CN110738228B - 轨迹处理方法、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，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段；根据所述轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值，并采用调整后的所述去噪算法对相应所述轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；对所述轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；将所述平滑轨迹段贴合到真实道路上，以还原所述轨迹点数据对应的真实道路轨迹。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，使得利用去噪后的轨迹还原出的线路更贴近真实道路轨迹。

Description

轨迹处理方法、装置以及电子设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种轨迹处理方法、装置以及电子设备。

背景技术

在很多城市末端场景中，例如外卖、快递和出行等，服务平台方为了就近满足用户需求，需要对服务提供者(如快递员)进行在线调度及管控，而采用如GPS(GlobalPositioning System，全球定位系统)轨迹则是最常采用的技术手段之一。但由于一般场景中因GPS系统或接收设备限制，上传的GPS轨迹点数据中会有或多或少漂移噪声和中断存在，导致直接定位的GPS轨迹无法作为监控或调度依据，需要对轨迹进行针对性清洗及挖掘，才能真实反映服务提供者位置，进而挖掘更多有效信息(如快递员频繁活动区域、服务行为习惯等)，最终提供更好的用户体验。

但是，在现有GPS轨迹清洗算法和技术方案中，常采用的轨迹去噪处理主要是利用各种空间聚类算法，包括网格聚类法、K中值聚类法等。这些聚类方法一般是仅从地理维度出发来进行聚类，但是在实际情况中将时间这个维度考虑到具体聚类方法中才是更合理的，否则整个轨迹图很容易丢失一些重要的节点信息，另外现有的去噪算法把去噪和平滑融合一起，会降低噪点去除准确率，这是因为真正的轨迹噪点和轻微跳跃点的特性是不一样的。

发明内容

本发明提供了一种轨迹处理方法、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，使得利用去噪后的轨迹还原出的线路更贴近真实道路轨迹。

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，提供了一种轨迹处理方法，包括：

获取轨迹点数据，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段；

根据所述轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值，并采用调整后的所述去噪算法对相应所述轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；

对所述轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；

将所述平滑轨迹段贴合到真实道路上，以还原所述轨迹点数据对应的真实道路轨迹。

第二方面，提供了轨迹处理装置，包括：

数据获取模块，用于获取轨迹点数据，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段；

参数调整模块，用于根据所述轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值；

数据去噪模块，用于采用调整后的所述去噪算法对相应所述轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；

平滑处理模块，用于对所述轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；

轨迹贴合模块，用于将所述平滑轨迹段贴合到真实道路上，以还原所述轨迹点数据对应的真实道路轨迹。

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，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段；

根据所述轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值，并采用调整后的所述去噪算法对相应所述轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；

对所述轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；

将所述平滑轨迹段贴合到真实道路上，以还原所述轨迹点数据对应的真实道路轨迹。

本发明提供了一种轨迹处理方法、装置以及电子设备，在对待处理的轨迹点数据中同一数据源的轨迹点按时间间隔进行分段后，分别针对每个轨迹段所包含的轨迹点的特征，个性化的调整去噪算法中的参数值，然后利用调整后的去噪算法对相应轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；接着，对轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；最后，将平滑轨迹段贴合到真实道路上，以还原轨迹点数据对应的真实道路轨迹。本方案中由于对各轨迹段进行了个性化的去噪算法中的参数的调整，使得去噪效果更佳显著，进而使最终得到的处理轨迹更贴近真实道路轨迹。

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处理逻辑示意图；

图2为本发明实施例的轨迹处理系统结构图；

图3a为本发明实施例的轨迹处理方法流程图一；

图3b为本发明实施例的平滑处理前的轨迹段曲线图；

图3c为本发明实施例的平滑处理后的轨迹段曲线图；

图4为本发明实施例的轨迹处理方法流程图二；

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为本发明实施例的轨迹处理装置结构图一；

图9为本发明实施例的轨迹处理装置结构图二；

图10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处理逻辑示意图。如图1所示，该逻辑中主要包括如下处理过程：

轨迹分段，将待处理的轨迹点数据中同属同一数据源的轨迹点按采集轨迹点的时间间隔进行分段，形成多个轨迹段。这里所谓的同一数据源指生成轨迹点的生成者相同，且同一数据源的数据可产生完整连续的道路轨迹，比如同一车辆上的车载设备或者同一终端上传的轨迹点数据均可视为同一数据源。对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段。每个轨迹段可视为一段连续产生的轨迹点构成的轨迹单元。

轨迹段内轨迹点去噪处理，将上述分段形成的多个轨迹段分别对轨迹段内的轨迹点采用去噪算法进行处理。在去噪处理过程中，可以预先针对各轨迹段内的轨迹点的特征对去噪算法的参数进行调整，然后根据调整后的去噪算法对相应轨迹段中的轨迹点进行去噪处理。首先，在获取到待去噪的轨迹段后，提取当前轨迹段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；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前轨迹段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。然后，利用参数值被调整后的去噪算法对当前轨迹段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，根据不同轨迹段中轨迹点的时间、空间分布特征来定制化的调整当次所采用的去噪算法中的参数值，使其更适用于对当前轨迹段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。

平滑处理，对各轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段。其中，所采用的平滑算法包括但不局限于如下几种：kalman滤波器、粒子滤波、中值滤波和均值滤波。

轨迹贴路纠正，对平滑处理后的轨迹段采用最近原则或者是垂线最近等原则将其贴合到真实道路上，以还原轨迹点数据对应的真实道路轨迹。

基于图1所示的轨迹处理逻辑示意图，图2为本发明实施例提供的轨迹处理系统结构图。如图2所示，该系统包括：终端设备210、轨迹处理装置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，并上传到轨迹处理装置220进行道路轨迹还原处理。

轨迹处理装置220，用于对终端设备210上传的轨迹点数据进行轨迹分段、轨迹段去噪处理、平滑处理和贴路纠正等处理过程后，还原轨迹点数据对应的真实道路轨迹，并在需要的特殊场景下将还原的真实道路轨迹透传给终端设备210进行显示。

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处理装置220进行真实轨迹还原处理。轨迹处理装置220对轨迹点数据还原处理后，将得到的真实道路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经。轨迹处理装置220处理后的，更贴近真实情况的轨迹点数据。

轨迹处理装置220可具体包括：

数据获取模块，用于获取轨迹点数据，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段；

参数调整模块，用于根据所述轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值；

数据去噪模块，用于采用调整后的所述去噪算法对相应所述轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；

平滑处理模块，用于对所述轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；

轨迹贴合模块，用于将平滑轨迹段中的轨迹点贴合到离道路端点最近的真实道路上，和/或贴合到与道路的垂线距离最近的真实道路上，以还原轨迹点数据对应的真实道路轨迹。

其中，数据获取模块获取的待处理的轨迹点数据可以是终端设备210历史产生的轨迹点数据。为了方便处理数据，可将同一数据源的轨迹点数据按采集轨迹点对应的时间间隔对这些轨迹点数据进行分段，从而分成多组在时间上相对集中连续的轨迹段。参数调整模块利用各轨迹段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前轨迹段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。然后，由数据去噪模块采用调整后的去噪算法对相应轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点。接着，通过平滑处理模块对轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段。最后，利用轨迹贴合模块将平滑轨迹段贴合到真实道路上，以还原轨迹点数据对应的真实道路轨迹。在需要的特殊场景下还可将还原的真实道路轨迹透传给终端设备210进行显示。

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，用于根据轨迹段中包含的轨迹点的特征，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，如果单纯的对上述所有轨迹段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，可以先针对每个轨迹段统计出其包含的轨迹点的特征，基于这些不同轨迹段中的轨迹点的特征个性化调整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，从而使调整后的算法更适用于对相应轨迹段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轨迹段中包含的轨迹点的数目的固定比例数目。

具体地，为了保证聚类最小数目与轨迹段中包含的轨迹点总数目之间相协调，在聚类结果中形成合适数目的聚类簇，可以将Dbscan聚类算法的聚类半径调整为轨迹段中包含的轨迹点的数目的固定比例数目，从而调整计算难度。比如，当轨迹段中的轨迹点数目为100，则可以选择20％比例的轨迹点数目即20作为聚类最小数目。

进一步地，上述对轨迹段中保留的轨迹点进行平滑处理采用的方法包括以下至少一种：kalman滤波器、粒子滤波、中值滤波和均值滤波。

进一步地，轨迹贴合模块，可具体用于将平滑轨迹段中的轨迹点贴合到离道路端点最近的真实道路上，和/或到道路的垂线距离最近的真实道路上，以还原轨迹点数据对应的真实道路轨迹。

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

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

S310，获取轨迹点数据，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段。

其中，获取的待处理的轨迹点数据可以是终端设备历史产生的轨迹点数据。为了方便处理数据，可将同一数据源的轨迹点数据按采集轨迹点对应的时间间隔对这些轨迹点数据进行分段，从而分成多组在时间上相对集中连续的轨迹段。

这里所谓的同一数据源指生成轨迹点的生成者相同，且同一数据源的数据可产生完整连续的道路轨迹，比如同一车辆上的车载设备或者同一终端上传的轨迹点数据均可视为同一数据源。对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段。每个轨迹段可视为一段连续产生的轨迹点构成的轨迹单元。

例如，获取的轨迹点数据为车载导航设备在车辆行程过程中上传的轨迹点的序列值。这些序列值在时间上可能分布在多个时间段，比如在第一时段内(如上午9点到10点)以相对稳定的时间间隔形成一部分轨迹点，然后间隔数个小时候(期间没有轨迹点数据上传，或上传的都是同一位置的轨迹点，说明车辆在这段时间没有处于行驶状态)，又在第二时段内(如下午3点到4点)以相对稳定的时间间隔形成另一部分轨迹点。此时，我们可将该车载设备上传的第一时段内和第二时段内的轨迹点数据单独分开形成两组数据，每组数据中的轨迹点即对应一个轨迹段。

另外，为了确保每个轨迹段中包含的轨迹点的数目在一定范围内，方便后续的数据处理，还可以将包含轨迹点数据较多的轨迹段，再次换分成多个轨迹段，以维持每个轨迹段中的轨迹点数目在指定范围内。

S320，根据轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值，并采用调整后的去噪算法对相应轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点。

随着时间、空间的变化，同一数据源在各轨迹段中包含的轨迹点的特征不尽相同，比如各轨迹段中包含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定制化调整去噪算法参数值的方式，来调整去噪算法的性能，进而改善对不同轨迹段中轨迹点的去噪效果。具体地，可以在上一步骤中将轨迹点按时间间隔划分到不同轨迹段中，统计各轨迹段口中的轨迹点的特征，然后基于这些不同轨迹段中的轨迹点的特征个性化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相应轨迹段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，根据不同轨迹段中轨迹点的时间、空间分布特征来定制化的调整当次所采用的去噪算法中的参数值，使其更适用于对当前轨迹段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。

在基于轨迹段中包含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相应轨迹段中包含的轨迹点进行去噪处理，即去除噪声点，保留非噪声轨迹点。

S330，对轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段。

其中，所采用的平滑算法包括但不局限于如下几种：kalman滤波器、粒子滤波、中值滤波和均值滤波。

实际获取的轨迹中，除了明显漂移的轨迹点需要去除，还有更多不断前后定位跳跃的轨迹点，需要平滑处理。对去噪后的轨迹段中的轨迹点进行平滑处理，可增加轨迹段的平滑度，减少突兀和波动点。

如图3b和图3c所示，依次为平滑处理前、后的轨迹段。相比较，平滑处理后的轨迹段(图3b)比平滑处理前的轨迹段(图3c)的轨迹曲线更加平顺，没有明显折点。

S340，将平滑轨迹段贴合到真实道路上，以还原轨迹点数据对应的真实道路轨迹。

如图3c中所示，对轨迹段进行平滑处理后，虽然可以平滑处理掉轨迹前后跳跃点，但也会带来副作用，那就是平滑后轨迹段整体脱离道路，所以需要贴路纠正处理，即把偏离实际道路一定范围内的点贴合到距离最近的路网(真实道路)上。贴路纠正处理所使用的标注的道路数据可以是原有道路数据，或根据长时间累积的轨迹点热力图抽取中心线的方式生成，而每次贴路纠正处理好的轨迹数据又可以进行轨迹路网挖掘，优化路网，形成正向发展循环。

另外，后续还可将贴路纠正处理后的轨迹点数据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查看监控，从而获知所购买的商品的配送情况。

本发明提供的轨迹处理方法，在对待处理的轨迹点数据中同一数据源的轨迹点按时间间隔进行分段后，分别针对每个轨迹段所包含的轨迹点的特征，个性化的调整去噪算法中的参数值，然后利用调整后的去噪算法对相应轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；接着，对轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；最后，将平滑轨迹段贴合到真实道路上，以还原轨迹点数据对应的真实道路轨迹。本方案中由于对各轨迹段进行了个性化的去噪算法中的参数的调整，使得去噪效果更佳显著，进而使最终得到的处理轨迹更贴近真实道路轨迹。

实施例二

如图4所示，为本发明实施例的轨迹处理方法流程图二。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，该轨迹处理方法包括如下步骤：

S410，获取轨迹点数据，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段。

步骤S410的内容与步骤S310的内容相同。

S420，根据轨迹段中包含的轨迹点的特征，调整Dbscan聚类算法中的聚类半径和/或聚类最小数目，并采用调整后的Dbscan聚类算法对相应轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点。

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对应的时间间隔划分在不同轨迹段中，然后统计各轨迹段中的轨迹点的特征，基于这些不同轨迹段中的轨迹点的特征个性化调整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相应轨迹段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，实现根据轨迹段中包含的轨迹点的特征，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，可将轨迹段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，实现根据轨迹段中包含的轨迹点的特征，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，计算轨迹段中包含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，可将轨迹段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，实现根据轨迹段中包含的轨迹点的特征，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轨迹段中包含的轨迹点的数目的固定比例数目。

具体地，为了保证聚类最小数目与轨迹段中包含的轨迹点总数目之间相协调，在聚类结果中形成合适数目的聚类簇，可以将Dbscan聚类算法的聚类半径调整为轨迹段中包含的轨迹点的数目的固定比例数目，从而调整计算难度。比如，当轨迹段中的轨迹点数目为100，则可以选择20％比例的轨迹点数目即20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，对轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段。

步骤S430的内容与上述步骤S330内容相同。

S440，将平滑轨迹段贴合到真实道路上，以还原轨迹点数据对应的真实道路轨迹。

步骤S440的内容与上述步骤S340内容相似。

具体地，在进行轨迹贴路纠正过程中，可将平滑轨迹段中的轨迹点贴合到离道路端点最近的真实道路上，和/或贴合到与道路的垂线距离最近的真实道路上，以还原轨迹点数据对应的真实道路轨迹。

本发明提供的轨迹处理方法，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段中的轨迹点的去噪过程进行重点保护，通过轨迹段中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；通过轨迹段中轨迹点的数目调整Dbscan聚类算法中的聚类最小数目，从而提高去噪的合理性和准确度。

实施例三

如图8所示，为本发明实施例的轨迹处理装置结构图一，该轨迹处理装置可设置在图2所示的轨迹处理系统中，用于执行如图3a所示的方法步骤，其包括：

数据获取模块810，用于获取轨迹点数据，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段；

参数调整模块820，用于根据轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值；

数据去噪模块830，用于采用调整后的去噪算法对相应轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；

平滑处理模块840，用于对轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；

轨迹贴合模块850，用于将平滑轨迹段贴合到真实道路上，以还原轨迹点数据对应的真实道路轨迹。

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820，用于根据轨迹段中包含的轨迹点的特征，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9所示，上述参数调整模块820可包括：

距离计算单元910，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920，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820，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820，用于将聚类最小数目调整为轨迹段中包含的轨迹点的数目的固定比例数目。

进一步地，对轨迹段中保留的轨迹点进行平滑处理采用的方法包括以下至少一种：kalman滤波器、粒子滤波、中值滤波和均值滤波。

进一步地，轨迹贴合模块850，用于将平滑轨迹段中的轨迹点贴合到离道路端点最近的真实道路上，和/或贴合到与道路的垂线距离最近的真实道路上，以还原轨迹点数据对应的真实道路轨迹。

图8、图9所示的装置结构可用于执行实施例二中所示的方法步骤。

本本发明提供的轨迹处理装置，在对待处理的轨迹点数据中同一数据源的轨迹点按时间间隔进行分段后，分别针对每个轨迹段所包含的轨迹点的特征，个性化的调整去噪算法中的参数值，然后利用调整后的去噪算法对相应轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；接着，对轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；最后，将平滑轨迹段贴合到真实道路上，以还原轨迹点数据对应的真实道路轨迹。本方案中由于对各轨迹段进行了个性化的去噪算法中的参数的调整，使得去噪效果更佳显著，进而使最终得到的处理轨迹更贴近真实道路轨迹。

进一步地，本方案以Dbscan聚类算法作为去噪算法对轨迹段中的轨迹点的去噪过程进行重点保护，通过轨迹段中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；通过轨迹段中轨迹点的数目调整Dbscan聚类算法中的聚类最小数目，从而提高去噪的合理性和准确度。

实施例四

前面描述了轨迹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10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101和处理器102。

存储器101，用于存储程序。

除上述程序之外，存储器101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101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102，耦合至存储器101，用于执行存储器101中的程序，以用于：

获取轨迹点数据，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段；

根据轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值，并采用调整后的去噪算法对相应轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；

对轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；

将平滑轨迹段贴合到真实道路上，以还原轨迹点数据对应的真实道路轨迹。

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10所示，电子设备还可以包括：通信组件103、电源组件104、音频组件105、显示器106等其它组件。图10中仅示意性给出部分组件，并不意味着电子设备只包括图10所示组件。

通信组件103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103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103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104，为电子设备的各种组件提供电力。电源组件104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105被配置为输出和/或输入音频信号。例如，音频组件105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101或经由通信组件103发送。在一些实施例中，音频组件105还包括一个扬声器，用于输出音频信号。

显示器106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 (11)

1.一种轨迹处理方法，包括：

获取轨迹点数据，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段；

根据所述轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值，并采用调整后的所述去噪算法对相应所述轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；

对所述轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；

将所述平滑轨迹段贴合到真实道路上，以还原所述轨迹点数据对应的真实道路轨迹，

其特征在于，所述去噪算法包括Dbscan聚类算法；

所述根据所述轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值包括：

根据所述轨迹段中包含的轨迹点的特征，调整Dbscan聚类算法中的聚类半径和/或聚类最小数目，

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；

所述根据所述轨迹段中包含的轨迹点的特征，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。

2.根据权利要求1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；

所述根据所述轨迹段中包含的轨迹点的特征，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。

3.根据权利要求1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；

所述根据所述轨迹段中包含的轨迹点的特征，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轨迹段中包含的所述轨迹点的数目的固定比例数目。

4.根据权利要求1所述的方法，其特征在于，所述对所述轨迹段中保留的轨迹点进行平滑处理采用的方法包括以下至少一种：kalman滤波器、粒子滤波、中值滤波和均值滤波。

5.根据权利要求1所述的方法，其特征在于，所述将所述平滑轨迹段贴合到真实道路上，以还原所述轨迹点数据对应的真实道路轨迹包括：

将所述平滑轨迹段中的轨迹点贴合到离道路端点最近的真实道路上，和/或贴合到与道路的垂线距离最近的真实道路上，以还原所述轨迹点数据对应的真实道路轨迹。

6.一种轨迹处理装置，包括：

数据获取模块，用于获取轨迹点数据，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段；

参数调整模块，用于根据所述轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值；

数据去噪模块，用于采用调整后的所述去噪算法对相应所述轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；

平滑处理模块，用于对所述轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；

轨迹贴合模块，用于将所述平滑轨迹段贴合到真实道路上，以还原所述轨迹点数据对应的真实道路轨迹，

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，用于根据所述轨迹段中包含的轨迹点的特征，调整Dbscan聚类算法中的聚类半径和/或聚类最小数目，

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。

7.根据权利要求6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。

8.根据权利要求6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轨迹段中包含的所述轨迹点的数目的固定比例数目。

9.根据权利要求6所述的装置，其特征在于，所述对所述轨迹段中保留的轨迹点进行平滑处理采用的方法包括以下至少一种：kalman滤波器、粒子滤波、中值滤波和均值滤波。

10.根据权利要求6所述的装置，其特征在于，

所述轨迹贴合模块，用于将所述平滑轨迹段中的轨迹点贴合到离道路端点最近的真实道路上，和/或贴合到与道路的垂线距离最近的真实道路上，以还原所述轨迹点数据对应的真实道路轨迹。

11.一种电子设备，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，并对同一数据源的轨迹点根据轨迹点的时间间隔进行分段，形成至少一个轨迹段；

根据所述轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值，并采用调整后的所述去噪算法对相应所述轨迹段中包含的轨迹点进行去噪处理，保留非噪声轨迹点；

对所述轨迹段中保留的轨迹点进行平滑处理，得到平滑轨迹段；

将所述平滑轨迹段贴合到真实道路上，以还原所述轨迹点数据对应的真实道路轨迹，

其中，所述去噪算法包括Dbscan聚类算法；

所述根据所述轨迹段中包含的轨迹点的特征，调整去噪算法中的参数值包括：

根据所述轨迹段中包含的轨迹点的特征，调整Dbscan聚类算法中的聚类半径和/或聚类最小数目，

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；

所述根据所述轨迹段中包含的轨迹点的特征，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。

Images