[發明專利]軌跡分類方法、軌跡分類模型訓練方法及計算機程序產品

在審

• 申請號: 202210119091.5
• 申請日: 2022-02-08
• 公開（公告）號: CN114707567A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 李奕衡;劉羽飛;王登;左帆;周海洋
• 申請（專利權）人: 高德軟件有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京智信四方知識產權代理有限公司 11519
• 代理人: 鐘文芳

本公開實施例公開了一種軌跡分類方法、軌跡分類模型訓練方法及計算機程序產品，所述方法包括：獲取待分類軌跡；基于所述待分類軌跡中的軌跡點所屬道路類型將所述待分類軌跡劃分成一個或多個軌跡片段，同一個軌跡片段中的所有軌跡點屬于同一道路類型；針對各個所述軌跡片段提取至少一個時間序列特征；基于所述至少一個時間序列特征，確定所述待分類軌跡的通行方式類別。該技術方案能夠在軌跡分類過程中，從待分類軌跡中提取了具有空間信息的時間序列特征，這種方式既考慮了軌跡的空間特征，也考慮了軌跡的時間序列特征，使得最終用于識別軌跡類別的時間序列特征與軌跡類別強相關，提高了軌跡分類的準確度。

技術領域

本公開涉及位置服務技術領域，具體涉及一種軌跡分類方法、軌跡分類模型訓練方法及計算機程序產品。

背景技術

目前，已有技術中利用各種分類器對對象的通行軌跡進行分類，其中分類器主要包括樹模型、LR、貝葉斯、深度神經網絡模型等。本公開發明人發現，這些分類器主要感知的是軌跡的時間序列特征，例如速度、加速度等，而對于不同通行方式的軌跡進行分類時，并未考慮到空間特征，比如某個軌跡的速度特征較低，并且持續低速，則大概率會將其分類為步行或者騎行，但是這個軌跡如果在高速道路上，則實際上這個軌跡較大可能為汽車軌跡，而不是步行軌跡或者騎行軌跡。

因此，需要提出一種能夠同時考慮空間特征以及時序序列特征的軌跡分類方案，來解決軌跡分類不準確的問題。

發明內容

本公開實施例提供一種軌跡分類方法、軌跡分類模型訓練方法及計算機程序產品。

第一方面，本公開實施例中提供了一種軌跡分類方法，其中，包括：

獲取待分類軌跡；

基于所述待分類軌跡中的軌跡點所屬道路類型，將所述待分類軌跡劃分成一個或多個軌跡片段，同一個軌跡片段中的所有軌跡點屬于同一道路類型；

針對各個所述軌跡片段提取至少一個時間序列特征；

基于所述至少一個時間序列特征，確定所述待分類軌跡的通行方式類別。

進一步地，基于所述至少一個時間序列特征，確定所述待分類軌跡的通行方式類別，包括：

確定每一個所述軌跡片段所屬道路類型，以及所述道路類型對應的第一軌跡分類模型；其中不同道路類型對應不同的第一軌跡分類模型；

針對每一個所述軌跡片段，將與該軌跡片段對應的所述時間序列特征，輸入至所述軌跡片段所屬道路類型對應的第一軌跡分類模型，獲得該軌跡片段的分類結果；

將各個所述軌跡片段對應的所述分類結果進行融合，確定所述待分類軌跡的通行方式類別。

進一步地，不同的所述第一軌跡分類模型單獨訓練得到，且訓練所述第一軌跡分類模型的樣本軌跡所屬道路類型與所述第一軌跡分類模型對應的道路類型相同。

進一步地，將所述軌跡片段對應的所述分類結果進行融合，確定所述待分類軌跡的通行方式類別，包括：

對所述軌跡片段對應的所述分類結果分別加權融合后，得到所述待分類軌跡的通行方式類別；其中對所述軌跡片段的分類結果進行加權的權重與所述軌跡片段在所述待分類軌跡中所占的長度比例相關。

進一步地，基于所述至少一個時間序列特征，確定所述待分類軌跡的通行方式類別，包括：

將所述軌跡片段中提取的所述至少一個時間序列特征拼成總時間序列特征；

將所述總時間序列特征輸入至第二軌跡分類模型，獲得所述待分類軌跡的通行方式類別。

進一步地，將所述軌跡片段中提取的所述至少一個時間序列特征拼成總時間序列特征，包括：