[發明專利]出行軌跡預測方法、裝置、計算設備及存儲介質

在審

• 申請號: 202110292859.4
• 申請日: 2021-03-18
• 公開（公告）號: CN112988936A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 袁魯峰;陳博;付振;王明月;邵天東
• 申請（專利權）人: 中國第一汽車股份有限公司
• 主分類號: G06F16/29
• 分類號: G06F16/29;G01S19/42;G06F16/903;G06F16/909;G06K9/62
• 代理公司: 北京遠智匯知識產權代理有限公司 11659
• 代理人: 范坤坤

本發明公開了一種出行軌跡預測方法、裝置、計算設備及存儲介質。該方法包括：獲取車輛的出行數據，所述出行數據包括經度數據和緯度數據；對所述出行數據進行網格編碼，得到所述車輛的時序網格軌跡；計算所述時序網格軌跡與軌跡庫中每個軌跡序列的相似度，所述軌跡庫中包括至少一個軌跡序列；根據所述相似度預測所述車輛的出行軌跡。上述技術方案將出行數據網格化，結合軌跡庫中的已有軌跡序列，實現對車輛出行軌跡的有效預測，提高預測的精細度和準確性。

技術領域

本發明實施例涉及智能出行技術領域，尤其涉及一種出行軌跡預測方法、裝置、計算設備及存儲介質。

背景技術

隨著GPS技術的日益廣泛應用，基于GPS技術的數據挖掘和應用成為智能出行的新熱點。車載導航設備、手機導航軟件等可以根據用戶輸入的目的地以及選擇的路線引導用戶高效出行。出行場景識別在車輛智能化和個性化服務的應用中越來越重要，對出行場景識別的精確度和精細度要求也越來越高，是提升用戶體驗的關鍵。例如，私家車在節假日回鄉探親或長途出行，與日常工作或生活的出行軌跡明顯不同，這要求我們能夠智能識別或預測不同場景下的出行軌跡。但在用戶沒有輸入目的地或者沒有選擇路線的情況下，存在許多不確定因素，且車機端的算力、多數據的匯總分析能力等具有局限性，難以有效地預測車輛的出行軌跡，預測的精細度和準確性低。

發明內容

本發明提供了一種出行軌跡預測方法、裝置、計算設備及存儲介質，以實時有效地預測車輛的出行軌跡，提高預測的精細度和準確性。

第一方面，本發明實施例提供了一種出行軌跡預測方法，包括：

獲取車輛的出行數據，所述出行數據包括經度數據和緯度數據；

對所述出行數據進行網格編碼，得到所述車輛的時序網格軌跡；

計算所述時序網格軌跡與軌跡庫中每個軌跡序列的相似度，所述軌跡庫中包括至少一個軌跡序列；

根據所述相似度預測所述車輛的出行軌跡。

可選的，對所述出行數據進行網格編碼，得到所述車輛的時序網格軌跡，包括：

基于地址編碼算法對所述經度數據和緯度數據編碼得到字符串；

根據所述字符串合并相鄰的網格，得到所述時序網格軌跡，以及所述時序網格軌跡的以下信息：進入網格時間，離開網格時間，網格編碼，網格內停留時長以及通過速度。

可選的，計算所述時序網格軌跡與軌跡庫中每個軌跡序列的相似度，包括：

若所述時序網格軌跡中的非常規活動網格的數量或比例達到設定閾值，則計算所述時序網格軌跡與軌跡庫中每個軌跡序列的萊文斯坦距離，作為每個軌跡序列對應的相似度。

可選的，根據所述相似度預測所述車輛的出行軌跡，包括：

若各所述軌跡序列對應的相似度中，最高的相似度大于相似度閾值，則將該最高的相似度對應的軌跡序列作為所述車輛的出行軌跡。

可選的，還包括：

獲取車輛的歷史出行數據，所述歷史出行數據包括歷史經度數據和歷史緯度數據；

對所述歷史出行數據進行網格編碼，得到至少一個軌跡序列，并標記常規活動網格。

可選的，標記常規活動網格，包括：

根據網格內停留時長和/或網格進出頻次確定網格分值；

對于常活動區域內的軌跡序列，選取網格分值最高的設定數量的網格標記為常規活動網格。

可選的，還包括：

根據網格內停留時長，確定與所述出行軌跡的相似度最高的軌跡序列中的目的地網格，并根據所述目的地網格預測所述出行軌跡的目的地。