位方法
本专利技术涉及众包模式下地图生成领域，尤其涉及一种基于多次聚类的交通灯定位方法。
技术介绍
在各种地图服务技术中，地图上的交通灯的位置是否准确对地图导航、辅助驾驶有着重要的意义。现有技术中的交通灯定位方法主要是先用摄像头识别出交通灯，再靠雷达检测交通灯与汽车的相对位置及汽车自身的GPS坐标计算得到。但是通过雷达检测交通灯的识别正确率达不到100％，且识别出来后需要依靠汽车自身的GPS计算得到交通灯的位置，由于GPS与相对位置可能存在误差，会导致交通灯位置准确率差。另外，采集数据的误差较大时，用传统的聚类算法(如DBSCAN算法)直接聚类会存在较大的不稳定性，可能导致交通灯个数不准确且定位精度差。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种基于多次聚类的交通灯定位方法。本专利技术解决上述技术问题的技术方案如下：一种基于多次聚类的交通灯定位方法，步骤1，采集区域内的交通灯数据；步骤2，对所述交通灯数据分组得到不同航向对应的数据集；步骤3，分别对各个所述数据集的数据分块，得到各个所述数据集中的不同采集车辆和采集时段对应的数据块；步骤4，遍历各个所述数据集，基于DBSCAN聚类算法确定所述数据集中的交通灯个数，以得到的所述交通灯个数为聚类中心个数，基于K-Means聚类计算得到聚类中心为交通灯坐标结果。一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述基于多次聚类的交通灯定位方法的步骤。本专利技术的有益效果是：利用同一区域同一航向下数据采集次数较多时，用DBSCAN算法多次聚类确认该区域的交通灯个数，会存在较多符合该区域的真实情况，而已知交通灯个数的情况下，用K-Means聚类算法寻找聚类中心的效果要比DBSCAN聚类算法好，基于DBSCAN聚类算法寻找交通灯个数、基于K-Means聚类算法寻找聚类中心的多次聚类，较传统的单次聚类得到的交通灯个数的正确率与定位精度得到提高。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，所述交通灯数据包括交通灯的高斯克吕格米坐标x,y及其对应的采集车辆的vid、时间戳和航向；所述步骤1中采集区域内的所述交通灯数据之后还包括：将各个交通灯数据整合形成数据集合DS，将所述数据集合DS内的数据按所述采集车辆的航向、vid、时间戳的顺序排序得到DS＝[data1,data2,…,datan]。所述步骤2中通过对交通灯数据的所述数据集合DS进行拆分的方式得到各个数据集：对于数据集合DS中的任意相邻两个数据，夹角不超过设定的夹角阈值时，判断所述相邻两个数据属于一个所述数据集；夹角超过设定的夹角阈值时，判断所述相邻两个数据属于不同所述数据集。所述步骤2包括：步骤201，将所述数据集合DS中的第一条数据存入新建的当前组NOWGDS；步骤202，比较所述当前组NOWGDS中排序最后的数据与其下一条数据的航向的夹角是否超过设定的夹角阈值，是，执行步骤203，否，执行步骤204；步骤203，将所述下一条数据存入新建的空白组，将所述当前组NOWGDS中的所有数据作为一个所述数据集GDSi存入新建的数据集合HDS，将所述空白组里的数据更新到所述当前组NOWGDS中，执行步骤205；步骤204，将所述下一条数据存入所述当前组NOWGDS中，执行步骤205；步骤205，判断对所述数据集合DS的数据的遍历是否结束，是，将所述当前组NOWGDS中的所有数据作为一个所述数据集GDSi存入所述数据集合HDS，输出数据集合HDS＝[GDS1,GDS2,…,GDShdsn]；否，执行步骤202。所述步骤205输出所述数据集合HDS之前还包括：判断第一个数据集GDS1中的第一条数据与最后一个数据集GDShdsn中的最后一条数据的夹角不超过所述夹角阈值时，合并所述第一个数据集和所述最后一个数据集。所述步骤3中通过对所述数据集进行拆分的方式得到各个所述数据集中的不同采集车辆和采集时段对应的所述数据块：对于任一所述数据集的任意相邻两个数据，时间差不超过设定的时间阈值且所述采集车辆的车牌号相同时，判断所述相邻两个数据属于一个数据块；时间差超过设定的所述时间阈值或者所述采集车辆的车牌号不相同时，判断所述相邻两个数据属于不同的所述数据块。所述步骤3包括：步骤301，将数据集GDSi中的第一条数据存入新建的当前块NOWBDS；步骤302，比较所述当前块NOWBDS中排序最后的数据与其下一条数据的时间差是否不超过设定的时间阈值且所述采集车辆的车牌号相同，是，执行步骤303，否，执行步骤304；步骤303，将所述下一条数据存入所述当前块NOWBDS中，执行步骤305；步骤304，将所述下一条数据存入新建的空白块，将所述当前块NOWBDS中的所有数据作为一个数据块BDSj存入新建的数据集合VTGDS，将所述空白块里的数据更新到所述当前块NOWBDS中，执行步骤305；步骤305，判断对所述数据集GDSi的数据的遍历是否结束，是，将所述当前块NOWBDS中的所有数据作为一个数据块BDSj存入数据集合VTGDS中；否，执行步骤302；步骤306，对各个所述数据集[GDS1,GDS2,…,GDShdsn]进行分块后，得到各个所述数据集的分块数据HVTDS＝[VTGDS1,VTGDS2,…,VTGDShvDdsn]。所述步骤4中确定所述数据集中的交通灯个数的过程包括：步骤401，设置DBSCAN聚类算法的距离参数和最小个数参数；步骤402，遍历所述数据块中的数据，将与所述数据的距离在所述距离参数的范围内个数达到所述最小个数参数的数据为核心点；步骤403，新建一个核心可达集，将第一个核心点存入所述新建的核心可达集；步骤404，遍历核心点合集中的核心点，查找所有所述核心可达集是否存在与遍历的所述核心点的距离小于等于所述距离参数的核心点P，是，执行步骤405；否，执行步骤406；步骤405，判断是否存在至少两个的核心可达集包含满足条件的核心点P，是，合并所述至少两个的核心可达集，将所述遍历的核心点存入合并后的所述核心可达集中；否，将所述遍历的核心点存入所述核心点P所在的核心可达集中；执行步骤407；步骤406，新建一个核心可达集，将所述遍历的核心点存入所述新建的核心可达集中，执行步骤407；步骤407，判断遍历是否结束，是，输出所述核心可达集的个数为对应的所述数据块的类别个数，执行步骤408；否，执行步骤404；步骤408，遍历所述数据集中的各个所述数据块，统计所述数据集中各所述数据块的类别个数，选择出现次数最多的所述类别个数作为所述数据集的交通灯个数。所述步骤4之后还包括：步骤5，采用平均值法融合距离小于距离阈值的交通灯坐标结果中的点。采用上述进一步方案的有益效果是，通过先对数据按照采集车辆的航向、vid、时间戳的顺序排序，获取不同航向对应的数据集以及不同采集车辆和采集时段对应的数据块只需对排序数据进行依次比较拆分，统计过程简单快捷。附图说明图1为本专利技术提供的一种基于多次聚类的交通灯定位方法的流程图；图2为本专利技术提供的一种基于多次聚类的交通灯定位方法的实施例的流程图；图3为本专利技术提供的一种基于多次聚类的交通灯定位方法的实施例中对交通灯数据分组的方法的流程图；图本文档来自技高网...

【技术保护点】
1.一种基于多次聚类的交通灯定位方法，其特征在于，所述方法包括：步骤1，采集区域内的交通灯数据；步骤2，对所述交通灯数据分组得到不同航向对应的数据集；步骤3，分别对各个所述数据集的数据分块，得到各个所述数据集中的不同采集车辆和采集时段对应的数据块；步骤4，遍历各个所述数据集，基于DBSCAN聚类算法确定所述数据集中的交通灯个数，以得到的所述交通灯个数为聚类中心个数，基于K‑Means聚类计算得到聚类中心为交通灯坐标结果。

【技术特征摘要】
1.一种基于多次聚类的交通灯定位方法，其特征在于，所述方法包括：步骤1，采集区域内的交通灯数据；步骤2，对所述交通灯数据分组得到不同航向对应的数据集；步骤3，分别对各个所述数据集的数据分块，得到各个所述数据集中的不同采集车辆和采集时段对应的数据块；步骤4，遍历各个所述数据集，基于DBSCAN聚类算法确定所述数据集中的交通灯个数，以得到的所述交通灯个数为聚类中心个数，基于K-Means聚类计算得到聚类中心为交通灯坐标结果。2.根据权利要求1所述的方法，其特征在于，所述交通灯数据包括交通灯的高斯克吕格米坐标x，y及其对应的采集车辆的vid、时间戳和航向；所述步骤1中采集区域内的所述交通灯数据之后还包括：将各个交通灯数据整合形成数据集合DS，将所述数据集合DS内的数据按所述采集车辆的航向、vid、时间戳的顺序排序得到DS＝[data1，data2，...，datan]。3.根据权利要求2所述的方法，其特征在于，所述步骤2中通过对交通灯数据的所述数据集合DS进行拆分的方式得到各个数据集：对于数据集合DS中的任意相邻两个数据，航向的夹角不超过设定的夹角阈值时，判断所述相邻两个数据属于一个所述数据集；夹角超过设定的夹角阈值时，判断所述相邻两个数据属于不同所述数据集。4.根据权利要求2或3所述的方法，其特征在于，所述步骤2包括：步骤201，将所述数据集合DS中的第一条数据存入新建的当前组NOWGDS；步骤202，比较所述当前组NOWGDS中排序最后的数据与其下一条数据的航向的夹角是否超过设定的夹角阈值，是，执行步骤203，否，执行步骤204；步骤203，将所述下一条数据存入新建的空白组，将所述当前组NOWGDS中的所有数据作为一个所述数据集GDSi存入新建的数据集合HDS，将所述空白组里的数据更新到所述当前组NOWGDS中，执行步骤205；步骤204，将所述下一条数据存入所述当前组NOWGDS中，执行步骤205；步骤205，判断对所述数据集合DS的数据的遍历是否结束，是，将所述当前组NOWGDS中的所有数据作为一个所述数据集GDSi存入所述数据集合HDS，输出数据集合HDS＝[GDS1，GDS2，...，GDShdsn]；否，执行步骤202。5.根据权利要求4所述的方法，其特征在于，所述步骤205输出所述数据集合HDS之前还包括：判断第一个数据集GDS1中的第一条数据与最后一个数据集GDShdsn中的最后一条数据的夹角不超过所述夹角阈值时，合并所述第一个数据集和所述最后一个数据集。6.根据权利要求2所述的方法，其特征在于，所述步骤3中通过对所述数据集进行拆分的方式得到各个所述数据集中的不同采集车辆和采集时段对应的所述数据块：对于任一所述数据集的任意相邻两个数据，时间差不超过设定的时间阈值且所述采集车辆的车牌号相同时，判断所述相邻两个数据属于一个数据块；时间差超过设定的所述...

【专利技术属性】
技术研发人员：向伟康，石涤文，尹玉成，王腾云，刘奋，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：湖北,42