CN105701560A - 一种通勤路线信息的确定方法及装置 - Google Patents
一种通勤路线信息的确定方法及装置 Download PDFInfo
- Publication number
- CN105701560A CN105701560A CN201511029268.9A CN201511029268A CN105701560A CN 105701560 A CN105701560 A CN 105701560A CN 201511029268 A CN201511029268 A CN 201511029268A CN 105701560 A CN105701560 A CN 105701560A
- Authority
- CN
- China
- Prior art keywords
- section
- path sequence
- sequence
- track
- user
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Abstract
本发明实施例公开了一种通勤路线信息的确定方法及装置。所述通勤路线信息的确定方法,包括:获取用户终端在通勤时间段的轨迹定位数据;将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列;依据所述至少两条定位路径序列,确定用户的候选通勤路段;依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹。本发明实施例提供了一种基于轨迹定位数据获得用户的经验通勤路线信息的方案。
Description
技术领域
本发明实施例涉及智能识别技术,尤其涉及一种通勤路线信息的确定方法及装置。
背景技术
随着各类用车业务,比如顺风车或拼车等应用的不断推广,用户的用车体验成为各类业务关注的重点。获取用户的经验通勤路线信息,从而依据经验通勤路线信息推送通勤订单,能够更好的提升用车业务的用户体验。
目前,虽然基于短距离且精确的单一路线地图匹配已经有比较广泛的研究,然而用户终端的定位数据属于低频稀疏采样数据,时间和空间分布的跨度都可能很大,且采样间隔分布不均,总数据量虽有一定规模,但不同用户终端的定位数据数量和形态规律不一,因此尚无成熟的方案能够得到用户的经验通勤路线信息。
发明内容
本发明提供一种通勤路线信息的确定方法及装置,以提供一种基于轨迹定位数据获得用户的经验通勤路线信息的方案。
第一方面,本发明实施例提供了一种通勤路线信息的确定方法,所述方法包括:
获取用户终端在通勤时间段的轨迹定位数据;
将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列;
依据所述至少两条定位路径序列,确定用户的候选通勤路段;
依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹。
第二方面,本发明实施例还提供了一种通勤路线信息的确定装置,所述装置包括:
数据获取模块,用于获取用户终端在通勤时间段的轨迹定位数据;
数据排列模块,用于将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列;
路段确定模块,用于依据所述至少两条定位路径序列,确定用户的候选通勤路段;
轨迹确定模块,用于依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹。
本发明实施例通过获取用户终端在通勤时间段的轨迹定位数据,将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列,依据所述至少两条定位路径序列,确定用户的候选通勤路段,并依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹,提供了一种基于轨迹定位数据获得用户的经验通勤路线信息的方案。
附图说明
图1是本发明实施例一中的一种通勤路线信息的确定方法的流程图;
图2是本发明实施例二中的一种通勤路线信息的确定方法的流程图;
图3是本发明实施例三中的一种通勤路线信息的确定方法的流程图;
图4是本发明实施例四中的一种通勤路线信息的确定装置的结构图。
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。
实施例一
图1是本发明实施例一中的一种通勤路线信息的确定方法的流程图,本实施例可适用于需要确定用户的通勤路线信息的情况,该方法可以由通勤路线信息的确定装置来执行,参考图1,所述方法具体可以包括如下:
S110、获取用户终端在通勤时间段的轨迹定位数据。
其中,所述通勤时间段可以为用户的上下班时间段,所述轨迹定位数据可以为用户最近3个月的轨迹定位数据,如果最近3个月的轨迹定位数据的定位点总数小于2000点的,可以补充更长时间段的轨迹定位数据。
S120、将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列。
具体的,可以对每天的轨迹定位数据按照预设的划分时间间距进行划分,然后按照时间顺序进行排列,一天的定位数据排列后形成当天的定位路径序列,所述划分时间间距可以根据需要进行设定,如可以为30s。可以对所述定位路径序列进行相应的筛选,比如可以根据序列定位点的数目,定位点的空间间距、时间间距或序列的总时间跨度或空间跨度等特征筛选所述定位路径序列,以获得至少两条定位路径序列。
S130、依据所述至少两条定位路径序列,确定用户的候选通勤路段。
示例性的,可以通过如下方式确定用户的候选通勤路段:
A、依据所述至少两条定位路径序列,确定用户的轨迹关键点。
具体的,可以根据所述定位路径序列定位点的数目,定位点的空间间距、时间间距或序列的总时间跨度或空间跨度等特征选取一条或多条定位路径序列作为主路径序列,剩余的定位路径序列作为补充路径序列,然后依据空间信息、时间信息以及通行速度等信息,用所述补充路径序列对所述主路径序列进行插值加密,得到增强的主路径序列,然后依据所述增强的主路径序列确定用户的轨迹关键点。
B、依据所述轨迹关键点,确定用户的候选通勤路段。
具体的,可以依据所述轨迹关键点到路网中截取预设大小的路网区域,将各轨迹关键的对应的路网区域取并集,得到候选路网区域,将所述候选路网区域中包含的路段确定为候选通勤路段。
还可以通过如下方式确定用户的候选通勤路段:选取路网中每个定位路径序列对应的候选路段,并依据候选路段的空间信息、时间信息、路段长度等信息从所述候选路段中选取一条或多条候选路段作为候选通勤路段。
S140、依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹。
具体的,可以计算S130中得到的轨迹关键点与所述候选通勤路段之间的距离,若所述距离在预设距离阀值范围内,则确定所述候选通勤路段为用户的通勤轨迹;也可以计算所述轨迹关键点连接而成的路段与所述候选通勤路段之间的距离,若所述距离在预设距离阀值范围内,则确定所述候选通勤路段为用户的通勤轨迹;还可以计算所述至少两条定位路径序列中的定位点到所述候选通勤路段的距离,依据所述距离确定用户的通勤轨迹。
本实施例的技术方案通过获取用户终端在通勤时间段的轨迹定位数据,将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列,依据所述至少两条定位路径序列,确定用户的候选通勤路段,并依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹,提供了一种基于轨迹定位数据获得用户的经验通勤路线信息的方案。
实施例二
本实施例以上述实施例一为基础提供了一种通勤路线信息的确定方法。图2是本发明实施例二中的一种通勤路线信息的确定方法的流程图,参考图2,本实施例提供的通勤路线信息的确定方法具体可以包括如下:
S210、获取用户终端在通勤时间段的轨迹定位数据。
S220、将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列。
具体的,可以对每天的轨迹定位数据按照预设的划分时间间距进行划分,然后按照时间顺序进行排列,一天的定位数据排列后形成当天的定位路径序列,所述划分时间间距可以根据需要进行设定。
S230、确定所述至少两条定位路径序列中的主路径序列和补充路径序列。
具体的,可以通过以下方式确定主路径序列和补充路径序列:
若定位路径序列中定位点的空间间距小于第一距离阀值、时间间距小于第一时间阀值且定位路径序列的起终点离家或公司的空间间距小于第二距离阀值,则将所述定位路径序列确定为所述主路径序列;若定位路径序列中包含空间间距大于第三距离阀值或者时间间距大于第二时间阀值的定位点,则将所述定位路径序列确定为所述补充路径序列;若定位路径序列的总时间跨度小于第三时间阀值或者总空间跨度小于第四距离阀值,则将所述定位路径序列确定为补充路径序列。
其中,所述第三距离阀值大于或等于所述第一距离阀值,所述第二时间阀值大于或等于所述第一时间阀值,所述第一时间阀值与所述第二时间阀值可以为所述划分时间间距的整倍数,所述第二距离阀值可以根据需要进行设定,例如可以为500m、1km等,所述第三时间阀值和所述第四距离阀值可以根据需要进行设定,并不做具体限定。
若不存在定位路径序列满足定位点的空间间距小于第一距离阀值、时间间距小于第一时间阀值且定位路径序列的起终点离家或公司的空间间距小于第二距离阀值,即无法找到满足上述条件的主路径序列,则可以补充更多天数的定位数据,也可以从补充路径序列中找出空间跨度最大或定位点数最多的定位路径序列作为主路径序列。
若存在多个主路径序列,可以按序列的空间跨度进行选择,选取空间跨度最大的几条(通常<=3)作为主路径序列,也可以按照序列定位点的个数进行选择,可以选择定位点最多的几条作为主路径序列。
S240、依据所述补充路径序列的空间信息、时间信息和通行速度信息,对所述主路径序列进行插值,以获得增强的主路径序列。
具体的,可以通过以下方式对所述主路径序列进行插值:
选取所述补充路径序列中的补充序列段及所述主路径序列中的主序列段,其中所述补充序列段与所述主序列段在空间上关联;若所述补充序列段与所述主序列段关联相同时间段,且通行速度差值小于预设的速度阀值,则将所述补充序列段中的定位点补充到所述主序列段中。
其中,所述预设的速度阀值可以根据当地的道路限速信息进行设定,所述补充序列段与所述主序列段在空间上关联指的是所述补充序列段与所述主序列段相应的定位点的空间距离差值在预设的阀值范围内;所述补充序列段与所述主序列段关联相同时间段指的是所述补充序列段与所述主序列段相应的定位点的时间差值在预设的阀值范围内。将所述补充序列段补充的所述主序列段中,以获得增强的主路径序列,增加了主路径序列中定位点的个数,为确定用户的通勤轨迹提供了更多参考。
S250、将所述增强的主路径序列的拐点和分割点作为用户的轨迹关键点。
具体的,可以通过以下方式确定用户的轨迹关键点:
按照点行进方向获取所述增强的主路径序列的拐点;对所述增强的主路径序列中长距离序列进行分割,以得到分割点,其中所述长距离序列为长度大于第五距离阀值的定位路径序列;将所述拐点和所述分割点作为所述轨迹关键点。
其中,所述第五距离阀值可以根据需要进行设定,通过所述增强的主路径序列获取用户的轨迹关键点,实现了对所述增强的主路径序列的简化,减小了后续确定用户的候选通勤路段以及通勤轨迹的工作量。
S260、依据所述轨迹关键点,确定用户的候选通勤路段。
S270、依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹。
其中,若所述增强的定位路径序列中某一段完全没有定位点,则会导致所述用户的通勤轨迹中存在缺失路段,此时可以依据路网的拓扑连接信息、用户的可能通行时间和可行最大距离,利用启发式A*算法搜索最短路径来补充缺失路段。
本实施例的技术方案通过确定用户至少两条定位路径序列中的主路径序列和补充路径序列,依据所述补充路径序列的空间信息、时间信息和通行速度信息,对所述主路径序列进行插值,以获得增强的主路径序列,进而确定用户的轨迹关键点,依据所述轨迹关键点确定用户的候选通勤路段,并依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹,提供了一种基于轨迹定位数据获得用户的经验通勤路线信息的方案。
实施例三
本实施例以上述实施例为基础提供了一种通勤路线信息的确定方法。图3是本发明实施例三中的一种通勤路线信息的确定方法的流程图,参考图3,本实施例提供的通勤路线信息的确定方法具体可以包括如下:
S310、获取用户终端在通勤时间段的轨迹定位数据。
S320、将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列。
可选的,可以依据所述定位路径序列的起点与家或公司之间的距离,对所述定位路径序列按平均通行路况进行时间外延插值,以获得用户从家或公司的出发时间。
具体的,若所述定位路径序列的起点与家或公司之间的距离小于预设距离阀值,则按照平均通行路况,对所述序列进行时间外延插值,获得用户当天从家或公司的出发时间。可以将由各定位路径序列确定的出发时间按时间段进行分组,并计算各分组的平均出发时间以及各分组的频率占比,以获得用户的出行时间段及对应的出行频率。所述预设的距离阀值可以根据需要进行设定,可以为3km等。
可选的,可以依据所述定位路径序列起始位置或终止位置的个数,确定用户的通勤性质,具体方式可以如下:
若所述定位路径序列的起始位置和/或终止位置的数量小于预设的数量阀值,则确定用户固定上下班;若所述定位路径序列起始位置和/或终止位置的数量大于或等于所述数量阀值,则依据随机森林分类器和轨迹性质分类模型,对所述定位路径序列进行训练,并根据训练结果确定用户是否运营车辆。
具体的,可以根据所述定位路径序列的起始位置和/或终止位置的聚类情况,得到聚类的个数和聚类间的距离,并统计各聚类的在总出行天数中所占的比例,从而确定用户起始位置和终止位置的个数。
在对所述定位路径序列进行训练时,可以选取以下训练样本:
正样本:出租车司机的轨迹;
负样本:销售、企业主、自由职业者等人员的轨迹。
可以选取所述定位路径序列的以下训练特征:
定位点的数目取10的对数;
出发时间的随机性:以半小时为时间间距对出发时间进行分组,求取每个分组所占的比例,计算熵;
起始点和终止点的随机性:采用绝对墨卡托坐标,将起始点和终止点的坐标整除2公里后进行分组,计算每个分组所占的比例,计算熵;
达到预设行进速度阀值的定位点的时间随机性:以半小时为时间间距对满足要求的定位点进行分组,求取各分组所占的比例,计算熵;
出发点距离家或公司的距离:以km为单位取整;
由家发出的路径轨迹的终点在每天的分布度:采用绝对墨卡托坐标,将所述终点的坐标整除2公里后进行分组,计算每个分组所占的比例,计算熵;
轨迹的回旋情况:在半小时内回到与之前的轨迹位置相距1km以内的次数,即回旋的次数,出现回旋的定位路径序列的个数及占定位路径序列总个数的比例;
不同长距离定位路径序列的数目;
不同长时间定位路径序列的数目。
S330、依据所述至少两条定位路径序列,确定用户的轨迹关键点。
S340、将所述轨迹关键点所属路网区域的并集,作为候选路网区域。
具体的,可以以所述轨迹关键点为中心,在路网中截取预设大小的路网区域,将各轨迹关键的对应的路网区域取并集,得到候选路网区域。所述预设大小的路网区域可以为边长为200m的正方形区域。
S350、将所述候选路网区域包含的路段确定为候选通勤路段。
具体的,结合路网之间的拓扑邻接性概率和转移概率、及连续性概率、连续匹配段的条件概率等信息,确定用户的候选通勤路段。所述候选通勤路段可以为一条或多条。
S360、依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹。
优选的,可以依据所述轨迹关键点连接而成的主路段与所述候选通勤路段之间的距离,确定用户的通勤轨迹。
具体的,可以求取所述主路段与所述候选通勤路段之间的Frechet距离,若所述Frechet距离在预设的距离阀值范围内,并且道路属性信息满足要求,确定该候选路段为用户终端的通勤轨迹。所述道路属性信息可以包括道路的限速等信息。
当存在一条以上候选通勤路段与所述主路段的Frechet距离以及道路属性信息满足要求时,将所述一条以上候选通勤路段确定为候选轨迹,可以依据所述增强的主路径序列的所有定位点,对所述候选轨迹进行校验:求取所有定位点到所述候选轨迹的距离,依据所述距离确定用户的通勤轨迹。具体的,可以求取各定位点到所述候选轨迹的距离总和,选取距离总和最小的候选轨迹作为通勤轨迹;也可以求取各定位点到所述候选轨迹的距离的平均值,选取平均值最小的候选轨迹作为通勤轨迹;还可以对所述各定位点到所述候选轨迹的距离进行分组,并计算各分组的平均值和概率,依据所述各分组的平均值和概率确定通勤轨迹。
本实施例的技术方案依据所述至少两条定位路径序列,确定用户的轨迹关键点,将所述轨迹关键点所属路网区域的并集,作为候选路网区域,将所述候选路网区域包含的路段确定为候选通勤路段,并依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹,提供了一种基于轨迹定位数据获得用户的经验通勤路线信息的方案。
实施例四
图4是本发明实施例四中的一种通勤路线信息的确定装置的结构图,参考图4,本实施例提供的通勤路线信息的确定装置的结构具体可以如下:
数据获取模块410,用于获取用户终端在通勤时间段的轨迹定位数据;
数据排列模块420,用于将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列;
路段确定模块430,用于依据所述至少两条定位路径序列,确定用户的候选通勤路段;
轨迹确定模块440,用于依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹。
进一步的,所述路段确定模块430包括:
点确定子模块,用于依据所述至少两条定位路径序列,确定用户的轨迹关键点;
路段确定子模块,用于依据所述轨迹关键点,确定用户的候选通勤路段。
进一步的,所述点确定子模块,包括:
路径分类单元,用于确定所述至少两条定位路径序列中的主路径序列和补充路径序列;
路径增强单元,用于依据所述补充路径序列的空间信息、时间信息和通行速度信息,对所述主路径序列进行插值,以获得增强的主路径序列;
点确定单元,用于将所述增强的主路径序列的拐点和分割点作为用户的轨迹关键点。
进一步的,所述路径分类单元包括:
第一分类子单元,用于若定位路径序列中定位点的空间间距小于第一距离阀值、时间间距小于第一时间阀值且定位路径序列的起终点离家或公司的空间间距小于第二距离阀值,则将所述定位路径序列确定为所述主路径序列;
第二分类子单元,用于若定位路径序列中包含空间间距大于第三距离阀值或者时间间距大于第二时间阀值的定位点,则将所述定位路径序列确定为所述补充路径序列;
第三分类子单元,用于若定位路径序列的总时间跨度小于第三时间阀值或者总空间跨度小于第四距离阀值,则将所述定位路径序列确定为补充路径序列。
进一步的,所述路径增强单元包括:
第一增强子单元,用于选取所述补充路径序列中的补充序列段及所述主路径序列中的主序列段,其中所述补充序列段与所述主序列段在空间上关联;
第二增强子单元,用于若所述补充序列段与所述主序列端关联相同时间段,且通行速度差值小于预设的速度阀值,则将所述补充序列段中的定位点补充到所述主序列段中。
进一步的,所述点确定单元包括:
拐点确定子单元,用于按照点行进方向获取所述增强的主路径序列的拐点;
分割点确定子单元,用于对所述增强的主路径序列中长距离序列进行分割,以得到分割点,其中所述长距离序列为长度大于第五距离阀值的定位路径序列;
点确定子单元,用于将所述拐点和所述分割点作为所述轨迹关键点。
进一步的,所述路段确定子模块包括:
区域确定单元,用于将所述轨迹关键点所属路网区域的并集,作为候选路网区域;
路段确定单元,用于将所述候选路网区域包含的路段确定为候选通勤路段。
进一步的,所述轨迹确定模块440具体用于:
依据所述轨迹关键点连接而成的主路段与所述候选通勤路段之间的距离,确定用户的通勤轨迹。
进一步的,所述装置还包括:
时间确定模块,用于在将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列之后,依据所述定位路径序列的起点与家或公司之间的距离,对所述定位路径序列按平均通行路况进行时间外延插值,以获得用户从家或公司的出发时间。
进一步的,所述装置还包括:
第一性质确定模块,用于在将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列之后,若所述定位路径序列的起始位置和/或终止位置的数量小于预设的数量阀值,则确定用户固定上下班;
第二性质确定模块,用于若所述定位路径序列起始位置和/或终止位置的数量大于或等于所述数量阀值,则依据随机森林分类器和轨迹性质分类模型,对所述定位路径序列进行训练,并根据训练结果确定用户是否运营车辆。
本实施例提供的通勤路线信息的确定装置,与本发明任意实施例所提供的通勤路线信息的确定方法属于同一发明构思,可执行本发明任意实施例所提供的通勤路线信息的确定方法,具备执行通勤路线信息的确定方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的通勤路线信息的确定方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (20)
1.一种通勤路线信息的确定方法,其特征在于,包括:
获取用户终端在通勤时间段的轨迹定位数据;
将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列;
依据所述至少两条定位路径序列,确定用户的候选通勤路段;
依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹。
2.根据权利要求1所述的方法,其特征在于,依据所述至少两条定位路径序列,确定用户的候选通勤路段,包括:
依据所述至少两条定位路径序列,确定用户的轨迹关键点;
依据所述轨迹关键点,确定用户的候选通勤路段。
3.根据权利要求2所述的方法,其特征在于,依据所述至少两条定位路径序列,确定用户的轨迹关键点,包括:
确定所述至少两条定位路径序列中的主路径序列和补充路径序列;
依据所述补充路径序列的空间信息、时间信息和通行速度信息,对所述主路径序列进行插值,以获得增强的主路径序列;
将所述增强的主路径序列的拐点和分割点作为用户的轨迹关键点。
4.根据权利要求3所述的方法,其特征在于,确定所述至少两条定位路径序列中的主路径序列和补充路径序列,包括:
若定位路径序列中定位点的空间间距小于第一距离阀值、时间间距小于第一时间阀值且定位路径序列的起终点离家或公司的空间间距小于第二距离阀值,则将所述定位路径序列确定为所述主路径序列;
若定位路径序列中包含空间间距大于第三距离阀值或者时间间距大于第二时间阀值的定位点,则将所述定位路径序列确定为所述补充路径序列;
若定位路径序列的总时间跨度小于第三时间阀值或者总空间跨度小于第四距离阀值,则将所述定位路径序列确定为补充路径序列。
5.根据权利要求3所述的方法,其特征在于,依据所述补充路径序列的空间信息、时间信息和通行速度信息,对所述主路径序列进行插值,包括:
选取所述补充路径序列中的补充序列段及所述主路径序列中的主序列段,其中所述补充序列段与所述主序列段在空间上关联;
若所述补充序列段与所述主序列段关联相同时间段,且通行速度差值小于预设的速度阀值,则将所述补充序列段中的定位点补充到所述主序列段中。
6.根据权利要求3所述的方法,其特征在于,将所述增强的主路径序列的拐点和分割点作为用户的轨迹关键点,包括:
按照点行进方向获取所述增强的主路径序列的拐点;
对所述增强的主路径序列中长距离序列进行分割,以得到分割点,其中所述长距离序列为长度大于第五距离阀值的定位路径序列;
将所述拐点和所述分割点作为所述轨迹关键点。
7.根据权利要求2所述的方法,其特征在于,依据所述轨迹关键点,确定用户的候选通勤路段,包括:
将所述轨迹关键点所属路网区域的并集,作为候选路网区域;
将所述候选路网区域包含的路段确定为候选通勤路段。
8.根据权利要求2所述的方法,其特征在于,依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹,包括:
依据所述轨迹关键点连接而成的主路段与所述候选通勤路段之间的距离,确定用户的通勤轨迹。
9.根据权利要求1所述的方法,其特征在于,将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列之后,还包括:
依据所述定位路径序列的起点与家或公司之间的距离,对所述定位路径序列按平均通行路况进行时间外延插值,以获得用户从家或公司的出发时间。
10.根据权利要求1所述的方法,其特征在于,将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列之后,还包括:
若所述定位路径序列的起始位置和/或终止位置的数量小于预设的数量阀值,则确定用户固定上下班;
若所述定位路径序列起始位置和/或终止位置的数量大于或等于所述数量阀值,则依据随机森林分类器和轨迹性质分类模型,对所述定位路径序列进行训练,并根据训练结果确定用户是否运营车辆。
11.一种通勤路线信息的确定装置,其特征在于,包括:
数据获取模块,用于获取用户终端在通勤时间段的轨迹定位数据;
数据排列模块,用于将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列;
路段确定模块,用于依据所述至少两条定位路径序列,确定用户的候选通勤路段;
轨迹确定模块,用于依据所述至少两条定位路径序列以及所述候选通勤路段,确定所述用户的通勤轨迹。
12.根据权利要求11所述的装置,其特征在于,所述路段确定模块包括:
点确定子模块,用于依据所述至少两条定位路径序列,确定用户的轨迹关键点;
路段确定子模块,用于依据所述轨迹关键点,确定用户的候选通勤路段。
13.根据权利要求12所述的装置,其特征在于,所述点确定子模块包括:
路径分类单元,用于确定所述至少两条定位路径序列中的主路径序列和补充路径序列;
路径增强单元,用于依据所述补充路径序列的空间信息、时间信息和通行速度信息,对所述主路径序列进行插值,以获得增强的主路径序列;
点确定单元,用于将所述增强的主路径序列的拐点和分割点作为用户的轨迹关键点。
14.根据权利要求13所述的装置,其特征在于,所述路径分类单元包括:
第一分类子单元,用于若定位路径序列中定位点的空间间距小于第一距离阀值、时间间距小于第一时间阀值且定位路径序列的起终点离家或公司的空间间距小于第二距离阀值,则将所述定位路径序列确定为所述主路径序列;
第二分类子单元,用于若定位路径序列中包含空间间距大于第三距离阀值或者时间间距大于第二时间阀值的定位点,则将所述定位路径序列确定为所述补充路径序列;
第三分类子单元,用于若定位路径序列的总时间跨度小于第三时间阀值或者总空间跨度小于第四距离阀值,则将所述定位路径序列确定为补充路径序列。
15.根据权利要求13所述的装置,其特征在于,所述路径增强单元包括:
第一增强子单元,用于选取所述补充路径序列中的补充序列段及所述主路径序列中的主序列段,其中所述补充序列段与所述主序列段在空间上关联;
第二增强子单元,用于若所述补充序列段与所述主序列段关联相同时间段,且通行速度差值小于预设的速度阀值,则将所述补充序列段中的定位点补充到所述主序列段中。
16.根据权利要求13所述的装置,其特征在于,所述点确定单元包括:
拐点确定子单元,用于按照点行进方向获取所述增强的主路径序列的拐点;
分割点确定子单元,用于对所述增强的主路径序列中长距离序列进行分割,以得到分割点,其中所述长距离序列为长度大于第五距离阀值的定位路径序列;
点确定子单元,用于将所述拐点和所述分割点作为所述轨迹关键点。
17.根据权利要求12所述的装置,其特征在于,所述路段确定子模块包括:
区域确定单元,用于将所述轨迹关键点所属路网区域的并集,作为候选路网区域;
路段确定单元,用于将所述候选路网区域包含的路段确定为候选通勤路段。
18.根据权利要求12所述的装置,其特征在于,所述轨迹确定模块具体用于:
依据所述轨迹关键点连接而成的主路段与所述候选通勤路段之间的距离,确定用户的通勤轨迹。
19.根据权利要求11所述的装置,其特征在于,还包括:
时间确定模块,用于在将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列之后,依据所述定位路径序列的起点与家或公司之间的距离,对所述定位路径序列按平均通行路况进行时间外延插值,以获得用户从家或公司的出发时间。
20.根据权利要求11所述的装置,其特征在于,还包括:
第一性质确定模块,用于在将所述轨迹定位数据按照时间顺序进行排列,以获得至少两条定位路径序列之后,若所述定位路径序列的起始位置和/或终止位置的数量小于预设的数量阀值,则确定用户固定上下班;
第二性质确定模块,用于若所述定位路径序列起始位置和/或终止位置的数量大于或等于所述数量阀值,则依据随机森林分类器和轨迹性质分类模型,对所述定位路径序列进行训练,并根据训练结果确定用户是否运营车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511029268.9A CN105701560B (zh) | 2015-12-31 | 2015-12-31 | 一种通勤路线信息的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511029268.9A CN105701560B (zh) | 2015-12-31 | 2015-12-31 | 一种通勤路线信息的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105701560A true CN105701560A (zh) | 2016-06-22 |
CN105701560B CN105701560B (zh) | 2021-12-14 |
Family
ID=56226807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511029268.9A Active CN105701560B (zh) | 2015-12-31 | 2015-12-31 | 一种通勤路线信息的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701560B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781459A (zh) * | 2016-11-30 | 2017-05-31 | 贵州智通天下信息技术有限公司 | 一种拆分路线轨迹的方法 |
CN106912018A (zh) * | 2017-02-28 | 2017-06-30 | 上海讯飞瑞元信息技术有限公司 | 基于信令轨迹的地图匹配方法及系统 |
CN107038858A (zh) * | 2017-05-25 | 2017-08-11 | 厦门大学 | 通勤私家车动态拼车推荐方法 |
CN107705545A (zh) * | 2017-09-14 | 2018-02-16 | 王淑芳 | 一种重点营运车辆轨迹点补充方法和系统 |
CN108596202A (zh) * | 2018-03-08 | 2018-09-28 | 清华大学 | 基于移动终端gps定位数据计算个人通勤时间的方法 |
CN108848463A (zh) * | 2018-06-29 | 2018-11-20 | 百度在线网络技术(北京)有限公司 | 通勤路线确定方法和装置 |
CN109714709A (zh) * | 2019-02-25 | 2019-05-03 | 北京化工大学 | 一种基于历史信息的失联车辆位置预测方法和系统 |
CN109813327A (zh) * | 2019-02-01 | 2019-05-28 | 安徽中科美络信息技术有限公司 | 一种车辆行驶轨迹缺失补偿方法 |
CN109916414A (zh) * | 2019-03-29 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 地图匹配方法、装置、设备和介质 |
CN110084308A (zh) * | 2019-04-30 | 2019-08-02 | 杭州远眺科技有限公司 | 一种基于车辆轨迹分析构建通勤路径的方法 |
CN111275529A (zh) * | 2020-01-21 | 2020-06-12 | 青梧桐有限责任公司 | 通勤时间计算方法、系统、电子设备及可读存储介质 |
CN111382370A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳美行科技有限公司 | 线路推荐方法、装置、车载设备和存储介质 |
CN111696343A (zh) * | 2019-03-12 | 2020-09-22 | 北京嘀嘀无限科技发展有限公司 | 一种轨迹数据处理方法及装置 |
CN111882102A (zh) * | 2020-06-05 | 2020-11-03 | 百度在线网络技术(北京)有限公司 | 轨迹中的中断区间信息的补偿方法、设备及存储介质 |
CN113556698A (zh) * | 2021-07-21 | 2021-10-26 | 智慧足迹数据科技有限公司 | 基于手机信令的信息聚类方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030100993A1 (en) * | 2001-11-27 | 2003-05-29 | Kirshenbaum Evan R. | Automatic gathering and analysis of data on commute paths |
CN104596534A (zh) * | 2015-01-07 | 2015-05-06 | 诚迈科技(南京)股份有限公司 | 一种计算最优行车路径的方法 |
CN104838673A (zh) * | 2012-06-25 | 2015-08-12 | 谷歌公司 | 提供路线推荐 |
CN104933201A (zh) * | 2015-07-15 | 2015-09-23 | 蔡宏铭 | 基于同行信息的内容推荐方法及系统 |
CN105182776A (zh) * | 2015-09-18 | 2015-12-23 | 小米科技有限责任公司 | 智能家居控制方法及装置 |
-
2015
- 2015-12-31 CN CN201511029268.9A patent/CN105701560B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030100993A1 (en) * | 2001-11-27 | 2003-05-29 | Kirshenbaum Evan R. | Automatic gathering and analysis of data on commute paths |
CN104838673A (zh) * | 2012-06-25 | 2015-08-12 | 谷歌公司 | 提供路线推荐 |
CN104596534A (zh) * | 2015-01-07 | 2015-05-06 | 诚迈科技(南京)股份有限公司 | 一种计算最优行车路径的方法 |
CN104933201A (zh) * | 2015-07-15 | 2015-09-23 | 蔡宏铭 | 基于同行信息的内容推荐方法及系统 |
CN105182776A (zh) * | 2015-09-18 | 2015-12-23 | 小米科技有限责任公司 | 智能家居控制方法及装置 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781459A (zh) * | 2016-11-30 | 2017-05-31 | 贵州智通天下信息技术有限公司 | 一种拆分路线轨迹的方法 |
CN106912018A (zh) * | 2017-02-28 | 2017-06-30 | 上海讯飞瑞元信息技术有限公司 | 基于信令轨迹的地图匹配方法及系统 |
CN106912018B (zh) * | 2017-02-28 | 2020-06-12 | 上海讯飞瑞元信息技术有限公司 | 基于信令轨迹的地图匹配方法及系统 |
CN107038858A (zh) * | 2017-05-25 | 2017-08-11 | 厦门大学 | 通勤私家车动态拼车推荐方法 |
CN107038858B (zh) * | 2017-05-25 | 2019-05-28 | 厦门大学 | 通勤私家车动态拼车推荐方法 |
CN107705545A (zh) * | 2017-09-14 | 2018-02-16 | 王淑芳 | 一种重点营运车辆轨迹点补充方法和系统 |
CN108596202A (zh) * | 2018-03-08 | 2018-09-28 | 清华大学 | 基于移动终端gps定位数据计算个人通勤时间的方法 |
CN108848463A (zh) * | 2018-06-29 | 2018-11-20 | 百度在线网络技术(北京)有限公司 | 通勤路线确定方法和装置 |
CN111382370B (zh) * | 2018-12-29 | 2024-03-08 | 沈阳美行科技股份有限公司 | 线路推荐方法、装置、车载设备和存储介质 |
CN111382370A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳美行科技有限公司 | 线路推荐方法、装置、车载设备和存储介质 |
CN109813327B (zh) * | 2019-02-01 | 2022-06-07 | 安徽中科美络信息技术有限公司 | 一种车辆行驶轨迹缺失补偿方法 |
CN109813327A (zh) * | 2019-02-01 | 2019-05-28 | 安徽中科美络信息技术有限公司 | 一种车辆行驶轨迹缺失补偿方法 |
CN109714709A (zh) * | 2019-02-25 | 2019-05-03 | 北京化工大学 | 一种基于历史信息的失联车辆位置预测方法和系统 |
CN111696343A (zh) * | 2019-03-12 | 2020-09-22 | 北京嘀嘀无限科技发展有限公司 | 一种轨迹数据处理方法及装置 |
CN109916414A (zh) * | 2019-03-29 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 地图匹配方法、装置、设备和介质 |
CN110084308A (zh) * | 2019-04-30 | 2019-08-02 | 杭州远眺科技有限公司 | 一种基于车辆轨迹分析构建通勤路径的方法 |
CN111275529A (zh) * | 2020-01-21 | 2020-06-12 | 青梧桐有限责任公司 | 通勤时间计算方法、系统、电子设备及可读存储介质 |
CN111882102A (zh) * | 2020-06-05 | 2020-11-03 | 百度在线网络技术(北京)有限公司 | 轨迹中的中断区间信息的补偿方法、设备及存储介质 |
CN111882102B (zh) * | 2020-06-05 | 2024-03-22 | 百度在线网络技术(北京)有限公司 | 轨迹中的中断区间信息的补偿方法、设备及存储介质 |
CN113556698A (zh) * | 2021-07-21 | 2021-10-26 | 智慧足迹数据科技有限公司 | 基于手机信令的信息聚类方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105701560B (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701560A (zh) | 一种通勤路线信息的确定方法及装置 | |
CN104931063B (zh) | 路径规划方法 | |
CN108629974B (zh) | 顾及城市道路交通网络特征的交通运行指数建立方法 | |
CN105674995A (zh) | 一种基于用户出行轨迹获取通勤路线的方法及装置 | |
CN108871354B (zh) | 道路信息处理方法及处理系统 | |
CN103136954B (zh) | 导航设备及导航路径上关键路况的提示方法与装置 | |
CN105387865A (zh) | 一种基于交通道路数据的路径规划方法及系统 | |
CN107421555B (zh) | 确定导航路径的方法和装置 | |
CN107958302A (zh) | 基于虚拟拓扑交通网络的经验路径规划方法 | |
CN106599561A (zh) | 一种轨迹数据清洗方法及装置 | |
CN104471350A (zh) | 车载用交通信息通知装置 | |
CN110457416A (zh) | 一种推荐公交出行路线的方法及设备 | |
CN110782066B (zh) | 一种行车路线确定方法、装置及介质 | |
Li et al. | An agent-based model for dispatching real-time demand-responsive feeder bus | |
CN101807348B (zh) | 一种动态网络导航系统及方法 | |
CN104990559A (zh) | 一种基于出租车经验数据的路径推荐方法、系统及客户端 | |
CN107957267B (zh) | 一种导航路径提示信息的确定方法及装置 | |
CN113379159B (zh) | 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法 | |
Fan et al. | URoad: An efficient algorithm for large-scale dynamic ridesharing service | |
CN105678601A (zh) | 一种派单方法及装置 | |
CN111024110A (zh) | 一种基于5g的智能交通路径规划和导航系统及其工作方法 | |
CN112258876A (zh) | 基于物联网的智慧城市管理方法及装置 | |
Bozdog et al. | RideMatcher: peer-to-peer matching of passengers for efficient ridesharing | |
Meuser et al. | Relevance-aware information dissemination in vehicular networks | |
CN104143260A (zh) | 一种基于数据融合优化模型的车辆轨迹预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |