CN111046128B - 轨迹相似度确定方法、装置、电子设备及存储介质 - Google Patents
轨迹相似度确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111046128B CN111046128B CN201911335072.0A CN201911335072A CN111046128B CN 111046128 B CN111046128 B CN 111046128B CN 201911335072 A CN201911335072 A CN 201911335072A CN 111046128 B CN111046128 B CN 111046128B
- Authority
- CN
- China
- Prior art keywords
- entity
- time
- initial
- entities
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000013598 vector Substances 0.000 claims abstract description 78
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000013461 design Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种轨迹相似度确定方法、装置、电子设备及存储介质，所述方法包括：获取预设时间段内的至少两个实体中每个实体的轨迹数据；其中，所述轨迹数据包括：所述实体经过的多个位置的位置信息和经过所述多个位置中的每个位置的时间信息；基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量；基于至少两个实体的轨迹数据对应的特征向量，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值。与现有技术中将任意两个实体的轨迹数据中的各个时间信息和地点信息进行一一对比，得到任意两个实体的轨迹数据的相似度的值的方法相比，有效地降低计算量。
Description
技术领域
本申请涉及数据处理技术领域，具体而言，涉及一种轨迹相似度确定方法、装置、电子设备及存储介质。
背景技术
轨迹数据大部分使用时间和地点标识或者经纬度信息来表示，通过这些轨迹数据能够在一定程度上描述人或物的活动规律，继而使得相关人员能够通过这些活动规律的相关性来找到一些线索，而轨迹的相关性即相关人员定义的轨迹碰撞，通过比对碰撞来找到相关性，从而确定一些活动规律，比如两个人的活动规律类似等等。
当前技术一般使用规则计算的方式，通过给定数据碰撞规则，通过将任意两个实体的轨迹数据中的各个时间信息和地点信息进行一一对比，得到任意两个实体的轨迹数据的相似度的值，由于该方式直接使用轨迹数据进行比较来计算相似度，因此，在实体的轨迹数据的数据量比较大时，存在运算量巨大的问题，值的一提的是，在实际生活中，每个实体的轨迹数据的数据量通常比较大。
发明内容
鉴于此，本申请实施例的目的在于提供一种轨迹相似度确定方法、装置、电子设备及存储介质，以降低轨迹相似度的计算量。
第一方面，本申请实施例提供一种轨迹相似度确定方法，所述方法包括：获取预设时间段内的至少两个实体中每个实体的轨迹数据；其中，所述轨迹数据包括：所述实体经过的多个位置的位置信息和经过所述多个位置中的每个位置的时间信息；基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量；基于至少两个实体的轨迹数据对应的特征向量，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值。
现有技术通过将任意两个实体的轨迹数据中的各个时间信息和地点信息进行一一对比，得到任意两个实体的轨迹数据的相似度的值相比，由于现有技术直接使用轨迹数据进行比较来计算相似度，因此，在实体的轨迹数据的数据量比较大时，存在运算量巨大的问题，因此，在上述实现过程中，通过将所述至少两个实体中每个实体的轨迹数据转换为特征向量，继而通过确定特征向量之间的相似值来确定任意两个实体的轨迹数据的相似度，与现有技术相比，降低了运算量。
基于第一方面，在一种可能的设计中，获取预设时间段内至少两个实体中每个实体的轨迹数据，包括：获取预设时间段内的至少两个实体中每个实体的初始轨迹数据；其中，所述初始轨迹数据包括：所述实体经过的所述多个位置的位置信息和经过所述多个位置中的每个位置的初始时间信息；基于预设时间间隔，对所述预设时间段所处的时间周期进行划分，得到多个时间切片；针对每个实体的初始时间信息，确定出该初始时间信息对应的时间切片；其中，所述对应的时间切片为该实体经过该初始时间信息对应的位置的时间信息。
在上述实现过程中，若将每个不同的初始时间信息分别作为特征向量的一个维度，那么轨迹数据的特征向量维度将会特别大，特征向量的维度越大，相似值的计算量越大，同时，实体的轨迹数据中可能存在两个相隔比较近的初始时间信息对应同一个位置，因此，通过基于预设时间间隔，对所述预设时间段所处的时间周期进行划分，得到多个时间切片，并确定出每个初始时间信息对应的时间切片，通过将初始时间信息转换为时间切片，继而能够在至少两个不同的初始时间信息对应同一个时间切片，且所述至少两个不同的初始时间信息分别对应同一个位置时，利用一个时间切片表示所述至少两个不同的初始时间信息，减少所述实体轨迹数据中的数据的数量，继而降低特征向量的维度。
基于第一方面，在一种可能的设计中，所述方法还包括：针对每个实体的位置，在该位置对应的时间切片中存在至少两个相同的时间切片时，将所述至少两个相同的时间切片去重，以使该位置与所述至少两个相同的时间切片中的一个时间切片对应；针对每个实体的初始轨迹数据，将该实体经过的所述多个位置中的每个位置的位置信息和经过该位置的初始时间信息对应的时间切片的第一对应关系存储。
在上述实现过程中，通过将数据进行去重方式，降低轨迹数据的存储量，以及降低特征向量的维度，继而降低相似度的计算量。
基于第一方面，在一种可能的设计中，获取所述实体经过的所述多个位置的位置信息的步骤包括：获取所述实体经过的所述多个位置的初始位置信息；对所述初始位置信息所处的预设的地理位置范围进行区域划分，得到多个位置区域；针对所述实体的初始位置信息，确定该初始位置信息对应的位置区域；其中，所述对应的位置区域为该初始位置信息对应的位置的位置信息。
在上述实现过程中，若将每个不同的初始位置信息分别作为特征向量的一个维度，那么轨迹数据的特征向量维度将会特别大，特征向量的维度越大，相似值的计算量越大，同时，实体的轨迹数据中可能存在两个距离比较近的位置对应相同的时间切片，因此，对预设的地理位置范围进行区域划分，得到多个位置区域，并确定出每个初始位置信息对应的位置区域，通过将初始位置信息转换为位置区域，继而能够在至少两个不同的初始位置信息对应同一个位置区域，且所述至少两个不同的初始位置信息分别对应相同的时间切片时，利用一个位置区域表示所述至少两个不同的初始位置信息，减少所述实体轨迹数据中的数据的数量，继而降低特征向量的维度。
基于第一方面，在一种可能的设计中，所述方法还包括：针对每个实体经过的位置区域，在该位置区域对应的时间切片中存在至少两个相同的第一时间切片时，将所述至少两个相同的第一时间切片去重，以使该位置与所述至少两个相同的第一时间切片中的一个时间切片对应；针对每个实体的初始轨迹数据，将该实体经过的多个位置区域中的每个位置区域和经过该位置区域的初始时间信息对应的时间切片的第二对应关系存储。
在上述实现过程中，通过将数据进行去重方式，降低轨迹数据的存储量，以及降低特征向量的维度，继而降低相似度的计算量。
基于第一方面，在一种可能的设计中，基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量，包括：获取初始化的特征向量；其中，所述初始化的特征向量中不同位置的元素表征不同的预设时间或不同的预设位置；基于每个实体的轨迹数据，确定该实体是否在预设时间经过预设位置；在确定该实体在所述预设时间经过所述预设位置时，将所述初始化的特征向量中与所述预设时间和所述预设位置对应的元素置1；在确定该实体在所述预设时间未经过所述预设位置时，将所述初始化的特征向量中与所述预设时间和所述预设位置对应的元素置0。
在上述实现过程中，通过将实体的轨迹数据中的数据转换为由0和/或1构成的特征向量，特征向量中的元素比较简单，继而能够降低特征向量之间的相似值计算复杂度。
基于第一方面，在一种可能的设计中，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值之后，所述方法还包括：确定出相似值大于预设值的两个实体的轨迹数据；将所述两个实体的轨迹数据和与所述两个实体的轨迹数据对应的相似值发送至用户终端显示。
在上述实现过程中，将相似值大于预设值的任意两个实体的轨迹数据发送至用户终端上显示，继而能够便于用户能够快速的确定出相似度比较的两个实体的轨迹数据以及它们的相似程度的值，无需用户从所述至少两个实体中两个实体的轨迹数的相似值中查找出相似度较大的实体的轨迹数据，提高用户体验。
第二方面，本申请实施例提供一种轨迹相似度确定装置，所述装置包括：轨迹获取单元，用于获取预设时间段内的至少两个实体中每个实体的轨迹数据；其中，所述轨迹数据包括：所述实体经过的多个位置的位置信息和经过所述多个位置中的每个位置的时间信息；特征向量确定单元，用于基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量；相似值确定单元，用于基于至少两个实体的轨迹数据对应的特征向量，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值。
基于第二方面，在一种可能的设计中，所述轨迹获取单元，具体用于获取预设时间段内的至少两个实体中每个实体的初始轨迹数据；其中，所述初始轨迹数据包括：所述实体经过的所述多个位置的位置信息和经过所述多个位置中的每个位置的初始时间信息；基于预设时间间隔，对所述预设时间段所处的时间周期进行划分，得到多个时间切片；针对每个实体的初始时间信息，确定出该初始时间信息对应的时间切片；其中，所述对应的时间切片为该实体经过该初始时间信息对应的位置的时间信息。
基于第二方面，在一种可能的设计中，所述装置还包括：第一去重单元，用于针对每个实体的位置，在该位置对应的时间切片中存在至少两个相同的时间切片时，将所述至少两个相同的时间切片去重，以使该位置与所述至少两个相同的时间切片中的一个时间切片对应；第一存储单元，用于针对每个实体的初始轨迹数据，将该实体经过的所述多个位置中的每个位置的位置信息和经过该位置的初始时间信息对应的时间切片的第一对应关系存储。
基于第二方面，在一种可能的设计中，获取所述实体经过的所述多个位置的位置信息的步骤包括：获取所述实体经过的所述多个位置的初始位置信息；对所述初始位置信息所处的预设的地理位置范围进行区域划分，得到多个位置区域；针对所述实体的初始位置信息，确定该初始位置信息对应的位置区域；其中，所述对应的位置区域为该初始位置信息对应的位置的位置信息。
基于第二方面，在一种可能的设计中，所述装置还包括：第二去重单元，用于针对每个实体经过的位置区域，在该位置区域对应的时间切片中存在至少两个相同的第一时间切片时，将所述至少两个相同的第一时间切片去重，以使该位置与所述至少两个相同的第一时间切片中的一个时间切片对应；第二存储单元，用于针对每个实体的初始轨迹数据，将该实体经过的多个位置区域中的每个位置区域和经过该位置区域的初始时间信息对应的时间切片的第二对应关系存储。
基于第二方面，在一种可能的设计中，所述特征向量确定单元，具体用于获取初始化的特征向量；其中，所述初始化的特征向量中不同位置的元素表征不同的预设时间或不同的预设位置；基于每个实体的轨迹数据，确定该实体是否在预设时间经过预设位置；在确定该实体在所述预设时间经过所述预设位置时，将所述初始化的特征向量中与所述预设时间和所述预设位置对应的元素置1；在确定该实体在所述预设时间未经过所述预设位置时，将所述初始化的特征向量中与所述预设时间和所述预设位置对应的元素置0。
基于第二方面，在一种可能的设计中，所述装置还包括：筛选单元，用于确定出相似值大于预设值的两个实体的轨迹数据；发送单元，用于将所述两个实体的轨迹数据和与所述两个实体的轨迹数据对应的相似值发送至用户终端显示。
第三方面，本申请实施例提供一种电子设备，包括处理器以及与所述处理器连接的存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行第一方面所述的方法。
第四方面，本申请实施例提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行第一方面所述的方法。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，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申请的某些实施例，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本申请实施例提供的轨迹相似度确定方法的流程图。
图2申请实施例提供的轨迹相似度确定装置的结构示意图。
图3本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行描述。
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，在本申请的描述中，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。
请参照图1，图1为本申请实施例提供的一种轨迹相似度确定方法的流程图，所述方法包括步骤：S100、S200和S300。
S100：获取预设时间段内的至少两个实体中每个实体的轨迹数据；其中，所述轨迹数据包括：所述实体经过的多个位置的位置信息和经过所述多个位置中的每个位置的时间信息。
S200：基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量。
S300：基于至少两个实体的轨迹数据对应的特征向量，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值。
下面对上述方法进行详细介绍。
S100：获取预设时间段内的至少两个实体中每个实体的轨迹数据；其中，所述轨迹数据包括：所述实体经过的多个位置的位置信息和经过所述多个位置中的每个位置的时间信息。
作为一种实施方式，S100中的所述至少两个实体中每个实体的轨迹数据可以通过步骤A1、A2和A3获取。
A1：获取预设时间段内的至少两个实体中每个实体的初始轨迹数据；其中，所述初始轨迹数据包括：所述实体经过的所述多个位置的位置信息和经过所述多个位置中的每个位置的初始时间信息。
其中，所述至少两个实体可以相同类的实体，例如，车辆，也可以是不同类的实体，例如车辆和电话号码卡。其中，实体的类型不做限制。
在实际实施过程中，A1可以按照如下方式实施，在需要计算某段时间段内的不同实体的轨迹相似度时，通过输入待查询数据的第一时间和第二时间，得到在所述第一时间和所述第二时间范围内的所有实体的初始轨迹数据，其中，所述第一时间至所述第二时间的这段时间为所述预设时间段，所述轨迹数据包括：所述实体经过的多个位置的位置信息和经过所述多个位置中的每个位置的初始时间信息。
其中，所述预设时间段的时间范围根据用户需求设定。
例如：若所述第一时间为2019.12.8上午8点，所述第二时间为2019.12.8下午3点，查询到的轨迹数据为：
实体A的初始轨迹数据为：2019.12.8上午8点经过为A1位置，2019.12.8上午8点2分10秒经过为A2置，2019.12.8上午9点2分30秒经过为A3位置，2019.12.8上午9点5分15秒经过为A3位置，2019.12.8下午2点15分20秒经过为A4位置。
实体B的初始轨迹数据为：2019.12.8上午8点10分20秒经过为A1位置，2019.12.8上午8点2分30秒经过为A3位置，2019.12.8上午9点2分50秒经过为A3位置，2019.12.8上午9点5分经过为A2位置，2019.12.8下午2点40分30秒经过为A4位置。
实体C的初始轨迹数据为：2019.12.8上午8点10分3秒经过为A1位置，2019.12.8上午8点3分30秒经过为A2位置，2019.12.8下午1点2分经过为A3位置，2019.12.8上午9点6分经过为A3位置，2019.12.8下午1点30分30秒经过为A4位置。
作为一种实施方式，也可以通过输入待查询数据的第一时间和第二时间以及待查询的实体的至少两个实体的实体名称，得到在所述第一时间和所述第二时间范围内的至少两个实体的初始轨迹数据。
例如：若所述第一时间为2019.12.8上午8点，所述第二预设时间为2019.12.8下午3点，输入的至少两个实体的名称为实体A和实体C，那么查询到的初始轨迹数据为：
实体A的初始轨迹数据为：2019.12.8上午8点经过为A1位置，2019.12.8上午8点2分10秒经过为A2置，2019.12.8上午9点2分30秒经过为A3位置，2019.12.8上午9点5分15秒经过为A3位置，2019.12.8下午2点15分20秒经过为A4位置。
实体C的初始轨迹数据为：2019.12.8上午8点10分3秒经过为A1位置，2019.12.8上午8点3分30秒经过为A2位置，2019.12.8下午1点2分经过为A3位置，2019.12.8下午1点6分经过为A3位置，2019.12.8下午1点30分30秒经过为A4位置。
A2：基于预设时间间隔，对所述预设时间段所处的时间周期进行划分，得到多个时间切片。
其中，所述预设时间间隔可以为20分钟、30分钟、1小时等，根据用户需求设定，其中，针对同一预设时间段，所述预设时间间隔越长，所述多个时间切片的数量越少，反之越多。
其中，在本申请实施例中可以以一天作为一个时间周期，即一天的零点至当天的夜晚12点，在对一天的零点当天的夜晚12点进行时间划分时，以一天的零点开始，基于预设时间间隔进行划分，得到多个时间切片。
基于所述预设时间段，确定所述预设时间段所属时间周期，其中，所述预设时间段所属时间周期的数量可以为一个，也可以为两个等，继而基于所述预设时间间隔，在所述时间周期内对所述预设时间间断进行划分，得到多个时间切片。
例如，在所述预设时间段为2019.12.8上午8点至2019.12.8下午3点，所述预设时间段所处时间周期为2019.12.8这一天，假设预设时间间隔为1小时，那么对2019.12.8上午8点至2019.12.8下午3点进行时间切片，2019.12.8上午8点-2019.12.8上午8点59分59秒为一个时间切片2019120808，2019.12.8上午9点-2019.12.8上午9点59分59秒为一个时间切片2019120809，2019.12.8上午10点-2019.12.8上午10点59分59秒为一个时间切片2019120810，2019.12.8上午11点-2019.12.8上午11点59分59秒为一个时间切片2019120811，2019.12.8上午12点-2019.12.8上午12点59分59秒为一个时间切片2019120812，2019.12.8下午1点-2019.12.8下午1点59分59秒为一个时间切片2019120813，2019.12.8下午2点-2019.12.8下午2点59分59秒为一个时间切片2019120814，2019.12.8下午3点-2019.12.8下午3点59分59秒为一个时间切片2019120815。
例如：在所述预设时间段为2019.12.8晚上11点至2019.12.9凌晨2点，2019.12.8晚上11点-2019年晚上11点59分59秒所处时间周期为2019.12.8这一天，2019.12.9凌晨0点-2019.12.9凌晨2点所处时间周期为2019.12.9这一天，假设预设时间间隔为1小时，对2019.12.8晚上11点至2019.12.9凌晨2点进行时间切片，2019.12.8晚上11点-2019.12.8晚上11点59为一个时间切片2019120824，2019.12.9凌晨0点-2019.12.9凌晨0点59分59秒为一个时间切片2019120901，2019.12.9凌晨1点-2019.12.9凌晨1点59分59秒为一个时间切片2019120902，2019.12.9凌晨2点-2019.12.9凌晨2点59分59秒为一个时间切片2019120903。
A3：针对每个实体的初始时间信息，确定出该初始时间信息对应的时间切片；其中，所述对应的时间切片为该实体经过该初始时间信息对应的位置的时间信息。
针对每个实体的初始时间信息，将该初始时间信息与所述多个时间切片各自对应的时间段进行一一对比，在该初始时间信息表征的时间处于所述多个时间切片中的第二时间切片对应的时间段内时，确定该初始时间信息属于所述第二时间切片。
例如，实体A的初始轨迹数据为：2019.12.8上午8点经过为A1位置，2019.12.8上午8点2分10秒经过为A2置，2019.12.8上午9点2分30秒经过为A3位置，2019.12.8上午9点5分15秒经过为A3位置，2019.12.8下午2点15分20秒经过为A4位置。
那么，2019.12.8上午8点对应的时间切片为2019120808，2019.12.8上午8点2分10秒对应的时间切片为2019120808，2019.12.8上午9点2分30秒对应的时间切片为2019120809，2019.12.8上午9点5分15秒对应的时间切片为2019120809，2019.12.8下午2点15分20秒对应的时间切片为2019120814。
那么，将实体A的初始轨迹数据中的初始时间信息转换为时间切片之后，所述实体A的轨迹数据变为：
实体A经过A1位置的时间信息为2019120808，经过A2位置的时间信息为2019120808，经过A3位置的时间信息为2019120809，经过A4位置的时间信息为2019120814。
显然，经过时间切片处理，所述实体A的轨迹数据比所述实体A的初始轨迹数据中的数据量少。
作为一种实施方式，S100中的所述至少两个实体中每个实体的轨迹数据为步骤A1中的所述至少两个实体中每个实体的初始轨迹数据。
其中，获取S100中的所述实体经过的所述多个位置的位置信息有两种实现方式。
其中一种实现方式为通过执行步骤B1、B2和B3获取所述实体经过的所述多个位置的位置信息。
B1：获取所述实体经过的所述多个位置的初始位置信息。
在获取到所述实体的初始轨迹数据之后，从所述实体的初始轨迹数据中提取出所述实体经过的多个位置的初始位置信息。
例如，实体A的初始轨迹数据为：2019.12.8上午8点经过为A1位置，2019.12.8上午8点2分10秒经过为A2置，2019.12.8上午9点2分30秒经过为A3位置，2019.12.8上午9点5分15秒经过为A3位置，2019.12.8下午2点15分20秒经过为A4位置。
其中，A1位置的初始位置信息为A1，A2位置的初始位置信息为A2，A3位置的初始位置信息为A3，A4位置的初始位置信息为A4。
B2：对所述初始位置信息所处的预设的地理位置范围进行区域划分，得到多个位置区域。
其中，所述预设的地理位置范围根据用户需求设定，其中，所述至少两个实体的轨迹数据中的位置均属于所述预设的地理位置范围内。
作为一种实施方式，所述预设的地理位置范围可以根据获取到的所述至少两个实体的轨迹数据中包括的位置来确定，具体的，可以通过画一个圆形或者一个矩形，以使所述至少两个实体的轨迹数据中的位置均属于所述圆形或者矩形内。
作为一种实施方式，对预设的地理位置范围按照相同的区域面积进行区域划分，得到多个位置区域，可以理解的是，每个位置区域的面积相同，通过对每个位置区域进行命名，得到每个位置区域的名称，其中，不同位置区域的名称不同，不同的位置区域可以用不同的名称表示。其中，所述名称可以由编号表示，也可以用道路名称表示等。
作为一种实施方式，对预设的地理位置范围按照相同的形状和大小进行区域划分，得到多个位置区域，以理解的是，每个位置区域的大小和形状相同，其中，位置区域的形状可以为长方形、六边形等规则图形，通过对每个位置区域进行命名，得到各个位置区域的名称，其中，不同位置区域的名称不同。
作为一种实施方式，可以根据建筑物、路标等方式对预设的地理位置范围进行区域划分，得到多个位置区域；其中，每个位置区域的形状、大小、面积可以不同。
B3：针对所述实体的初始位置信息，确定该初始位置信息对应的位置区域；其中，所述对应的位置区域为该初始位置信息对应的位置的位置信息。
针对所述实体的初始位置信息，将该初始位置信息与所述多个位置区域各自对应的地理位置进行一一对比，在该初始位置信息表征的位置位于所述多个位置区域中的第一位置区域对应的地理位置上时，确定该初始时间位置信息对应所述第一位置区域。
例如：实体A的初始轨迹数据为：2019.12.8上午8点经过为A1位置，2019.12.8上午8点2分10秒经过为A2置，2019.12.8上午9点2分30秒经过为A3位置，2019.12.8上午9点5分15秒经过为A3位置，2019.12.8下午2点15分20秒经过为A4位置。
假设A1位置的初始位置信息为A1对应位置区域为100，A2位置的初始位置信息为A2对应的位置区域100，A3位置的初始位置信息对应位置区域101，A4位置的初始位置信息位置区域对应位置区域102。
那么，实体A的轨迹数据为：2019.12.8上午8点经过为100位置区域，2019.12.8上午8点2分10秒经过为位置区域100，2019.12.8上午9点2分30秒经过为位置区域101，2019.12.8上午9点5分15秒经过为102位置区域，2019.12.8下午2点15分20秒经过为位置区域102。
若2019.12.8上午8点对应的时间切片为2019120808，2019.12.8上午8点2分10秒对应的时间切片为2019120808，2019.12.8上午9点2分30秒对应的时间切片为2019120809，2019.12.8上午9点5分15秒对应的时间切片为2019120809，2019.12.8下午2点15分20秒对应的时间切片为2019120814。
那么实体A的轨迹数据为：实体A经过位置区域100的时间信息为2019120808，经过为位置区域101的时间信息为2019120809，经过为位置区域102的时间信息为2019120814，进一步减少实体A的轨迹数据的数据量。
其中，获取S100中的所述实体经过的所述多个位置的位置信息的另外一种实现方式是，利用步骤B1获取所述实体经过的所述多个位置的初始位置信息，并将所述初始位置信息作为所述位置信息。
S200：基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量。
作为一种实施方式，S200包括步骤：C1、C2、C3和C4。
C1：获取初始化的特征向量；其中，所述初始化的特征向量中不同位置的元素表征不同的预设时间或不同的预设位置。
在获取到所述至少两个实体的轨迹数据之后，基于所述至少两个实体轨迹数据中包括的位置信息和时间信息确定所述初始化的特征向量的维度，其中，所述初始化的特征向量的维度大小位置信息的个数与时间信息的个数的积，以使所述初始化的特征向量中不同位置的元素表征不同的预设时间或不同的预设位置。
其中，所述预设时间为所述至少两个实体轨迹数据中包括的各个时间信息，所述预设位置为所述至少两个实体轨迹数据中包括的各个位置信息。
其中，所述初始化的特征向量中的元素值可以相同，也可以不同，可以用全0表示，可以用全1表示，也可以用1，2，3等不同的数字表示。
例如，所述至少两个实体中实体A的轨迹数据为表1所示，实体C的轨迹数据为表2所述。
表1
表2
由于所述至少两个实体轨迹数据中包括的位置信息为位置区域100和位置区域101，时间信息包括：2019081416、2019081417、2019081418、2019081419，因此，所述初始化特征向量为维度为8*1的列向量或者为维度为1*8的行向量，请参照表3。
表3
表3中的所述初始化特征向量中的第一个元素表示实体是否在2019081416经过位置区域100，第二个元素表示实体是否在2019081416经过位置区域101，第三个元素表示实体是否在2019081417经过位置区域100，第四个元素表示实体是否在2019081417经过位置区域101，…。
C2：基于每个实体的轨迹数据，确定该实体是否在预设时间经过预设位置。
针对所述初始化特征向量中的每个元素，将该元素对应的预设时间和预设位置与该实体的轨迹数据进行一一对比，其中，对比的方式可以为，针对所述对应的预设时间，确定该实体的轨迹数据中是否存在所述对应的预设时间，在确定该实体的轨迹数据中存在所述对应的时间时，确定该实体在所述对应的时间经过的位置是否和所述对应的预设位置相同，若相同，则表征该实体在所述预设时间经过所述预设位置，若不同，则表征该实体在所述预设时间未经过所述预设位置。在其他实施例中，也可以采用其他方式进行对比。
C3：确定该实体在所述预设时间经过所述预设位置时，将所述初始化的特征向量中与所述预设时间和所述预设位置对应的元素置1。
C4：确定该实体在所述预设时间未经过所述预设位置时，将所述初始化的特征向量中与所述预设时间和所述预设位置对应的元素置0。
通过执行步骤C1、C2和/或C3，得到每个实体的轨迹数据对应的特征向量。例如，根据表1中的实体A的轨迹数据，可以得到实体A的轨迹数据对应的特征向量，请参照表4。
表4
在获取到所述至少两个实体中任意两个实体的轨迹数据对应的特征向量之后，执行S300，或者获取到所述至少两个实体中每个实体的轨迹数据对应的特征向量之后，执行S300。
S300：基于至少两个实体的轨迹数据对应的特征向量，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值。
针对所述至少两个实体中任意两个实体的轨迹数据对应的特征向量，计算所述任意两个实体的轨迹数据对应的特征向量的余弦值，其中，所述余弦值为所述相似值。其中，两个特征向量之间的余弦值的计算方式为本领域熟知技术，因此，在此不再赘述。值得一提的是，若两条轨迹的轨迹数据的相似值越大，表征该两条轨迹越相似，这两条轨迹越容易发生碰撞，反之，越不相似，越不容易发生碰撞。
作为一种实施方式，在S300之后，所述方法还包括步骤：D1和D2。
D1：确定出相似值大于预设值的两个实体的轨迹数据。
其中，所述预设值可以根据用户需求设定。
在确定出所述至少两个实体中的两个实体的轨迹数据的相似值之后，将所述相似值与所述预设值进行大小比较，根据比较结果确定出相似值大于预设值的两个实体的轨迹数据。
D2：将所述两个实体的轨迹数据和与所述两个实体的轨迹数据对应的相似值发送至用户终端显示。
例如：若所述预设值为0.8，实体A的轨迹数据和实体B的轨迹数据的相似值为0.9，实体A的轨迹数据和实体C的轨迹数据为0.7，所述实体B的轨迹数据和所述实体C的轨迹数据的相似值为0.85。
因此，将所述实体A的轨迹数据和实体B的轨迹数据以及相似值0.9对应的发送给所述用户终端显示，并将实体B的轨迹数据和实体C的轨迹数据，以及相似值0.85对应的发送给所述用户终端显示。
作为一种实施方式，所述方法还包括步骤：E1和E2。
E1：针对每个实体的位置，在该位置对应的时间切片中存在至少两个相同的时间切片时，将所述至少两个相同的时间切片去重，以使该位置与所述至少两个相同的时间切片中的一个时间切片对应。
例如，实体A的初始轨迹数据为：2019.12.8上午8点经过为A1位置，2019.12.8上午8点2分10秒经过为A2置，2019.12.8上午9点2分30秒经过为A3位置，2019.12.8上午9点5分15秒经过为A3位置，2019.12.8下午2点15分20秒经过为A4位置。
2019.12.8上午8点对应的时间切片为2019120808，2019.12.8上午8点2分10秒对应的时间切片为2019120808，2019.12.8上午9点2分30秒对应的时间切片为2019120809，2019.12.8上午9点5分15秒对应的时间切片为2019120809，2019.12.8下午2点15分20秒对应的时间切片为2019120814。
由于2019.12.8上午9点2分30秒对应的时间切片为2019120809，2019.12.8上午9点5分15秒对应的时间切片为2019120809，且时间切片为2019120809对应的位置为A3位置，因此，A3位置对应的时间切片中存在两个相同的时间切片2019120809，因此，将所述相同的时间切片进行去重，使得A3位置对应所述两个相同的视角切片中的一个时间切片2019120809。
针对每个实体的位置，在执行了时间切片去重之后，执行步骤E2。
E2：针对每个实体的初始轨迹数据，将该实体经过的所述多个位置中的每个位置的位置信息和经过该位置的初始时间信息对应的时间切片的第一对应关系存储。
例如，实体A的初始轨迹数据为：2019.12.8上午8点经过为A1位置，2019.12.8上午8点2分10秒经过为A2置，2019.12.8上午9点2分30秒经过为A3位置，2019.12.8上午9点5分15秒经过为A3位置，2019.12.8下午2点15分20秒经过为A4位置。
2019.12.8上午8点对应的时间切片为2019120808，2019.12.8上午8点2分10秒对应的时间切片为2019120808，2019.12.8上午9点2分30秒对应的时间切片为2019120809，2019.12.8上午9点5分15秒对应的时间切片为2019120809，2019.12.8下午2点15分20秒对应的时间切片为2019120814。
在对所述实体A的初始轨迹中的数据去重之后，得到的所述实体A的第一对应关系为：时间切片2019120808与A1位置对应，时间切片2019120808与A2位置对应，时间切片2019120809与A3位置对应，时间切片2019120814与A4位置对应，可以以表4的方式将所述第一对应关系存储。
作为一种实施方式，所述方法还包括步骤：F1和F2。
F1：针对每个实体经过的位置区域，在该位置区域对应的时间切片中存在至少两个相同的第一时间切片时，将所述至少两个相同的第一时间切片去重，以使该位置与所述至少两个相同的第一时间切片中的一个时间切片对应。
F2：针对每个实体的初始轨迹数据，将该实体经过的多个位置区域中的每个位置区域和经过该位置区域的初始时间信息对应的时间切片的第二对应关系存储。
其中，F1和F2的具体实施方式请参照步骤E1和E2，因此，在此不再赘述。
实施例中都没有描述到技术效果
请参照图2，图2为本申请实施例提供的一种轨迹相似度确定装置的结构示意图，所述装置包括：
轨迹获取单元410，用于获取预设时间段内的至少两个实体中每个实体的轨迹数据；其中，所述轨迹数据包括：所述实体经过的多个位置的位置信息和经过所述多个位置中的每个位置的时间信息。
特征向量确定单元420，用于基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量。
相似值确定单元430，用于基于至少两个实体的轨迹数据对应的特征向量，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值。
作为一种实施方式，所述轨迹获取单元410，具体用于获取预设时间段内的至少两个实体中每个实体的初始轨迹数据；其中，所述初始轨迹数据包括：所述实体经过的所述多个位置的位置信息和经过所述多个位置中的每个位置的初始时间信息；基于预设时间间隔，对所述预设时间段所处的时间周期进行划分，得到多个时间切片；针对每个实体的初始时间信息，确定出该初始时间信息对应的时间切片；其中，所述对应的时间切片为该实体经过该初始时间信息对应的位置的时间信息。
作为一种实施方式，所述装置还包括：第一去重单元，用于针对每个实体的位置，在该位置对应的时间切片中存在至少两个相同的时间切片时，将所述至少两个相同的时间切片去重，以使该位置与所述至少两个相同的时间切片中的一个时间切片对应；第一存储单元，用于针对每个实体的初始轨迹数据，将该实体经过的所述多个位置中的每个位置的位置信息和经过该位置的初始时间信息对应的时间切片的第一对应关系存储。
作为一种实施方式，获取所述实体经过的所述多个位置的位置信息的步骤包括：获取所述实体经过的所述多个位置的初始位置信息；对预设的地理位置范围进行区域划分，得到多个位置区域；针对所述实体的初始位置信息，确定该初始位置信息对应的位置区域；其中，所述对应的位置区域为该初始位置信息对应的位置的位置信息。
作为一种实施方式，所述装置还包括：第二去重单元，用于针对每个实体经过的位置区域，在该位置区域对应的时间切片中存在至少两个相同的第一时间切片时，将所述至少两个相同的第一时间切片去重，以使该位置与所述至少两个相同的第一时间切片中的一个时间切片对应；第二存储单元，用于针对每个实体的初始轨迹数据，将该实体经过的多个位置区域中的每个位置区域和经过该位置区域的初始时间信息对应的时间切片的第二对应关系存储。
作为一种实施方式，所述特征向量确定单元420，具体用于获取初始化的特征向量；其中，所述初始化的特征向量中不同位置的元素表征不同的预设时间或不同的预设位置；基于每个实体的轨迹数据，确定该实体是否在预设时间经过预设位置；在确定该实体在所述预设时间经过所述预设位置时，将所述初始化的特征向量中与所述预设时间和所述预设位置对应的元素置1；在确定该实体在所述预设时间未经过所述预设位置时，将所述初始化的特征向量中与所述预设时间和所述预设位置对应的元素置0。
作为一种实施方式，所述装置还包括：筛选单元，用于确定出相似值大于预设值的任意两个实体的轨迹数据；发送单元，用于将所述任意两个实体的轨迹数据和与所述任意两个实体的轨迹数据对应的相似值发送至用户终端显示。
本实施例对的各功能单元实现各自功能的过程，请参见上述图1所示实施例中描述的内容，此处不再赘述。
请参照图3，图3为本申请实施例提供的一种电子设备100的结构示意图，在本申请实施例中，电子设备100可以是平板电脑、智能手机、个人数字助理(personal digitalassistant，PDA)等。
电子设备100可以包括：存储器102、处理101、通信接口103和通信总线，通信总线用于实现这些组件的连接通信。
存储器102用于存储至少两个实体的轨迹数据和表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值，以及本申请实施例提供的轨迹相似度确定方法及装置对应的计算程序指令等各种数据，其中，存储器102可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable ProgrammableRead-Only Memory，EPROM)等。
处理器101用于读取并运行存储于存储器中的与轨迹相似度确定方法对应的计算机程序指令时，获取预设时间段内的至少两个实体中每个实体的轨迹数据；其中，所述轨迹数据包括：所述实体经过的多个位置的位置信息和经过所述多个位置中的每个位置的时间信息；并基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量；继而基于至少两个实体的轨迹数据对应的特征向量，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值。
其中，处理器101可能是一种集成电路芯片，具有信号的处理能力。上述的处理器101可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、分立门或者晶体管逻辑器件、分立硬件组件。
通信接口103，用于将所述任意两个实体的轨迹数据和与所述任意两个实体的轨迹数据对应的相似值发送至用户终端显示。
此外，本申请实施例还提供了一种存储介质，在该存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行本申请任一项实施方式所提供的方法。
综上所述，本申请各实施例提出的轨迹相似度确定方法、装置、电子设备及存储介质，现有技术通过将任意两个实体的轨迹数据中的各个时间信息和地点信息进行一一对比，得到任意两个实体的轨迹数据的相似度的值相比，由于现有技术直接使用轨迹数据进行比较来计算相似度，因此，在实体的轨迹数据的数据量比较大时，存在运算量巨大的问题，因此，在本申请中，通过将所述至少两个实体中每个实体的轨迹数据转换为特征向量，继而通过确定特征向量之间的相似值来确定任意两个实体的轨迹数据的相似度，与现有技术相比，降低运算量。
在本申请所提供的实施例中，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申请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装置来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请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。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (7)
1.一种轨迹相似度确定方法，其特征在于，所述方法包括：
获取预设时间段内的至少两个实体中每个实体的轨迹数据；其中，所述轨迹数据包括：所述实体经过的多个位置的位置信息和经过所述多个位置中的每个位置的时间信息；
基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量；
基于至少两个实体的轨迹数据对应的特征向量，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值；
其中，获取预设时间段内至少两个实体中每个实体的轨迹数据，包括：
获取预设时间段内的至少两个实体中每个实体的初始轨迹数据；其中，所述初始轨迹数据包括：所述实体经过的所述多个位置的位置信息和经过所述多个位置中的每个位置的初始时间信息；
基于预设时间间隔，对所述预设时间段所处的时间周期进行划分，得到多个时间切片；
针对每个实体的初始时间信息，确定出该初始时间信息对应的时间切片；其中，所述对应的时间切片为该实体经过该初始时间信息对应的位置的时间信息；
其中，获取所述实体经过的所述多个位置的位置信息的步骤包括：
获取所述实体经过的所述多个位置的初始位置信息；
对所述初始位置信息所处的预设的地理位置范围进行区域划分，得到多个位置区域；
针对所述实体的初始位置信息，确定该初始位置信息对应的位置区域；其中，所述对应的位置区域为该初始位置信息对应的位置的位置信息；
其中，所述方法还包括：
针对每个实体的位置，在该位置对应的时间切片中存在至少两个相同的时间切片时，将所述至少两个相同的时间切片去重，以使该位置与所述至少两个相同的时间切片中的一个时间切片对应；
针对每个实体的初始轨迹数据，将该实体经过的所述多个位置中的每个位置的位置信息和经过该位置的初始时间信息对应的时间切片的第一对应关系存储。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
针对每个实体经过的位置区域，在该位置区域对应的时间切片中存在至少两个相同的第一时间切片时，将所述至少两个相同的第一时间切片去重，以使该位置与所述至少两个相同的第一时间切片中的一个时间切片对应；
针对每个实体的初始轨迹数据，将该实体经过的多个位置区域中的每个位置区域和经过该位置区域的初始时间信息对应的时间切片的第二对应关系存储。
3.根据权利要求1所述的方法，其特征在于，基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量，包括：
获取初始化的特征向量；其中，所述初始化的特征向量中不同位置的元素表征不同的预设时间或不同的预设位置；
基于每个实体的轨迹数据，确定该实体是否在预设时间经过预设位置；
在确定该实体在所述预设时间经过所述预设位置时，将所述初始化的特征向量中与所述预设时间和所述预设位置对应的元素置1；
在确定该实体在所述预设时间未经过所述预设位置时，将所述初始化的特征向量中与所述预设时间和所述预设位置对应的元素置0。
4.根据权利要求1所述方法，其特征在于，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值之后，所述方法还包括：
确定出相似值大于预设值的两个实体的轨迹数据；
将所述两个实体的轨迹数据和与所述两个实体的轨迹数据对应的相似值发送至用户终端显示。
5.一种轨迹相似度确定装置，其特征在于，所述装置包括：
轨迹获取单元，用于获取预设时间段内的至少两个实体中每个实体的轨迹数据；其中，所述轨迹数据包括：所述实体经过的多个位置的位置信息和经过所述多个位置中的每个位置的时间信息；
特征向量确定单元，用于基于每个实体的轨迹数据，确定出与该实体的轨迹数据对应的特征向量；
相似值确定单元，用于基于至少两个实体的轨迹数据对应的特征向量，确定表征所述至少两个实体中任意两个实体的轨迹数据相似程度的相似值；
其中，所述轨迹获取单元，具体用于获取预设时间段内的至少两个实体中每个实体的初始轨迹数据；其中，所述初始轨迹数据包括：所述实体经过的所述多个位置的位置信息和经过所述多个位置中的每个位置的初始时间信息；基于预设时间间隔，对所述预设时间段所处的时间周期进行划分，得到多个时间切片；针对每个实体的初始时间信息，确定出该初始时间信息对应的时间切片；其中，所述对应的时间切片为该实体经过该初始时间信息对应的位置的时间信息；
其中，获取所述实体经过的所述多个位置的位置信息的步骤包括：获取所述实体经过的所述多个位置的初始位置信息；对预设的地理位置范围进行区域划分，得到多个位置区域；针对所述实体的初始位置信息，确定该初始位置信息对应的位置区域；其中，所述对应的位置区域为该初始位置信息对应的位置的位置信息；
其中，所述装置还包括：
第一去重单元，用于针对每个实体的位置，在该位置对应的时间切片中存在至少两个相同的时间切片时，将所述至少两个相同的时间切片去重，以使该位置与所述至少两个相同的时间切片中的一个时间切片对应；
第一存储单元，用于针对每个实体的初始轨迹数据，将该实体经过的所述多个位置中的每个位置的位置信息和经过该位置的初始时间信息对应的时间切片的第一对应关系存储。
6.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器中存储有计算机程序指令，其特征在于，所述计算机程序指令被所述处理器读取并运行时，执行如权利要求1-4中任一项所述的方法。
7.一种存储介质，其特征在于，所述存储介质上存储有计算机程序指令，所述计算机程序指令被计算机读取并运行时，执行如权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911335072.0A CN111046128B (zh) | 2019-12-20 | 2019-12-20 | 轨迹相似度确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911335072.0A CN111046128B (zh) | 2019-12-20 | 2019-12-20 | 轨迹相似度确定方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111046128A CN111046128A (zh) | 2020-04-21 |
| CN111046128B true CN111046128B (zh) | 2024-01-19 |
Family
ID=70238644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911335072.0A Active CN111046128B (zh) | 2019-12-20 | 2019-12-20 | 轨迹相似度确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111046128B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112131278A (zh) * | 2020-09-28 | 2020-12-25 | 浙江大华技术股份有限公司 | 轨迹数据的处理方法及装置、存储介质、电子装置 |
| CN114155391B (zh) * | 2022-01-30 | 2022-08-19 | 浙江口碑网络技术有限公司 | 轨迹处理方法、装置及计算机设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006116549A2 (en) * | 2005-04-27 | 2006-11-02 | Ticketmaster | Methods and systems for determining user location |
| CN105787104A (zh) * | 2016-03-21 | 2016-07-20 | 百度在线网络技术（北京）有限公司 | 用户属性信息的获取方法和装置 |
| CN106790468A (zh) * | 2016-12-10 | 2017-05-31 | 武汉白虹软件科技有限公司 | 一种分析用户WiFi活动轨迹规律的分布式实现方法 |
| CN107194434A (zh) * | 2017-06-16 | 2017-09-22 | 中国矿业大学 | 一种基于时空数据的移动对象相似度计算方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100082611A1 (en) * | 2008-09-23 | 2010-04-01 | Yahoo! Inc. | Trajectory Data Surfacing System: Surfacing Useful and Relevant Entity Annotations |
-
2019
- 2019-12-20 CN CN201911335072.0A patent/CN111046128B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006116549A2 (en) * | 2005-04-27 | 2006-11-02 | Ticketmaster | Methods and systems for determining user location |
| CN105787104A (zh) * | 2016-03-21 | 2016-07-20 | 百度在线网络技术（北京）有限公司 | 用户属性信息的获取方法和装置 |
| CN106790468A (zh) * | 2016-12-10 | 2017-05-31 | 武汉白虹软件科技有限公司 | 一种分析用户WiFi活动轨迹规律的分布式实现方法 |
| CN107194434A (zh) * | 2017-06-16 | 2017-09-22 | 中国矿业大学 | 一种基于时空数据的移动对象相似度计算方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111046128A (zh) | 2020-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210385610A1 (en) | Determining geofence based on user locations | |
| CN111046128B (zh) | 轨迹相似度确定方法、装置、电子设备及存储介质 | |
| CN110888866B (zh) | 数据扩充方法、装置、数据处理设备及存储介质 | |
| US11514670B2 (en) | Quantitative geospatial analytics of device location data | |
| CN111310784B (zh) | 资源数据的处理方法及装置 | |
| CN110825894A (zh) | 数据索引建立、数据检索方法、装置、设备和存储介质 | |
| CN108961019B (zh) | 一种用户账户的检测方法和装置 | |
| CN110619039A (zh) | 一种房产信息的校验方法、装置、存储介质及电子设备 | |
| CN111597279B (zh) | 基于深度学习的信息预测方法及相关设备 | |
| CN115690672A (zh) | 异常图像识别方法、装置、计算机设备和存储介质 | |
| CN108932525B (zh) | 一种行为预测方法及装置 | |
| CN114328785A (zh) | 提取道路信息的方法和装置 | |
| CN115481242A (zh) | 地址文本聚类方法、装置和设备 | |
| CN111275071B (zh) | 预测模型训练、预测方法、装置及电子设备 | |
| CN111382220A (zh) | 一种poi数据划分方法和装置 | |
| CN111737374B (zh) | 位置坐标确定方法、装置、电子设备及存储介质 | |
| CN109189773B (zh) | 一种数据修复方法及装置 | |
| CN110807482A (zh) | 相同房源检测方法、装置和存储介质 | |
| CN113420101B (zh) | 一种地理信息处理方法、装置、电子设备及存储介质 | |
| CN111008343B (zh) | 一种基于区域的内容推荐方法、装置、平台及存储介质 | |
| CN111104822B (zh) | 人脸朝向识别方法、装置及电子设备 | |
| CN111339434A (zh) | 信息推荐方法、装置、电子设备及计算机存储介质 | |
| CN113743736A (zh) | 热力等级确定方法、热力图生成方法、装置和电子设备 | |
| CN116958149B (zh) | 医疗模型训练方法、医疗数据分析方法、装置及相关设备 | |
| CN114691523B (zh) | 一种gps系统调测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |