[發(fā)明專利]一種基于LSTM自編碼的車輛頻繁軌跡識別方法及裝置

在審

• 申請?zhí)枺?/td>: 202010698289.4
• 申請日: 2020-07-20
• 公開（公告）號: CN112085048A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計）人: 陸林;張宇;李洋;袁穎;梁超鋒;王磊;曹東
• 申請（專利權(quán)）人: 南斗六星系統(tǒng)集成有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京匯澤知識產(chǎn)權(quán)代理有限公司 11228
• 代理人: 鄭飛

1.一種基于LSTM自編碼的車輛頻繁軌跡識別方法，其特征在于，所述方法包括：

步驟1，獲得每輛車輛的歷史軌跡序列，對每輛車的歷史軌跡序列按照不同行程進行切割，將一條歷史軌跡序列分割成多個子軌跡序列并得到子軌跡序列集，每個子軌跡序列對應(yīng)一個行程，對每個子軌跡序列通過預(yù)設(shè)規(guī)約策略進行規(guī)約處理，得到規(guī)約軌跡序列；

步驟2，基于LSTM自編碼技術(shù)對所述規(guī)約軌跡序列進行訓(xùn)練，得到訓(xùn)練后的LSTM編碼器與LSTM解碼器，利用訓(xùn)練后的LSTM編碼器將所有車輛的規(guī)約軌跡序列都輸出到一個固定的維度空間表示，得到固定長度的子軌跡序列隱向量；

步驟3，對獲得的所有固定長度的子軌跡序列隱向量進行聚類分析，將得到的固定長度的子軌跡序列隱向量按相似度進行分組，從而得到不同的軌跡簇，對聚類得到簇進行篩選，將包含子軌跡序列隱向量個數(shù)超過預(yù)設(shè)數(shù)量的簇過濾出來，并取這些簇的均值向量，經(jīng)LSTM解碼器解碼后的軌跡，即頻繁軌跡。

2.根據(jù)權(quán)利要求1所述的基于LSTM自編碼的車輛頻繁軌跡識別方法，其特征在于，步驟1中，獲得每輛車輛的歷史軌跡序列具體為：

令某車輛o的任意軌跡點為p_i，則p_i＝o,timestamp_i,latitude_i,longitude_i；其中timestamp_i表示車輛o的時間戳，latitude_i和longitude_i分別表示車輛o在對應(yīng)時間戳timestamp_i的緯度和經(jīng)度；

將軌跡點按時序排序起來的點集就構(gòu)成了一條歷史軌跡序列TRo，TRo＝(p₁，p₂，…，p_m)；其中p₁，p₂，…，p_m分別為時間戳timestamp₁，timestamp₂，…，timestamp_m對應(yīng)的軌跡點；

對每輛車的歷史軌跡序列按照不同行程進行切割，將一條歷史軌跡序列分割成多個子軌跡序列并得到子軌跡序列集具體為：

由于同一行程內(nèi)的軌跡點的時間具有連續(xù)性，因此，基于歷史軌跡序列中的相鄰軌跡點的時間間隔是否大于預(yù)設(shè)時間間隔或子軌跡序列的軌跡點數(shù)據(jù)不超過最大允許數(shù)目，將歷史軌跡序列分割成一段段子軌跡序列trip＝p₁,p₂,...，p_k，即一段段行程序列，p₁,p₂,...，p_k表示對應(yīng)行程從開始到結(jié)束的所有軌跡點，其中p₁表示對應(yīng)行程的第一個軌跡點，p_k表示對應(yīng)行程的最后一個軌跡點，基于每一個子軌跡序列，獲得子軌跡序列集Ψ＝(trip₁，trip₂，…，trip_n)，其中trip₁，trip₂，…，trip_n分別為對歷史軌跡序列進行分割得到的各子軌跡序列，trip₁表示該歷史軌跡序列對應(yīng)的第一個子軌跡序列，即第一個行程，trip_n表示該歷史軌跡序列對應(yīng)的最后一個子軌跡序列，即最后一個行程。

3.根據(jù)權(quán)利要求2所述的基于LSTM自編碼的車輛頻繁軌跡識別方法，其特征在于，對每個子軌跡序列進行規(guī)約處理，得到規(guī)約軌跡序列具體為：

對各子軌跡序列進行預(yù)處理：基于緯度和經(jīng)度坐標(biāo)分別不超過[-90,90]和[-180,180]范圍，過濾掉超出這個范圍的軌跡點，并按照預(yù)設(shè)的軌跡長度閾值，過濾掉低于軌跡長度閾值的子軌跡序列；

對基于預(yù)處理得到的各子軌跡序列，按照不同行程并以時間戳進行排序，并應(yīng)用一個時間窗口對各子軌跡序列進行規(guī)約，將子軌跡序列的各軌跡點劃分到不同的時間窗口，將各時間窗口的軌跡點通過預(yù)設(shè)規(guī)約策略減少為單個值，從而得到優(yōu)化后的子軌跡序列，即規(guī)約軌跡序列。