CN111159582B - 一种移动对象轨迹数据的处理方法及装置 - Google Patents
一种移动对象轨迹数据的处理方法及装置 Download PDFInfo
- Publication number
- CN111159582B CN111159582B CN201911327405.5A CN201911327405A CN111159582B CN 111159582 B CN111159582 B CN 111159582B CN 201911327405 A CN201911327405 A CN 201911327405A CN 111159582 B CN111159582 B CN 111159582B
- Authority
- CN
- China
- Prior art keywords
- track
- point
- stay
- region
- track point
- 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 60
- 238000012545 processing Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 17
- 238000003672 processing method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种移动对象轨迹数据的处理方法及装置,其中方法包括:获取待处理轨迹数据,待处理轨迹数据包含多个轨迹点数据;基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到待处理轨迹数据对应的多个聚类簇,每一聚类簇中至少包含一个轨迹点;将所得到的聚类簇确定为待处理轨迹数据的停留区域。本发明实施例,能够提高提取移动对象停留区域的准确度。
Description
技术领域
本发明涉及移动对象数据处理技术领域,特别是涉及一种移动对象轨迹数据的处理方法及装置。
背景技术
轨迹数据是时空环境下,通过对一个或多个移动对象运动过程的采样所获得的数据,包括采样点位置、采样时间、速度等,这些采样点数据信息根据采样先后顺序构成了轨迹数据。轨迹数据中也可以包含移动对象的运行时间以及经纬度信息等,还可能隐含有如移动对象的出行方式、行为习惯或兴趣点位置等信息。对移动对象的轨迹数据进行处理,提取移动对象的停留区域,既有利于对移动对象轨迹特征的分析,也是对移动对象轨迹进行深度挖掘的基础。
现有对移动对象停留区域的提取方法为:获取移动对象的轨迹数据,该轨迹数据中包含移动对象的运动速度;沿时间轴将一预先设定的时间段内速度小于一预先设定的速度阈值对应的轨迹点组成一个区域,得到多个区域;针对得到的每一区域,将该区域中所有轨迹点的速度求和之后求平均,得到的平均值作为该区域的轨迹点速度;将每一区域对应的轨迹点速度与另一预先设定的速度阈值进行比较,并将轨迹点速度小于该另一预先设定的速度阈值对应的区域确定为停留区域。
现有技术在对移动对象停留区域提取过程中,需要预先设定上述时间段,而实际应用中,因地理环境位置的不同,不同的轨迹数据需要设置的时间段可能不同,如果时间段设置不合理,就会使得提取到的停留区域不准确,且,如果轨迹数据存在缺失,而移动对象可能去了其他地方,导致此轨迹点的速度很小,停留时间也很长,那么该轨迹点就会被判断为伪停留点,进而很难准确的反映移动对象的运行轨迹。
发明内容
本发明实施例的目的在于提供一种移动对象轨迹数据的处理方法及装置,以提高提取移动对象停留区域的准确度。具体技术方案如下:
第一方面,本发明实施例提供了一种移动对象轨迹数据的处理方法,所述方法包括:
获取待处理轨迹数据,所述待处理轨迹数据包含多个轨迹点数据;
基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到所述待处理轨迹数据对应的多个聚类簇,每一聚类簇中至少包含一个轨迹点;
将所得到的聚类簇确定为所述待处理轨迹数据的停留区域,所述停留区域表示所述待处理轨迹数据中移动对象停留的轨迹点。
可选地,所述将所得到的聚类簇确定为所述待处理轨迹数据的停留区域之后,所述方法还包括:
基于所述预设的速度阈值和时间阈值,以及预设的最小间隔点数,对所述待处理轨迹数据的停留区域进行合并处理,得到所述待处理轨迹数据合并后的的停留区域。
可选地,所述将所得到的聚类簇确定为所述待处理轨迹数据的停留区域之后,所述方法还包括:
针对每一停留区域,计算该停留区域中所有轨迹点的算术平均坐标;
根据所述停留区域的算术平均坐标,调用预设的电子地图应用程序接口,获取所述停留区域的算术平均坐标对应的位置信息,并基于所述位置信息对所述停留区域进行语义标注,所述语义标注用于对所述停留区域所在的位置进行标注。
可选地,所述基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到所述待处理轨迹数据对应的多个聚类簇的步骤,包括:
基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,在时间轴上遍历所述待处理轨迹数据中的每一轨迹点,从所述待处理轨迹数据的轨迹点中确定核心停留点,以及该核心停留点对应的邻域;
将所有的所述核心停留点作为核心停留点集合;
以所述核心停留点集合中任一核心停留点为种子,查找所述种子邻域内的轨迹点,生成聚类簇。
可选地,所述基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,在时间轴上遍历所述待处理轨迹数据中的每一轨迹点,从所述待处理轨迹数据的轨迹点中确定核心停留点,以及该核心停留点对应的邻域的步骤,包括:
在时间轴上遍历所述待处理轨迹数据中的每一轨迹点,计算该轨迹点对应的第二轨迹点与该轨迹点对应的第一轨迹点之间的时间差;所述轨迹点对应的第一轨迹点为:在时间轴上向该轨迹点之前逐个搜索速度小于所述速度阈值的轨迹点,至轨迹点的速度不小于所述速度阈值,搜索得到的与该轨迹点在时间上距离最远的轨迹点;所述轨迹点对应的第二轨迹点为:在时间轴上向该轨迹点之后逐个搜索速度小于所述速度阈值的轨迹点,至轨迹点的速度不小于所述速度阈值,搜索得到的与该轨迹点在时间上距离最远的轨迹点;
判断所述时间差是否大于所述时间阈值;
如果所述时间差大于所述时间阈值,则将所述轨迹点确定为核心停留点,并将所述轨迹点对应的第一轨迹点与第二轨迹点之间的轨迹点确定为该轨迹点的邻域点。
可选地,所述基于所述预设的速度阈值和时间阈值,以及预设的最小间隔点数,对所述待处理轨迹数据的停留区域进行合并处理的步骤,包括:
针对任意两个停留区域,判断时间轴上第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是否为同一个轨迹点;所述第一个停留区域的第二轨迹点为:第一个停留区域中在时间上处于最晚的轨迹点,所述第二个停留区域的第一轨迹点为:第二个停留区域中在时间上处于最早的轨迹点;
如果所述第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是同一个轨迹点,则将所述第一个停留区域与所述第二个停留区域合并;
如果所述第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点不是同一个轨迹点,则判断所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间间隔的轨迹点个数是否小于所述最小间隔点数,并判断时间轴上所述第一个停留区域的第一轨迹点,至所述第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度是否小于所述速度阈值,并判断所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间的时间间隔是否小于所述时间阈值;所述第一个停留区域的第一轨迹点为:第一个停留区域中在时间上处于最早的轨迹点,所述第二个停留区域的第二轨迹点为:第二个停留区域中在时间上处于最晚的轨迹点;
如果所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间间隔的轨迹点个数小于所述最小间隔点数,时间轴上所述第一个停留区域的第一轨迹点,至所述第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度小于所述速度阈值,所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间的时间间隔小于所述时间阈值,则将所述第一个停留区域与所述第二个停留区域合并。
第二方面,本发明实施例提供了一种移动对象轨迹数据的处理装置,所述装置包括:
获取模块,用于获取待处理轨迹数据,所述待处理轨迹数据包含多个轨迹点数据;
聚类模块,用于基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到所述待处理轨迹数据对应的多个聚类簇,每一聚类簇中至少包含一个轨迹点;
确定模块,用于将所得到的聚类簇确定为所述待处理轨迹数据的停留区域,所述停留区域表示所述待处理轨迹数据中移动对象停留的轨迹点。
可选地,所述装置还包括:
计算模块,用于针对每一停留区域,计算该停留区域中所有轨迹点的算术平均坐标;
标注模块,用于根据所述停留区域的算术平均坐标,调用预设的电子地图应用程序接口,获取所述停留区域的算术平均坐标对应的位置信息,并基于所述位置信息对所述停留区域进行语义标注,所述语义标注用于对所述停留区域所在的位置进行标注。
第三方面,本发明实施例还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面所述的一种移动对象轨迹数据的处理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述第一方面所述的一种移动对象轨迹数据的处理方法。
本发明实施例有益效果:
本发明实施例提供的一种移动对象轨迹数据的处理方法及装置,通过获取待处理轨迹数据,该待处理轨迹数据包含多个轨迹点数据,然后,基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到待处理轨迹数据对应的多个聚类簇,再将所得到的聚类簇确定为待处理轨迹数据的停留区域。本发明实施例中,由于能够基于预设的速度阈值和时间阈值,采用密度聚类算法,对待处理轨迹数据中时间上连续的满足预设条件的轨迹点进行聚类,不需要设置时间段,且在使用密度聚类算法对轨迹点进行聚类的过程中,将各轨迹点的速度以及各轨迹点之间的时间间隔作为聚类的条件,与时间段的设置没有关系,能够避免出现轨迹数据缺失或时间段设置不合理所导致的提取到的停留区域不准确现象,进而能够提高提取移动对象停留区域的准确度。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明实施例提供的一种移动对象轨迹数据的处理方法的流程示意图;
图2为本发明实施例提供的另一种移动对象轨迹数据的处理方法的流程示意图;
图3为本发明实施例提供的一种对停留区域合并的实施方式流程图;
图4为本发明实施例提供的再一种移动对象轨迹数据的处理方法的流程示意图;
图5为本发明实施例提供的一种对轨迹点聚类的实施方式流程图;
图6为本发明实施例提供的一种确定核心停留点的实施方式流程图;
图7为本发明实施例提供的一种移动对象轨迹数据的处理装置的结构示意图;
图8为本发明实施例提供的另一种移动对象轨迹数据的处理装置的结构示意图;
图9为本发明实施例提供的再一种移动对象轨迹数据的处理装置的结构示意图;
图10为本发明实施例提供的一种聚类模块的结构示意图;
图11为本发明实施例提供的一种确定子模块的结构示意图;
图12为本发明实施例提供的一种合并模块的结构示意图;
图13为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
为了解决现有对移动对象停留区域提取过程中,时间段设置不合理,导致提取到的停留区域不准确的问题,本发明实施例提供了一种移动对象轨迹数据的处理方法及装置。
下面首先对本发明实施例所提供的一种移动对象轨迹数据的处理方法进行介绍。
如图1所示,图1为本发明实施例提供的一种移动对象轨迹数据的处理方法的流程示意图,该方法可以包括:
S101、获取待处理轨迹数据。
本发明实施例中,基于对移动对象运动轨迹的监控或跟踪,可以获取移动对象的运动轨迹数据。示例性的,移动对象可以是人、动物或车辆、设备等等,可以使用GPS(GlobalPositioning System,全球定位系统)对移动对象的运动轨迹进行监控或跟踪,进而获取该移动对象的运动轨迹数据,再进一步对所获取的轨迹数据进行处理。
可以理解的,所获取的待处理轨迹数据中可以包含多个轨迹点数据。示例性的,每一轨迹数据可以包含该轨迹的序号或编号、该轨迹中每一轨迹点的经纬度坐标,以及该轨迹中每一轨迹点采集时的时间、速度等数据。
S102、基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到待处理轨迹数据对应的多个聚类簇。
针对所获取的待处理轨迹数据,可以基于预先设置的速度阈值和时间阈值,采用密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到待处理轨迹数据对应的多个聚类簇,其中,每一聚类簇中至少可以包含一个轨迹点,具体的聚类过程在下文进行详细介绍。
其中,时间上连续表示所获取的待处理轨迹数据中各轨迹点在采集的时间上是连续的,例如,1秒钟采集一个轨迹点数据,或5秒钟、30秒钟采集一个轨迹点数据,那么相邻轨迹点之间的时间隔间分别为1秒钟、5秒钟、30秒钟。速度阈值和时间阈值的设置,本领域技术人员可以根据移动对象的类型进行设定。示例性的,当移动对象是人时,可以将速度阈值设置为3米/分钟、或5米/分钟等,时间阈值设置为2分钟或5分钟等;当移动对象是车辆时,可以将速度阈值设置为10米/小时、或5米/小时等,时间阈值设置为5分钟或10分钟等。
参考图1,S103、将所得到的聚类簇确定为待处理轨迹数据的停留区域。
本发明实施例中,可以基于预先设置的速度阈值和时间阈值,确定待处理轨迹数据中处于停留状态的轨迹点,将时间上连续的多个处于停留状态的轨迹点聚为一类,得到该待处理轨迹数据的多个聚类簇,每一聚类簇表示停留状态轨迹点的集合,将所得到的聚类簇确定为待处理轨迹数据的停留区域,该停留区域表示待处理轨迹数据中移动对象停留的轨迹点。
本发明实施例提供的一种移动对象轨迹数据的处理方法,由于能够基于预设的速度阈值和时间阈值,采用密度聚类算法,对待处理轨迹数据中时间上连续的满足预设条件的轨迹点进行聚类,不需要设置时间段,且在使用密度聚类算法对轨迹点进行聚类的过程中,将各轨迹点的速度以及各轨迹点之间的时间间隔作为聚类的条件,与时间段的设置没有关系,能够避免出现轨迹数据缺失或时间段设置不合理所导致的提取到的停留区域不准确现象,进而能够提高提取移动对象停留区域的准确度。
在图1所示实施例的基础上,如图2所示,本发明所提供的一种移动对象轨迹数据的处理方法,还可以包括:
S104、基于预设的速度阈值和时间阈值,以及预设的最小间隔点数,对待处理轨迹数据的停留区域进行合并处理,得到待处理轨迹数据合并后的的停留区域。
在确定待处理轨迹数据的停留区域之后,还可以根据所设置的速度阈值和时间阈值,以及最小间隔点数,进一步对所确定的停留区域进行合并处理。实际应用中,可能会由于数据采集的错误,或位置的偏移等原因导致一些轨迹点的速度较快,而其在时间轴上两侧的轨迹点又满足停留点的条件,从而被分割为两个停留区域,实际上被分割的两个停留区域为一个停留区域,进而需要对这两个被分割的停留区域进行合并。
本发明实施例中,进一步对所确定的停留区域进行合并处理,得到待处理轨迹数据合并后的的停留区域,以提高获取停留区域的准确度。
可选的,本发明实施例提供了一种对停留区域合并的实施方式如图3所示,该实施方式可以包括:
S1041、针对任意两个停留区域,判断时间轴上第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是否为同一个轨迹点。
针对所确定的待处理轨迹数据对应的多个停留区域中的任意两个停留区域,判断在时间轴上第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是否为同一个轨迹点,即判断第一个停留区域与第二个停留区域之间是否只间隔了一个轨迹点。其中,第一个停留区域的第二轨迹点为:第一个停留区域中在时间上处于最晚的轨迹点,第二个停留区域的第一轨迹点为:第二个停留区域中在时间上处于最早的轨迹点。
示例性的,第一个停留区域D1中的轨迹点包含:pk,…,pl,第二个停留区域D2中的轨迹点包含pm,…,pn,其中,pk表示第k个轨迹点,pl表示第l个轨迹点,pm表示第m个轨迹点,pn表示第n个轨迹点,停留区域中的轨迹点是按照时间轴上的先后顺序排列的,第一个停留区域的第二轨迹点为pl,第一个停留区域的第二轨迹点之后相邻的轨迹点为pl+1,第二个停留区域的第一轨迹点为pm,第二个停留区域的第一轨迹点之前相邻的轨迹点为pm-1,进而判断轨迹点pl+1和轨迹点pm-1是否为同一个轨迹点。
S1042、如果第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是同一个轨迹点,则将第一个停留区域与第二个停留区域合并。
在判断出第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是同一个轨迹点时,即第一个停留区域和第二个停留区域之间只间隔了一个轨迹点,表明该轨迹点可能为采集错误的数据,这两个停留区域实际上是一个停留区域,此时将第一个停留区域与第二个停留区域合并。
示例性的,当轨迹点pl+1和轨迹点pm-1是同一个轨迹点时,将第一个停留区域D1与第二个停留区域D2合并。
S1043、如果第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点不是同一个轨迹点,则判断第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间间隔的轨迹点个数是否小于最小间隔点数,并判断时间轴上第一个停留区域的第一轨迹点,至第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度是否小于速度阈值,并判断第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间的时间间隔是否小于时间阈值。
在判断出第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点不是同一个轨迹点时,表明第一个停留区域和第二个停留区域之间间隔的轨迹点不止一个,此时进一步判断第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间间隔的轨迹点个数是否小于最小间隔点数,以及判断时间轴上第一个停留区域的第一轨迹点,至第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度是否小于速度阈值,并判断第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间的时间间隔是否小于时间阈值。其中,第一个停留区域的第一轨迹点为:第一个停留区域中在时间上处于最早的轨迹点,第二个停留区域的第二轨迹点为:第二个停留区域中在时间上处于最晚的轨迹点。
示例性的,当轨迹点pl+1和轨迹点pm-1不是同一个轨迹点时,表明第一个停留区域和第二个停留区域之间间隔的轨迹点不止一个,进一步判断轨迹点pm和轨迹点pl之间间隔的轨迹点的个数是否小于预先设置的最小间隔点数Nθ,该最小间隔点数Nθ,例如可以是5个或10个等。并判断时间轴上第一个停留区域的第一轨迹点pk,至第二个停留区域的第二轨迹点pn之间所有轨迹点的算术平均速度是否小于速度阈值Vθ,例如,可以使用如下表达式计算第一个停留区域的第一轨迹点pk,至第二个停留区域的第二轨迹点pn之间所有轨迹点的算术平均速度:
其中,表示计算得到的平均速度,n表示第二个停留区域的第二轨迹点pn的序号,k表示第一个停留区域的第一轨迹点pk的序号,/>表示第i个轨迹点pi的速度。
并判断第二个停留区域的第一轨迹点pm对应的采集时间,与第一个停留区域的第二轨迹点pl对应的采集时间的时间间隔是否小于时间阈值Tθ。
S1044、如果第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间间隔的轨迹点个数小于最小间隔点数,时间轴上第一个停留区域的第一轨迹点,至第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度小于速度阈值,第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间的时间间隔小于时间阈值,则将第一个停留区域与第二个停留区域合并。
在判断出第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间间隔的轨迹点个数小于最小间隔点数,且时间轴上第一个停留区域的第一轨迹点,至第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度小于速度阈值,且第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间的时间间隔小于时间阈值,表明这两个停留区域实际上是一个停留区域,此时将第一个停留区域与第二个停留区域合并。
S1045、如果第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间间隔的轨迹点个数不小于最小间隔点数,时间轴上第一个停留区域的第一轨迹点,至第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度不小于速度阈值,第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间的时间间隔不小于时间阈值,不将第一个停留区域与第二个停留区域合并。
在判断出第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间间隔的轨迹点个数不小于最小间隔点数,或时间轴上第一个停留区域的第一轨迹点,至第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度不小于速度阈值,或第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间的时间间隔不小于时间阈值,这三个条件有一个是不小于时,都表明这两个停留区域实际上也是两个停留区域,进而不对这两个停留区域进行合并。
本发明实施例提供的一种移动对象轨迹数据的处理方法,由于能够基于预设的速度阈值和时间阈值,采用密度聚类算法,对待处理轨迹数据中时间上连续的满足预设条件的轨迹点进行聚类,不需要设置时间段,且在使用密度聚类算法对轨迹点进行聚类的过程中,将各轨迹点的速度以及各轨迹点之间的时间间隔作为聚类的条件,与时间段的设置没有关系,能够避免出现轨迹数据缺失或时间段设置不合理所导致的提取到的停留区域不准确现象。且,能够对提取到的停留区域进行合并,避免了实际表示一个停留区域,因数据采集错误等原因而被划分为两个停留区域的现象,进而能够提高提取移动对象停留区域的准确度。
实际应用中,所获取的使用GPS采集的待处理轨迹数据中每一轨迹点的经纬度坐标为GPS系统坐标系下的坐标,当需要调用某一电子地图对坐标对应的位置进行定位时,需要将GPS系统坐标系下的坐标转换为相应的电子地图所使用的坐标系。例如,谷歌地图使用的是GCJ-02(国家测量局02号标准)坐标系,百度地图所使用的是在GCJ-02的基础上做了加密的BD-09(百度坐标系)坐标系。
本发明实施例中,可以对所获取的待处理轨迹数据中的轨迹点的经纬度坐标进行转换,以使可以调用相对应的电子地图对轨迹点的坐标位置进行识别。具体的转换方法可参照现有技术中的坐标转换函数进行转换,本发明实施例在此不再赘述。
在图1所示实施例的基础上,如图4所示,本发明所提供的一种移动对象轨迹数据的处理方法,还可以包括:
S105、针对每一停留区域,计算该停留区域中所有轨迹点的算术平均坐标。
本发明实施例中,在确定待处理轨迹数据的停留区域之后,可以对每一停留区域进行语义标注。具体的,针对每一停留区域,先计算该停留区域中所有轨迹点经纬度的算术平均坐标。示例性的,对于停留区域D,该停留区域中包含的轨迹点为pm,pm+1,…pi…,pn,m≤i≤n,计算所有轨迹点经纬度坐标的算术平均坐标,具体的,计算所有轨迹点经度算术平均值和纬度算术平均值,得到所有轨迹点经纬度坐标的算术平均坐标,使用该算术平均坐标表示该停留区域的中心位置。
S106、根据停留区域的算术平均坐标,调用预设的电子地图应用程序接口,获取停留区域的算术平均坐标对应的位置信息,并基于位置信息对停留区域进行语义标注。
调用预设的电子地图应用程序接口,将计算得到的每一停留区域的算术平均坐标输入该电子地图应用程序接口,获取停留区域的算术平均坐标对应的位置信息,然后使用该位置信息对该停留区域进行语义标注,其中,语义标注用于对停留区域所在的位置进行标注。
示例性的,停留区域的算术平均坐标点使用point表示,将point作为参数输入预设的电子地图应用程序接口函数,得到坐标点point对应的位置信息,使用该位置信息对该停留区域进行语义标注。具体的电子地图可以为:谷歌地图,或百度地图,或腾讯地图,或高德地图等等。
本发明实施例提供的一种移动对象轨迹数据的处理方法,由于能够基于预设的速度阈值和时间阈值,采用密度聚类算法,对待处理轨迹数据中时间上连续的满足预设条件的轨迹点进行聚类,不需要设置时间段,且在使用密度聚类算法对轨迹点进行聚类的过程中,将各轨迹点的速度以及各轨迹点之间的时间间隔作为聚类的条件,与时间段的设置没有关系,能够避免出现轨迹数据缺失或时间段设置不合理所导致的提取到的停留区域不准确现象,进而能够提高提取移动对象停留区域的准确度。进一步的,调用预设的电子地图应用程序接口对所提取的停留区域进行语义标注,相较于人工标注,能够实现大规模停留区域的精确、快速的语义转换。
本发明一种实施方式中,上述步骤S102的实现方式如图5所示,该实施方式可以包括:
S1021、基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,在时间轴上遍历待处理轨迹数据中的每一轨迹点,从待处理轨迹数据的轨迹点中确定核心停留点,以及该核心停留点对应的邻域。
针对所获取的待处理轨迹数据,基于预设的速度阈值和时间阈值,采用密度聚类算法,在时间轴上遍历待处理轨迹数据中的每一轨迹点,从待处理轨迹数据的轨迹点中确定核心停留点,以及该核心停留点对应的邻域,具体的实现过程在下文详细介绍。
S1022、将所有的核心停留点作为核心停留点集合。
在确定待处理轨迹数据中的所有核心停留点,以及每一核心停留点对应的邻域之后,将所有的核心停留点作为核心停留点集合,再对该集合中每一核心停留点进行遍历,以生成聚类簇。
S1023、以核心停留点集合中任一核心停留点为种子,查找种子邻域内的轨迹点,生成聚类簇。
每一核心停留点对应的邻域中的邻域点,都是在时间轴上与该核心停留点相邻的轨迹点,或是在时间轴上与该核心停留点相邻的轨迹点所相邻的轨迹点,在生成聚类簇的过程中,以核心停留点集合中任一核心停留点为种子,查找该种子邻域内的所有轨迹点,生成聚类簇。
示例性的,核心停留点pi邻域中包含的轨迹点可以表示为:pk,pk+1,…pi…,pm,k≤i≤m,其中,轨迹点pk也是核心停留点,该核心停留点邻域中包含的轨迹点可以表示为:pa,pa+1,…pb,…,pk,a≤b≤k,那么所生成的聚类簇中包含的轨迹点可以表示为:pa,pa+1,…pb,…,pk,…,pm,a≤b≤k≤m。
本发明一种实施方式中,上述步骤S1021的实现方式如图6所示,该实施方式可以包括:
S1021a、在时间轴上遍历待处理轨迹数据中的每一轨迹点,计算该轨迹点对应的第二轨迹点与该轨迹点对应的第一轨迹点之间的时间差。
本发明实施例中,可以在时间轴上遍历待处理轨迹数据中的每一轨迹点,针对每一轨迹点,计算该轨迹点对应的第二轨迹点与该轨迹点对应的第一轨迹点之间的时间差。其中,轨迹点对应的第一轨迹点为:在时间轴上向该轨迹点之前逐个搜索速度小于速度阈值的轨迹点,至轨迹点的速度不小于速度阈值,搜索得到的与该轨迹点在时间上距离最远的轨迹点;轨迹点对应的第二轨迹点为:在时间轴上向该轨迹点之后逐个搜索速度小于速度阈值的轨迹点,至轨迹点的速度不小于速度阈值,搜索得到的与该轨迹点在时间上距离最远的轨迹点。
示例性的,可以针对每一轨迹点,向前和向后逐个搜索采集时间上不中断的、速度小于速度阈值的轨迹点。例如,轨迹点pi向前向后逐个搜索得到的速度小于速度阈值的轨迹点包括:pk,pk+1,…pi…,pm,k≤i≤m,其中,轨迹点pk至轨迹点pm中所有轨迹点都是采集时间上从前到后依次相邻的。然后,计算轨迹点pi对应的第二轨迹点pm与第一轨迹点pk之间的时间差。
S1021b、判断时间差是否大于时间阈值。
S1021c、如果时间差大于时间阈值,则将轨迹点确定为核心停留点,并将轨迹点对应的第一轨迹点与第二轨迹点之间的轨迹点确定为该轨迹点的邻域点。
当判断出轨迹点pi对应的第二轨迹点pm与第一轨迹点pk之间的时间差,大于时间阈值,表明轨迹点pi对应的第一轨迹点pk与第二轨迹点pm之间的轨迹点组成了一个邻域,此时,将轨迹点pi确定为核心停留点,并将轨迹点pi对应的第一轨迹点pk与第二轨迹点pm之间的轨迹点确定为该轨迹点pi的邻域点。
当判断出轨迹点pi对应的第二轨迹点pm与第一轨迹点pk之间的时间差,不大于时间阈值时,返回执行步骤S1021a,继续确定在时间轴上与该轨迹点pi相邻的下一轨迹点是否为核心停留点。
本发明实施例提供的一种移动对象轨迹数据的处理方法及,由于能够基于预设的速度阈值和时间阈值,采用密度聚类算法,对待处理轨迹数据中时间上连续的满足预设条件的轨迹点进行聚类,不需要设置时间段,且在使用密度聚类算法对轨迹点进行聚类的过程中,将各轨迹点的速度以及各轨迹点之间的时间间隔作为聚类的条件,与时间段的设置没有关系,能够避免出现轨迹数据缺失或时间段设置不合理所导致的提取到的停留区域不准确现象,进而能够提高提取移动对象停留区域的准确度。
相应于上述方法实施例,本发明实施例提供了一种移动对象轨迹数据的处理装置,如图7所示,该装置可以包括:
获取模块201,用于获取待处理轨迹数据,待处理轨迹数据包含多个轨迹点数据。
聚类模块202,用于基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到待处理轨迹数据对应的多个聚类簇,每一聚类簇中至少包含一个轨迹点。
确定模块203,用于将所得到的聚类簇确定为待处理轨迹数据的停留区域,停留区域表示待处理轨迹数据中移动对象停留的轨迹点。
本发明实施例提供的一种移动对象轨迹数据的处理装置,由于能够基于预设的速度阈值和时间阈值,采用密度聚类算法,对待处理轨迹数据中时间上连续的满足预设条件的轨迹点进行聚类,不需要设置时间段,且在使用密度聚类算法对轨迹点进行聚类的过程中,将各轨迹点的速度以及各轨迹点之间的时间间隔作为聚类的条件,与时间段的设置没有关系,能够避免出现轨迹数据缺失或时间段设置不合理所导致的提取到的停留区域不准确现象,进而能够提高提取移动对象停留区域的准确度。
需要说明的是,本发明实施例的装置是与图1所示的一种移动对象轨迹数据的处理方法对应的装置,图1所示的一种移动对象轨迹数据的处理方法的所有实施例均适用于该装置,且均能达到相同的有益效果。
在图7所示装置的基础上,如图8所示,本发明所提供的一种移动对象轨迹数据的处理装置,还可以包括:
合并模块204,用于基于预设的速度阈值和时间阈值,以及预设的最小间隔点数,对待处理轨迹数据的停留区域进行合并处理,得到待处理轨迹数据合并后的的停留区域。
在图7所示装置的基础上,如图9所示,本发明所提供的一种移动对象轨迹数据的处理装置,还可以包括:
计算模块205,用于针对每一停留区域,计算该停留区域中所有轨迹点的算术平均坐标。
标注模块206,用于根据停留区域的算术平均坐标,调用预设的电子地图应用程序接口,获取停留区域的算术平均坐标对应的位置信息,并基于位置信息对停留区域进行语义标注,语义标注用于对停留区域所在的位置进行标注。
可选地,如图10所示,上述聚类模块202,包括:
第一确定子模块2021,用于基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,在时间轴上遍历待处理轨迹数据中的每一轨迹点,从待处理轨迹数据的轨迹点中确定核心停留点,以及该核心停留点对应的邻域。
第二确定子模块2022,用于将所有的核心停留点作为核心停留点集合。
生成子模块2023,用于以核心停留点集合中任一核心停留点为种子,查找种子邻域内的轨迹点,生成聚类簇。
可选地,如图11所示,上述第一确定子模块2021,包括:
计算子模块2021a,用于在时间轴上遍历待处理轨迹数据中的每一轨迹点,计算该轨迹点对应的第二轨迹点与该轨迹点对应的第一轨迹点之间的时间差;轨迹点对应的第一轨迹点为:在时间轴上向该轨迹点之前逐个搜索速度小于速度阈值的轨迹点,至轨迹点的速度不小于速度阈值,搜索得到的与该轨迹点在时间上距离最远的轨迹点;轨迹点对应的第二轨迹点为:在时间轴上向该轨迹点之后逐个搜索速度小于速度阈值的轨迹点,至轨迹点的速度不小于速度阈值,搜索得到的与该轨迹点在时间上距离最远的轨迹点。
第一判断子模块2021b,用于判断时间差是否大于时间阈值。
第三确定子模块2021c,用于在第一判断子模块2021b判断出该轨迹点对应的第二轨迹点与该轨迹点对应的第一轨迹点之间的时间差,大于时间阈值时,将轨迹点确定为核心停留点,并将轨迹点对应的第一轨迹点与第二轨迹点之间的轨迹点确定为该轨迹点的邻域点。
可选地,如图12所示,上述合并模块204,包括:
第二判断子模块2041,用于针对任意两个停留区域,判断时间轴上第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是否为同一个轨迹点;第一个停留区域的第二轨迹点为:第一个停留区域中在时间上处于最晚的轨迹点,第二个停留区域的第一轨迹点为:第二个停留区域中在时间上处于最早的轨迹点。
第一合并子模块2042,用于在第二判断子2041模块判断出第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是同一个轨迹点时,将第一个停留区域与第二个停留区域合并。
第三判断子模块2043,用于在第二判断子模块2041判断出第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点不是同一个轨迹点时,判断第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间间隔的轨迹点个数是否小于最小间隔点数,并判断时间轴上第一个停留区域的第一轨迹点,至第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度是否小于速度阈值,并判断第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间的时间间隔是否小于时间阈值;第一个停留区域的第一轨迹点为:第一个停留区域中在时间上处于最早的轨迹点,第二个停留区域的第二轨迹点为:第二个停留区域中在时间上处于最晚的轨迹点。
第二合并子模块2044,用于在第三判断子2043模块判断出第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间间隔的轨迹点个数小于最小间隔点数,时间轴上第一个停留区域的第一轨迹点,至第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度小于速度阈值,第二个停留区域的第一轨迹点,与第一个停留区域的第二轨迹点之间的时间间隔小于时间阈值时,将第一个停留区域与第二个停留区域合并。
本发明实施例还提供了一种电子设备,如图13所示,包括处理器301、通信接口302、存储器303和通信总线304,其中,处理器301,通信接口302,存储器303通过通信总线304完成相互间的通信,
存储器303,用于存放计算机程序;
处理器301,用于执行存储器303上所存放的程序时,实现本发明实施例所提供的一种移动对象轨迹数据的处理方法的步骤。
本发明实施例提供的一种电子设备,由于能够基于预设的速度阈值和时间阈值,采用密度聚类算法,对待处理轨迹数据中时间上连续的满足预设条件的轨迹点进行聚类,不需要设置时间段,且在使用密度聚类算法对轨迹点进行聚类的过程中,将各轨迹点的速度以及各轨迹点之间的时间间隔作为聚类的条件,与时间段的设置没有关系,能够避免出现轨迹数据缺失或时间段设置不合理所导致的提取到的停留区域不准确现象,进而能够提高提取移动对象停留区域的准确度。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,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 SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种移动对象轨迹数据的处理方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一种移动对象轨迹数据的处理方法的步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置/电子设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (7)
1.一种移动对象轨迹数据的处理方法,其特征在于,所述方法包括:
获取待处理轨迹数据,所述待处理轨迹数据包含多个轨迹点数据;
基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到所述待处理轨迹数据对应的多个聚类簇,每一聚类簇中至少包含一个轨迹点;
将所得到的聚类簇确定为所述待处理轨迹数据的停留区域,所述停留区域表示所述待处理轨迹数据中移动对象停留的轨迹点;
基于所述预设的速度阈值和时间阈值,以及预设的最小间隔点数,对所述待处理轨迹数据的停留区域进行合并处理,得到所述待处理轨迹数据合并后的的停留区域;
其中,所述基于所述预设的速度阈值和时间阈值,以及预设的最小间隔点数,对所述待处理轨迹数据的停留区域进行合并处理的步骤,包括:
针对任意两个停留区域,判断时间轴上第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是否为同一个轨迹点;所述第一个停留区域的第二轨迹点为:第一个停留区域中在时间上处于最晚的轨迹点,所述第二个停留区域的第一轨迹点为:第二个停留区域中在时间上处于最早的轨迹点;
如果所述第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是同一个轨迹点,则将所述第一个停留区域与所述第二个停留区域合并;
如果所述第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点不是同一个轨迹点,则判断所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间间隔的轨迹点个数是否小于所述最小间隔点数,并判断时间轴上所述第一个停留区域的第一轨迹点,至所述第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度是否小于所述速度阈值,并判断所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间的时间间隔是否小于所述时间阈值;所述第一个停留区域的第一轨迹点为:第一个停留区域中在时间上处于最早的轨迹点,所述第二个停留区域的第二轨迹点为:第二个停留区域中在时间上处于最晚的轨迹点;
如果所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间间隔的轨迹点个数小于所述最小间隔点数,时间轴上所述第一个停留区域的第一轨迹点,至所述第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度小于所述速度阈值,所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间的时间间隔小于所述时间阈值,则将所述第一个停留区域与所述第二个停留区域合并。
2.根据权利要求1所述的方法,其特征在于,所述将所得到的聚类簇确定为所述待处理轨迹数据的停留区域之后,所述方法还包括:
针对每一停留区域,计算该停留区域中所有轨迹点的算术平均坐标;
根据所述停留区域的算术平均坐标,调用预设的电子地图应用程序接口,获取所述停留区域的算术平均坐标对应的位置信息,并基于所述位置信息对所述停留区域进行语义标注,所述语义标注用于对所述停留区域所在的位置进行标注。
3.根据权利要求1-2任一所述的方法,其特征在于,所述基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到所述待处理轨迹数据对应的多个聚类簇的步骤,包括:
基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,在时间轴上遍历所述待处理轨迹数据中的每一轨迹点,从所述待处理轨迹数据的轨迹点中确定核心停留点,以及该核心停留点对应的邻域;
将所有的所述核心停留点作为核心停留点集合;
以所述核心停留点集合中任一核心停留点为种子,查找所述种子邻域内的轨迹点,生成聚类簇;
其中,所述基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,在时间轴上遍历所述待处理轨迹数据中的每一轨迹点,从所述待处理轨迹数据的轨迹点中确定核心停留点,以及该核心停留点对应的邻域的步骤,包括:
在时间轴上遍历所述待处理轨迹数据中的每一轨迹点,计算该轨迹点对应的第二轨迹点与该轨迹点对应的第一轨迹点之间的时间差;所述轨迹点对应的第一轨迹点为:在时间轴上向该轨迹点之前逐个搜索速度小于所述速度阈值的轨迹点,至轨迹点的速度不小于所述速度阈值,搜索得到的与该轨迹点在时间上距离最远的轨迹点;所述轨迹点对应的第二轨迹点为:在时间轴上向该轨迹点之后逐个搜索速度小于所述速度阈值的轨迹点,至轨迹点的速度不小于所述速度阈值,搜索得到的与该轨迹点在时间上距离最远的轨迹点;
判断所述时间差是否大于所述时间阈值;
如果所述时间差大于所述时间阈值,则将所述轨迹点确定为核心停留点,并将所述轨迹点对应的第一轨迹点与第二轨迹点之间的轨迹点确定为该轨迹点的邻域点。
4.一种移动对象轨迹数据的处理装置,其特征在于,所述装置包括:
获取模块,用于获取待处理轨迹数据,所述待处理轨迹数据包含多个轨迹点数据;
聚类模块,用于基于预设的速度阈值和时间阈值,采用预设的密度聚类算法,将时间上连续的满足预设条件的轨迹点聚为一类,得到所述待处理轨迹数据对应的多个聚类簇,每一聚类簇中至少包含一个轨迹点;
确定模块,用于将所得到的聚类簇确定为所述待处理轨迹数据的停留区域,所述停留区域表示所述待处理轨迹数据中移动对象停留的轨迹点;
合并模块,用于基于所述预设的速度阈值和时间阈值,以及预设的最小间隔点数,对所述待处理轨迹数据的停留区域进行合并处理,得到所述待处理轨迹数据合并后的的停留区域;
其中,所述合并模块,包括:
第二判断子模块,用于针对任意两个停留区域,判断时间轴上第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是否为同一个轨迹点;所述第一个停留区域的第二轨迹点为:第一个停留区域中在时间上处于最晚的轨迹点,所述第二个停留区域的第一轨迹点为:第二个停留区域中在时间上处于最早的轨迹点;
第一合并子模块,用于在所述第二判断子模块判断出所述第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点是同一个轨迹点时,将所述第一个停留区域与所述第二个停留区域合并;
第三判断子模块,用于在所述第二判断子模块判断出所述第一个停留区域的第二轨迹点之后相邻的轨迹点,与第二个停留区域的第一轨迹点之前相邻的轨迹点不是同一个轨迹点时,判断所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间间隔的轨迹点个数是否小于所述最小间隔点数,并判断时间轴上所述第一个停留区域的第一轨迹点,至所述第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度是否小于所述速度阈值,并判断所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间的时间间隔是否小于所述时间阈值;所述第一个停留区域的第一轨迹点为:第一个停留区域中在时间上处于最早的轨迹点,所述第二个停留区域的第二轨迹点为:第二个停留区域中在时间上处于最晚的轨迹点;
第二合并子模块,用于在所述第三判断子模块判断出所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间间隔的轨迹点个数小于所述最小间隔点数,时间轴上所述第一个停留区域的第一轨迹点,至所述第二个停留区域的第二轨迹点之间所有轨迹点的算术平均速度小于所述速度阈值,所述第二个停留区域的第一轨迹点,与所述第一个停留区域的第二轨迹点之间的时间间隔小于所述时间阈值时,将所述第一个停留区域与所述第二个停留区域合并。
5.根据权利要求4所述的装置,其特征在于,所述装置还包括:
计算模块,用于针对每一停留区域,计算该停留区域中所有轨迹点的算术平均坐标;
标注模块,用于根据所述停留区域的算术平均坐标,调用预设的电子地图应用程序接口,获取所述停留区域的算术平均坐标对应的位置信息,并基于所述位置信息对所述停留区域进行语义标注,所述语义标注用于对所述停留区域所在的位置进行标注。
6.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-3任一所述的方法步骤。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-3任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911327405.5A CN111159582B (zh) | 2019-12-20 | 2019-12-20 | 一种移动对象轨迹数据的处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911327405.5A CN111159582B (zh) | 2019-12-20 | 2019-12-20 | 一种移动对象轨迹数据的处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111159582A CN111159582A (zh) | 2020-05-15 |
CN111159582B true CN111159582B (zh) | 2023-10-31 |
Family
ID=70557529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911327405.5A Active CN111159582B (zh) | 2019-12-20 | 2019-12-20 | 一种移动对象轨迹数据的处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111159582B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182408A (zh) * | 2020-10-28 | 2021-01-05 | 广东小天才科技有限公司 | 一种行动轨迹的呈现方法、系统、终端设备和存储介质 |
CN112712013B (zh) * | 2020-12-29 | 2024-01-05 | 杭州海康威视数字技术股份有限公司 | 一种移动轨迹构建方法及装置 |
CN113342905B (zh) * | 2021-06-07 | 2022-10-25 | 北京邮电大学 | 一种停留点确定方法及装置 |
CN113589338A (zh) * | 2021-07-29 | 2021-11-02 | 成都乐动信息技术有限公司 | 检测用户在运动过程中的停留点的方法、装置及电子设备 |
CN113946646A (zh) * | 2021-11-02 | 2022-01-18 | 京东城市(北京)数字科技有限公司 | 车辆驻留检测方法、装置、电子设备和存储介质 |
CN114141014B (zh) * | 2021-11-30 | 2023-04-18 | 中寰卫星导航通信有限公司 | 一种停车场的确定方法、装置、设备及存储介质 |
CN114509076B (zh) * | 2022-02-16 | 2023-10-20 | 平安科技(深圳)有限公司 | 移动轨迹数据处理方法、装置、设备及存储介质 |
CN114863715A (zh) * | 2022-05-05 | 2022-08-05 | 一汽解放汽车有限公司 | 停车数据确定方法、装置、电子设备及存储介质 |
CN115423841B (zh) * | 2022-08-08 | 2023-06-23 | 华东师范大学 | 一种面向大宗物流的运输终点校准方法及系统 |
CN116680346B (zh) * | 2022-09-23 | 2024-04-16 | 荣耀终端有限公司 | 运动轨迹分析方法、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102607553A (zh) * | 2012-03-06 | 2012-07-25 | 北京建筑工程学院 | 一种基于出行轨迹数据的行程识别方法 |
CN108256560A (zh) * | 2017-12-27 | 2018-07-06 | 同济大学 | 一种基于时空聚类的停驻识别方法 |
CN109446186A (zh) * | 2018-09-27 | 2019-03-08 | 江苏大学 | 一种基于移动轨迹的社会关系判断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8543320B2 (en) * | 2011-05-19 | 2013-09-24 | Microsoft Corporation | Inferring a behavioral state of a vehicle |
-
2019
- 2019-12-20 CN CN201911327405.5A patent/CN111159582B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102607553A (zh) * | 2012-03-06 | 2012-07-25 | 北京建筑工程学院 | 一种基于出行轨迹数据的行程识别方法 |
CN108256560A (zh) * | 2017-12-27 | 2018-07-06 | 同济大学 | 一种基于时空聚类的停驻识别方法 |
CN109446186A (zh) * | 2018-09-27 | 2019-03-08 | 江苏大学 | 一种基于移动轨迹的社会关系判断方法 |
Non-Patent Citations (1)
Title |
---|
侯颖超 等.基于速度的空间轨迹停留点提取算法.《地理与地理信息科学》.2016,第32卷(第6期),63-68. * |
Also Published As
Publication number | Publication date |
---|---|
CN111159582A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111159582B (zh) | 一种移动对象轨迹数据的处理方法及装置 | |
CN110287276B (zh) | 高精地图更新方法、装置及存储介质 | |
US9256689B2 (en) | Mining trajectory for spatial temporal analytics | |
Mao et al. | Feature grouping-based outlier detection upon streaming trajectories | |
US11599825B2 (en) | Method and apparatus for training trajectory classification model, and electronic device | |
CN109916413B (zh) | 基于网格划分的道路匹配方法、系统、装置和存储介质 | |
CN109684384B (zh) | 一种轨迹数据时空密度分析系统及其分析方法 | |
CN108834077B (zh) | 基于用户移动特性的跟踪区划分方法、装置及电子设备 | |
CN113342905B (zh) | 一种停留点确定方法及装置 | |
CN109963285B (zh) | 确定小区覆盖范围的方法、装置、电子设备和存储介质 | |
CN108766031B (zh) | 一种检测车道障碍物的方法和装置 | |
CN111444294B (zh) | 一种轨迹补全方法、装置及电子设备 | |
CN113587944B (zh) | 准实时的车辆行驶路线生成方法、系统及设备 | |
CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
Cich et al. | Threshold settings for TRIP/STOP detection in GPS traces | |
CN110619027A (zh) | 一种房源信息的推荐方法、装置、终端设备及介质 | |
CN110930541B (zh) | 一种利用gps信息实现对农机工况状态分析的方法 | |
CN109871419B (zh) | 一种地图显示方法及装置 | |
Rodrigues et al. | Impact of crowdsourced data quality on travel pattern estimation | |
CN111121946B (zh) | 大动态范围大离散单区域多点精准确定异常值的方法 | |
CN111540202A (zh) | 一种相似卡口确定方法、装置、电子设备及可读存储介质 | |
CN110099442B (zh) | 网络设备的位置变化确定方法、装置、计算机设备及介质 | |
CN111882102A (zh) | 轨迹中的中断区间信息的补偿方法、设备及存储介质 | |
CN114090560A (zh) | 一种车道的中心线生成方法、装置、设备及存储介质 | |
CN109784422A (zh) | 一种面向物联网移动终端设备的用户轨迹异常检测方法 |
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 |