[發明專利]確定軌跡點狀態的方法、裝置、設備和介質在審
| 申請號: | 202111110906.5 | 申請日: | 2021-09-18 |
| 公開(公告)號: | CN113837268A | 公開(公告)日: | 2021-12-24 |
| 發明(設計)人: | 張鑫 | 申請(專利權)人: | 北京百度網訊科技有限公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G08G1/01 |
| 代理公司: | 北京市漢坤律師事務所 11602 | 代理人: | 姜浩然;吳麗麗 |
| 地址: | 100085 北京市*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 確定 軌跡 狀態 方法 裝置 設備 介質 | ||
1.一種確定軌跡點狀態的方法,所述方法包括:
基于軌跡數據,獲取多個軌跡點,其中,所述軌跡數據是基于定位系統得到的;
提取所述多個軌跡點各自的軌跡特征和地理環境特征,以得到與所述多個軌跡點對應的多個特征向量;以及
基于所述多個特征向量,確定所述多個軌跡點中的每一個軌跡點的狀態。
2.根據權利要求1所述的方法,其中,提取所述多個軌跡點各自的軌跡特征和地理環境特征,以得到與所述多個軌跡點對應的多個特征向量包括:
提取所述多個軌跡點中每一個軌跡點的軌跡特征和地理環境特征;以及
對該軌跡點的所述軌跡特征和所述地理環境特征進行拼接,以得到該軌跡點的特征向量。
3.根據權利要求1所述的方法,其中,基于所述多個特征向量,確定所述多個軌跡點中的每一個軌跡點的狀態包括:
將所述多個軌跡點對應的所述多個特征向量輸入經訓練的深度學習模型中,獲取所述深度學習模型所輸出的多個檢測結果,其中所述多個檢測結果表示所述多個軌跡點中的每一個軌跡點的狀態,并且其中,所述深度學習模型為序列模型。
4.根據權利要求1至3中任一項所述的方法,其中,所述軌跡特征包括:
相應軌跡點的經度、緯度和時間戳。
5.根據權利要求1至4中至少一項所述的方法,其中,所述地理環境特征包括下列至少一項:
相應軌跡點所處建筑物的信息以及所述相應軌跡點所在的道路的信息。
6.根據權利要求3所述的方法,其中,所述序列模型包括下列各項中的一項:
門控循環單元、長短時記憶網絡和雙向長短時記憶網絡。
7.根據權利要求1所述的方法,所述軌跡點狀態包括下列中的任一者:
主動停留狀態、被動停留狀態和非停留狀態。
8.一種用于確定軌跡點狀態的序列模型的訓練方法,包括:
基于多組樣本軌跡數據,獲取對應的多組樣本軌跡點數據,其中,所述多組樣本軌跡點數據中的每一組樣本軌跡點數據包括多個樣本軌跡點、與所述多個樣本軌跡點一一對應的多個樣本狀態以及與所述多個樣本軌跡點一一對應的多個樣本特征向量,并且其中,所述多個樣本特征向量中的每一個樣本特征向量表示對應的樣本軌跡點的軌跡特征和地理環境特征;
針對所述多組樣本軌跡點數據中的每一組樣本軌跡點數據:
將該組樣本軌跡點數據中的與多個樣本軌跡點一一對應的多個樣本特征向量輸入序列模型中,獲取所述序列模型所輸出的所述多個樣本軌跡點中的每一個樣本軌跡點的預測狀態;
基于所述多個樣本狀態,計算該組樣本軌跡點數據所對應的損失函數值;以及
基于所述多組樣本軌跡點數據所對應的多個損失函數值,調整所述序列模型的參數。
9.一種確定軌跡點狀態的裝置,所述裝置包括:
第一獲取模塊,所述第一獲取模塊被配置為基于軌跡數據,獲取多個軌跡點,其中,所述軌跡數據是基于定位系統得到的;
提取模塊,所述提取模塊被配置為提取所述多個軌跡點各自的軌跡特征和地理環境特征,以得到與所述多個軌跡點對應的多個特征向量;以及
確定模塊,所述確定模塊被配置為基于所述多個特征向量,確定所述多個軌跡點中的每一個軌跡點的狀態。
10.根據權利要求9所述的裝置,其中,所述提取模塊包括:
提取單元,所述提取單元被配置為提取所述多個軌跡點中每一個軌跡點的軌跡特征和地理環境特征;以及
拼接單元,所述拼接單元被配置為對該軌跡點的所述軌跡特征和所述地理環境特征進行拼接,以得到該軌跡點的特征向量。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京百度網訊科技有限公司,未經北京百度網訊科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111110906.5/1.html,轉載請聲明來源鉆瓜專利網。





