CN109840566A - 出行模式识别方法及装置 - Google Patents

Abstract

本发明涉及互联网技术领域，具体涉及一种出行模式识别方法及装置，该方法包括：获取用户一次出行的多个连续的GPS数据，该GPS数据包括时间点、每一个时间点对应的位置，依据该GPS数据确定多个转换点，该转换点为用户出行模式发生变更的时间数据，进而按照多个转换点将GPS数据分成不同的数据段，每个数据段均包含多个GPS数据，并对每个数据段中的GPS数据分析得到整个数据段的平均速度和平均停留距离，该平均速度为数据段中所有匀速段的初始平均速度的平均值，该平均停留距离为数据段的总距离与用户在数据段内停留次数的比例。最后将平均速度和平均停留距离录入预设模型中识别出用户的最终出行模式。

Description

出行模式识别方法及装置

技术领域

本发明涉及互联网技术领域，具体而言，涉及一种出行模式识别方法及装置。

背景技术

在原有的研究中，利用GPS数据识别出行模式时，由于数据采集方式不规范、信号传输受自然影响，一次出行中包含多种模式等因素，将导致模型识别的训练数据中出现很多噪音，以使得最后识别得到的出行模式并不准确。换句话说，在目前采用GPS数据识别出行模式时，对数据处理的方式并不十分合理，以至于不能很好表现出行特点，导致后期通过模型识别出行模式时，得到的结论不准确。因此，提供一种更高精度的出行模式识别方法是十分必要的。

发明内容

本发明的目的在于提供一种出行模式识别方法，以更精确地对出行模式进行识别。

本发明的另一目的在于提供一种出行模式识别装置，以更精确地对出行模式进行识别。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种出行模式识别方法，所述方法包括：获取用户一次出行的多个连续的GPS数据，所述GPS数据包括时间点、每一个时间点对应的位置；依据所述GPS数据确定多个转换点，所述转换点为用户出行模式发生变更的时间数据；按照所述多个转换点将所述GPS数据分成不同的数据段，每个所述数据段均包含多个GPS数据；对每个所述数据段中的GPS数据进行分析得到整个所述数据段的平均速度和平均停留距离，所述平均速度为所述数据段中所有匀速段的初始平均速度的平均值，所述平均停留距离为所述数据段的总距离与用户在所述数据段内停留次数的比例；将所述平均速度和平均停留距离录入预设模型中识别出用户的最终出行模式。

第二方面，本发明实施例还提供了一种出行模式识别装置，所述装置包括：获取模块，用于获取用户一次出行的多个连续的GPS数据，所述GPS数据包括时间点、每一个时间点对应的位置；确定模块，用于依据所述GPS数据确定多个转换点，所述转换点为用户出行模式发生变更的时间数据；划分模块，用于依照所述多个转换点将所述GPS数据分成不同的数据段，每个所述数据段均包括多个GPS数据；分析模块，用于对每个所述数据段中的GPS数据进行分析得到整个所述数据段的平均速度和平均停留距离，所述平均速度为所述数据段中所有匀速段的初始平均速度的平均值，所述平均停留距离为所述数据段的总距离与用户所在所述数据段内停留次数的比例；识别模块，用于将所述平均速度和平均停留距离录入预设模型中识别出用户的最终出行模式。

本发明实施例提供的一种出行模式识别方法及装置，该方法包括：获取用户一次出行的多个连续的GPS数据，该GPS数据包括时间点、每一个时间点对应的位置，依据该GPS数据确定多个转换点，该转换点为用户出行模式发生变更的时间数据，进而按照多个转换点将GPS数据分成不同的数据段，每个数据段均包含多个GPS数据，并对每个数据段中的GPS数据分析得到整个数据段的平均速度和平均停留距离，该平均速度为数据段中所有匀速段的初始平均速度的平均值，该平均停留距离为数据段的总距离与用户在数据段内停留次数的比例。最后将平均速度和平均停留距离录入预设模型中识别出用户的最终出行模式。

由此可见，本方案通过对获取的GPS数据确定出多个转换点，并依据确定的转换点将GPS数据进行分段处理得到平均速度和平均停留距离，进而可将每段对应的平均速度和平均停留距离录入预设模型中以识别出出行模式，容易理解的，通过分段对数据进行处理分析，最终的出行模式识别结果将更加精准。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例提供的一种出行模式识别方法的流程示意图。

图2示出了本发明实施例提供的一种出行模式识别装置的功能模块示意图。

图示：100-出行模式识别装置；110-获取模块；120-确定模块；130-划分模块；140-分析模块；150-识别模块。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

本发明实施例中涉及的出行模式包括步行、公交、汽车、自行车、地铁。为了提高算法效率，在判定转换点时，抓住转换出行方式时一般都有步行的特点，将出行模式大致分为步行模式和用车模式两大类，该步行模型为用户通过步行的方式进行出行，该用车模式包括用户通过使用公交车、私家车、长途汽车等交通工具进行出行。之所以需对用户的出行模式进行识别，其原因在于，通过对大量用户的出行模式进行识别可辅助城市规划，或者对应于用户的应用程序的个性化服务推荐，如可通过对用户出行的GPS数据进行分析得知在某一个地区使用公交车这种出行模式的人比较多，则市政府部门可针对该地区多设立公交车站台和路线，再比如可得知多个地段的用户出行方式情况，而在用户进行驾车时为用户智能化推荐拥堵情况较少的出行路线。因此，本发明实施例提供一种出行模式识别方法，其对用户出行中的大量GPS数据进行分段处理，且计算每段中更能表征出行特点的评价指标，最后通过经过大量数据训练的模型根据评价指标进行出行模式的识别，以确定用户的出行模式。

请参照图1，是本发明实施例提供的一种出行模式识别方法的流程示意图，该方法包括：

S110，获取用户一次出行的多个连续的GPS数据，该GPS数据包括时间点、每一个时间点对应的位置。

具体为，通过用户携带的智能设备，如手机、平板电脑等，对用户进行GPS定位，进而可获取用户在一次出行过程中的连续多个GPS数据。该GPS数据为每一个位置的经度纬度，以及每一个位置对应的时间点，因此，也可通过不同位置的经度纬度以及时间点计算出各个位置对应的速度大小。由于在数据采集过程中可能会出现多的噪音数据，也可能存在数据丢失的情况，故需对采集的大量GPS数据利用高斯滤波和插值法进行预处理，预处理后的GPS数据作为后续数据处理的依据。

S120，依据GPS数据确定多个转换点，该转换点为用户出行模式发生变更的时间数据。

首先，选取第一预设时段内的多个GPS数据录入预设模型识别得到用户的初始出行模式，该初始出行模式包括步行模式和用车模式。

具体为，在本发明实施例中，该预设模型为预设随机森林模型，即是说，事先通过对不同用户采集大量的GPS数据，采用与本发明实施例中提供的相同方法对该GPS数据进行分段处理，并对每段数据提取评价指标，以对随机森林模型进行训练得到该预设随机森林模型。进而当需实时对用户某一次出行识别出行模式时，可选取第一预设时段内多个GPS数据录入到该预设随机森林模型中识别得到用户的初始出行模式，该第一预设时段为前80S的GPS数据，该第一预设时段的实际时长可根据实际需要进行设定，由于此时选取的GPS数据有限且只是为了对当前用户的出行模式进行一个预判断，故此时预设随机森林模型输出的为初始出行模式。该初始出行模式包括步行模式和用车模式，一般情况下，用户在步行模式下的速度将远低于用车模式下的速度。

进而，当初始出行模式为步行模式时，且从第一预设时段起下一个时间点的速度大于预设速度值，则确定第一预设时段起下一个时间点为转换点。亦即是说，当第一预设时段选取为80S，该第一预设时段起下一个时间点即为81S-381S，若81S-381S的中位速度大于预设速度值，表明用户当前的速度出现明显上升，则可认定用户当前的出行模式已经发生了改变，则把第一预设时段起下一个时间点确定为转换点。若第一预设时段起下一个时间点的中位速度小于预设速度值，表明用户当前的速度无明显上升，则可认定用户当前的出行模式没有发生改变，进而无需确认转换点。

当初始出行模式为用车模式时，且从第一预设时段起下一个时间点的速度小于预设速度值，则确定第一预设时段起下一个时间点为转换点。亦即是说，当第一预设时段选取为80S，该第一预设时段起下一个时间点为81S-381S，若81S-381S的中位速度小于预设速度值，表明用户当前速度出现明显下降，则可认定用户当前的出行模式已经发生了改变，即由用车模式转换为了步行模式，则把第一预设时段起下一个时间点确定为转换点。若第一预设时段起下一个时间点的中位速度大于预设速度值，表明用户的当前速度无明显下降，则可认定用户当前的出行模式没有发生改变，进而无需确认转换点。

进一步地，重复上述转换点的确认方式，间隔一段时间(如250S)，继续以当前确定的出行模式为初始出行模式判断下一个时间点的出行模式。如最开始通过预设模型确定的前80S的GPS数据的出行模式为步行模式，81S-381S的中位速度大于预设速度值，表明此时用户的出行模式发生了改变，该初始出行模式将由步行模式变为用车模式，当间隔250S后，将以用车模式为初始出行模式，对后续的数据进行判断，进而通过不断迭代，将确定出用户一次出行过程中的多个转换点。

需要说明的是，由于转换点为表明用户出行模式出现变化的时间点，则一般情况下，用户不会短时间内频繁更换出行方式，进而若短时间内计算得到多个转换点，如90S或120S内出现多个转换点，即转换点数量大于预设转换点数量，则需剔除冗余的转换点。其处理方式为：

首先，选取相对于第一预设时段起下一个时间点前和后间隔第二预设时段的两份GPS数据。

具体为，选取的第一预设时段为80S，该第二预设时段也可设定为80S，容易理解的，该第二预设时段的具体数值也可以根据实际需要进行设置，则相对于第一预设时段起下一个时间点前和后间隔第二预设时段的两份GPS时间分别为0-80S和81-160S各自对应的GPS数据。

进而，分别计算得到两份GPS数据的欧式距离，若两个欧式距离差距小于阈值，则将确定为转换点的第一预设时段起下一个时间点剔除。

具体为，之前已经将该第一预设时段起下一个时间点(如81S)确定为了转换点，则分别计算其0-80S和81-160S各自对应的GPS数据的欧式距离，若两个欧式距离差距小于阈值，表明两份GPS数据相似度高，用户使用的模式较为接近，如可能均为步行模式或用车模式，进而将该转换点剔除。

进而，采用相同的方式对每一个之前确定的转换点进行二次筛选，对不符合标准的冗余的转换点进行剔除，将得到用户在本次出行中的多个转换点。

S130，按照多个转换点将GPS数据分成不同的数据段，每个数据段均包含多个GPS数据。

具体为，依据最终确定的多个转换点将用户一次出行中的GPS数据分成不同的数据段，每个数据段中都将包含多个GPS数据，容易理解的，该用户一次出行的GPS数据为经过预处理后的数据。

S140，对每个数据段中的GPS数据进行分析得到整个数据段的平均速度和平均停留距离，该平均速度为数据段中的所有匀速段的初始平均速度的平均值，该平均停留距离为数据段的总距离与用户在数据段内停留次数的比例。

首先，对每个数据段的GPS数据进行分析得到整个数据段的平均速度。

具体为，在以前的研究中，提取平均速度、分位速度，会受到加速段和减速段的影响。若提取稳定速度，即利用加速-匀速-减速过程段中的匀速段，可以避免加减速对于提取值的影响，从而得到更为准确的提取值。

根据运动过程中的加速-匀速-减速过程，为了提取匀速段数据，需要先识别加速过程，将加速过程的终点作为匀速过程的起点，然后识别减速过程，将减速过程的起始点作为匀速过程的终点。根据每个数据段对应的GPS数据可得到相对于时间序列上的速度集，进而可先提取加速段，其具体做法为：对于某一点的速度，比较其后一点的速度大小，对于相对单调递增的速度段，当速度发生降低时，判断一定时间内的速度是否有再次升高超过上一个极大值，若速度不高于上一个极大值，则认定此相对单调递增的速度段为加速段，并从此点开始记录匀速段数据。然后判断减速段，其具体做法为：对于正在记录的匀速段数据的一点，比较其与后一点速度大小，得到相对单调递减的数据段，当速度升高时，判断一定时间内的速度是否再次降低低于上一个极小值，若速度不低于上一个极小值，则认定此相对单调递减的速度段为减速段，并在减速段开始时结束匀速段数据的记录。

进而将在加速段与减速段之间的数据，作为匀速段。根据每个匀速段包括的多个速度值计算出匀速段的初始平均速度，进一步地计算多个初始平均速度的均值为整个数据段的平均速度，作为本次出行的稳定速度。

其次，对每个数据段中的GPS数据进行分析得到整个数据段的平均停留距离。

具体为，该平均停留距离为数据段的总距离与用户在数据段内停留次数的比例，该数据段的总距离可根据该数据段的GPS数据进行计算得出，该用户在数据段内的停留次数的确定方式为：在整个数据段中确定第三预设时间段内速度持续低于预设数值为停留段，该停留段的数量即为用户在数据段内的停留次数，如当速度低于0.3m/s且持续第三预定时间段时，判定此低于0.3m/s的数据段为停留段，该第三预设时间段以及预设数值均可根据实际需要进行设置。

S150，将平均速度和平均停留距离录入预设模型中识别出用户的最终出行模式。

具体为，将每一数据段的平均速度和平均停留距离均录入预设随机森林模型中，通过该预设随机森林模型识别出该数据段下用户的最终出行模式。

由此可见，本发明实施例提供一种出行模式识别方法，其通过使用大量数据对模型进行训练，进而对采集的用户在一次出行中的GPS数据进行分段，并对每一数据段进行平均速度和平均停留距离的分析，以通过模型分段对用户出行模式进行识别，其对GPS数据处理更加准确，进而识别结果更加精准，更具有应用价值。

请参照图2，是本发明实施例提供的一种出行模式识别装置100的功能模块示意图，该装置包括获取模块110、确定模块120、划分模块130、分析模块140以及识别模块150。

获取模块110，用于获取用户一次出行的多个连续的GPS数据，该GPS数据包括时间点、每一个时间点对应的位置。

在本发明实施例中，S110可以由获取模块110执行。

确定模块120，用于依据GPS数据确定多个转换点，该转换点为用户出行模式发生变更的时间数据。

在本发明实施例中，S120可以由确定模块120执行。

划分模块130，用于依照多个转换点将GPS数据分成不同的数据段，每个数据段均包括多个GPS数据。

在本发明实施例中，S130可以由划分模块130执行。

分析模块140，用于对每个数据段中的GPS数据进行分析得到整个数据段的平均速度和平均停留距离，该平均速度为数据段中所有匀速段的初始平均速度的平均值，该平均停留距离为数据段的总距离与用户所在数据段内停留次数的比例。

在本发明实施例中，S140可以由分析模块140执行。

识别模块150，用于将平均速度和平均停留距离录入预设模型中识别出用户的最终出行模式。

在本发明实施例中，S150可以由识别模块150执行。

由于在出行模式识别方法中已经详细描述，在此不再赘述。

综上所述，本发明实施例提供的一种出行模式识别方法及装置，该方法包括：获取用户一次出行的多个连续的GPS数据，该GPS数据包括时间点、每一个时间点对应的位置，依据该GPS数据确定多个转换点，该转换点为用户出行模式发生变更的时间数据，进而按照多个转换点将GPS数据分成不同的数据段，每个数据段均包含多个GPS数据，并对每个数据段中的GPS数据分析得到整个数据段的平均速度和平均停留距离，该平均速度为数据段中所有匀速段的初始平均速度的平均值，该平均停留距离为数据段的总距离与用户在数据段内停留次数的比例。最后将平均速度和平均停留距离录入预设模型中识别出用户的最终出行模式。

由此可见，本方案通过对获取的GPS数据确定出多个转换点，并依据确定的转换点将GPS数据进行分段处理得到平均速度和平均停留距离，进而可将每段对应的平均速度和平均停留距离录入预设模型中以识别出出行模式，容易理解的，通过分段对数据进行处理分析，最终的出行模式识别结果将更加精准。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，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。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种出行模式识别方法，其特征在于，所述方法包括：

获取用户一次出行的多个连续的GPS数据，所述GPS数据包括时间点、每一个时间点对应的位置；

依据所述GPS数据确定多个转换点，所述转换点为用户出行模式发生变更的时间数据；

按照所述多个转换点将所述GPS数据分成不同的数据段，每个所述数据段均包含多个GPS数据；

对每个所述数据段中的GPS数据进行分析得到整个所述数据段的平均速度和平均停留距离，所述平均速度为所述数据段中所有匀速段的初始平均速度的平均值，所述平均停留距离为所述数据段的总距离与用户在所述数据段内停留次数的比例；

将所述平均速度和平均停留距离录入预设模型中识别出用户的最终出行模式。

2.如权利要求1所述的方法，其特征在于，所述依据所述GPS数据确定多个转换点的步骤包括：

选取第一预设时段内的多个GPS数据录入所述预设模型识别得到用户的初始出行模式，所述初始出行模式包括步行模式和用车模式；

当所述初始出行模式为步行模式时，且从所述第一预设时段起下一个时间点的速度大于预设速度值，则确定所述第一预设时段起下一个时间点为转换点；

当所述初始出行模式为用车模式时，且从所述第一预设时段起下一个时间点的速度小于预设速度值，则确定所述第一预设时段起下一个时间点为转换点，所述速度依据所述GPS数据包括的时间点以及每一个时间点对应的位置进行计算。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

若在预定时间范围内的转换点数量大于预设转换点数量，则剔除冗余的转换点。

4.如权利要求3所述的方法，其特征在于，所述剔除冗余的转换点的步骤包括：

选取相对于所述第一预设时段起下一个时间点前和后间隔第二预设时段的两份GPS数据；

分别计算得到所述两份GPS数据的欧式距离，若两个所述欧式距离差距小于阈值，则将确定为转换点的所述第一预设时段起下一个时间点剔除。

5.如权利要求1所述的方法，其特征在于，所述对每个所述数据段中的GPS数据进行分析得到整个所述数据段的平均速度的步骤包括：将所述数据段中加速段的终点作为匀速段的起点，将所述数据段中减速段的起点作为匀速段的终点确定出多个匀速段；

根据每个所述匀速段包括的多个速度值计算出所述匀速段的初始平均速度；

计算多个所述初始平均速度的均值为整个所述数据段的平均速度。

6.如权利要求1所述的方法，其特征在于，所述对每个所述数据段中的GPS数据进行分析得到整个所述数据段的平均停留距离的步骤包括：

确定在第三预设时间段内速度持续低于预设数值为停留段，所述停留段的数量为用户在所述数据段内的停留次数，所述速度依据所述GPS数据包括的时间点以及每一个时间点对应的位置计算；

根据所述GPS数据计算得到对应所述数据段的总距离，确定所述数据段的总距离与所述停留次数的比例为所述平均停留距离。

7.一种出行模式识别装置，其特征在于，所述装置包括：

获取模块，用于获取用户一次出行的多个连续的GPS数据，所述GPS数据包括时间点、每一个时间点对应的位置；

确定模块，用于依据所述GPS数据确定多个转换点，所述转换点为用户出行模式发生变更的时间数据；

划分模块，用于依照所述多个转换点将所述GPS数据分成不同的数据段，每个所述数据段均包括多个GPS数据；

分析模块，用于对每个所述数据段中的GPS数据进行分析得到整个所述数据段的平均速度和平均停留距离，所述平均速度为所述数据段中所有匀速段的初始平均速度的平均值，所述平均停留距离为所述数据段的总距离与用户所在所述数据段内停留次数的比例；

识别模块，用于将所述平均速度和平均停留距离录入预设模型中识别出用户的最终出行模式。

8.如权利要求7所述的装置，其特征在于，所述确定模块具体用于：

选取第一预设时段内的多个GPS数据录入所述预设模型识别得到用户的初始出行模式，所述初始出行模式包括步行模式和用车模式；

当所述初始出行模式为步行模式时，且从所述第一预设时段起下一个时间点的速度大于预设速度值，则确定所述第一预设时段起下一个时间点为转换点；

当所述初始出行模式为用车模式时，且从所述第一预设时段起下一个时间点的速度小于预设速度值，则确定所述第一预设时段起下一个时间点为转换点，所述速度依据所述GPS数据包括的时间点以及每一个时间点对应的位置计算。

9.如权利要求7所述的装置，其特征在于，所述分析模块具体用于：将所述数据段中加速段的终点作为匀速段的起点，将所述数据段中减速段的起点作为匀速段的终点确定出多个匀速段；

根据每个所述匀速段包括的多个速度值计算出所述匀速段的初始平均速度；

计算多个所述初始平均速度的均值为整个所述数据段的平均速度。

10.如权利要求7所述的装置，其特征在于，所述分析模块具体用于：

确定在第三预设时间段内速度持续低于预设数值为停留段，所述停留段的数量为用户在所述数据段内的停留次数，所述速度依据所述GPS数据包括的时间点以及每一个时间点对应的位置进行计算；

根据所述GPS数据计算得到对应所述数据段的总距离，确定所述数据段的总距离与所述停留次数的比例为所述平均停留距离。