CN105183893A - 定位轨迹的分类方法及装置 - Google Patents
定位轨迹的分类方法及装置 Download PDFInfo
- Publication number
- CN105183893A CN105183893A CN201510632989.2A CN201510632989A CN105183893A CN 105183893 A CN105183893 A CN 105183893A CN 201510632989 A CN201510632989 A CN 201510632989A CN 105183893 A CN105183893 A CN 105183893A
- Authority
- CN
- China
- Prior art keywords
- orbit segment
- trip mode
- segment
- positioning track
- orbit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开了一种定位轨迹的分类方法及装置。所述方法包括:根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段;根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式;根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类。本发明实施例公开的定位轨迹的分类方法和装置解决了混合轨迹的出行方式分类问题。
Description
技术领域
本发明实施例涉及地理信息系统技术领域,尤其涉及一种定位轨迹的分类方法及装置。
背景技术
随着移动互联网的兴起,移动端的位置服务在人群中日渐普及。在使用位置服务是,用户的位置数据在时间上的序列形成了用户的定位轨迹。对用户轨迹进行分类是一项基础服务。在这中基础性的服务中,人们能够根据原始的定位轨迹自身的一些特征,识别形成这些定位轨迹时用户的出行方式。典型的,用户的出行方式包括乘车和步行两种。很多上层应用都会用到定位轨迹分类的基础服务。
实际的定位轨迹中,用户采用的出行方式可能既包含乘车的部分,又包含步行的部分。这样的一类定位轨迹可以被称为混合轨迹。然而,对这种混合轨迹的分类问题,现有技术并没有给出行之有效的解决方案。
发明内容
针对上述技术问题,本发明实施例提供了一种定位轨迹的分类方法及装置,以解决混合轨迹的出行方式分类问题。
第一方面,本发明实施例提供了一种定位轨迹的分类方法,所述方法包括:
根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段;
根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式,其中,所述行驶特征参数包括:点速度、线速度以及加速度;
根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类。
第二方面,本发明实施例还提供了一种定位轨迹的分类装置,所述装置包括:
划分模块,用于根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段;
判定模块,用于根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式,其中,所述行驶特征参数包括:点速度、线速度以及加速度;
分类模块,用于根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类。
本发明实施例提供的定位轨迹的分类方法和装置,通过根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式,根据对各个轨迹段的出行方式的统计,对所述定位轨迹的进行出行方式分类,解决了混合轨迹的出行方式分类问题。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明第一实施例提供的定位轨迹的分类方法的流程图;
图2是本发明第二实施例提供的定位轨迹的分类方法中判定操作的流程图;
图3是本发明第三实施例提供的判定操作中出行方式确定子操作的流程图;
图4是本发明第四实施例提供的定位轨迹的分类方法中判定操作的流程图;
图5是本发明第五实施例提供的定位轨迹的分类方法的流程图;
图6是本发明第六实施例提供的定位轨迹的分类方法的流程图;
图7是本发明第七实施例提供的定位轨迹的分类方法的流程图;
图8是本发明第八实施例提供的定位轨迹的分类方法的流程图;
图9是本发明第九实施例提供的定位轨迹的分类装置的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
第一实施例
本实施例提供了定位轨迹的分类方法的一种技术方案。所述定位轨迹的分类方法由定位轨迹的分类装置执行。并且,所述定位轨迹的分类装置一般集成在用于执行所述定位轨迹的分类方法的计算设备中。所述计算设备包括:PC机、工作站以及各种服务器。
参见图1,所述定位轨迹的分类方法包括:
S11,根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段。
所述定位轨迹是通过各种定位技术获得的用户出行时的行进轨迹。所述定位轨迹由一些列的位置点组成。并且,每个位置点具有它自身的,确定的地理位置信息。进一步的,所述定位轨迹还包括不同的位置点的记录时间信息,也就是用户在什么时间经过所述位置点的信息。
由于在同一个定位轨迹中,可能会出现一段轨迹是用户乘车而形成的,而另一端轨迹是用户步行而形成的情况,因此,在最终判定一个定位轨迹的出行方式之前,先对所述定位轨迹进行分段。
具体的,根据所述定位轨迹中包含的位置点的记录时间信息对所述定位轨迹进行分段。更为具体的,以预先设定的分段时间间隔对所述定位轨迹进行分段。例如,假设所述分段时间间隔被设定为一分钟,那么,一个定位轨迹的起始位置点的记录时间是上午8时32分01秒,则上午8时33分01秒以后记录的位置点应当被划分为与所述起始位置点不同的一个轨迹段。
另外,所述分段时间间隔还可以根据用户在轨迹段上的线速度的变化而进行调整。比如,假如用户的行进速度非常快,则可以将分段时间间隔调整的较小,而假如用户的行进速度非常慢,则可以将分段时间间隔调整的较大。
S12,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式。
所述行驶特征参数包括用户在所述定位轨迹上的点速度、线速度以及加速度。所述点速度是指用户在一个位置点上的瞬时速度。所述线速度是指用户在一段轨迹上的平均速度。所述加速度是指用户在所述定位轨迹上的确定的位置点上的加速度。应该理解的是,无论上述哪个行驶特征参数,都可以通过所述定位轨迹上的位置点信息及位置点的记录时间信息进行推算。
对不同的轨迹段的出行方式的判断,是依据上述行驶特征参数而进行的。更为具体的,利用预设的决策树模型对所述行驶特征参数进行区分,从而确定所述轨迹段属于何种出行方式。所述出行方式包括步行或者乘车。
S13,根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类。
确定了各个轨迹段的出行方式之后,对所述轨迹段的出行方式进行统计,并根据统计结果确定所述定位轨迹的出行方式。
具体的,根据用户对最终分类结果的置信度的不同要求,可以采取如下三种方式中的任意一个对所述定位轨迹进行出行方式分类:若所述定位轨迹中出现出行方式为乘车的轨迹段,则判定所述定位轨迹的出行方式为乘车;若所述定位轨迹中出现方式为乘车的轨迹段的数目大于出行方式为步行的轨迹段的数目,则判定所述定位轨迹的出行方式为乘车;或者若所述定位轨迹中没有任何一个轨迹段的出行方式为步行,则判定所述定位轨迹的出行方式为乘车。
本实施例通过根据预设的分段时间间隔将所述定位轨迹划分为轨迹段,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式,以及根据对各个轨迹段的出行方式的统计对所述定位轨迹进行出行方式分类,实现了对混合轨迹的出行方式分类,解决了混合轨迹的分类问题。
第二实施例
本实施例以本发明的上述实施例为基础,进一步的提供了定位轨迹的分类方法中判定操作的一种技术方案。在该技术方案中,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式包括:根据所述轨迹段的线速度,将所述轨迹段划分为高速轨迹段、中速轨迹段、低速轨迹段或者超低速轨迹段;根据所述轨迹段的划分类型及轨迹段上的行驶特征参数,确定所述轨迹段对应的出行方式。
参见图2,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式包括:
S21,根据所述轨迹段的线速度,将所述轨迹段划分为高速轨迹段、中速轨迹段、低速轨迹段或者超低速轨迹段。
具体的,线速度在6m/s以上(不包括6m/s)的轨迹段被识别为高速轨迹段;线速度在3m/s至6m/s之间(包括3m/s及6m/s)的轨迹段被识别为中速轨迹段;线速度在0.5m/s至3m/s之间(包括0.5m/s,但不包括3m/s)的轨迹段被识别为低速轨迹段;线速度在0.5m/s以下(不包括0.5m/s)的轨迹段被识别为超低速轨迹段。
S22,根据所述轨迹段的划分类型及轨迹段上的行驶特征参数,确定所述轨迹段对应的出行方式。
优选的,所有的高速轨迹段的出行方式都被认为是乘车。对于中速轨迹段,如果该轨迹段上出现了点速度超出预设的中速速度阈值的位置点,或者出现了加速度超出预设的中速加速度阈值的位置点,则认为所述中速轨迹段的出行方式是乘车。而对于低速轨迹段或者超低速轨迹段,则需要识别所述轨迹段中是否有位置点的加速度超出了对于该轨迹段设置的加速度阈值。如果出现了这样的位置点,则认为所述低速轨迹段,或者超低速轨迹段的出行方式是乘车。
本实施例通过根据所述轨迹段的线速度,将所述轨迹段划分为高速轨迹段、中速轨迹段、低速轨迹段或者超低速轨迹段,根据所述轨迹段的划分类型及轨迹段上的行驶特征参数,确定所述轨迹段对应的出行方式,从而依据预设的决策树,实现了出行方式的分类。
第三实施例
本实施例以本发明上述实施例为基础,进一步的提供了判定操作中出行方式确定子操作的一种技术方案。在该技术方案中,根据所述轨迹段的划分类型及轨迹段上的行驶特征参数,确定所述轨迹段对应的出行方式包括:若所述轨迹段是高速轨迹段,则所述轨迹段的出行方式为乘车;若所述轨迹段是中速轨迹段,并且所述轨迹段上任意一点的点速度超出预设的中速速度阈值,或者加速度超出了预设的中速加速度阈值,则所述轨迹段的出行方式为乘车;若所述轨迹段是低速轨迹段,并且所述轨迹段上任意一点的加速度超出预设的低速加速度阈值,则所述轨迹段的出行方式为乘车;若所述轨迹段是超低速轨迹段,并且所述轨迹段上任意一点的加速度超出预设的超低速加速度阈值,则所述轨迹段的出行方式为乘车。
参见图3,根据所述轨迹段的划分类型及轨迹段上的行驶特征参数,确定所述轨迹段对应的出行方式包括:
S31,若所述轨迹段是高速轨迹段,则所述轨迹段的出行方式为乘车。
在高速轨迹段上,用户的线速度比较高,达到了用户不可能达到的平均速度。因此,单凭线速度一个行驶特征参数,就可以判定用户在该轨迹段上的出行方式是乘车。
S32,若所述轨迹段是中速轨迹段,并且所述轨迹段上任意一点的点速度超出预设的中速速度阈值,或者加速度超出了预设的中速加速度阈值,则所述轨迹段的出行方式为乘车。
在中速轨迹段上,由于用户的线速度数值相对于高速轨迹段上的数值较低,单凭用户在该轨迹段上的线速度这一个行驶特征参数,难以对用户的出行方式给出确定的答案。但是,如果在所述中速轨迹段上出现了这样的位置点,在该位置点处的点速度超出与预设的中速速度阈值,或者在该位置点处的加速度超出了预设的中速加速度阈值,则可以判定所述中速轨迹段的出行方式是乘车。
优选的,所述中速速度阈值是4m/s,所述中速加速度阈值是3.5m/s2。
S33,若所述轨迹段是低速轨迹段,并且所述轨迹段上任意一点的加速度超出预设的低速加速度阈值,则所述轨迹段的出行方式为乘车。
在低速轨迹段上,用户的行进速度普遍较低,因此一般认为这类轨迹段的出行方式是步行。但是,如果在所述低速轨迹段上,出现了位置点的加速度超出了一般行人能够达到的水平,可以认为所述低速轨迹段的出行方式是乘车。具体的,如果在所述低速轨迹段上出现了位置点的加速度超出了预设的低速加速度阈值,则认为所述轨迹段的出行方式是乘车。
优选的,所述低速加速度阈值是3.5m/s2。
S34,若所述轨迹段是超低速轨迹段,并且所述轨迹段上任意一点的加速度超出预设的超低速加速度阈值,则所述轨迹段的出行方式为乘车。
对于超低速轨迹段,出行方式分类的处理方式与上述低速轨迹段完全相同,在此不再赘述。
本实施例通过根据不同类型的轨迹段上的行驶特征参数,利用预设的决策树模型对不同轨迹段进行出行方式的分类,实现了对分段后的不同类型的轨迹段的出行方式识别,提高了出行方式分类的处理效率。
第四实施例
本实施例以本发明上述实施例为基础,进一步的提供了定位轨迹的分类方法中判定操作的一种技术方案。在该技术方案中,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式还包括:若所述轨迹段与道路之间的距离超出预设的距离阈值,或者轨迹段上的投影差分量超出预设差分量门限的轨迹点的个数超过了预设个数阈值,判定所述轨迹段的出行方式为步行。
参见图4,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式包括:
S41,根据所述轨迹段的线速度,将所述轨迹段划分为高速轨迹段、中速轨迹段、低速轨迹段或者超低速轨迹段。
S42,若所述轨迹段与道路之间的距离超出预设的距离阈值,或者轨迹段上的投影差分量超出预设差分量门限的轨迹点的个数超过了预设个数阈值,判定所述轨迹段的出行方式为步行。
应该可以理解,出行方式为乘车的轨迹段在进行路网匹配的时候都是能够匹配到一条确定的道路上的。那么,如果一条轨迹段在进行路网匹配的时候,与实际的道路之间的空间距离比较大,超出了预设的距离阈值,说明用户脱离了路网,该轨迹段的出行方式是步行。
另外,如果用户一直是沿着路网行驶的,那么用户的点速度与该点速度在道路上的分量之间的差值不应该太大。所以,如果在轨迹段上点速度与该点速度在道路上的投影之间的差分量超出了预设的差分量门限,并且出现这种情况的位置点的个数超过了预设的个数阈值,也说明用户脱离了路网,该轨迹段的出行方式是步行。
S43,根据所述轨迹段的划分类型及轨迹段上的行驶特征参数,确定所述轨迹段对应的出行方式。
本实施例通过在通过轨迹段上的常规形式特征参数,判定出行方式之外,对轨迹段进行脱离路网识别,并且在识别用户脱离路网之后,判定所述轨迹段的出行方式是步行,进一步的提高了出行方式分类的准确性。
第五实施例
本实施例以本发明上述实施例为基础,进一步的提供了定位轨迹的分类方法的一种技术方案。在该技术方案中,根据对各个轨迹段出行方式的统计,对所述定位轨迹进行出行方式分类包括:若所述定位轨迹中出现出行方式为乘车的轨迹段,则判定所述定位轨迹的出行方式为乘车。
参见图5,所述定位轨迹的分类方法包括:
S51,根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段。
S52,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式。
S53,若所述定位轨迹中出现出行方式为乘车的轨迹段,则判定所述定位轨迹的出行方式为乘车。
在本实施例中,如果在所述定位轨迹中出现任意一个轨迹段的出行方式为乘车,则判定所述定位轨迹的出行方式是乘车。相反,如果在所述定位轨迹中没有出现任何一个轨迹段的出行方式为乘车,则判定所述定位轨迹的出行方式是步行。
本实施例通过在所述定位轨迹中出现任意一个轨迹段的出行方式为乘车时,则判定所述定位轨迹的出行方式为乘车,实现了对混合轨迹的出行方式分类。
第六实施例
本实施例以本发明上述实施例为基础,进一步的提供了定位轨迹的分类方法的一种技术方案。在该技术方案中,根据对各个轨迹段出行方式的统计,对所述定位轨迹进行出行方式分类包括:若所述定位轨迹中出现方式为乘车的轨迹段的数目大于出行方式为步行的轨迹段的数目,则判定所述定位轨迹的出行方式为乘车。
参见图6,所述定位轨迹的分类方法包括:
S61,根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段。
S62,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式。
S63,若所述定位轨迹中出现方式为乘车的轨迹段的数目大于出行方式为步行的轨迹段的数目,则判定所述定位轨迹的出行方式为乘车。
在本实施例中,如果出行方式为乘车的轨迹段的数目大于出行方式为步行的轨迹段的数目,则判定所述定位轨迹的出行方式为乘车。相反,如果出行方式为步行的轨迹段的数目大于出行方式为乘车的轨迹段的数目,或者出行方式为步行的轨迹段的数目与出行方式为乘车的轨迹段的数目相等,则判定所述定位轨迹的出行方式为步行。
本实施例通过比较定位轨迹中判定出行方式为步行及判定出行方式为乘车的轨迹段的数目,并将数目较多的一种出行方式作为所述定位轨迹最终的出行方式,实现了对混合轨迹的出行方式分类。
第七实施例
本实施例以本发明上述实施例为基础,进一步的提供了定位轨迹的分类方法的一种技术方案。在该技术方案中,根据对各个轨迹段出行方式的统计,对所述定位轨迹进行出行方式分类包括:若所述定位轨迹中没有任何一个轨迹段的出行方式为步行,则判定所述定位轨迹的出行方式为乘车。
参见图7,所述定位轨迹的分类方法包括:
S71,根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段。
S72,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式。
S73,若所述定位轨迹中没有任何一个轨迹段的出行方式为步行,则判定所述定位轨迹的出行方式为乘车。
在本实施例中,如果所述定位轨迹中没有任何一个轨迹段的出行方式是步行,则判定所述定位轨迹的出行方式是乘车。相反,如果所述定位轨迹中出现了至少一个轨迹段的出行方式是步行,则判定所述定位轨迹的出行方式是步行。
本实施例识别所述定位轨迹中是否有轨迹段的出行方式为步行,并且在出现了出行方式为步行的轨迹段时,判定所述定位轨迹的出行方式是步行,实现了对混合轨迹的出行方式分类。
第八实施例
本实施例以本发明的上述实施例为基础,进一步的提供了定位轨迹的分类方法的另一种技术方案。在该技术方案中,在根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类之前,所述定位轨迹的分类方法还包括:根据所述轨迹段的线速度,调整所述分段时间间隔。
参见图8,所述定位轨迹的分类方法包括:
S81,根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段。
S82,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式。
S83,根据所述轨迹段的线速度,调整所述分段时间间隔。
具体的,当所述轨迹段被划分为超低速轨迹段,也就是所述轨迹段的线速度低于0.5m/s时,将所述分段时间间隔调大。这样,可以避免在用户的行进速度超低时,出现没有实际意义的轨迹段数据。具体的,此时调整所述分段时间间隔为120s。
S84,根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类。
本实施例通过在根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类之前,根据所述轨迹段的线速度,调整所述分段时间间隔,实现了对定位轨迹的分段标准的自适应调整。
第九实施例
本实施例提供了定位轨迹的分类装置的一种技术方案。参见图9,所述定位轨迹的分类装置包括:划分模块91、判定模块92以及分类模块93。
所述划分模块91用于根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段。
所述判定模块92用于根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式,其中,所述行驶特征参数包括:点速度、线速度以及加速度。
所述分类模块93用于根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类。
进一步的,所述判定模块92包括:轨迹段分类单元以及出行方式确定单元。
所述轨迹段分类单元用于根据所述轨迹段的平均速度,将所述轨迹段划分为高速轨迹段、中速轨迹段、低速轨迹段或者超低速轨迹段。
所述出行方式确定单元用于根据所述轨迹段的划分类型及轨迹段上的行驶特征参数,确定所述轨迹段对应的出行方式。
进一步的,所述出行方式确定单元具体用于:若所述轨迹段是高速轨迹段,则所述轨迹段的出行方式为乘车;若所述轨迹段是中速轨迹段,并且所述轨迹段上任意一点的点速度超出预设的中速速度阈值,或者加速度超出了预设的中速加速度阈值,则所述轨迹段的出行方式为乘车;若所述轨迹段是低速轨迹段,并且所述轨迹段上任意一点的加速度超出预设的低速加速度阈值,则所述轨迹段的出行方式为乘车;若所述轨迹段是超低速轨迹段,并且所述轨迹段上任意一点的加速度超出预设的超低速加速度阈值,则所述轨迹段的出行方式为乘车。
进一步的,所述判定模块还包括:脱离路网判定单元。
所述脱离路网判定单元用于当所述轨迹段与道路之间的距离超出预设的距离阈值,或者轨迹段上的投影差分量超出预设差分量门限的轨迹点的个数超过了预设个数阈值之时,判定所述轨迹段的出行方式为步行,其中,所述投影差分量是点速度与所述点速度在道路方向上的投影之间的差值。
进一步的,所述分类模块93包括:第一分类单元、第二分类单元或者第三分类单元。
所述第一分类单元用于当所述定位轨迹中出现出行方式为乘车的轨迹段之时,判定所述定位轨迹的出行方式为乘车。
所述第二分类单元用于当所述定位轨迹中出现方式为乘车的轨迹段的数目大于出行方式为不行的轨迹段的数目之时,判定所述定位轨迹的出行方式为乘车。
所述第三分类单元用于当所述定位轨迹中没有任何一个轨迹段的出行方式为步行,判定所述定位轨迹的出行方式为乘车。
进一步的,所述定位轨迹的分类装置包括:间隔调整模块94。
所述间隔调整模块94用于在根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类之前,根据所述轨迹段的线速度,调整所述分段时间间隔。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间的相同或相似的部分互相参见即可。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种定位轨迹的分类方法,其特征在于,包括:
根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段;
根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式,其中,所述行驶特征参数包括:点速度、线速度以及加速度;
根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类。
2.根据权利要求1所述的方法,其特征在于,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式包括:
根据所述轨迹段的线速度,将所述轨迹段划分为高速轨迹段、中速轨迹段、低速轨迹段或者超低速轨迹段;
根据所述轨迹段的划分类型及轨迹段上的行驶特征参数,确定所述轨迹段对应的出行方式。
3.根据权利要求2所述的方法,其特征在于,根据所述轨迹段的划分类型及轨迹段上的行驶特征参数,确定所述轨迹段对应的出行方式包括:
若所述轨迹段是高速轨迹段,则所述轨迹段的出行方式为乘车;
若所述轨迹段是中速轨迹段,并且所述轨迹段上任意一点的点速度超出预设的中速速度阈值,或者加速度超出了预设的中速加速度阈值,则所述轨迹段的出行方式为乘车;
若所述轨迹段是低速轨迹段,并且所述轨迹段上任意一点的加速度超出预设的低速加速度阈值,则所述轨迹段的出行方式为乘车;
若所述轨迹段是超低速轨迹段,并且所述轨迹段上任意一点的加速度超出预设的超低速加速度阈值,则所述轨迹段的出行方式为乘车。
4.根据权利要求2所述的方法,其特征在于,根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式还包括:
若所述轨迹段与道路之间的距离超出预设的距离阈值,或者轨迹段上的投影差分量超出预设差分量门限的轨迹点的个数超过了预设个数阈值,判定所述轨迹段的出行方式为步行,其中,所述投影差分量是点速度与所述点速度在道路方向上的投影之间的差值。
5.根据权利要求1所述的方法,其特征在于,根据对各个轨迹段出行方式的统计,对所述定位轨迹进行出行方式分类包括:
若所述定位轨迹中出现出行方式为乘车的轨迹段,则判定所述定位轨迹的出行方式为乘车;或者
若所述定位轨迹中出现方式为乘车的轨迹段的数目大于出行方式为步行的轨迹段的数目,则判定所述定位轨迹的出行方式为乘车;或者
若所述定位轨迹中没有任何一个轨迹段的出行方式为步行,则判定所述定位轨迹的出行方式为乘车。
6.根据权利要求1所述的方法,其特征在于,还包括:
在根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类之前,根据所述轨迹段的线速度,调整所述分段时间间隔。
7.一种定位轨迹的分类装置,其特征在于,包括:
划分模块,用于根据预设的分段时间间隔,将所述定位轨迹划分为轨迹段;
判定模块,用于根据各个轨迹段上的行驶特征参数,以决策树模型确定所述轨迹段的出行方式,其中,所述行驶特征参数包括:点速度、线速度以及加速度;
分类模块,用于根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类。
8.根据权利要求7所述的装置,其特征在于,所述判定模块包括:
轨迹段分类单元,用于根据所述轨迹段的平均速度,将所述轨迹段划分为高速轨迹段、中速轨迹段、低速轨迹段或者超低速轨迹段;
出行方式确定单元,用于根据所述轨迹段的划分类型及轨迹段上的行驶特征参数,确定所述轨迹段对应的出行方式。
9.根据权利要求8所述的装置,其特征在于,所述出行方式确定单元具体用于:
若所述轨迹段是高速轨迹段,则所述轨迹段的出行方式为乘车;
若所述轨迹段是中速轨迹段,并且所述轨迹段上任意一点的点速度超出预设的中速速度阈值,或者加速度超出了预设的中速加速度阈值,则所述轨迹段的出行方式为乘车;
若所述轨迹段是低速轨迹段,并且所述轨迹段上任意一点的加速度超出预设的低速加速度阈值,则所述轨迹段的出行方式为乘车;
若所述轨迹段是超低速轨迹段,并且所述轨迹段上任意一点的加速度超出预设的超低速加速度阈值,则所述轨迹段的出行方式为乘车。
10.根据权利要求8所述的装置,其特征在于,所述判定模块还包括:
脱离路网判定单元,用于当所述轨迹段与道路之间的距离超出预设的距离阈值,或者轨迹段上的投影差分量超出预设差分量门限的轨迹点的个数超过了预设个数阈值之时,判定所述轨迹段的出行方式为步行,其中,所述投影差分量是点速度与所述点速度在道路方向上的投影之间的差值。
11.根据权利要求7所述的装置,其特征在于,所述分类模块包括:
第一分类单元,用于当所述定位轨迹中出现出行方式为乘车的轨迹段之时,判定所述定位轨迹的出行方式为乘车;或者
第二分类单元,用于当所述定位轨迹中出现方式为乘车的轨迹段的数目大于出行方式为步行的轨迹段的数目之时,判定所述定位轨迹的出行方式为乘车;或者
第三分类单元,用于当所述定位轨迹中没有任何一个轨迹段的出行方式为步行,判定所述定位轨迹的出行方式为乘车。
12.根据权利要求11所述的装置,其特征在于,还包括:
间隔调整模块,用于在根据对各个轨迹段的出行方式的统计,对所述定位轨迹进行出行方式分类之前,根据所述轨迹段的线速度,调整所述分段时间间隔。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510632989.2A CN105183893A (zh) | 2015-09-29 | 2015-09-29 | 定位轨迹的分类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510632989.2A CN105183893A (zh) | 2015-09-29 | 2015-09-29 | 定位轨迹的分类方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105183893A true CN105183893A (zh) | 2015-12-23 |
Family
ID=54905974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510632989.2A Pending CN105183893A (zh) | 2015-09-29 | 2015-09-29 | 定位轨迹的分类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105183893A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446208A (zh) * | 2016-09-30 | 2017-02-22 | 东南大学 | 一种考虑路网契合度的智能手机出行方式识别方法 |
CN109034181A (zh) * | 2018-06-05 | 2018-12-18 | 广州杰赛科技股份有限公司 | 移动轨迹的分类方法和装置、设备、存储介质 |
WO2019001045A1 (zh) * | 2017-06-30 | 2019-01-03 | 山东省交通规划设计院 | 基于手机数据的城际交通出行方式判断方法和设备 |
CN109587326A (zh) * | 2018-11-09 | 2019-04-05 | 深圳壹账通智能科技有限公司 | 移动终端的提示方法及装置、存储介质、计算机设备 |
CN109840566A (zh) * | 2019-02-14 | 2019-06-04 | 中国人民公安大学 | 出行模式识别方法及装置 |
CN110826758A (zh) * | 2018-08-14 | 2020-02-21 | 上海能链众合科技有限公司 | 行程类型确定方法及装置、存储介质、终端 |
CN110873783A (zh) * | 2018-08-14 | 2020-03-10 | 上海能链众合科技有限公司 | 碳排量监测方法及装置、存储介质、终端 |
CN111121797A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 道路筛选方法、装置、服务器及存储介质 |
CN112422134A (zh) * | 2020-11-19 | 2021-02-26 | 中睿信数字技术有限公司 | 一种时空轨迹压缩和分段状态表达的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592447A (zh) * | 2011-12-20 | 2012-07-18 | 浙江工业大学 | 一种基于fcm的区域路网的道路交通状态判别方法 |
CN104504099A (zh) * | 2014-12-29 | 2015-04-08 | 北京交通大学 | 基于位置轨迹的交通出行状态切分方法 |
CN104751631A (zh) * | 2015-03-13 | 2015-07-01 | 同济大学 | 基于gps定位和模糊理论判断出行链交通方式的方法 |
-
2015
- 2015-09-29 CN CN201510632989.2A patent/CN105183893A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592447A (zh) * | 2011-12-20 | 2012-07-18 | 浙江工业大学 | 一种基于fcm的区域路网的道路交通状态判别方法 |
CN104504099A (zh) * | 2014-12-29 | 2015-04-08 | 北京交通大学 | 基于位置轨迹的交通出行状态切分方法 |
CN104751631A (zh) * | 2015-03-13 | 2015-07-01 | 同济大学 | 基于gps定位和模糊理论判断出行链交通方式的方法 |
Non-Patent Citations (2)
Title |
---|
Y. ZHENG等: ""Understanding Transportation Modes Based on GPS Data for Web Applications"", 《ACM TRANSACTIONS ON THE WEB》 * |
王瑾等: ""出行轨迹演绎性时序聚类分割算法"", 《计算机技术与发展》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446208B (zh) * | 2016-09-30 | 2019-07-26 | 东南大学 | 一种考虑路网契合度的智能手机出行方式识别方法 |
CN106446208A (zh) * | 2016-09-30 | 2017-02-22 | 东南大学 | 一种考虑路网契合度的智能手机出行方式识别方法 |
WO2019001045A1 (zh) * | 2017-06-30 | 2019-01-03 | 山东省交通规划设计院 | 基于手机数据的城际交通出行方式判断方法和设备 |
US10674315B2 (en) | 2017-06-30 | 2020-06-02 | Shandong Provincial Communications Planning And Design Institute | Method and device for judging intercity transportation mode based on mobile phone data |
CN109034181A (zh) * | 2018-06-05 | 2018-12-18 | 广州杰赛科技股份有限公司 | 移动轨迹的分类方法和装置、设备、存储介质 |
CN110826758A (zh) * | 2018-08-14 | 2020-02-21 | 上海能链众合科技有限公司 | 行程类型确定方法及装置、存储介质、终端 |
CN110873783A (zh) * | 2018-08-14 | 2020-03-10 | 上海能链众合科技有限公司 | 碳排量监测方法及装置、存储介质、终端 |
CN110826758B (zh) * | 2018-08-14 | 2023-10-13 | 上海零数众合信息科技有限公司 | 行程类型确定方法及装置、存储介质、终端 |
CN111121797A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 道路筛选方法、装置、服务器及存储介质 |
CN111121797B (zh) * | 2018-11-01 | 2021-11-12 | 百度在线网络技术(北京)有限公司 | 道路筛选方法、装置、服务器及存储介质 |
CN109587326A (zh) * | 2018-11-09 | 2019-04-05 | 深圳壹账通智能科技有限公司 | 移动终端的提示方法及装置、存储介质、计算机设备 |
CN109840566A (zh) * | 2019-02-14 | 2019-06-04 | 中国人民公安大学 | 出行模式识别方法及装置 |
CN112422134A (zh) * | 2020-11-19 | 2021-02-26 | 中睿信数字技术有限公司 | 一种时空轨迹压缩和分段状态表达的方法和装置 |
CN112422134B (zh) * | 2020-11-19 | 2022-06-17 | 中睿信数字技术有限公司 | 一种时空轨迹压缩和分段状态表达的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105183893A (zh) | 定位轨迹的分类方法及装置 | |
CN112581763A (zh) | 道路事件检测的方法、装置、设备和存储介质 | |
CN113421432B (zh) | 交通限行信息检测方法、装置、电子设备和存储介质 | |
CN107036572A (zh) | 一种农机作业面积获取方法及装置 | |
CN109697875A (zh) | 规划行驶轨迹的方法及装置 | |
CN109841078B (zh) | 导航数据处理方法及其装置、存储介质 | |
CN103236166A (zh) | 一种使用卫星定位技术进行车辆违章行为辨识的方法 | |
CN108898520B (zh) | 基于轨迹数据的学生安全监控方法和系统 | |
CN110784825A (zh) | 车辆行驶轨迹的生成方法、装置 | |
CN107816998B (zh) | 信息处理方法及装置 | |
CN110807924A (zh) | 基于全量全样实时交通数据的多参数融合方法及系统 | |
CN105761483A (zh) | 一种车辆数据处理方法及设备 | |
CN108663065A (zh) | 一种道路类型的识别方法及装置 | |
CN104183128A (zh) | 交通状态确定方法及装置 | |
CN104064027A (zh) | 一种交通信息的获取方法及系统 | |
CN105575155A (zh) | 用于确定车辆行驶信息的方法和设备 | |
CN111681417B (zh) | 交通路口渠化调整方法和装置 | |
CN113837268A (zh) | 确定轨迹点状态的方法、装置、设备和介质 | |
Liu et al. | A novel method for predicting vehicle state in internet of vehicles | |
CN112447060A (zh) | 识别车道的方法、装置及计算设备 | |
CN109005497B (zh) | 确定信号盲区的方法、确定用户位置的方法及装置 | |
CN105448088A (zh) | 一种基于大数据的交通状况监测方法及系统 | |
CN114771576A (zh) | 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆 | |
CN111737378A (zh) | 道路通行方向识别方法、装置、计算机设备和存储介质 | |
CN114582125B (zh) | 道路通行方向的识别的方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151223 |