[發明專利]一種基于LSTM自編碼的車輛頻繁軌跡識別方法及裝置

在審

• 申請號: 202010698289.4
• 申請日: 2020-07-20
• 公開（公告）號: CN112085048A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 陸林;張宇;李洋;袁穎;梁超鋒;王磊;曹東
• 申請（專利權）人: 南斗六星系統集成有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 鄭飛

一種基于LSTM自編碼的車輛頻繁軌跡識別方法及裝置，方法包括：獲得車輛的歷史軌跡序列，將歷史軌跡序列按照不同行程切割成多個子軌跡序列，對子軌跡序列通過進行規約處理，得到規約軌跡序列；基于LSTM自編碼技術對所述規約軌跡序列進行訓練，得到訓練后的LSTM編碼器與LSTM解碼器，利用訓練后的LSTM編碼器與LSTM解碼器將規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；對子軌跡序列隱向量進行聚類分析，子軌跡序列隱向量按相似度進行分組，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超過預設數量的簇過濾出來，并取這些簇的均值向量，經LSTM解碼器解碼后的軌跡，即頻繁軌跡。

技術領域

本發明涉及車輛軌跡大數據處理領域，具體涉及一種基于LSTM自編碼的車輛頻繁軌跡識別方法及裝置。

背景技術

車聯網的普及為本發明帶來了大量的車輛時空軌跡數據，軌跡聚類一直以來都是汽車學術界和工業界感興趣的課題之一，它可以幫助車輛運營商發現頻繁的行駛路線，也可以幫助推理用戶的出行意圖，無論對主機廠、交通主管部門還是運營商來說，都具有很大的研究價值。其中，發現頻繁路線的通常做法是使用某些度量來量化軌跡相似性，然后應用經典的聚類算法(例如k-means、DBSCAN、譜聚類)，并將聚類的結果進行過濾進而得到滿足要求的頻繁模式。常用的軌跡相似性度量包括DTW(動態時間扭曲)、EDR(實數序列上的編輯距離)和LCS(最長公共子序列)。這些測量方法不要求兩條軌跡具有相同的序列長度，還可以對在固定地理區域和時間段內相似的軌跡進行分組，但計算時間復雜度較高，且不適用于分布在不同區域和具有不同采樣率的軌跡。

發明內容

鑒于現有技術中存在的技術缺陷和技術弊端，本發明實施例提供克服上述問題或者至少部分地解決上述問題的一種基于LSTM自編碼的車輛頻繁軌跡識別方法及裝置，具體方案如下：

作為本發明的第一方面，提供一種基于LSTM自編碼的車輛頻繁軌跡識別方法，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一個行程，對每個子軌跡序列通過預設規約策略進行規約處理，得到規約軌跡序列；

步驟2，基于LSTM自編碼技術對所述規約軌跡序列進行訓練，得到訓練后的LSTM編碼器與LSTM解碼器，利用訓練后的LSTM編碼器與LSTM解碼器將所有車輛的規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超過預設數量的簇過濾出來，并取這些簇的均值向量，經LSTM解碼器解碼后的軌跡，即頻繁軌跡。

進一步地，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在對應時間戳timestamp_i的緯度和經度；