CN111881370A - 一种描绘兴趣区域轮廓的方法及系统 - Google Patents

Abstract

本说明书实施例提供一种描绘兴趣区域轮廓的方法及系统，所述方法包括：选定与兴趣区域相关的多个上车点；获取每个上车点处的至少两个历史订单，得到各个所述历史订单中司机的接驾轨迹；基于同一上车点的所述两个以上历史订单中司机的接驾轨迹，获得两个以上接驾轨迹中的重叠子轨迹；基于所述多个上车点的所述重叠子轨迹，描绘所述兴趣区域的轮廓。

Description

一种描绘兴趣区域轮廓的方法及系统

技术领域

本说明书一个或多个实施例涉及计算机技术领域，特别涉及一种描绘兴趣区域轮廓的方法及系统。

背景技术

兴趣区域，即AOI(Area of Interest)，指的是地图数据中的区域状的地理实体，比如首创空间、颐和园、北京大学等。兴趣区域是一个面状的区域，兴趣区域轮廓即为该面状区域的边界轮廓。目前，地图上兴趣区域轮廓的确定主要是基于人工采集数据绘制而成，这使得兴趣区域轮廓描绘存在准确度不高的问题。而由于兴趣区域的轮廓描绘的准确度不高，在打车软件上推荐上车点时，可能出现推荐上车点距离乘客或司机较远的情况，这会影响乘客的乘车体验或者增加司机的绕路成本。因此，如何能够提高兴趣区域的轮廓描绘的准确度，是本领域技术人员亟待解决的问题。

发明内容

本说明书实施例之一提供一种描绘兴趣区域轮廓的方法，所述方法包括：选定与兴趣区域相关的多个上车点；获取每个上车点处的至少两个历史订单，得到各个所述历史订单中司机的接驾轨迹；基于同一上车点的所述两个以上历史订单中司机的接驾轨迹，获得两个以上接驾轨迹中的重叠子轨迹；基于所述多个上车点的所述重叠子轨迹，描绘所述兴趣区域的轮廓。

说明实施例之一提供一种描绘兴趣区域轮廓的系统，所述系统包括：选点模块，用于选定与兴趣区域相关的多个上车点；订单获取模块，用于获取每个上车点处的至少两个历史订单，得到各个所述历史订单中司机的接驾轨迹；轨迹获取模块，用于基于同一上车点的所述两个以上历史订单中司机的接驾轨迹，获得两个以上接驾轨迹中的重叠子轨迹；轮廓描绘模块，用于基于所述多个上车点的所述重叠子轨迹，描绘所述兴趣区域的轮廓。

说明实施例之一提供一种描绘兴趣区域轮廓的装置，所述装置包括处理器和存储器；所述存储器用于存储指令，所述指令被所述处理器执行时，导致所述装置实现上述任一技术方案所述方法对应的操作。

本说明书又一实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机读取存储介质中的计算机执指令时，计算机运行上述任一技术方案所述方法。

附图说明

本说明书一个或多个实施例将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1为根据本说明书的一些实施例的描绘兴趣区域的方法的示例性流程图；

图2为根据本说明书的一些实施例的描绘兴趣区域的系统的模块图；

图3为根据本说明的一些实施例所描绘出的兴趣区域的轮廓的示意图。

具体实施方式

为了更清楚地说明说明书一个或多个实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书一个或多个实施例应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“系统”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换词语。

如本说明书一个或多个实施例和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

说明书一个或多个实施例中使用了流程图用来说明根据本说明书一个或多个实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

本申请实施例涉及一种描绘兴趣区域轮廓的方法及系统，该方法通过选定与兴趣区域相关的多个上车点，然后从每个上车点处的历史订单中得到两个以上司机的接驾轨迹的重叠子轨迹，再利用这些重叠子轨迹来描述兴趣区域的轮廓。在本申请的方法，用于描绘兴趣区域的轮廓的重叠子轨迹，是至少两个司机真实的行驶轨迹叠加处理后的结果，基本排除了信号原因造成的轨迹不准确的问题，该重叠子轨迹的真实度较高，以使得描绘出的兴趣区域的轮廓的准确度较高。本说明书一个或多个实施例可以应用于对其相关的上车点具有历史订单数据的任意兴趣区域进行轮廓描绘，且该轮廓描绘可以用于导航软件、打车软件等软件中，有利于提高这类软件中导航、位置推荐、距离计算等功能的精确度。

图1为根据本说明书的一些实施例的描绘兴趣区域轮廓的方法的示例性流程图。具体地，该描绘兴趣区域轮廓的方法可以由处理设备执行。例如，描绘兴趣区域轮廓的方法可以以程序或指令的形式存储在存储装置(如描绘兴趣区域轮廓的终端的存储设备、存储器)中，当描绘兴趣区域轮廓的系统(如处理设备)执行该程序或指令时，可以实现描绘兴趣区域轮廓的方法。如图1所示，描绘兴趣区域轮廓的方法可以包括：

步骤110，选定与兴趣区域相关的多个上车点。具体地，步骤110可以由选点模块210执行。

在步骤110中，另外，选点模块210选定的上车点的数量可以是5个、10个或18个等，一般情况下，选点模块210选择的上车点的数量越多，越有利于提高兴趣区域轮廓描绘的准确性。另外在选点模块210选定上车点时，可以选择历史订单较多的上车点，这样也有利于提高兴趣区域轮廓描绘的准确性。

在一些实施例中，与兴趣区域相关的上车点包括与兴趣区域的距离在预设距离范围内的上车点，和/或名字与兴趣区域的名字相匹配的上车点。本领域技术人员可以根据实际的需要来设置该预设距离范围，例如可以设置为0～30m、0～50m等。如果预设距离范围设置为0～50m，当上车点与兴趣区域的距离在0～50m的范围内时，例如当上车点与兴趣区域的距离为20m、35m或45m等时，即认为该上车点是与兴趣区域相关的上车点。上车点与兴趣区域的名字相匹配可以理解为上车点的名字与兴趣区域的名字在文字上相同或部分相同，例如，当兴趣区域为北京大学时，上车点的名字如果为北京大学西门，那么可以认为该上车点的名字与兴趣区域的名字相匹配。

步骤120，获取每个上车点处的至少两个历史订单，得到各个历史订单中司机的接驾轨迹。具体地，步骤120由订单获取模块220执行。

在步骤120中，司机的接驾轨迹即司机接驾的行驶轨迹信息，在司机接驾过程中，其可能会沿着兴趣区域的轮廓行驶，因此该行驶轨迹信息可以为描绘兴趣区域的轮廓提供参考。在本实施例中，订单获取模块220可以获取数量为两个以上的任意数量的历史订单，例如可以是50个、80个、200个等。在一般情况下，订单获取模块220获取的历史订单越多，越有利于提高轮廓描绘的准确度。

在一些实施例中，由于司机在接到订单的时候，其可能距离上车点较远，因此接驾轨迹中可能存在较长的与兴趣区域轮廓无关的行驶轨迹，因此需要对司机接驾的轨迹进行截断或提取。在一些实施例中，司机接驾的轨迹包括：司机接到乘客的时刻之前与司机接到乘客的时刻之后的预设时间范围内的行驶轨迹，或者司机接到乘客的时刻之前与司机接到乘客的时刻之后行驶的预设长度范围内的行驶轨迹。本领域技术人员可以根据具体的需要来设定该预设时间范围和预设长度范围，例如可以是司机接到乘客之前的3s以及司机接到乘客之后的3s。另外，司机接到乘客之前和之后的预设时间范围可以不同，例如可以是司机接到乘客以前的4s以及司机接到乘客之后的5s。又例如可以是司机接到乘客之前行驶的2km以及司机接到乘客之后行驶的2km。另外，司机接到乘客之前和之后的预设长度范围可以不同，或者司机接到乘客之前行驶的1.5km，以及司机接到乘客之后行驶的2.5km。

在一些实施例中，步骤120还包括：在获取每个上车点处的至少两个历史订单，得到各个历史订单中司机的接驾轨迹后，将接驾轨迹不满足第二预设条件的历史订单排除。由于司机端可能出现定位不准确或者定位信号缺失的情况，这导致历史订单中司机的接驾轨迹可能不准确而无法真实地反应兴趣区域的轮廓。因此在订单获取模块220得到各个历史订单中司机的接驾轨迹后，将这些不准确的接驾轨迹排除，以保证最终得到的兴趣区域的轮廓的准确性。具体地，订单获取模块220可以利用第二预设条件能够判断历史订单中司机的接驾轨迹是否准确。

在一些实施例中，第二预设条件包括：不存在跳变的轨迹点。司机的接驾轨迹是由多个轨迹点组成的，这些轨迹点依次相连即可形成轨迹。因此，当司机端出现定位不准确或者定位信号缺失的情况时，其中一个或多个轨迹点的位置可能偏离整个接驾轨迹，此时可以认为整个接驾轨迹不准确，订单获取模块220可以将该接驾轨迹对应的历史订单排除。一些替代性实施例中，第二预设条件也可以包括：接驾轨迹不中断。接驾轨迹应该是连续的，当接驾轨迹出现中断时，可能是由于司机端的定位信号长时间缺失造成的，此时可以判断整个接驾轨迹的精度较低，订单获取模块220可以将该接驾轨迹对应的历史订单排除。

步骤130，基于同一上车点的两个以上历史订单中司机的接驾轨迹，获得两个以上接驾轨迹中的重叠子轨迹。具体地，步骤130由轨迹获取模块230执行。

在本实施例中，轨迹获取模块230获得两个以上接驾轨迹中的重叠子轨迹的方法可以是通过机器学习而得到的模型来获得，也可以是通过直接将两个以上司机的接驾轨迹的多个轨迹点进行去重、合并后获得。

在一些实施例中，当利用机器学习而得到的模型来获得重叠子轨迹时，基于同一上车点的两个以上历史订单中司机的接驾轨迹，获得两个以上接驾轨迹中的重叠子轨迹，包括：将每个历史订单中司机的接驾轨迹按照第一预设长度拆分成多个子轨迹，以得到每个历史订单的轨迹集；获取重叠子轨迹识别模型；将每个历史订单的轨迹集输入重叠子轨迹识别模型中，通过重叠子轨迹识别模型识别出轨迹集中的相互重叠的重叠子轨迹。可以理解的，本领域技术人员可以根据实际的情况来设定第一预设长度，本申请对此不作进一步限制。例如，可以根据每个历史订单中选取的接驾轨迹的长度来进一步确定第一预设长度，当每个历史订单中选取的接驾轨迹的长度较长时，可以设定第一预设长度也较长；又例如，可以根据需要步骤110中所选定的上车点的数量或密集程度来进一步确定第一预设长度，当所选定的上车点较多或较密集时，可以设置第一预设长度较短。另外，重叠子轨迹识别模型将在下文中进一步进行阐述。

在一些实施例中，重叠子轨迹识别模型是通过训练初始模型生成的，以使得通过重叠子轨迹识别模型能够准确地识别出每个历史订单的轨迹集中重叠子轨迹。具体地，训练过程包括：获取兴趣区域的已知的轮廓；获取与兴趣区域相关的上车点处的多个历史订单，将每个历史订单中司机的接驾轨迹均作为一个训练样本；基于训练样本和已知的轮廓来训练初始的模型，以得到重叠子轨迹识别模型。需要说明的是，兴趣区域的已知的轮廓可以是根据人工采集而获取的轮廓，也可以是上一次使用本申请的方法进行轮廓描绘而得到的轮廓。在训练过程中，将多个历史订单中司机的接驾轨迹均作为训练的样本，将司机的接驾轨迹与兴趣区域的已知的轮廓来进行比对，从而完成初始的模型的训练。

在一些实施例中，基于训练样本和已知的轮廓来训练初始的模型，以得到所述重叠子轨迹识别模型，包括：将每个训练样本的接驾轨迹按照第二预设长度拆分成多个子轨迹，以得到每个训练样本的轨迹集；将每个训练样本的轨迹集中的每个子轨迹是否与已知的轮廓相重叠作为标签，以对每个子轨迹进行分类，并根据每个子轨迹及相应标签对初始的模型进行优化迭代，以得到重叠子轨迹识别模型。在本实施例中，本领域技术人员可以根据实际的情况来确定第二预设长度，本申请对此不作进一步限制。具体地，第二预设长度可以与第一预设长度相同，也可以与第一预设长度不同。仅作为示例，可以根据每个历史订单中选取的接驾轨迹的长度来进一步确定第二预设长度，当每个历史订单中选取的接驾轨迹的长度较长时，可以设定第二预设长度也较长；另外，也可以根据步骤110中所选定的上车点的数量或密集程度来进一步确定第二预设长度，当所选定的上车点较多或较密集时，可以设置第二预设长度较短。将每个训练样本的轨迹集中的子轨迹作为特征，将每个子轨迹是否与已知的轮廓相重叠作为标签，将能够与已知的轮廓重叠的子轨迹打上标签“1”，将不能与已知的轮廓重叠的子轨迹打上标签“0”，从而实现对轨迹集中的每个子轨迹进行分类。使用模型中的训练算法将轨迹集遍历多次而对轨迹集中的各个子轨迹进行多次分类，在多次遍历过程中可以通过梯度下降法、共轭梯度法或牛顿迭代法等方式来对模型进行迭代优化，从而得到能够准确地对子轨迹进行分类的重叠子轨迹识别模型。

在一些实施例中，当将两个以上司机的接驾轨迹的多个轨迹点进行去重、合并而获得重叠的子轨迹时，基于同一上车点的两个以上历史订单中司机的接驾轨迹，获得两个以上接驾轨迹中的重叠子轨迹，包括：获取两个以上历史订单中司机的接驾轨迹中的重合轨迹点；挑选出符合第一预设条件的多个重合轨迹点；将挑选出的多个重合轨迹点连接起来而得到重叠子轨迹。上述重合轨迹点可以理解为在接驾轨迹上坐标完全相同的轨迹点。本领域技术人员可以根据实际的情况来设定第一预设条件，本申请对此不作进一步限制。由于司机接驾的实际行驶轨迹可能受到定位信号的强弱、交通状况以及一些突发意外情况等问题的影响，因此设定第一预设条件以挑选出准确而具有代表性的轨迹点，使得多个重合轨迹点连接起来而得到的重叠子轨迹能够反应实际的兴趣区域的轮廓。

在一些实施例中，第一预设条件包括：与兴趣区域的已知的轮廓相匹配。也就是说，在选择重合轨迹点的过程中，以兴趣区域的已知的轮廓作为参考，挑选出落在兴趣区域的已知的轮廓上的重合轨迹点，使得最终的重叠子轨迹得到了已知的轮廓和多个司机的实际行驶路径的多重确认。本实施例中通过两个以上历史订单中司机的接驾轨迹来获得重合轨迹点，该重合轨迹点可能是2个司机的接驾轨迹的重合轨迹点，也可能是50个司机的接驾轨迹的重合轨迹点。在一些替代性实施例中，第一预设条件还可以包括：获得重合轨迹点的接驾轨迹的数量大于第一预设阈值。例如，可以将第一预设阈值设为50，也就是说，当超过50个司机的接驾轨迹都重合在该重合轨迹点上时，即选用该重合轨迹点。当然，本领域技术人员可以根据历史订单的数量来将该第一预设阈值设定为其他值，例如设为20、80、100等。

步骤140，基于多个上车点的重叠子轨迹，描绘兴趣区域的轮廓。具体地，步骤140由轮廓描绘模块240执行。

在本实施例中，当获取到多个上车点的重叠子轨迹后，这些重叠的子轨迹实际上就能够反映兴趣区域的轮廓，因此多个上车点的重叠的子轨迹其实就可以作为兴趣区域的轮廓的一部分。在一些实施例中，重叠子轨迹可以包括重叠的点和/或重叠的路段。在步骤140中，轮廓描绘模块240可以选择重叠的点来描绘兴趣区域的轮廓，也可以选择重叠的路段来描绘兴趣区域的轮廓，还可以既选择重叠的点又选择重叠的路段来描绘兴趣区域的轮廓，本领域技术人员可以根据重叠的点和重叠的路段的具体位置分布来进行选择。

在一些实施例中，基于多个上车点的重叠子轨迹，描绘兴趣区域的轮廓，包括：挑选出一个重叠子轨迹作为起始子轨迹；挑选与起始子轨迹最近的重叠子轨迹，作为第二子轨迹；依次挑选重叠子轨迹，使每次挑选的重叠子轨迹为与上一次挑选的重叠子轨迹距离最短的重叠子轨迹；将挑选出的所有重叠子轨迹顺次连接起来，以形成闭环区域，从而得到兴趣区域的轮廓。作为起始子轨迹的重叠子轨迹可以任意挑选，第二子轨迹可以挑选与起始子轨迹距离最短的重叠子轨迹，且此后选择的重叠子轨迹可以挑选与上一次挑选的重叠子轨迹距离最短的重叠子轨迹，这样可以保证相邻的重叠子轨迹之间的距离最短，减少连接相邻的重叠子轨迹而带来的轮廓描绘误差。另外，当重叠子轨迹是重叠的路段时，轮廓描绘模块240判断距离两个重叠子轨迹之间的距离的方法可以是：沿着兴趣区域轮廓的一个方向(例如顺时针或者逆时针)，判断前面的重叠子轨迹的终点与后面的重叠子轨迹的起点之间的距离，且两个重叠子轨迹不重叠或相交。将轮廓描绘模块240挑选出的所有重叠子轨迹顺次连接起来的方法可以是沿着兴趣区域轮廓的一个方向(例如顺时针或者逆时针)，将前面的重叠子轨迹的终点与后面的重叠子轨迹的起点连接起来。图3为根据本说明的一些实施例所描绘出的兴趣区域的轮廓的示意图，如图3所示，仅作为示例，图中的实线为挑选出的重叠子轨迹，而图中的虚线为用于连接相邻的重叠子轨迹的线段。其中，起始子轨迹为n1，第二子轨迹为n2，通过线段m1可以将起始子轨迹n1和第二子轨迹n2连接起来，通过这样的方式将多个重叠子轨迹依次通过线段连接起来，最终围成兴趣区域的轮廓。

本申请的描绘兴趣区域的方法的流程100还可以包括步骤，计算步骤140中得到的兴趣区域的轮廓的准确度；如果准确度大于等于第二预设阈值，则利用步骤140中得到的兴趣区域的轮廓来替代现有的兴趣区域的轮廓；如果准确度低于第二预设阈值，则重新进行兴趣区域的轮廓的描绘。上述第二预设阈值可以设为95％、98％、99％等。计算兴趣区域的轮廓的准确度的方法可以是利用机器学习模型来计算，也可以是人工进行计算。

图2为根据本说明书的一些实施例的描绘兴趣区域的系统的模块图。如图2所示，该描绘兴趣区域的系统包括选点模块210、订单获取模块220、轨迹获取模块230和轮廓描绘模块240。

选点模块210可以用于选定多个与兴趣区域相关的上车点。订单获取模块220可以用于获取每个上车点处的至少两个历史订单，并得到各个历史订单中司机的接驾轨迹。轨迹获取模块230可以用于基于同一上车点的两个以上历史订单中司机的接驾轨迹获得两个以上接驾轨迹中的重叠子轨迹。在一些实施例中，轨迹获取模块230可以用于获取重叠的点，也可以用于获取重叠的路段。轮廓描绘模块240可以用于基于多个上车点的重叠子轨迹描绘兴趣区域的轮廓。

在一些实施例中，轨迹获取模块230还用于：将每个历史订单中司机的接驾轨迹按照第一预设长度拆分成多个子轨迹，以得到每个历史订单的轨迹集；获取重叠子轨迹识别模型；将每个历史订单的轨迹集输入重叠子轨迹识别模型中，通过重叠子轨迹识别模型识别出轨迹集中的相互重叠的重叠子轨迹。

在一些实施例中，重叠子轨迹识别模型是根据训练过程生成的，训练过程包括：获取兴趣区域的已知的轮廓；获取与兴趣区域相关的上车点处的多个历史订单，将每个历史订单中司机的接驾轨迹均作为一个训练样本；基于训练样本和已知的轮廓来训练初始的模型，以得到重叠子轨迹识别模型。

在一些实施例中，基于训练样本和已知的轮廓来训练初始的模型，以得到训练好的模型，包括：将每个训练样本的接驾轨迹按照第二预设长度拆分成多个子轨迹，以得到每个训练样本的轨迹集；将每个训练样本的轨迹集中的每个子轨迹是否与已知的轮廓相重叠作为标签，以对每个子轨迹进行分类，并根据每个子轨迹及相应标签对初始的模型进行优化迭代，以得到重叠子轨迹识别模型。

在一些实施例中，轨迹获取模块230还用于：获取两个以上历史订单中司机的接驾轨迹中的重合轨迹点；挑选出符合第一预设条件的多个重合轨迹点；将挑选出的多个重合轨迹点连接起来而得到重叠子轨迹。

在一些实施例中，第一预设条件包括：与兴趣区域的已知的轮廓相匹配。

在一些实施例中，司机接驾的轨迹包括：司机接到乘客的时刻之前与司机接到乘客的时刻之后的预设时间范围内的行驶轨迹，或者司机接到乘客的时刻之前与司机接到乘客的时刻之后行驶的预设长度范围内的行驶轨迹。

在一些实施例中，轮廓描绘模块240还用于：挑选出一个重叠子轨迹作为起始子轨迹；挑选与起始子轨迹最近的重叠子轨迹，作为第二子轨迹；依次挑选重叠子轨迹，使每次挑选的重叠子轨迹为与上一次挑选的重叠子轨迹距离最短的重叠子轨迹；将挑选出的所有重叠子轨迹顺次连接起来，以形成闭环区域，从而得到兴趣区域的轮廓。

在一些实施例中，与兴趣区域相关的上车点包括与兴趣区域的距离在预设距离范围内的上车点，和/或名字与兴趣区域的名字相匹配的上车点。在一些实施例中，重叠子轨迹包括重叠的点和/或重叠的路段。

在一些实施例中，订单获取模块220还包括订单选取单元，订单选取单元用于：在获取每个上车点处的至少两个历史订单，得到各个历史订单中司机的接驾轨迹后，将接驾轨迹不满足第二预设条件的历史订单排除。在一些实施例中，第二预设条件包括：不存在跳变的轨迹点。

应当理解，图2所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书一个或多个实施例的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

需要注意的是，以上对于描绘兴趣区域的系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，轨迹获取模块230还可以进一步包括轨迹点获取单元、轨迹点挑选单元和轨迹合成单元。又例如订单获取模块220和轨迹获取模块230可以组合成单个模块，该单个模块可以同时用于执行订单和轨迹的获取操作。诸如此类的变形，均在本说明书的保护范围之内。

本说明书实施例可能带来的有益效果包括但不限于：(1)依据多个历史订单中司机的接驾轨迹的重叠子轨迹来描绘兴趣区域的轮廓，能够使得描绘出的兴趣区域的轮廓的准确度较高。(2)重叠子轨迹通过训练后的重叠子轨迹识别模型来获取，精度较高，有利于提高兴趣区域的轮廓描绘的准确度；(3)重叠子轨迹通过将多个历史订单的司机接驾轨迹的轨迹点进行去重、合并后获取，精度较高，有利于提高兴趣区域的轮廓描绘的准确度；(4)通过将多个重叠子轨迹连接起来，能够得到较为准确较为真实的兴趣区域的轮廓。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、系统或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本说明书处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

最后，应当理解的是，本说明书中实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (15)

1.一种描绘兴趣区域轮廓的方法，其特征在于，所述方法包括：

选定多个与兴趣区域相关的上车点；

获取每个上车点处的至少两个历史订单，得到各个所述历史订单中司机的接驾轨迹；

基于同一上车点的所述两个以上历史订单中司机的接驾轨迹，获得两个以上接驾轨迹中的重叠子轨迹；

基于所述多个上车点的所述重叠子轨迹，描绘所述兴趣区域的轮廓。

2.如权利要求1所述的方法，其特征在于，基于同一上车点的所述两个以上历史订单中司机的接驾轨迹，获得两个以上接驾轨迹中的重叠子轨迹，包括：

将每个历史订单中司机的接驾轨迹按照第一预设长度拆分成多个子轨迹，以得到每个历史订单的轨迹集；

获取重叠子轨迹识别模型；

将每个历史订单的轨迹集输入所述重叠子轨迹识别模型中，通过所述重叠子轨迹识别模型识别出所述轨迹集中的相互重叠的所述重叠子轨迹。

3.如权利要求2所述的方法，其特征在于，所述重叠子轨迹识别模型是根据训练过程生成的，所述训练过程包括：

获取所述兴趣区域的已知的轮廓；

获取与兴趣区域相关的上车点处的多个历史订单，将每个历史订单中司机的接驾轨迹均作为一个训练样本；

基于所述训练样本和已知的轮廓来训练初始的模型，以得到所述重叠子轨迹识别模型。

4.如权利要求3所述的方法，其特征在于，基于所述训练样本和已知的轮廓来训练初始的模型，以得到所述重叠子轨迹识别模型，包括：

将每个训练样本的接驾轨迹按照第二预设长度拆分成多个子轨迹，以得到每个训练样本的轨迹集；

将每个训练样本的轨迹集中的每个子轨迹是否与所述已知的轮廓相重叠作为标签，以对每个子轨迹进行分类，并根据每个子轨迹及相应标签对初始的模型进行优化迭代，以得到所述重叠子轨迹识别模型。

5.如权利要求1所述的方法，其特征在于，基于同一上车点的所述两个以上历史订单中司机的接驾轨迹，获得两个以上接驾轨迹中的重叠子轨迹，包括：

获取所述两个以上历史订单中司机的接驾轨迹中的重合轨迹点；

挑选出符合第一预设条件的多个所述重合轨迹点；

将挑选出的所述多个重合轨迹点连接起来而得到所述重叠子轨迹。

6.如权利要求1所述的方法，其特征在于，所述第一预设条件包括：与所述兴趣区域的已知的轮廓相匹配。

7.如权利要求1所述的方法，其特征在于，所述司机的接驾轨迹包括：

司机接到乘客的时刻之前与司机接到乘客的时刻之后的预设时间范围内的行驶轨迹，或者司机接到乘客的时刻之前与司机接到乘客的时刻之后行驶的预设长度范围内的行驶轨迹。

8.如权利要求1所述的方法，其特征在于，基于多个上车点的所述重叠子轨迹，描绘所述兴趣区域的轮廓，包括：

挑选出一个所述重叠子轨迹作为起始子轨迹；

挑选与所述起始子轨迹最近的所述重叠子轨迹，作为第二子轨迹；

依次挑选所述重叠子轨迹，使每次挑选的所述重叠子轨迹为与上一次挑选的所述重叠子轨迹距离最短的重叠子轨迹；

将挑选出的所有所述重叠子轨迹顺次连接起来，以形成闭环区域，从而得到所述兴趣区域的轮廓。

9.如权利要求1所述的方法，其特征在于，所述与兴趣区域相关的上车点包括与所述兴趣区域的距离在预设距离范围内的上车点，和/或名字与所述兴趣区域的名字相匹配的上车点。

10.如权利要求1所述的方法，其特征在于，所述重叠子轨迹包括重叠的点和/或重叠的路段。

11.如权利要求1所述的方法，其特征在于，所述方法还包括：在获取每个上车点处的至少两个历史订单，得到各个所述历史订单中司机的接驾轨迹后，将接驾轨迹不满足第二预设条件的历史订单排除。

12.如权利要求11所述的方法，其特征在于，所述第二预设条件包括：不存在跳变的轨迹点。

13.一种描绘兴趣区域轮廓的系统，其特征在于，所述系统包括：

选点模块，用于选定多个与兴趣区域相关的上车点；

订单获取模块，用于获取每个上车点处的至少两个历史订单，得到各个所述历史订单中司机的接驾轨迹；

轨迹获取模块，用于基于同一上车点的所述两个以上历史订单中司机的接驾轨迹，获得两个以上接驾轨迹中的重叠子轨迹；

轮廓描绘模块，用于基于所述多个上车点的所述重叠子轨迹，描绘所述兴趣区域的轮廓。

14.一种描绘兴趣区域轮廓的装置，所述装置包括处理器和存储器；所述存储器用于存储指令，其特征在于，所述指令被所述处理器执行时，导致所述装置实现如权利要求1～12中任一项所述方法对应的操作。

15.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当所述计算机读取存储介质中的计算机执指令时，计算机运行如权利要求1～12中任一项所述方法。

Images