CN110737006A - 轨迹去噪的处理方法、装置以及电子设备 - Google Patents

Abstract

本发明实施例提供一种轨迹去噪的处理方法、装置以及电子设备，其中，方法包括：获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；根据每次被划分到所述滑动窗口中的轨迹点的特征，调整去噪算法中的参数值；采用每次调整后的所述去噪算法对当次被划分到所述滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。本发明实施例的方案，能够提高从轨迹点中去除噪声点的准确率，使得去噪后的轨迹更贴近真实轨迹。

Description

轨迹去噪的处理方法、装置以及电子设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种轨迹去噪的处理方法、装置以及电子设备。

背景技术

在现有GPS轨迹实时清洗算法或技术方案中，常采用的轨迹去噪处理主要是利用各种空间聚类算法或滤波算法。

聚类算法包括网格聚类法、K中值聚类法等，其主要是通过轨迹点的空间集聚性分离出正常轨迹点与噪声点，但通常没有考虑轨迹时间维度特性，或者由于聚类算法本身的性能太低，不能满足在线实时性要求；

滤波去噪主要有均值滤波和中值滤波算法等，其主要思路是用轨迹点前后一定点数平均值或中值替代可疑噪声点(通常是通过时序前后轨迹点求速度，判断速度异常点为噪声可疑点)，均值滤波或中值滤波通常平滑效果较好，但会造成轨迹失真，平滑后偏离道路现象严重，令此类滤波算法得到的噪声点去除比例相对不是很高。

另外，一般实时轨迹处理方案通常没有过多考虑GPS轨迹冷启动时起点易漂移的特性，直接去噪处理，可能并不能完全解决起点特殊的漂移，因为起始点前面没有其他点可供判断速度等特性进而作为去噪参考。一些处理方案则是直接去掉起始点，也是不可取的，因为在有些业务场景中，起始点对应着很重要的事件位置，不能随便丢弃。

发明内容

本发明提供了一种轨迹去噪的处理方法、装置以及电子设备，能够提高从轨迹点中去除噪声点的准确率，使得去噪后的轨迹更贴近真实轨迹。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，提供了一种轨迹去噪的处理方法，包括：

获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；

根据每次被划分到所述滑动窗口中的轨迹点的特征，调整去噪算法中的参数值；

采用每次调整后的所述去噪算法对当次被划分到所述滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

第二方面，提供了一种轨迹去噪的处理装置，包括：

数据获取模块，用于获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；

参数调整模块，用于根据每次被划分到所述滑动窗口中的轨迹点的特征，调整去噪算法中的参数值；

数据去噪模块，用于采用每次调整后的所述去噪算法对当次被划分到所述滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

第三方面，提供了一种电子设备，包括：

存储器，用于存储程序；

处理器，耦合至所述存储器，用于执行所述程序，以用于：

获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；

根据每次被划分到所述滑动窗口中的轨迹点的特征，调整去噪算法中的参数值；

采用每次调整后的所述去噪算法对当次被划分到所述滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

本发明提供了一种轨迹去噪的处理方法、装置以及电子设备，在获取待处理的轨迹点数据后，采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；然后根据每次被划分到滑动窗口中的轨迹点的特征，调整去噪算法中的参数值，并利用每次参数调整后的去噪算法对当次被划分到滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。由于在去噪过程中考虑了轨迹点随时间变化的特性，并对去噪算法的参数值进行动态调整，从而使得去噪后保留的轨迹点更加贴近实际轨迹。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例的轨迹去噪的处理逻辑示意图；

图2为本发明实施例的轨迹去噪的处理系统结构图；

图3为本发明实施例的轨迹去噪的处理方法流程图一；

图4为本发明实施例的轨迹去噪的处理方法流程图二；

图5为本发明实施例的参数调整方法流程图一；

图6为本发明实施例的参数调整方法流程图二；

图7为本发明实施例的参数调整方法流程图三；

图8为本发明实施例的滤除起始轨迹点的方法流程图；

图9为本发明实施例的轨迹去噪的处理装置结构图一；

图10为本发明实施例的轨迹去噪的处理装置结构图二；

图11为本发明实施例的轨迹去噪的处理装置结构图三；

图12为本发明实施例的轨迹去噪的处理装置结构图四；

图13为本发明实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，为本发明实施例的轨迹去噪的处理逻辑示意图。如图1所示，该逻辑中主要包括两部分，第一部分是去噪算法参数的调整，另一部分是根据调整后的去噪算法对滑动窗口中的轨迹点进行去噪处理。首先，在获取到待去噪的轨迹点数据后，先根据轨迹点产生的时间顺序采用滑动窗口顺序多次滑动以对轨迹点进行划分。经滑动窗口划分的相邻两个窗口内的轨迹点之间不存在重复轨迹点。每次被滑动窗口提取的轨迹点需要经过两步骤处理：

一是提取当次被划分到滑动窗口中轨迹点的特征数据，比如轨迹点的个数、相邻两个轨迹点的间隔时间、实际距离以及轨迹场景速度等特征；然后基于这些特征对当次采用的去噪算法的参数进行调整，以使调整后的去噪算法更适用于对当次被划分到滑动窗口内的轨迹点数据进行去噪处理，得到更贴近实际情况的轨迹点。

二是利用参数值被调整后的去噪算法对当次被划分到滑动窗口内的轨迹点数据进行去噪处理，保留非噪声轨迹点。

在实际应用场景中，关于去噪算法的类型可以不局限于各种空间聚类算法或者是滤波算法。需要强调的是，本方案的核心并不限定于去噪算法的具体算法内容，而是在利用去噪算法对轨迹点进行处理的过程中，根据不同时间段(滑动窗口)中轨迹点的空间分布特征来动态调整当次所采用的去噪算法中的参数值，使其更适用于对当次被划分到滑动窗口内的轨迹点数据进行去噪处理，从而得到更贴近实际情况的轨迹点。

另外，采用的滑动窗口的大小(窗口中包含轨迹点的数目)也可以按时间顺序或者轨迹点在不同空间范围内的特征进行调整，使整个去噪过程在数据处理上更加灵活。

基于图1所示的轨迹去噪的处理逻辑示意图，图2为本发明实施例提供的轨迹去噪的处理系统结构图。如图2所示，该系统包括：终端设备210、轨迹去噪的处理装置220；其中：

终端设备210，可以为具有定位、导航功能的手机、掌上电脑、穿戴设备等便携式终端设备，用于实时采集设备所在的位置即上述轨迹点，并上传到轨迹去噪的处理装置220进行去噪处理。

轨迹去噪的处理装置220，用于对终端设备210上传的轨迹点数据进行去噪处理，保留非噪声轨迹点，并将保留的轨迹点透传给终端设备210进行轨迹展示。

在实际应用场景中，终端设备210可以是范化的概念，其实质可包括多个具体的终端设备，被监测运行轨迹的终端设备和显示运行轨迹的终端设备可以不局限为同一个终端设备。例如在外卖配送的应用场景中，被监测运行轨迹的终端设备可以是快递人员携带的终端设备，该终端设备定位快递人员的运行轨迹并上传到轨迹去噪的处理装置220进行去噪处理。轨迹去噪的处理装置220对轨迹点完成去噪处理后，将保留的非噪声轨迹点既可以透传给快递人员携带的终端设备，也可以透传给收取快递的一方的终端设备，从而在不同的终端设备上分享去噪处理后的，更贴近真实情况的轨迹点数据。

轨迹去噪的处理装置220可具体包括：

数据获取模块，用于获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；

参数调整模块，用于根据每次被划分到滑动窗口中的轨迹点的特征，调整去噪算法中的参数值；

数据去噪模块，用于采用每次调整后的去噪算法对当次被划分到滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

其中，数据获取模块获取的待处理的轨迹点数据既可以是终端设备210实时采集并上传的轨迹点，也可以是历史产生的轨迹点。为了方便处理数据，可将获取的轨迹点采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分，从而分成多组位于不同时刻点的滑动窗口内的轨迹点数据。利用滑动窗口划分后的各次的滑动窗口中包含的轨迹点的特征，调整去噪算法中的参数值，可以使调整后的去噪算法更适用于对当次被划分到滑动窗口内的轨迹点数据进行去噪处理，得到更贴近实际情况的轨迹点。最后，由数据去噪模块采用调整后的去噪算法对当次被划分到滑动窗口中包含的轨迹点进行去噪处理，保留非噪声轨迹点，将非噪声轨迹点透传给终端设备210以进行展示。

进一步地，上述去噪算法可包括Dbscan聚类算法；

相应地，参数调整模块，用于根据每次被划分到滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类半径和/或聚类最小数目。

以Dbscan聚类算法作为去噪算法为例，Dbscan聚类算法是典型的基于密度的空间聚类算法，其包括两个重要参数，分别是聚类半径和聚类最小数目。这两个参数的参数取值直接影响了聚类结果。而轨迹在形成过程中，轨迹点的特征会随时间和空间有所变化，如果单纯的统一采用同样的聚类参数值，那么会影响聚类效果，使最终的去噪效果变差。因此，可以先将轨迹点按时序划分在不同时次的滑动窗口中，然后统计各次被划分到滑动窗口中的轨迹点的特征，基于这些不同时次下的滑动窗口中的轨迹点的特征动态调整Dbscan聚类算法中的聚类半径和/或聚类最小数目这两个参数值，从而使调整后的去噪算法更适用于对当次被划分到滑动窗口中的轨迹点数据进行去噪处理，达到最佳的去噪效果。

进一步地，上述轨迹点的特征可包括：相邻轨迹点之间的间隔时间、轨迹场景速度；

相应地，参数调整模块可包括：

距离计算单元，用于根据相邻轨迹点之间的间隔时间、轨迹场景速度计算相邻轨迹点之间的场景距离；

半径调整单元，用于根据相邻轨迹点之间的场景距离调整聚类半径。

具体地，通常对移动轨迹的定位数据是周期性的进行轨迹点的采样，因此每相邻轨迹点之间的间隔时间是相同的，即数据采样周期；而轨迹场景速度是指不同业务场景下的轨迹速度，比如行人的轨迹速度、自行车的轨迹速度、电动车的轨迹速度、机动车的轨迹速度等等。根据相邻轨迹点之间的间隔时间以及轨迹场景速度就可以计算得到相邻轨迹点之间的场景距离，该场景距离并不是轨迹点之间的实际距离，而是在相同轨迹场景下的估算距离。根据该场景距离可以大致估算出每两个相邻轨迹点的实际距离，从而可以灵活调整Dbscan聚类算法的聚类半径。

进一步地或可替代地，上述轨迹点的特征可包括：相邻轨迹点之间的实际距离；

相应地，参数调整模块，可用于根据相邻轨迹点之间的实际距离调整聚类半径。

具体地，可以在得到轨迹点的数据后，计算相邻两个轨迹点的实际距离，然后根据该实际距离调整Dbscan聚类算法的聚类半径。

进一步地，上述轨迹点的特征还可包括：轨迹点的数目；

相应的，参数调整模块还用于将聚类最小数目调整为滑动窗口中的轨迹点的数目的一半以上且总量以下的任一数目。

具体地，为了保证滑动窗口中每次聚类计算后得到一个聚类簇，可以将Dbscan聚类算法的聚类半径调整为滑动窗口中的轨迹点的数目的一半以上且总量以下的任一数目，从而简化计算难度。比如，当前滑动窗口中的轨迹点数目为10，则可以选择6-9中任一数值作为聚类最小数目。

进一步地，上述轨迹去噪的处理装置中还可包括：

中心计算模块，用于计算初始的被划分到滑动窗口中且被保留的轨迹点的中心位置；

漂移检测模块，用于如果起始轨迹点与中心位置之间的距离小于预设距离，则保留起始轨迹点，否则确定该起始轨迹点发生位置漂移，去除起始轨迹点。

具体地，为了检测轨迹点数据中的起始轨迹点是否发生漂移，可以对初始的被划分到滑动窗口中且经过去噪算法处理后被保留的轨迹点的中心位置进行计算，比如直接采用Dbscan聚类算法聚类后的核心点作为中心位置，或者对去噪算法处理后保留的轨迹点采用如中值滤波等算法计算中心位置。在得到中心位置后，判断起始轨迹点与中心位置之间的距离是否小于预设距离，如果小于预设距离，则表明轨迹点采样正常，没有发生漂移，保留起始轨迹点，否则确定该起始轨迹点发生位置漂移，去除起始轨迹点。

进一步地，上述轨迹去噪的处理装置中还可包括：

窗口调整模块，用于对滑动窗口的大小按时间顺序进行动态调整。

为了充分体现不同时段、不同空间区域内的轨迹点的特征，还可以参照轨迹点在时间、空间上分布的特点对滑动窗口的大小进行动态调整，以提高处理数据的方式多样性，优化对轨迹点数据的去噪效果。

下面通过多个实施例来进一步说明本申请的技术方案。

实施例一

基于上述轨迹去噪的处理方案思想，如图3所示，其为本发明实施例示出的轨迹去噪的处理方法流程图一，该方法的执行主体为图2中所示的轨迹去噪的处理装置。如图3所示，该轨迹去噪的处理方法包括如下步骤：

S310，获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分。

其中，获取的待处理的轨迹点数据既可以是终端设备利用内置的如全球定位系统(Global Positioning System，GPS)实时采集并上传的轨迹点，也可以是历史产生的轨迹点。为了方便后续对轨迹点进行去噪算法的处理，可将获取的轨迹点采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分，从而分成多组位于不同时刻点的滑动窗口内的轨迹点数据。经滑动窗口划分的相邻两次被划分到窗口内的轨迹点之间不存在重复轨迹点。

例如，滑动窗口的大小可以为5个轨迹点，截至当前获取的轨迹点依次为：轨迹点1、轨迹点2、……，轨迹点10；则轨迹点1-5被划分到在前一次的滑动窗口中，轨迹点6-10被划分到在后一次的滑动窗口中。

S320，根据每次被划分到滑动窗口中的轨迹点的特征，调整去噪算法中的参数值。

滑动窗口在滑动过程中，在各次被划分到窗口中的轨迹点的特征也不尽相同，比如各次被划分到窗口中的轨迹点的间隔时间、间隔距离都有所不同，即使采用同一采样周期采集轨迹点数据，也有可能存在丢数据点的情况，那么这时采集过来的轨迹点之间的间隔时间、间隔距离就会增加；又或者采用同一采样周期，且没有数据丢失，但是不同业务场景下轨迹场景速度，比如行人的轨迹速度、自行车的轨迹速度、电动车的轨迹速度、机动车的轨迹速度等都不相同，即使是同一业务场景下，由于路况不同也会造成轨迹场景速度发生波动，使得相邻轨迹点之间的实际距离不同。因此，在上述情况下，如果仍单纯的统一采用同样的去噪算法的参数值，那么势必会欠缺对真实轨迹特征存在变化性的考虑，使最终的去噪效果变差。

因此，本方案采用一种根据轨迹点的特征动态调整去噪算法参数值的方式，来调整去噪算法的性能，进而改善对轨迹点的去噪效果。具体地，可以在上一步骤中将轨迹点按时序划分在不同时次的滑动窗口中后，统计各次被划分到滑动窗口中的轨迹点的特征，然后基于这些不同时次下的滑动窗口中的轨迹点的特征动态调整去噪算法中的参数值，从而使调整后的去噪算法更适用于对当次被划分到滑动窗口中的轨迹点数据进行去噪处理，达到最佳的去噪效果。

在实际应用场景中，关于去噪算法的类型可以不局限于各种空间聚类算法或者是滤波算法。需要强调的是，本方案的核心并不限定于去噪算法的具体算法内容，而是在利用去噪算法对轨迹点进行处理的过程中，根据不同时间段(滑动窗口)中轨迹点的空间分布特征来动态调整当次所采用的去噪算法中的参数值，使调整后的去噪算法更适用于对当次滑动窗口内的轨迹点数据进行去噪处理，从而得到更贴近实际情况的轨迹点。

S330，采用每次调整后的去噪算法对当次被划分到滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

在基于当次被划分到滑动窗口中的轨迹点的特征对去噪算法进行参数值调整后，利用调整后的去噪算法对当次被划分到滑动窗口中的轨迹点进行去噪处理，即去除噪声点，保留非噪声轨迹点。后续可将保留下来的轨迹点发送至终端设备上进行展示，以方便用户对指定业务场景下的轨迹进行监测，比如在外卖业务场景下，买家可对快递人员的轨迹进行实时监控，从而获知所购买的商品的配送情况。

本发明提供的去噪的处理方法，在获取待处理的轨迹点数据后，采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；然后根据每次被划分到滑动窗口中的轨迹点的特征，调整去噪算法中的参数值，并利用参数调整后的去噪算法对当次被划分到滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。由于在去噪过程中考虑了轨迹点随时间变化的特性，并对去噪算法的参数值进行动态调整，从而使得去噪后保留的轨迹点更加贴近实际轨迹。

实施例二

如图4所示，为本发明实施例的去噪的处理方法流程图二。本实施例在图3所示方法的基础上，对去噪算法以及如何调整去噪算法的参数值的过程进行了进一步限定。如图4所示，该去噪的处理方法包括如下步骤：

S410，获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分。

步骤S410的内容与步骤S310的内容相同。

作为补充方案，在获取轨迹点数据之后，可先执行如下步骤：对滑动窗口的大小按时间顺序进行动态调整，然后利用调整后的滑动窗口对轨迹点进行划分。

为了充分体现不同时段、不同空间区域内的轨迹点的特征，还可以参照轨迹点在时间、空间上分布的特点对滑动窗口的大小进行动态调整，以提高处理数据的方式多样性，优化对轨迹点数据的去噪处理效果。

例如，对于道路比较简单的地区，可将滑动窗口的大小调大，以提高轨迹点的去噪处理的效率；对于道路比较复杂的地区，可将滑动窗口的大小调小，以提高轨迹点的去噪处理的准确率。

S420，根据每次被划分到滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类半径和/或聚类最小数目。

以Dbscan聚类算法作为去噪算法为例，Dbscan聚类算法是典型的基于密度的空间聚类算法，其包括两个重要参数，分别是聚类半径和聚类最小数目。这两个参数的参数取值直接影响了聚类结果。而轨迹在形成过程中，轨迹点的特征会随时间和空间有所变化，如果单纯的统一采用同样的聚类参数值，那么会影响聚类效果，使最终的去噪效果变差。因此，可以先按上一步骤的内容将轨迹点按时序划分在不同时次的滑动窗口中，然后统计各次被划分到滑动窗口中的轨迹点的特征，基于这些不同时次下的滑动窗口中的轨迹点的特征动态调整Dbscan聚类算法中的聚类半径和/或聚类最小数目这两个参数值，从而使调整后的Dbscan聚类算法更适用于对当次被划分到滑动窗口中的轨迹点数据进行去噪处理，达到最佳的去噪效果。其中，Dbscan聚类算法得到的聚类簇中的轨迹点即为去噪后保留的轨迹点。

关于调整Dbscan聚类算法中的聚类半径：

进一步地，上述轨迹点的特征可包括：相邻轨迹点之间的间隔时间、轨迹场景速度；

相应地，可通过执行图5所示方法步骤，实现根据每次被划分到滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类半径的处理过程。如图5所示，该方法包括：

S510，根据相邻轨迹点之间的间隔时间、轨迹场景速度计算相邻轨迹点之间的场景距离。

具体地，通常对移动轨迹的定位数据是周期性的进行轨迹点的采样，因此每相邻轨迹点之间的间隔时间是相同的，即数据采样周期；而轨迹场景速度是指不同业务场景下的轨迹速度，比如行人的轨迹速度、自行车的轨迹速度、电动车的轨迹速度、机动车的轨迹速度等等。根据相邻轨迹点之间的间隔时间以及轨迹场景速度就可以计算得到相邻轨迹点之间的场景距离。需要说明的是，该场景距离并不是轨迹点之间的实际距离，而是在相同轨迹场景下的估算距离。根据该场景距离可以大致估算出每两个相邻轨迹点的实际距离，从而可以灵活调整Dbscan聚类算法的聚类半径。

S520，根据相邻轨迹点之间的场景距离调整聚类半径。

例如，可将每次被划分到滑动窗口中的相邻两个轨迹点之间的场景距离中的最大值作为Dbscan聚类算法中的聚类半径。

进一步地或可替代地，上述轨迹点的特征可包括：相邻轨迹点之间的实际距离；

相应地，可通过执行图6所示方法步骤，实现根据每次被划分到滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类半径的处理过程。如图6所示，该方法包括：

S610，计算每次被划分到滑动窗口中的轨迹点中相邻轨迹点之间的实际距离。

S620，根据相邻轨迹点之间的实际距离调整聚类半径。

具体地，可以在得到轨迹点的数据后，计算每次被划分到滑动窗口中的相邻两个轨迹点的实际距离，然后根据该实际距离调整Dbscan聚类算法的聚类半径。

例如，可将每次被划分到滑动窗口中的相邻两个轨迹点之间的实际距离中的最大值作为Dbscan聚类算法中的聚类半径。

关于调整Dbscan聚类算法中的聚类最小数目：

进一步地，上述轨迹点的特征包括：轨迹点的数目；

相应地，可通过执行图7所示方法步骤，实现根据每次被划分到滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类最小数目包括：

S710，将聚类最小数目调整为滑动窗口中的轨迹点的数目的一半以上且总量以下的任一数目。

具体地，为了保证滑动窗口中的轨迹点在每次聚类计算后得到一个聚类簇，可以将Dbscan聚类算法的聚类半径调整为滑动窗口中的轨迹点的数目的一半以上且总量以下的任一数目，从而简化计算难度。比如，当前滑动窗口中的轨迹点数目为10，则可以选择6-9中任一数值作为聚类最小数目。

步骤S420的内容可作为在步骤S320内容基础上的细化。

S430，采用每次调整后的去噪算法对当次被划分到滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

步骤S430的内容与步骤S330的内容相似。

其中，去噪算法以Dbscan聚类算法为例，所调整的Dbscan聚类算法的参数值包括对Dbscan聚类算法中的聚类半径和/或聚类最小数目进行调整。

另外作为补充方案，本实施例还针对轨迹点数据中的起始轨迹点的漂移问题进行处理，以解决是否要滤除起始轨迹点。

具体地，如图8所示，该滤除起始轨迹点的方法包括：

S810，计算初始的被划分到滑动窗口中且被保留的轨迹点的中心位置。

具体地，为了检测轨迹点数据中的起始轨迹点是否发生漂移，可以对初始的被划分到滑动窗口中且经过去噪算法处理后被保留的轨迹点的中心位置进行计算，然后根据起始轨迹点和该中心位置之间的距离来判断该起始轨迹点是否发生漂移。比如直接采用Dbscan聚类算法聚类后的核心点作为中心位置，或者对去噪算法处理后保留的轨迹点采用如中值滤波等算法计算中心位置。

S820，如果起始轨迹点与中心位置之间的距离小于预设距离，则保留起始轨迹点，否则确定该起始轨迹点发生位置漂移，去除起始轨迹点。

在得到中心位置后，判断起始轨迹点与中心位置之间的距离是否小于预设距离，如果小于预设距离，则表明轨迹点采样正常，没有发生漂移，保留起始轨迹点，否则确定该起始轨迹点发生位置漂移，去除起始轨迹点。

本发明提供的轨迹去噪的处理方法，在图3所示方法的基础上，以Dbscan聚类算法作为去噪算法对轨迹点的去噪过程进行重点保护，通过各次被划分到滑动窗口中的相邻轨迹点之间的间隔时间、轨迹场景速度以及实际距离调整Dbscan聚类算法中的聚类半径；通过各次被划分到滑动窗口中的轨迹点的数目调整Dbscan聚类算法中的聚类最小数目，从而提高去噪处理的合理性和准确度

进一步地，本方案还针对起始轨迹点的漂移问题进行特殊处理，即根据起始轨迹点与初始的被划分到滑动窗口中且经去噪算法处理后被保留的轨迹点的中心位置之间的距离判断起始轨迹点是否发生漂移，当确定该起始轨迹点发生位置漂移后，去除起始轨迹点，从而保证数据的真实可靠性。

进一步地，本方案还根据获取的轨迹点数据的特征，动态的调整滑动窗口的大小，从而提高处理数据的方式多样性，优化对轨迹点数据的去噪处理效果。

实施例三

如图9所示，为本发明实施例的轨迹去噪的处理装置结构图一，该轨迹去噪的处理装置可设置在图2所示的轨迹去噪的处理系统中，用于执行如图3所示的方法步骤，其包括：

数据获取模块910，用于获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；

参数调整模块920，用于根据每次被划分到滑动窗口中的轨迹点的特征，调整去噪算法中的参数值；

数据去噪模块930，用于采用每次调整后的去噪算法对当次被划分到滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

进一步地，上述去噪算法可包括Dbscan聚类算法；

相应的，参数调整模块920，用于根据每次被划分到滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类半径和/或聚类最小数目。

进一步地，上述轨迹点的特征可包括：相邻轨迹点之间的间隔时间、轨迹场景速度；

相应的，如图10所示，上述参数调整模块920可包括：

距离计算单元101，用于根据相邻轨迹点之间的间隔时间、轨迹场景速度计算相邻轨迹点之间的场景距离；

半径调整单元102，用于根据相邻轨迹点之间的场景距离调整聚类半径。

进一步地或可替代地，上述轨迹点的特征可包括：相邻轨迹点之间的实际距离；

相应的，参数调整模块920，用于根据相邻轨迹点之间的实际距离调整聚类半径。

进一步地或可替代地，上述轨迹点的特征可包括：轨迹点的数目；

相应的，参数调整模块920，用于将聚类最小数目调整为滑动窗口中的轨迹点的数目的一半以上且总量以下的任一数目。

进一步地，如图11所示，上述轨迹去噪的处理装置中还可包括：

中心计算模块111，用于计算初始的被划分到滑动窗口中且被保留的轨迹点的中心位置；

漂移检测模块112，用于如果起始轨迹点与中心位置之间的距离小于预设距离，则保留起始轨迹点，否则确定该起始轨迹点发生位置漂移，去除起始轨迹点。

进一步地，如图12所示，上述轨迹去噪的处理装置中还可包括：

窗口调整模块121，用于对滑动窗口的大小按时间顺序进行动态调整。

图10、图11、图12所示的装置结构可用于执行实施例二中所示的方法步骤。

本发明提供的去噪的处理装置，在获取待处理的轨迹点数据后，采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；然后根据每次被划分到滑动窗口中的轨迹点的特征，调整去噪算法中的参数值，并利用参数调整后的去噪算法对当次被划分到滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。由于在去噪过程中考虑了轨迹点随时间变化的特性，并对去噪算法的参数值进行动态调整，从而使得去噪后保留的轨迹点更加贴近实际轨迹。

进一步地，以Dbscan聚类算法作为去噪算法对轨迹点的去噪过程进行重点保护，通过各次被划分到滑动窗口中的相邻轨迹点之间的间隔时间、轨迹场景速度以及实际距离调整Dbscan聚类算法中的聚类半径；通过各次被划分到滑动窗口中的轨迹点的数目调整Dbscan聚类算法中的聚类最小数目，从而提高去噪处理的合理性和准确度

进一步地，本方案还针对起始轨迹点的漂移问题进行特殊处理，即根据起始轨迹点与初始的被划分到滑动窗口中且经去噪算法处理后被保留的轨迹点的中心位置之间的距离判断起始轨迹点是否发生漂移，当确定该起始轨迹点发生位置漂移后，去除起始轨迹点，从而保证数据的真实可靠性。

进一步地，本方案还根据获取的轨迹点数据的特征，动态的调整滑动窗口的大小，从而提高处理数据的方式多样性，优化对轨迹点数据的去噪处理效果。

实施例四

前面描述了轨迹去噪的处理装置的整体架构，该装置的功能可借助一种电子设备实现完成，如图13所示，其为本发明实施例的电子设备的结构示意图，具体包括：存储器131和处理器132。

存储器131，用于存储程序。

除上述程序之外，存储器131还可被配置为存储其它各种数据以支持在电子设备上的操作。这些数据的示例包括用于在电子设备上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。

存储器131可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

处理器132，耦合至存储器131，用于执行存储器131中的程序，以用于：

获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；

根据每次被划分到滑动窗口中的轨迹点的特征，调整去噪算法中的参数值；

采用每次调整后的去噪算法对当次被划分到滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

上述的具体处理操作已经在前面实施例中进行了详细说明，在此不再赘述。

进一步，如图13所示，电子设备还可以包括：通信组件133、电源组件134、音频组件135、显示器136等其它组件。图13中仅示意性给出部分组件，并不意味着电子设备只包括图13所示组件。

通信组件133被配置为便于电子设备和其他设备之间有线或无线方式的通信。电子设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件133经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件133还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

电源组件134，为电子设备的各种组件提供电力。电源组件134可以包括电源管理系统，一个或多个电源，及其他与为电子设备生成、管理和分配电力相关联的组件。

音频组件135被配置为输出和/或输入音频信号。例如，音频组件135包括一个麦克风(MIC)，当电子设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器131或经由通信组件133发送。在一些实施例中，音频组件135还包括一个扬声器，用于输出音频信号。

显示器136包括屏幕，其屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (15)

1.一种轨迹去噪的处理方法，其特征在于，包括：

获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；

根据每次被划分到所述滑动窗口中的轨迹点的特征，调整去噪算法中的参数值；

采用每次调整后的所述去噪算法对当次被划分到所述滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

2.根据权利要求1所述的方法，其特征在于，所述去噪算法包括Dbscan聚类算法；

所述根据每次被划分到所述滑动窗口中的轨迹点的特征，调整去噪算法中的参数值包括：

根据每次被划分到所述滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类半径和/或聚类最小数目。

3.根据权利要求2所述的方法，其特征在于，所述轨迹点的特征包括：相邻轨迹点之间的间隔时间、轨迹场景速度；

所述根据每次被划分到所述滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类半径包括：

根据所述相邻轨迹点之间的间隔时间、轨迹场景速度计算相邻轨迹点之间的场景距离；

根据所述相邻轨迹点之间的场景距离调整所述聚类半径。

4.根据权利要求2所述的方法，其特征在于，所述轨迹点的特征包括：相邻轨迹点之间的实际距离；

所述根据每次被划分到所述滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类半径包括：

根据所述相邻轨迹点之间的实际距离调整所述聚类半径。

5.根据权利要求2所述的方法，其特征在于，所述轨迹点的特征包括：轨迹点的数目；

所述根据每次被划分到所述滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类最小数目包括：

将所述聚类最小数目调整为所述滑动窗口中的所述轨迹点的数目的一半以上且总量以下的任一数目。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

计算初始的被划分到所述滑动窗口中且被保留的轨迹点的中心位置；

如果起始轨迹点与所述中心位置之间的距离小于预设距离，则保留所述起始轨迹点，否则确定该起始轨迹点发生位置漂移，去除所述起始轨迹点。

7.根据权利要求1-6任一种所述的方法，其特征在于，所述方法还包括：

对所述滑动窗口的大小按时间顺序进行动态调整。

8.一种轨迹去噪的处理装置，其特征在于，包括：

数据获取模块，用于获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；

参数调整模块，用于根据每次被划分到所述滑动窗口中的轨迹点的特征，调整去噪算法中的参数值；

数据去噪模块，用于采用每次调整后的所述去噪算法对当次被划分到所述滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

9.根据权利要求8所述的装置，其特征在于，所述去噪算法包括Dbscan聚类算法；

所述参数调整模块，用于根据每次被划分到所述滑动窗口中的轨迹点的特征，调整Dbscan聚类算法中的聚类半径和/或聚类最小数目。

10.根据权利要求9所述的装置，其特征在于，所述轨迹点的特征包括：相邻轨迹点之间的间隔时间、轨迹场景速度；

所述参数调整模块包括：

距离计算单元，用于根据所述相邻轨迹点之间的间隔时间、轨迹场景速度计算相邻轨迹点之间的场景距离；

半径调整单元，用于根据所述相邻轨迹点之间的场景距离调整所述聚类半径。

11.根据权利要求9所述的装置，其特征在于，所述轨迹点的特征包括：相邻轨迹点之间的实际距离；

所述参数调整模块，用于根据所述相邻轨迹点之间的实际距离调整所述聚类半径。

12.根据权利要求9所述的装置，其特征在于，所述轨迹点的特征包括：轨迹点的数目；

所述参数调整模块，用于将所述聚类最小数目调整为所述滑动窗口中的所述轨迹点的数目的一半以上且总量以下的任一数目。

13.根据权利要求8所述的装置，其特征在于，所述装置还包括：

中心计算模块，用于计算初始的被划分到所述滑动窗口中且被保留的轨迹点的中心位置；

漂移检测模块，用于如果起始轨迹点与所述中心位置之间的距离小于预设距离，则保留所述起始轨迹点，否则确定该起始轨迹点发生位置漂移，去除所述起始轨迹点。

14.根据权利要求8-13任一种所述的装置，其特征在于，所述装置还包括：

窗口调整模块，用于对所述滑动窗口的大小按时间顺序进行动态调整。

15.一种电子设备，其特征在于，包括：

存储器，用于存储程序；

处理器，耦合至所述存储器，用于执行所述程序，以用于：

获取轨迹点数据，并采用滑动窗口按时间顺序多次滑动以对轨迹点进行划分；

根据每次被划分到所述滑动窗口中的轨迹点的特征，调整去噪算法中的参数值；

采用每次调整后的所述去噪算法对当次被划分到所述滑动窗口中的轨迹点进行去噪处理，保留非噪声轨迹点。

Images