CN110516888A - 轨迹预测方法、装置、电子设备和计算机可读存储介质 - Google Patents

Abstract

本发明实施例提出一种轨迹预测方法、装置、电子设备和计算机可读存储介质，涉及数据挖掘技术领域。其中，该轨迹预测方法包括：从多组历史轨迹点序列中，获取与待预测车辆的实际轨迹点序列匹配的第一路径点序列；其中，所述历史轨迹点序列用于表征途经预选区域的车辆的历史行驶轨迹；从多组所述历史轨迹点序列中，获取与待预测车辆的实际轨迹点序列匹配且属于所述待预测车辆的第二路径点序列；依据所述第一路径点序列及第二路径点序列，预测所述待预测车辆的下一个轨迹点。通过结合具有共性的群体车辆的历史轨迹和具有特性的待预测车辆的历史轨迹进行预测，提高预测的准确性。

Description

轨迹预测方法、装置、电子设备和计算机可读存储介质

技术领域

本发明涉及数据挖掘技术领域，具体而言，涉及一种轨迹预测方法、装置、电子设备和计算机可读存储介质。

背景技术

随着城市车辆的不断增加，对城市交通的管理也带来了巨大的压力。比如，交通拥堵、违法车辆缉查布控等给城市交通带来的压力。除此之外，拥堵的交通导致行车速度低，油耗量大，进而造成环境污染等一系列的问题；以及巨大的车流量也使违章车辆层出，加大缉查布控的难度等问题。

能够准确预测车辆在未来时段的位置及空间分布，在一定程度上可以有效减缓城市的拥堵和提升车辆布控的精准。因此，能够准确预测车辆轨迹对于城市交通的高效运行和安全管理等都具有重要意义。

发明内容

有鉴于此，本发明的目的在于提供一种轨迹预测方法、装置、电子设备和计算机可读存储介质，用于提高车辆轨迹预测的准确性。

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，本发明实施例提供一种轨迹预测方法，所述方法包括：

从多组历史轨迹点序列中，获取与实际轨迹点序列匹配的第一路径点序列；其中，所述历史轨迹点序列用于表征途经预选区域的车辆的历史行驶轨迹；所述实际轨迹点序列用于表征待预测车辆当前的实际行驶轨迹；

从多组所述历史轨迹点序列中，获取与所述实际轨迹点序列匹配且属于所述待预测车辆的第二路径点序列；

依据所述第一路径点序列及第二路径点序列，预测所述待预测车辆的下一个轨迹点。

第二方面，本发明实施例提供一种轨迹预测装置，所述装置包括：获取模块及预测模块。其中，所述获取模块，用于从多组历史轨迹点序列中，获取与实际轨迹点序列匹配的第一路径点序列；其中，所述历史轨迹点序列用于表征途经预选区域的车辆的历史行驶轨迹；所述实际轨迹点序列用于表征待预测车辆当前的实际行驶轨迹；所述获取模块，还用于从多组所述历史轨迹点序列中，获取与所述实际轨迹点序列匹配且属于所述待预测车辆的第二路径点序列；预测模块，用于依据所述第一路径点序列及第二路径点序列，预测所述待预测车辆的下一个轨迹点。

第三方面，本发明实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式任一所述的方法。

第四方面，本发明实施例提供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如前述实施方式中任一项所述的轨迹预测方法。

与现有技术相比，本发明实施例提供的轨迹预测方法，通过从用于表征途经预选区域的车辆的历史行驶轨迹的历史轨迹点序列中，获取与实际轨迹点序列匹配的第一路径点序列，以及获取与实际轨迹点序列匹配且属于所述待预测车辆的第二路径点序列。结合第一路径点序列及第二路径点序列，预测所述待预测车辆的下一个轨迹点，也就是，通过结合具有共性的群体车辆的历史轨迹和具有特性的待预测车辆的历史轨迹进行预测，提高预测的准确性。

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电子设备的示意图。

图2示出了本发明实施例提供的轨迹预测方法的步骤流程图。

图3为图2中的步骤S101的子步骤流程图的一部分。

图4为图2中的步骤S101的子步骤流程图的另一部分。

图5示出了本发明实施例提供的轨迹预测方法的步骤流程图的另一部分。

图6示出了本发明实施例提供的轨迹预测装置的功能模块示意图。

图标：100-电子设备；110-存储器；120-处理器；130-通信模块；300-轨迹预测装置；301-获取模块；302-预测模块。

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。

需要说明的是，术语“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。

在本发明实施例中提供的轨迹预测方法可以运用于图1所示的电子设备100。上述电子设备100可以是，但不限于个人电脑(personal computer，PC)、服务器、分布式部署的计算机等等。上述电子设备100可以与设置于路口的卡口采集点通过有线或者无线的方式通信，以接收卡口采集点采集到的车辆标识信息。可以理解地，上述卡口采集点可以包括用于提取车辆标识信息的设备，比如，电子眼、RFID采集器。卡口采集点可以固定安装于路口，因此，每一个卡口采集点具有一个位置信息。当车辆经过卡口采集点时，卡口采集点可以获取到该车辆的车辆标识信息。可选地，上述车辆标识信息可以是，但不限于是车牌号、车辆颜色、车牌颜色等之一或者之间的组合。

请参照图1，图1是电子设备100的方框示意图。所述电子设备100包括存储器110、处理器120及通信模块130。所述存储器110、处理器120以及通信模块130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器110(Random Access Memory，RAM)，只读存储器110(Read Only Memory，ROM)，可编程只读存储器110(Programmable Read-Only Memory，PROM)，可擦除只读存储器110(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器110(ElectricErasable Programmable Read-Only Memory，EEPROM)等。

处理器120用于读/写存储器110中存储的数据或程序，并执行相应地功能。

通信模块130用于通过所述网络建立所述电子设备100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。

应当理解的是，图1所示的结构仅为电子设备100的结构示意图，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

第一实施例

请参考图2，图2示出了本发明实施例提供的轨迹预测方法，应用于电子设备100。上述轨迹预测方法包括以下步骤：

步骤S101，从多组历史轨迹点序列中，获取与实际轨迹点序列匹配的第一路径点序列。

电子设备100中存储多组历史轨迹点序列，上述多组历史轨迹点序列可以是电子设备100依据预选区域内的卡口采集点在运行期间采集到的车辆标识信息及各个卡口采集点的位置信息生成。上述历史轨迹点序列可以表征途经预选区域的车辆的历史行驶轨迹。上述多组历史轨迹点序列可以分别属于多台不同车辆，以表征不同车辆的历史行驶轨迹。每一组历史轨迹点序列包括多个轨迹点，上述轨迹点为采集到该组历史轨迹点序列所对应目标车辆的目标车辆标识信息的卡口采集点的位置。该组历史轨迹点序列中多个轨迹点之间按照对应的卡口采集点采集到目标车辆标识信息的先后顺序排列。上述预选区域可以从地图上指定的空间区域，比如，一个区、一个市、以指定位置为中心的预选范围。

上述实际轨迹点序列可以用于表征待预测车辆本次进入预选区域后已行驶的实际行驶轨迹。上述实际轨迹点序列包括至少一个实际轨迹点。可选地，将本次待预测车辆进入预选区域后采集到其车辆标识信息的卡口采集点的位置作为采集到的实际轨迹点。

上述第一路径点序列可以是多组历史轨迹点序列中的一组或者多组。上述第一路径点序列所表征的历史行驶轨迹与实际轨迹点序列表征的行驶轨迹之间具有重叠。

在本发明实施例中，上述获取与待预测车辆的实际轨迹点序列匹配的第一路径点序列可以是：依据实际轨迹点序列中各个实际轨迹点，从历史轨迹点序列中匹配。比如，如图3所示，上述步骤S101可以包括以下子步骤：

子步骤S1011，遍历每一历史轨迹点序列。

在本发明实施例中，将每一历史轨迹点序列中每一个轨迹点依次与实际轨迹点序列进行比较，将历史轨迹点序列中顺序排列且与实际轨迹点的实际轨迹点一一对应的至少一个轨迹点作为目标轨迹点序列。

子步骤S1012，将包括目标轨迹点序列的历史轨迹点序列作为第一路径点序列。

其中，上述目标轨迹点序列对应的轨迹点与实际轨迹点序列对应的轨迹点相同且排序一致。

为了方便理解上述步骤S101，下面以一个例子进行说明：

电子设备100中已经生成多组历史轨迹点序列包括：途径预选区域的A车的历史轨迹点序列：1号序列{a-b-c-d-r}、2号序列{c-a-b-e-f}、3号序列{r-d-c-b-a}、4号序列{a-b-c-d-r}，途径预选区域的B车的历史轨迹点序列：5号序列{q-w-e-r-t-y}、6号序列{a-b-c-d-f-q}、7号序列{p-o-i-u-y}、8号序列{a-b-c-d-r}。实际轨迹点序列为{a-b-c}，那么1号序列{a-b-c-d-r}中的a-b-c为目标轨迹点序列，4号序列{a-b-c-d-r}中的a-b-c为目标轨迹点序列，6号序列{a-b-c-d-f-q}中的a-b-c为目标轨迹点序列，8号序列{a-b-c-d-r}中的a-b-c为目标轨迹点序列。因此，从多组历史轨迹点序列中选出的第一路径点序列包括：1号序列{a-b-c-d-r}、4号序列{a-b-c-d-r}、6号序列{a-b-c-d-f-q}和8号序列{a-b-c-d-r}。

根据上述举例可以理解地，多组历史轨迹点序列可以是属于不同车辆轨迹点序列。同一辆车可以具有不同时段产生的多组相同的轨迹点序列，不同的车辆可以具有相同的轨迹点序列。

可以理解地，多组历史轨迹点序列中可以不存在包含目标轨迹点序列的历史轨迹点序列。故，参考图4所示，上述步骤S101还可以包括子步骤：

子步骤S1013，若遍历后未确定出第一路径点序列，则去除实际轨迹点序列中采集时间最早的轨迹点，得到新的实际轨迹点序列。

可以理解地，采集时间最早的轨迹点可以是实际轨迹点序列所对应的卡口采集点中最先采集到待预测车辆的车辆标识信息的卡口采集点的位置。也即，排列在实际轨迹点序列前列的轨迹点。接上例，若依据实际轨迹点序列a-b-c，未从历史轨迹点序列中确定出第一路径点序列，则将轨迹点a去掉，得到新的实际轨迹点序列b-c。

子步骤S1014，利用新的实际轨迹点序列，重复遍历每一历史轨迹点序列，直到获得与新的所述实际轨迹点序列匹配的所述第一路径点序列。

在本发明实施例中，上述子步骤S1014和前述子步骤S1011原理相同，在此不再赘述。

另外，电子设备100中存储多组历史轨迹点序列。故，在一些实施例中，如图5所示，上述轨迹预测方法还可以包括步骤：

步骤S201，获取预选区域内的卡口采集点采集到的车辆标识信息。

在本发明实施例中，电子设备100可以实时接收预选区域内的卡口采集点采集到的数据，即车辆标识信息。每一个接收到的车辆标识信息均对应一个卡口采集点和采集时间。依据车辆标识信息、卡口采集点和采集时间之间的对应关系，则可以确定一车辆在一时刻所处的位置。

步骤S202，依据车辆标识信息及采集到所述车辆标识信息的卡口采集点，获取每一车辆所经过的卡口采集点。

在本发明实施例中，每一个接收到的车辆标识信息均对应一个卡口采集点和采集时间。依据车辆标识信息、卡口采集点和采集时间之间的对应关系，则可以确定一车辆在一时刻所处的位置。

步骤S203，按照车辆经过卡口采集点的先后顺序，对所经过的卡口采集点的位置点进行排序，生成一组历史轨迹点序列。

本发明实施例中，用车辆所经过的卡口采集点的位置点表征车辆的轨迹点。同一车辆标识信息被不同卡口采集点采集到的先后顺序即为车辆经过卡口采集点的先后顺序。因此，按照电子设备100中同一车辆标识信息对应的采集时间的先后顺序，对车辆标识信息所对应的卡口采集点的位置进行排序，得到一组历史轨迹点序列。可以理解地，电子设备100中存储的同一车辆标识信息可以包括多个采集时间及对应不同的卡口采集点。在生成一组历史轨迹点序列的过程中，对同一车辆标识信息所对应的卡口采集点进行排序时，再把同一车辆标识信息按照采集时间的先后顺序进行排列，将相邻且采集时间间隔不大于预设时长的同一车辆标识信息所对应的卡口采集点的位置信息依次放入位置点集合中，以作为一组历史轨迹点序列。

步骤S102，从多组所述历史轨迹点序列中，获取与实际轨迹点序列匹配且属于所述待预测车辆的第二路径点序列。

作为一种实施方式，可以从第一路径点序列中获取属于待预测车辆的第二路径点序列。每组历史轨迹数据为基于电子设备100中一车辆标识信息确定出的，同时，车辆标识信息又可以识别出具体的车辆。故，每一组历史轨迹数据均对应一车辆。电子设备100中可以包括属于待预测车辆的历史轨迹点序列。属于待预测车辆的历史轨迹点序列即为待预测车辆曾经从预选区域中通行时被记录下的轨迹点序列。如果，属于待预测车辆的历史轨迹点序列中存在目标轨迹点序列，则在步骤S101中该历史轨迹点序列将被确定为从第一路径点序列。因此，通过检验各个第一路径点序列对应的车辆，确定第一路径点序列中对应车辆为待预测车辆的第二路径点序列。

作为另一种实施方式，还可以是先从多组所述历史轨迹点序列中获取属于待预测车辆的历史轨迹点序列。再从待预测车辆的历史轨迹点序列中获取与实际轨迹点序列匹配的第二路径点序列。

步骤S103，依据第一路径点序列及第二路径点序列，预测待预测车辆的下一个轨迹点。

在本发明实施例中，可以分别从第一路径点序列及第二路径点序列中提取对应的行驶轨迹特征，以便依据提取到的行驶轨迹特征，预测待预测车辆的下一个轨迹点。可选地，上述行驶轨迹特征可以是统计出的目标轨迹点的频数。可以理解地，上述目标轨迹点为包含目标轨迹点序列的历史轨迹点序列中位于目标轨迹点序列之后一位的轨迹点。其中，所述第一目标轨迹点为所述第一路径点序列中位于所述目标轨迹点序列之后一位的轨迹点；所述第二目标轨迹点为所述第二路径点序列中位于所述目标轨迹点序列之后一位的轨迹点。

进一步地，上述步骤S103可以包括以下步骤：

首先，依据获得的所述第一路径点序列，统计每一个第一目标轨迹点的第一频数。

其次，依据获得的所述第二路径点序列，统计每一个第二目标轨迹点的第二频数。

比如，实际轨迹点为a-b-c，第一路径点序列包括：属于A车的第一路径点序列：1号序列{a-b-c-d-r}、2号序列{a-b-c-f}、3号序列{a-b-c-d-f}、4号序列{a-b-c-d-r}，属于B车的第一路径点序列：5号序列{a-b-c-d-r}、6号序列{a-b-c-m}、7号序列{a-b-c-r}、8号序列{a-b-c-d-r}，属于C车的第一路径点序列：9号序列{a-b-c-d-r}、10号序列{a-b-c-f}、11号序列{a-b-c-d}、12号序列{a-b-c-d-m}。B车为待预测车辆，第二路径点序列包括：5号序列{a-b-c-d-r}、6号序列{a-b-c-m}、7号序列{a-b-c-r}、8号序列{a-b-c-d-r}。从第一路径点序列中确定的第一目标轨迹点包括：d、f、r、m，从第二路径点序列中确定的第二目标轨迹点包括：d、m、r。从第一路径点序列提取到的特征为：第一目标轨迹点d的第一频数为8，第一目标轨迹点f的第一频数为2；第一目标轨迹点r的第一频数为1；第一目标轨迹点m的第一频数为1。从第二路径点序列中提取到的特征为：第二目标轨迹点d的第二频数为2，第二目标轨迹点m的第二频数为1，第二目标轨迹点r的第二频数为1。

最后，根据第一频数和第二频数，预测待预测车辆的下一个轨迹点。

在本发明实施例中，依据所有曾走过实际轨迹点序列的车辆所选择的目标轨迹点的次数及待预测车辆曾经走过实际轨迹点序列后选择的目标轨迹点的次数，分析本次行驶过程中待预测车辆的下一个轨迹点。可以理解的，个体的行驶轨迹特征表明个体的选择倾斜，然而部分情况下由于客观条件的影响(比如，道路管制等原因)，车辆实际选择的行驶轨迹会与大部分车辆趋同。因此，通过将群体的行驶轨迹特征与个体的行驶轨迹特征相结合，分析本次待预测车辆下一个轨迹点会是第一目标轨迹点和第二目标轨迹点之中的哪一个，可以提高预测的准确性。

作为一种实施方式，上述根据所述第一频数和第二频数，预测所述待预测车辆的下一个轨迹点可以是：依据所述第一频数和第二频数，利用公式：

及

计算待预测车辆的下一个轨迹点的预测概率，以确定下一个轨迹点。其中，所述P_i代表第i个可选位置点，可以理解地，本发明实施例中可选位置点之间可以不进行排序，为了方便描述，采用第i个可选位置点指代某一个特定的可选位置点。上述可选位置点可以是依据第一目标轨迹点和第二目标轨迹点确定，可以理解地，上述可选位置点中包括：仅是第一目标轨迹点的位置点，也包括仅是第二目标轨迹点的位置点，还包括既是第一目标轨迹点，又是第二目标轨迹点的位置点。p(P_i)代表预测出的待预测车辆的下一个轨迹点为P_i的预测概率；num_i代表第i个所述可选位置点对应的第一频数；num′_i代表第i个可选位置点对应的第二频数。int[ ]代表取整函数，代表所有第一目标轨迹点对应的频数的总和，代表所有第一目标轨迹点对应的频数的总和与J的积，代表所有第二目标轨迹点对应的频数的总和。

可选地，可以将对应的预测概率最高的可选位置点作为预测出的待预测车辆下一个轨迹点。可以理解地，每一次预测可以是仅预测下一个轨迹点，也可以是预测之后的多个轨迹点。在对多个轨迹点进行预测时，可以是当一个轨迹点预测出来后，基于该预测得到的轨迹点继续预测下一个轨迹点。需要说明的是，基于该预测得到的轨迹点继续预测下一个轨迹点与前述基于实际轨迹点序列预测待预测车辆的下一个轨迹点的原理相同，即将预测得到的轨迹点加入实际轨迹点序列中，去匹配对应的第一路径点序列和第二路径点序列，并结合二者进一步预测该预测得到的轨迹点的下一个轨迹点。

下面以一个实例对本发明实施例提供的轨迹预测方法进行说明，具体如下：

首先，依据预选区域内卡口采集点在指定时段内采集的车辆标识信息，生成多组历史轨迹点序列。

可以理解地，车辆轨迹的预测需要基于车辆的轨迹点序列，为了得到车辆的轨迹点，本实例中将卡口采集点采集到的车辆标识信息转换为车辆的轨迹点序列。可以理解地，如果相邻的卡口采集点之间有且只有一条路径通行，即卡口采集点a到卡口采集点b的路径唯一表示为：a→b。如果相邻的卡口采集点之间有多条路径通信，即卡口采集点a,b间有多条通路，不过从卡口采集点a出发之后，最后也会达到卡口采集点b处，那么卡口采集点a到卡口采集点b的路径也可以表示为：a→b。

电子设备100持续接收预选区域内各个卡口采集点反馈的车辆标识信息。需要说明的是，电子设备100接收到的每一车辆标识信息对应一个采集时间及卡口采集点。每一个车辆标识信息唯一指向一台车辆，可选地，车辆标识信息可以包括车牌号和车牌颜色。

具体地，将指定时段内由预选区域内所有卡口采集点的车牌号N和车牌颜色C存入集合S中，即{[N_i,C_i]|[N_i,C_i]∈S,N_i∈N,C_i∈C}。其中，N_i为第i辆车的车牌号，Ci为第i辆车的车牌颜色。由于集合具有无序性和互异性，这样集合S中就保存了该段时间内预选区域的所有出现的车辆标识信息。每一[N_i,C_i]可以被多个卡口采集点采集到。

遍历S集合中的[N_i,C_i]，按照[N_i,C_i]对应的采集时间的先后顺序，对采集到[N_i,C_i]的卡口采集点的编号进行排序，则可以得到历史轨迹点序列R_i，并将R_i放入集合R中。每一个卡口采集点的编号可以对应查询到该卡口采集点的位置，故为了方便描述，将卡口采集点的编号作为表征轨迹点位置的符号。再基于集合R和[N,C]构建字典D，其中D＝{[key_i,value_i]|key_i∈[N,C]＝S,value_i∈R}。

其次，从历史轨迹点序列中提取行驶轨迹特征。此阶段基于一个原理，即有大量的车辆的轨迹是a→b→c→d→e→f,那么有一辆车走了a→b→c→d→e后的下一个卡口很可能是f。这里是因为一辆车走了a→b→c→d→e后，说明他和走a→b→c→d→e→f的车辆在轨迹维度有很高的相似度，那么他们的起点和终点很有可能相同或相近，所以下一轨迹点为f的概率很高。具体步骤如下：

1)依据实际轨迹点序列从历史轨迹点序列中确定出作为包含目标轨迹点序列的第一路径点序列，提取群体车辆的行驶轨迹特征。可以理解地，具有N个可以作为某卡口采集点的下一卡口采集点的卡口时，这N个点就是该卡口采集点的N个路口。例如在轨迹点序列中，卡口采集点e的下一卡口点可以包括卡口采集点f、卡口采集点g、卡口采集点h、卡口采集点i,那么该卡口采集点e为4叉路口，即卡口采集点e同时具有通往卡口采集点f、g、h、i的路口。当输入待预测车辆的实际轨迹点序列后，比如a→b→c→d→e。那么根据卡口序列a→b→c→d→e，查询字典D中的历史轨迹点序列集合R。统计包含a→b→c→d→e的所有历史轨迹点序列的频数，示列如下表：

上表中示出的历史轨迹点序列均为第一路径点序列，上述第一路径点序列中的第一目标轨迹点包括：f、g、g和i，第一目标轨迹点f对应的第一频数为30，第一目标轨迹点g对应的第一频数为24，第一目标轨迹点h对应的第一频数为10，第一目标轨迹点i对应的第一频数为6，此即为群体车辆在驶过实际轨迹点序列表征的行驶轨迹后的行驶轨迹特征，记为T_group＝{[P_i,num_i]|P_i为第i个卡口采集点的编号，num_i为第一目标轨迹点为P_i对应位置的第一频数}。对于上述示列，基于实际轨迹点序列为a→b→c→d→e所对应的群体车辆的行驶轨迹特征为T_group＝{[f,30],[g,24],[h,10],[i,6]}。

当然，由于依据实际轨迹点序列无法在字典D中查询到匹配的历史轨迹点序列。可以理解地，如果无法查询到匹配的历史轨迹点序列，那么将无法实现预测。故，为了改善这一问题，当依据实际轨迹点序列在字典D中无法匹配对应的历史轨迹点序列时，把实际轨迹点序列中的列于第一位的卡口采集点的编号去掉，并重新进行查询。比如：当a→b→c→d→e在字典D中查询不存在对应的历史轨迹点序列时，那么采用去掉卡口采集点a，再依据b→c→d→e在字典D中查询，若查找到对应的历史轨迹点序列，则输出T_group。否则继续降低序列长度，又去掉卡口采集点b，继续在字典D中查找c→d→e对应的历史轨迹点序列，直到仅剩一个卡口采集点或者查找到对应的历史轨迹点序列。可以理解地，如果将实际轨迹点序列处理到仅剩最后一个卡口采集点任然没有从字典D中查询到对应的历史轨迹点序列，那说明待预测车辆已经不在预选区域内了，不进行预测。

2)依据实际轨迹点序列从历史轨迹点序列中确定对应车辆为待预测车辆的第二路径点序列，基于第二路径点序列提取个体车辆的行驶轨迹特征。

作为一种实施方式中，在字典D中输入待预测车辆的车辆信息车牌和颜色，比如，[Nx,Cx]。查询字典D中key＝[Nx,Cx]，对应的轨迹数据R_x。这样就查找得到待预测车辆[Nx,Cx]的历史轨迹点序列R_x。基于得到的历史轨迹点序列R_x统计个体的行驶轨迹特征T_single＝{[P_i′,num_i′]|P_i′为第i个卡口采集点的编号，num_i′为第二目标轨迹点为P_i′对应位置的第二频数}。可以理解地，在待预测车辆的实际轨迹点序列为a→b→c→d→e无法从历史轨迹点序列R_x中查找到对应的第二路径点序列时，依然采用去掉实际轨迹点序列中第一位轨迹点的方式，得到新的实际轨迹点序列，并重复在R_x中查询第二路径点序列。并基于第二路径点序列统计得到T_single。

最后，结合群体车辆的行驶轨迹特征和个体车辆的行驶轨迹特征进行待预测车辆的下一个轨迹点的预测结果。即基于得到的T_group和T_single，利用公式如下：

及

计算待预测车辆的下一个轨迹点的预测概率。

为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种轨迹预测装置300的实现方式。进一步地，请参阅图6，图6为本发明实施例提供的一种轨迹预测装置300的功能模块图。需要说明的是，本实施例所提供的轨迹预测装置300，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该轨迹预测装置300包括：获取模块301及预测模块302。

上述获取模块301，用于从多组历史轨迹点序列中，获取与待预测车辆的实际轨迹点序列匹配的第一路径点序列；其中，所述历史轨迹点序列用于表征途经预选区域的车辆的历史行驶轨迹。

优选地，上述获取模块301包括：遍历子模块及确定子模块。

上述遍历子模块，用于遍历每一所述历史轨迹点序列。

上述确定子模块，用于将包括目标轨迹点序列的历史轨迹点序列作为所述第一路径点序列；其中，所述目标轨迹点序列对应的轨迹点与所述实际轨迹点序列对应的轨迹点相同且排序一致。

上述获取模块301，还用于从多组所述历史轨迹点序列中，获取与待预测车辆的实际轨迹点序列匹配且属于所述待预测车辆的第二路径点序列。

上述预测模块302，用于依据所述第一路径点序列及第二路径点序列，预测所述待预测车辆的下一个轨迹点。

可选地，上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器110中或固化于该电子设备100的操作系统(Operating System，OS)中，并可由图1中的处理器120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器110中。

综上所述，本发明实施例中提供的一种轨迹预测方法、装置、电子设备和计算机可读存储介质。其中，上述轨迹预测方法包括从多组历史轨迹点序列中，获取与待预测车辆的实际轨迹点序列匹配的第一路径点序列；其中，所述历史轨迹点序列用于表征途经预选区域的车辆的历史行驶轨迹；从多组所述历史轨迹点序列中，获取与待预测车辆的实际轨迹点序列匹配且属于所述待预测车辆的第二路径点序列；依据所述第一路径点序列及第二路径点序列，预测所述待预测车辆的下一个轨迹点。通过结合群体车辆的历史轨迹和待预测车辆的历史轨迹进行预测，提高预测的准确性。

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。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

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。

Claims (10)

1.一种轨迹预测方法，其特征在于，所述方法包括：

从多组历史轨迹点序列中，获取与实际轨迹点序列匹配的第一路径点序列；其中，所述历史轨迹点序列用于表征途经预选区域的车辆的历史行驶轨迹；所述实际轨迹点序列用于表征待预测车辆当前的实际行驶轨迹；

从多组所述历史轨迹点序列中，获取与所述实际轨迹点序列匹配且属于所述待预测车辆的第二路径点序列；

依据所述第一路径点序列及第二路径点序列，预测所述待预测车辆的下一个轨迹点。

2.根据权利要求1所述的轨迹预测方法，其特征在于，所述从多组历史轨迹点序列中，获取与实际轨迹点序列匹配的第一路径点序列的步骤包括：

遍历每一所述历史轨迹点序列；

将包括目标轨迹点序列的历史轨迹点序列作为所述第一路径点序列；其中，所述目标轨迹点序列对应的轨迹点与所述实际轨迹点序列对应的轨迹点相同且排序一致。

3.根据权利要求2所述的轨迹预测方法，其特征在于，所述从多组历史轨迹点序列中，获取与实际轨迹点序列匹配的第一路径点序列的步骤还包括：

若遍历后未确定出所述第一路径点序列，则去除所述实际轨迹点序列中采集时间最早的轨迹点，得到新的实际轨迹点序列；

利用所述新的实际轨迹点序列，重复遍历每一所述历史轨迹点序列，直到获得与新的所述实际轨迹点序列匹配的所述第一路径点序列。

4.根据权利要求2所述的轨迹预测方法，其特征在于，所述依据所述第一路径点序列及第二路径点序列，预测所述待预测车辆的下一个轨迹点的步骤包括：

依据获得的所述第一路径点序列，统计每一个第一目标轨迹点的第一频数；其中，所述第一目标轨迹点为所述第一路径点序列中位于所述目标轨迹点序列之后一位的轨迹点；

依据获得的所述第二路径点序列，统计每一个第二目标轨迹点的第二频数；其中，所述第二目标轨迹点为所述第二路径点序列中位于所述目标轨迹点序列之后一位的轨迹点；

根据所述第一频数和第二频数，预测所述待预测车辆的下一个轨迹点。

5.根据权利要求4所述的轨迹预测方法，其特征在于，所述根据所述第一频数和第二频数，预测所述待预测车辆的下一个轨迹点的步骤包括：

依据所述第一频数和第二频数，利用公式：

及

计算所述待预测车辆的下一个轨迹点的预测概率，以确定下一个轨迹点；其中，所述P_i代表第i个可选位置点；所述可选位置点包括所述第一目标轨迹点及第二目标轨迹点；p(P_i)代表预测出的所述待预测车辆的下一个轨迹点为P_i的预测概率；num_i代表第i个所述可选位置点对应的第一频数；num′_i代表第i个所述可选位置点对应的第二频数。

6.根据权利要求1所述的轨迹预测方法，其特征在于，所述方法包括：

获取所述预选区域内的卡口采集点采集到的车辆标识信息；

依据所述车辆标识信息及采集到所述车辆标识信息的卡口采集点，获取每一所述车辆所经过的所述卡口采集点；

按照所述车辆经过所述卡口采集点的先后顺序，对所经过的所述卡口采集点的位置点进行排序，生成一组所述历史轨迹点序列。

7.一种轨迹预测装置，其特征在于，所述装置包括：

获取模块，用于从多组历史轨迹点序列中，获取与实际轨迹点序列匹配的第一路径点序列；其中，所述历史轨迹点序列用于表征途经预选区域的车辆的历史行驶轨迹；所述实际轨迹点序列用于表征待预测车辆当前的实际行驶轨迹；

所述获取模块，还用于从多组所述历史轨迹点序列中，获取与所述实际轨迹点序列匹配且属于所述待预测车辆的第二路径点序列；

预测模块，用于依据所述第一路径点序列及第二路径点序列，预测所述待预测车辆的下一个轨迹点。

8.根据权利要求7所述的轨迹预测装置，其特征在于，所述获取模块包括：

遍历子模块，用于遍历每一所述历史轨迹点序列；

确定子模块，用于将包括目标轨迹点序列的历史轨迹点序列作为所述第一路径点序列；其中，所述目标轨迹点序列对应的轨迹点与所述实际轨迹点序列对应的轨迹点相同且排序一致。

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现权利要求1-6任一所述的方法。

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如权利要求1-6中任一项所述的轨迹预测方法。