[發明專利]移動軌跡的分類方法和裝置、設備、存儲介質

在審

• 申請號: 201810567695.X
• 申請日: 2018-06-05
• 公開（公告）號: CN109034181A
• 公開（公告）日: 2018-12-18
• 發明（設計）人: 杜翠鳳
• 申請（專利權）人: 廣州杰賽科技股份有限公司;廣州杰賽通信規劃設計院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 梁順宜;郝傳鑫

本發明公開了一種移動軌跡的分類方法和裝置、設備、存儲介質。所述移動軌跡的分類方法包括：獲得目標移動軌跡；其中，所述目標移動軌跡中包含至少一個子軌跡；獲得每個所述子軌跡的子軌跡特征向量；根據每個所述子軌跡特征向量，獲得所述目標移動軌跡的軌跡特征向量；根據所述軌跡特征向量，對所述目標移動軌跡進行分類。采用本發明，能夠提高移動軌跡分類的準確度。

技術領域

本發明涉及計算機技術領域，尤其涉及一種移動軌跡的分類方法和裝置、設備、存儲介質。

背景技術

在對用戶的出行習慣、偏愛的交通工具、出行方式等進行分析的過程中，對用戶的移動軌跡的分析和分類是不可或缺的重要組成部分。在現有技術中，通常都是在對各個出行方式對應的若干出行軌跡進行學習，訓練出各個出行方式對應的慣常出行軌跡后，通過分別計算這些慣常出行軌跡和用戶的當前出行軌跡的相似度，從而判斷該用戶當前的出行方式的。例如，若用戶的當前出行軌跡與駕駛機動車對應的慣常出行軌跡最相似，則認為該用戶當前是通過駕駛機動車的方式出行。由于在現有技術中，對用戶的移動軌跡進行分類的方法是將移動軌跡作為一個整體進行分析的，并沒有考慮到時空特征、信號傳輸等對該移動軌跡的影響，因此準確度不高。

發明內容

本發明實施例提出一種移動軌跡的分類方法和裝置、設備、存儲介質，能夠提高移動軌跡分類的準確度。

本發明實施例提供的一種移動軌跡的分類方法，具體包括：

獲得目標移動軌跡；其中，所述目標移動軌跡中包含至少一個子軌跡；

獲得每個所述子軌跡的子軌跡特征向量；

根據每個所述子軌跡特征向量，獲得所述目標移動軌跡的軌跡特征向量；

根據所述軌跡特征向量，對所述目標移動軌跡進行分類。

進一步地，所述獲得目標移動軌跡，具體包括：

獲得初始移動軌跡；其中，所述初始移動軌跡中包含至少一個初始軌跡點；

根據預設的篩選規則，從所有所述初始軌跡點中篩選出至少一個目標軌跡點；

連接每兩個相鄰的所述目標軌跡點，獲得至少一個所述子軌跡；

獲得由所有所述子軌跡組成的所述目標移動軌跡。

進一步地，在所述根據預設的篩選規則，從所有所述初始軌跡點中篩選出至少一個目標軌跡點之前，還包括：

獲得至少一個歷史移動軌跡；

根據每個所述歷史移動軌跡生成所述篩選規則；

所述根據每個所述歷史移動軌跡生成所述篩選規則，具體包括：

根據每個所述歷史移動軌跡，構建軌跡數據結構；

根據所述軌跡數據結構，獲得至少一個高頻軌跡；

根據每個所述高頻軌跡，生成所述篩選規則。

進一步地，所述軌跡數據結構為FP樹。

進一步地，所述獲得每個所述子軌跡的子軌跡特征向量，具體包括：

獲得每個所述子軌跡的支持度和置信度；

對于每個所述支持度大于或者等于預設的支持度閾值且所述置信度大于或者等于預設的置信度閾值的所述子軌跡，提取對應的n個軌跡特征，并獲得對應的由所述n個軌跡特征組成的所述子軌跡特征向量；其中，n≥0；

對于每個所述支持度小于所述支持度閾值且所述置信度小于所述置信度閾值的所述子軌跡，生成對應的內容為0的所述子軌跡特征向量。