CN109408140A - 启动行程记录的方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种基于人工智能的启动行程记录的方法、装置、计算机设备和存储介质。所述方法包括：获取终端的传感器数据；将所述传感器数据输入至机器模型中；获取所述机器模型输出的运动类型；当所述机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至所述终端，所述启动定位指令用于指示所述终端启动定位操作。这种启动行程记录的方法，无需用户手动开启行程的记录，而是可以自动会终端的运动状态进行检测，当检测到终端处于行驶类型时，则会自动启动行程的记录，无需用户手动开启也能够及时对记录行车轨迹，对用户的依赖性较低，提高了行车轨迹的记录效率，有效的避免了对行程的漏记。

Description

启动行程记录的方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种启动行程记录的方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，市面上也出现了越来越多的行程记录软件。行程记录软件主要用于对用户的行车路线进行记录。然而，传统技术对于行程记录的开启需要用户手动开启行程记录，并在行程结束后手动关闭行程记录操作。即传统技术中的行程记录软件依赖于用户的操作，需要用户主动进行开启关闭才能进行行程的记录操作。这种方法对于用户的依赖性较大，容易造成行程的漏记。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高行程记录的便利性的启动行程记录的方法、装置、计算机设备和存储介质。

一种启动行程记录的方法，所述方法包括：

获取终端的传感器数据；

将所述传感器数据输入至机器模型中；

获取所述机器模型根据所述传感器数据中包含的多维方向的速度数据进行处理输出的运动类型；

当所述机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至所述终端，以使所述终端根据所述启动定位指令启动定位操作。

在其中一个实施例中，所述获取所述机器模型输出的运动类型，包括：获取所述机器模型根据预设数量的所述终端在预设时间内的第一维、第二维、第三维的速度值后，根据所述第一维、第二维、第三维的速度值的均值，方差值以及值域输出的运动类型；所述第一维、第二维、第三维的速度值至少包括加速度值和角速度值中的一种。

在其中一个实施例中，在所述发送启动定位指令至所述终端之后，还包括：获取所述终端在行驶过程中的行驶数据；根据所述行驶数据确定行驶过程中的行驶异常数据；根据所述行驶异常数据确定所述终端的行驶异常类型。

在其中一个实施例中，所述根据所述行驶数据确定行驶过程中的行驶异常数据，包括：获取预设时间段内的行驶数据；从所述预设时间段内的行驶数据中选取预设数量的轨迹点，获取每个轨迹点的速度值；获取任意两个轨迹点的速度差值；将超过预设速度阈值的速度差值对应轨迹点的行驶数据作为行驶异常数据。

在其中一个实施例中，在所述发送启动定位指令至所述终端之后，还包括：当根据速度值确定所述终端的运动类型为非行驶类型时，则发送关闭定位指令至所述终端；获取所述终端根据所述关闭定位指令停止定位操作后并上传的定位记录数据；将所述定位记录数据上传至服务器。

在其中一个实施例中，所述机器模型的训练步骤包括：获取传感器样本数据；每隔第一预设时间从所述传感器样本数据中获取第一预设数量的轨迹点的速度值和方向；将所述第一预设数量的轨迹点的速度值和方向输入至机器模型中，得到所述机器模型输出的样本运动类型；根据所述样本运动类型确定所述机器模型的预测准确率；根据所述预测准确率对所述机器模型的权重调整；当所述预测准确率进行率达到预设准确值时，得到训练好的机器模型。

一种启动行程记录的装置，所述装置包括：

传感器获取模块，用于获取终端的传感器数据；

运动类型确定模块，用于将所述传感器数据输入至机器模型中；获取所述机器模型根据所述传感器数据中包含的多维方向的速度数据进行处理输出的运动类型；

行程记录启动模块，用于当所述机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至所述终端，以使所述终端根据所述启动定位指令启动定位操作。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取终端的传感器数据；

将所述传感器数据输入至机器模型中；

获取所述机器模型根据所述传感器数据中包含的多维方向的速度数据进行处理输出的运动类型；

当所述机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至所述终端，以使所述终端根据所述启动定位指令启动定位操作。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取终端的传感器数据；

将所述传感器数据输入至机器模型中；

获取所述机器模型根据所述传感器数据中包含的多维方向的速度数据进行处理输出的运动类型；

当所述机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至所述终端，以使所述终端根据所述启动定位指令启动定位操作。

上述启动行程记录的方法、装置、计算机设备和存储介质，通过获取到终端的传感器数据，将获取到的传感器数据输入至机器模型中，通过机器模型根据输入的传感器数据对终端的运动类型进行判断，当机器模型输出的运动类型表明终端处于行驶类型时，则可以自动发送启动定位指令至终端，终端则可以启动定位操作，从而启动对行程的记录。这种启动行程记录的方法，无需用户手动开启行程的记录，而是可以自动会终端的运动状态进行检测，当检测到终端处于行驶类型时，则会自动启动行程的记录，无需用户手动开启也能够及时对记录行车轨迹，对用户的依赖性较低，提高了行车轨迹的记录效率，有效的避免了对行程的漏记。

附图说明

图1为一个实施例中启动行程记录的方法的应用场景图；

图2为一个实施例中启动行程记录的方法的流程示意图；

图3为一个实施例中在发送启动定位指令至终端之后步骤的流程示意图；

图4为一个实施例中根据行驶数据确定行驶过程中的行驶异常数据步骤的流程示意图；

图5为一个实施例中机器模型的训练步骤的流程示意图；

图6为另一个实施例中启动行程记录的方法的流程示意图；

图7为一个实施例中行程记录启动过程的流程示意图；

图8为一个实施例中启动行程记录的装置的结构框图；

图9为另一个实施例中启动行程记录的装置的结构框图；

图10为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的启动行程记录的方法，可以应用于如图1所示的应用环境中。其中，终端110通过网络与服务器120通过网络进行通信。其中，终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在终端110上可装有预设应用，预设应用可以获取终端的传感设备采集到的传感器数据，并将传感器输入至机器模型中并获取机器模型输出的运动类型。机器模型可以集成在终端110上安装的预设应用中，也可以集成在服务器120中，则终端110上安装的预设应用可以通过网络将传感器数据发送至服务器120中的机器模型，并通过网络获取到机器模型输出的运动类型，从而可以在终端的运动类型为行驶类型时，发送启动定位指令至终端以启动行程记录。

在一个实施例中，如图2所示，提供了一种启动行程记录的方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：

步骤202，获取终端的传感器数据。

步骤204，将传感器数据输入至机器模型中。

步骤206，获取机器模型根据传感器数据中包含的多维方向的速度数据进行处理输出的运动类型。

终端上可装有传感设备，传感器数据是终端上的传感设备收集和测量得到的数据。传感设备获取到的数据可以是实时数据，比如速度、功率等。传感设备可以是陀螺仪传感器，从而传感器数据可以包含有三轴传感器数据和陀螺仪数据。三轴传感器数据指的是终端在x，y，z三个方向的传感器数据，陀螺仪数据可以是终端在运动过程中的角速度。在终端上可装有预设应用，预设应用可以通过权限配置获取到终端的传感器数据。在获取到终端的传感器数据后，可将传感器数据输入至机器模型中，通过机器模型对传感器数据进行计算分析以确定终端当前的运动类型。机器模型在获取到终端的传感器数据后，可对传感器数据中包含的多维方向的速度数据进行计算，以根据输入的传感器数据确定终端的运动类型。多维方向的速度数据是指多个方向的加速度数据或角速度数据。运动类型包括行驶类型和非行驶类型两种。行驶类型是指依赖于交通工具时所对应的运动类型，比如用户在驾驶车辆，那么用户随身携带的终端的运动类型则是行驶类型，因此可认为行驶类型是依赖于交通工具达到的运动类型，比如驾驶车辆，驾驶船只等，而非行驶类型则是无需依赖交通工具能够达到的运动类型，比如行走，跑步等。

在一个实施例中，获取机器模型根据预设数量的终端在预设时间内的第一维、第二维、第三维的速度值后，根据第一维、第二维、第三维的速度值的均值，方差值以及值域输出的运动类型；第一维、第二维、第三维的速度值至少包括加速度值和角速度值中的一种。

在通过机器模型对终端的运动类型进行确定时，可以获取到传感器数据中包含的第一维、第二维以及第三维的速度值，根据第一维、第二维以及第三维的速度值对终端的运动类型进行判断。第一维、第二维、第三维的速度值可以是传感设备收集到的x，y，z三个方向的加速度值，也可以是陀螺仪收集到的x，y，z三个方向的角速度值。在获取到预设数量的x，y，z三个方向的加速度值和/或角速度值后，可以对获取到的加速度值和/或角速度值的值域、均方差等进行计算并分析，从而可根据值域、均方差等数据确定终端的运动类型。还可以配合卡尔曼滤波算法对数据进行分析，从而机器模型可以根据预设数量的第一维、第二维、第三维的速度值输出的运动类型。

步骤208，当机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至终端，以使指示终端根据启动定位指令启动定位操作。

机器模型输出的运动类型可以是一个标签值，比如0或1。0代表的是行驶类型，1代表的是非行驶类型。关于标签值具体代表的含义，可根据实际项目需求对机器模型的参数进行设定。在获取到机器模型输出的运动类型时，可以根据机器模型输出的运动类型确定终端的行驶类型。当机器模型输出的运动类型表明终端属于行驶类型时，则可以发送启动定位指令至终端，使得终端能够启动定位操作，获取到终端的定位数据，以开启对终端的行程记录。机器模型可以是集成在预设应用中，也可以位于服务器。

当机器模型是集成于预设应用中时，在预设应用获取到终端的传感器数据后，可以将获取到的传感器数据输入至机器模型中，由机器模型根据传感器数据对终端的运动类型进行判断，预设应用即可获取到机器模型输出的运动类型，当预设应用检测到机器模型输出的运动类型表明终端属于行驶类型时，可以发送启动定位指令至终端，以获取到终端的定位数据，实现对终端的行程进行记录。当机器模型是位于服务器时，当预设应用获取到终端的传感器数据后，可以将获取到的传感器数据发送至服务器中的机器模型，由机器模型根据传感器数据对终端的运动类型进行判断，预设应用可以通过网络获取到机器模型输出的运动类型，当预设应用检测到机器模型输出的运动类型表明终端属于行驶类型时，可以发送启动定位指令至终端，以获取到终端的定位数据，实现对终端的行程进行记录。其中，定位数据可以是GPS(Global Positioning System，全球定位系统)定位数据。

上述启动行程记录的方法中，通过获取到终端的传感器数据，将获取到的传感器数据输入至机器模型中，通过机器模型根据输入的传感器数据对终端的运动类型进行判断，当机器模型输出的运动类型表明终端处于行驶类型时，则可以自动发送启动定位指令至终端，终端则可以启动定位操作，从而启动对行程的记录。这种启动行程记录的方法，无需用户手动开启行程的记录，而是可以自动会终端的运动状态进行检测，当检测到终端处于行驶类型时，则会自动启动行程的记录，无需用户手动开启也能够及时对记录行车轨迹，对用户的依赖性较低，提高了行车轨迹的记录效率，有效的避免了对行程的漏记。

在一个实施例中，如图3所示，在发送启动定位指令至终端之后，还包括：

步骤302，获取终端在行驶过程中的行驶数据。

步骤304，根据行驶数据确定行驶过程中的行驶异常数据。

步骤306，根据行驶异常数据确定终端的行驶异常类型。

在预设应用发送启动定位指令至终端之后，可以对终端的行程进行记录，从而可以获取到终端的行驶数据。预设应用在获取到终端的行驶数据后，可以根据行驶数据确定行驶过程中的行驶异常数据，从而根据行驶异常数据确定终端的行驶异常数据。预设应用可以通过对行驶数据进行分析确定终端的行驶异常类型，帮助用户改善驾驶行为。行驶异常数据可以是急加速、急减速、急转弯或急刹车等情况造成的异常数据。对应地，行驶异常数据包括有急加速，急减速，急左转，急右转以及超速等。在判断终端在行驶过程中是否存在有行驶异常数据时，可以通过对行驶过程中的轨迹点的速度值进行分析得到。

在一个实施例中，如图4所示，根据行驶数据确定行驶过程中的行驶异常数据，包括：

步骤402，获取预设时间段内的行驶数据。

步骤404，从预设时间段内的行驶数据中选取预设数量的轨迹点，获取每个轨迹节点的速度值。

步骤406，获取任意两个轨迹点的速度差值。

步骤408，将超过预设速度阈值的速度差值对应轨迹点的行驶数据作为行驶异常数据。

预设应用可以获取到预设时间段内的行驶数据，从预设时间段内的行驶数据中选取预设数量的轨迹点并获取到每个轨迹点的速度值。假设预设时间段为一分钟，预设数量为N，则预设应用可以获取到每一分钟内的行驶数据，并在每一分钟内的行驶数据中选取N个轨迹点，并获取每一分钟内选取的N个轨迹点各自对应的速度值。针对每一分钟的行驶数据，获取任意两个轨迹点的速度差值，当某两个轨迹点的速度差值超过预设速度阈值时，则说明这两个轨迹点存在有行驶异常行为，可将这两个轨迹点对应的行驶数据作为行驶异常数据，即速度差值超过预设速度阈值的两个轨迹点所在那一分钟的行驶数据是行驶异常数据。

进一步地，还可以在获取到预设时间段内的N个轨迹点的速度后，计算出各个轨迹点的加速度以及N个轨迹点的平均速度。可以对这N个轨迹点的加速度进行加权求和，即可以为每个轨迹点设置一个权重。权重可以由技术人员进行调整。在计算得到各个轨迹点的速度、加速度以及选取的轨迹点的平均速度后，可以确定在这一时间段内，是否存在急加速、急减速等异常数据。比如当平均速度达到某一速度阈值，且加速度达到加速度的阈值时，判定在这一时间段内存在急加速情况，或者判定这一时间段内存在急减速的情况。

在一个实施例中，在发送启动定位指令至终端之后，还包括：当根据速度值确定终端的运动类型为非行驶类型时，则发送关闭定位指令至终端；获取终端根据关闭定位指令停止定位操作后并上传的定位记录数据；将定位记录数据上传至服务器。。

在获取到终端的行驶数据时，预设应用可以不断的获取到行驶数据中各个轨迹点的速度值，可以根据轨迹点的速度值确定终端的运动类型。当确定终端的运动类型由行驶类型切换为非行驶类型时，预设应用可以发送关闭定位指令至终端，终端根据接收到的关闭定位指令停止接收传感设备采集到的传感器数据，即可以停止对终端进行定位，同时，预设应用可以将采集到的行驶数据上传至服务器进行存储。预设应用在上传行驶数据至服务器时，可以将预设应用中登录的账户对应的账户标识发送至服务器，服务器则可以将行驶数据与该账户标识进行关联存储。在预设应用需要获取该账户标识的行驶数据时，服务器则可以查找与该账户标识对应的行驶数据，并发送至预设应用。这种即时根据终端的运动类型关闭行程记录的方式也可以有效的节省终端的电量耗损。

在一个实施例中，如图5所示，机器模型的训练步骤包括：

步骤502，获取传感器样本数据。

步骤504，每隔第一预设时间从传感器样本数据中获取第一预设数量的轨迹点的速度值和方向。

步骤506，将第一预设数量的轨迹点的速度值和方向输入至机器模型中，得到机器模型输出的样本运动类型。

步骤508，根据样本运动类型标签确定机器模型的预测准确率。

步骤510，根据预测准确率对机器模型的权重调整。

步骤512，当预测准确率进行率达到预设准确值时，得到训练好的机器模型。

为了提高机器模型对终端状态类型的判断准确率，可以预先对机器模型进行训练。在训练时，可以获取大量的传感器样本数据，传感器样本数据可以是采集到的在真实场景状态下产生的传感器数据，既包括有处于行驶状态下产生的传感器数据，也可以包含有处于非行驶状态下产生的传感器数据，其中处于行驶状态下产生的传感器数据中，可以包括有正常行驶时的行驶数据，也可以包含有存在有行驶异常状况的行驶数据。每隔第一预设时间获取到第一预设数量的轨迹点的速度值和方向，假设第一预设时间为2分钟，则可以按照时间对传感器样本数据进行分割，分成多段行驶数据，每一段的行驶数据都是2分钟内连续产生的数据。还可以重复进行数据分割，假设获取到的传感器样本数据一共为5分钟，那么可以按照第一分钟至第三分钟的行驶数据，第三分钟至第四分钟的行驶数据的行驶进行数据分割。也可以按照第一分钟至第三分钟的行驶数据，第二分钟至第四分钟的行驶数据，第三分钟至第五分钟的行驶数据的方式进行数据分割。

在获取到每个第一预设时间的行驶数据后，可以对每个第一预设时间内的行驶数据进行轨迹点的选取，从每个第一预设时间内的行驶数据中选取第一预设数量的轨迹点，并获取到每个轨迹点的速度值和方向。将第一预设数量的轨迹点的速度值和方向输入至机器模型中，对机器模型进行训练。机器模型会根据轨迹点之间的时间顺序对输入的轨迹点的速度值和方向进行分析检测，从而建立检测模型。机器模型在对轨迹点的数据进行分析判断时，可以对轨迹点的值域，均方差等进行计算，还可以配合卡尔曼滤波算法，从而可以根据输入的轨迹点的数据确定第一预设时间的传感器样本数据所对应的样本运动类型。即可以确定第一预设时间的传感器样本数据是属于行驶类型还是非行驶类型。

进一步地，可以根据机器模型输出的样本运动类型确定机器模型的预测准确率。因此，可以在获取到传感器样本数据后，根据运动类型对每个传感器样本数据添加标签。比如为属于行驶类型的传感器样本数据添加标签0，而为属于非行驶类型的传感器样本数据添加标签1。则机器模型输出样本运动类型时，可将输入的传感器样本数据中的标签与样本运动类型进行对比，比对是否对应的运动类型是一致的，如果不是，则说明机器模型的预测出现了错误。可以对机器模型的预测准确率进行计算，当计算出来机器模型的预测准确率未达到预设准确值时，可以继续对机器模型进行训练，机器模型将会对权重进行调整。当计算出来机器模型的预测准确率已经达到预设准确值时，可认为机器模型训练完毕，即得到了训练好的机器模型，可将训练好的机器模型运用至实际项目中。预设准确值可以是技术人员设定的值，比如将预设准确值设定为96％，那么当计算出来机器模型的预测准确率达到96％时，可认为机器模型训练完毕，当计算出来机器模型的预测准确率未达到96％时，则需要继续对机器模型进行训练，直到机器模型的预测准确率达到96％。

在一个实施例中，如图6所示，提供了一种启动行程记录的方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：

步骤602，对机器模型进行训练，得到训练好的机器模型。

为了提高机器模型的预测准确率，可以预先对机器模型进行训练。可以获取到大量的传感器样本数据，将传感器样本数据输入至机器模型中对机器模型进行训练，针对每个传感器样本数据，可以每隔第一预设时间从传感器样本数据中获取第一预设数量的轨迹点的速度值和方向，将第一预设数量的轨迹点的速度值和方向输入至机器模型中，得到机器模型输出的样本运动类型。可以根据机器模型的输入和输出，计算出机器模型的预测准确率，当预测准确率达到预设准确值时，则可以得到训练好的机器模型。当预测准确率未达到预设准确值时，则需要继续对机器模型进行训练，直到机器模型的预测准确率达到预设准确值。

步骤604，获取终端的传感器数据。

步骤606，将传感器数据输入至机器模型中。

步骤608，获取机器模型根据预设数量的终端在预设时间内的第一维、第二维、第三维的速度值输出的运动类型。

在终端上可装有预设应用，预设应用可以通过权限配置获取到终端的传感器数据。在获取到终端的传感器数据后，可将传感器数据输入至机器模型中，通过机器模型对传感器数据进行计算分析以确定终端当前的运动类型。在通过机器模型对终端的运动类型进行确定时，可以获取到传感器数据中包含的第一维、第二维以及第三维的速度值，根据第一维、第二维以及第三维的速度值对终端的运动类型进行判断。第一维、第二维、第三维的速度值可以是传感设备收集到的x，y，z三个方向的加速度值，也可以是陀螺仪收集到的x，y，z三个方向的角速度值。在获取到预设数量的x，y，z三个方向的加速度值和/或角速度值后，可以对获取到的加速度值和/或角速度值的值域、均方差等进行分析，还可以配合卡尔曼滤波算法对数据进行分析，从而机器模型可以根据预设数量的第一维、第二维、第三维的速度值输出的行驶类型。

步骤610，当机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至终端。

机器模型输出的运动类型可以是一个标签值，比如0或1。0代表的是行驶类型，1代表的是非行驶类型。在获取到机器模型输出的运动类型时，可以根据机器模型输出的运动类型确定终端的行驶类型。当机器模型输出的运动类型表明终端属于行驶类型时，则可以发送启动定位指令至终端，使得终端能够启动定位操作，获取到终端的定位数据，以开启对终端的行程记录。

步骤612，获取终端在行驶过程中的行驶数据。

步骤614，从预设时间段内的行驶数据中选取预设数量的轨迹点，获取每个轨迹点的速度值。

步骤616，获取任意两个轨迹点的速度差值，将超过预设速度阈值的速度差值对应轨迹点的行驶数据作为行驶异常数据。

步骤618，根据行驶异常数据确定终端的行驶异常类型。

在预设应用发送启动定位指令至终端之后，可以对终端的行程进行记录，从而可以获取到终端的行驶数据。预设应用在获取到终端的行驶数据后，可以根据行驶数据确定行驶过程中的行驶异常数据，从而根据行驶异常数据确定终端的行驶异常数据。预设应用可以通过对行驶数据进行分析确定终端的行驶异常类型，帮助用户改善驾驶行为，提升驾驶安全意识。在判断终端在行驶过程中是否存在有行驶异常数据时，可以通过对行驶过程中的轨迹点的速度值进行分析得到。

预设应用可以获取到预设时间段内的行驶数据，从预设时间段内的行驶数据中选取预设数量的轨迹点并获取到每个轨迹点的速度值。假设预设时间段为一分钟，预设数量为N，则预设应用可以获取到每一分钟内的行驶数据，并在每一分钟内的行驶数据中选取N个轨迹点，并获取每一分钟内选取的N个轨迹点各自对应的速度值。针对每一分钟的行驶数据，获取任意两个轨迹点的速度差值，当某两个轨迹点的速度差值超过预设速度阈值时，则说明这两个轨迹点存在有行驶异常行为，可将这两个轨迹点对应的行驶数据作为行驶异常数据，即速度差值超过预设速度阈值的两个轨迹点所在那一分钟的行驶数据是行驶异常数据。

通过获取到终端的传感器数据，将获取到的传感器数据输入至机器模型中，通过机器模型根据输入的传感器数据对终端的运动类型进行判断，当机器模型输出的运动类型表明终端处于行驶类型时，则可以自动发送启动定位指令至终端，终端则可以启动定位操作，从而启动对行程的记录。这种启动行程记录的方法，无需用户手动开启行程的记录，而是可以自动会终端的运动状态进行检测，当检测到终端处于行驶类型时，则会自动启动行程的记录，无需用户手动开启也能够及时对记录行车轨迹，对用户的依赖性较低，提高了行车轨迹的记录效率，有效的避免了对行程的漏记。进一步地，还可以对行程数据进行分析，分析行驶过程中的行驶异常数据，可以根据行驶异常数据确定行驶异常类型，从而可以帮助用户改善驾驶行为，提升驾驶安全意识。

应该理解的是，虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图8所示，提供了一种启动行程记录的装置，包括：传感器获取模块802、运动类型确定模块804和行程记录启动模块806，其中：

传感器获取模块802，用于获取终端的传感器数据。

运动类型确定模块804，用于将传感器数据输入至机器模型中；获取机器模型根据所述传感器数据中包含的多维方向的速度数据进行处理输出的运动类型。

行程记录启动模块806，用于当机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至终端，以使终端根据启动定位指令启动定位操作。

在一个实施例中，运动类型确定模块还用于获取机器模型根据预设数量的终端在预设时间内的第一维、第二维、第三维的速度值后，根据第一维、第二维、第三维的速度值的均值，方差值以及值域输出的运动类型；第一维、第二维、第三维的速度值至少包括加速度值和角速度值中的一种。

在一个实施例中，如图9所示，上述装置还包括异常数据模块808，用于获取终端在行驶过程中的行驶数据；根据行驶数据确定行驶过程中的行驶异常数据；根据行驶异常数据确定终端的行驶异常类型。

在一个实施例中，上述异常数据模块808还用于获取预设时间段内的行驶数据；从预设时间段内的行驶数据中选取预设数量的轨迹点，获取每个轨迹点的速度值；获取任意两个轨迹点的速度差值；将超过预设速度阈值的速度差值对应轨迹点的行驶数据作为行驶异常数据。

在一个实施例中，上述装置还包括行程记录关闭模块(图中未示出)，用于当根据速度值确定终端的运动类型为非行驶类型时，则发送关闭定位指令至终端；获取终端根据关闭定位指令停止定位操作后并上传的定位记录数据；将定位记录数据上传至服务器。

在一个实施例中，上述装置还包括训练模块(图中未示出)，用于获取传感器样本数据；每隔第一预设时间从传感器样本数据中获取第一预设数量的轨迹点的速度值和方向；将第一预设数量的轨迹点的速度值和方向输入至机器模型中，得到机器模型输出的样本运动类型；根据样本运动类型确定机器模型的预测准确率；根据预测准确率对机器模型的权重调整；当预测准确率进行率达到预设准确值时，得到训练好的机器模型。

关于启动行程记录的装置的具体限定可以参见上文中对于启动行程记录的方法的限定，在此不再赘述。上述启动行程记录的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种启动行程记录的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取终端的传感器数据；将传感器数据输入至机器模型中；获取机器模型根据所述传感器数据中包含的多维方向的速度数据进行处理输出的运动类型；当机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至终端，以使终端根据启动定位指令启动定位操作。

在一个实施例中，获取机器模型输出的运动类型，包括：获取机器模型根据预设数量的终端在预设时间内的第一维、第二维、第三维的速度值后，根据所述第一维、第二维、第三维的速度值的均值，方差值以及值域输出的运动类型；第一维、第二维、第三维的速度值至少包括加速度值和角速度值中的一种。

在一个实施例中，在发送启动定位指令至终端之后，处理器执行计算机程序时还实现以下步骤：获取终端在行驶过程中的行驶数据；根据行驶数据确定行驶过程中的行驶异常数据；根据行驶异常数据确定终端的行驶异常类型。

在一个实施例中，根据行驶数据确定行驶过程中的行驶异常数据，包括：获取预设时间段内的行驶数据；从预设时间段内的行驶数据中选取预设数量的轨迹点，获取每个轨迹点的速度值；获取任意两个轨迹点的速度差值；将超过预设速度阈值的速度差值对应轨迹点的行驶数据作为行驶异常数据。

在一个实施例中，在发送启动定位指令至终端之后，处理器执行计算机程序时还实现以下步骤：当根据速度值确定终端的运动类型为非行驶类型时，则发送关闭定位指令至终端；获取终端根据关闭定位指令停止定位操作后并上传的定位记录数据；将定位记录数据上传至服务器。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取传感器样本数据；每隔第一预设时间从传感器样本数据中获取第一预设数量的轨迹点的速度值和方向；将第一预设数量的轨迹点的速度值和方向输入至机器模型中，得到机器模型输出的样本运动类型；根据样本运动类型确定机器模型的预测准确率；根据预测准确率对机器模型的权重调整；当预测准确率进行率达到预设准确值时，得到训练好的机器模型。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取终端的传感器数据；将传感器数据输入至机器模型中；获取机器模型根据所述传感器数据中包含的多维方向的速度数据进行处理输出的运动类型；当机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至终端，以使终端根据启动定位指令启动定位操作。

在一个实施例中，获取机器模型输出的运动类型，包括：获取机器模型根据预设数量的终端在预设时间内的第一维、第二维、第三维的速度值后，根据所述第一维、第二维、第三维的速度值的均值，方差值以及值域输出的运动类型；第一维、第二维、第三维的速度值至少包括加速度值和角速度值中的一种。

在一个实施例中，在发送启动定位指令至终端之后，计算机程序被处理器执行时还实现以下步骤：获取终端在行驶过程中的行驶数据；根据行驶数据确定行驶过程中的行驶异常数据；根据行驶异常数据确定终端的行驶异常类型。

在一个实施例中，根据行驶数据确定行驶过程中的行驶异常数据，包括：获取预设时间段内的行驶数据；从预设时间段内的行驶数据中选取预设数量的轨迹点，获取每个轨迹点的速度值；获取任意两个轨迹点的速度差值；将超过预设速度阈值的速度差值对应轨迹点的行驶数据作为行驶异常数据。

在一个实施例中，在发送启动定位指令至终端之后，计算机程序被处理器执行时还实现以下步骤：当根据速度值确定终端的运动类型为非行驶类型时，则发送关闭定位指令至终端，获取终端根据关闭定位指令停止定位操作后并上传的定位记录数据；将定位记录数据上传至服务器。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取传感器样本数据；每隔第一预设时间从传感器样本数据中获取第一预设数量的轨迹点的速度值和方向；将第一预设数量的轨迹点的速度值和方向输入至机器模型中，得到机器模型输出的样本运动类型；根据样本运动类型确定机器模型的预测准确率；根据预测准确率对机器模型的权重调整；当预测准确率进行率达到预设准确值时，得到训练好的机器模型。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种启动行程记录的方法，所述方法包括：

获取终端的传感器数据；

将所述传感器数据输入至机器模型中；

获取所述机器模型根据所述传感器数据中包含的多维方向的速度数据进行处理输出的运动类型；

当所述机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至所述终端，以使所述终端根据所述启动定位指令启动定位操作。

2.根据权利要求1所述的方法，其特征在于，所述获取所述机器模型输出的运动类型，包括：

获取所述机器模型根据预设数量的所述终端在预设时间内的第一维、第二维、第三维的速度值后，根据所述第一维、第二维、第三维的速度值的均值，方差值以及值域输出的运动类型；

所述第一维、第二维、第三维的速度值至少包括加速度值和角速度值中的一种。

3.根据权利要求1所述的方法，其特征在于，在所述发送启动定位指令至所述终端之后，还包括：

获取所述终端在行驶过程中的行驶数据；

根据所述行驶数据确定行驶过程中的行驶异常数据；

根据所述行驶异常数据确定所述终端的行驶异常类型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述行驶数据确定行驶过程中的行驶异常数据，包括：

获取预设时间段内的行驶数据；

从所述预设时间段内的行驶数据中选取预设数量的轨迹点，获取每个轨迹点的速度值；

获取任意两个轨迹点的速度差值；

将超过预设速度阈值的速度差值对应轨迹点的行驶数据作为行驶异常数据。

5.根据权利要求1所述的方法，其特征在于，在所述发送启动定位指令至所述终端之后，还包括：

当根据速度值确定所述终端的运动类型为非行驶类型时，则发送关闭定位指令至所述终端；

获取所述终端根据所述关闭定位指令停止定位操作后并上传的定位记录数据；

将所述定位记录数据上传至服务器。

6.根据权利要求1所述的方法，其特征在于，所述机器模型的训练步骤包括：

获取传感器样本数据；

每隔第一预设时间从所述传感器样本数据中获取第一预设数量的轨迹点的速度值和方向；

将所述第一预设数量的轨迹点的速度值和方向输入至机器模型中，得到所述机器模型输出的样本运动类型；

根据所述样本运动类型确定所述机器模型的预测准确率；

根据所述预测准确率对所述机器模型的权重调整；

当所述预测准确率进行率达到预设准确值时，得到训练好的机器模型。

7.一种启动行程记录的装置，其特征在于，所述装置包括：

传感器获取模块，用于获取终端的传感器数据；

运动类型确定模块，用于将所述传感器数据输入至机器模型中；获取所述机器模型根据所述传感器数据中包含的多维方向的速度数据进行处理输出的运动类型；

行程记录启动模块，用于当所述机器模型输出的运动类型表明终端属于行驶类型时，则发送启动定位指令至所述终端，以使所述终端根据所述启动定位指令启动定位操作。

8.根据权利要求7所述的装置，其特征在于，所述运动类型确定模块还用于获取所述机器模型根据预设数量的所述终端在预设时间内的第一维、第二维、第三维的速度值后，根据所述第一维、第二维、第三维的速度值的均值，方差值以及值域输出的运动类型；所述第一维、第二维、第三维的速度值至少包括加速度值和角速度值中的一种。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。