CN113239089A - 路径识别方法、装置、电子设备、存储介质及程序产品 - Google Patents
路径识别方法、装置、电子设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN113239089A CN113239089A CN202110520653.2A CN202110520653A CN113239089A CN 113239089 A CN113239089 A CN 113239089A CN 202110520653 A CN202110520653 A CN 202110520653A CN 113239089 A CN113239089 A CN 113239089A
- Authority
- CN
- China
- Prior art keywords
- target
- track
- initial
- track segment
- segments
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000005192 partition Methods 0.000 claims abstract description 164
- 238000000638 solvent extraction Methods 0.000 claims abstract description 16
- 239000003550 marker Substances 0.000 claims description 16
- 230000011664 signaling Effects 0.000 claims description 14
- 230000004931 aggregating effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Remote Sensing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Radar Systems Or Details Thereof (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请提供一种路径识别方法、装置、电子设备、存储介质及程序产品。方法包括：对包括目标起始位置到目标终点位置的初始轨迹段的轨迹段集合所在的位置区域进行分区，得到多个目标分区；对各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各目标分区的至少一个初始目标轨迹段，以及，经过各初始目标轨迹段的目标对象的数量；对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，得到目标轨迹段集合；基于目标轨迹段集合，得到目标起始位置至目标终点位置之间的至少一条目标路径；其中，目标路径对应的目标对象的数量为所包括的目标轨迹段中目标对象的数量的最小值。本申请提高了路径识别的效率。
Description
技术领域
本申请涉及数据挖掘技术，尤其涉及一种路径识别方法、装置、电子设备、存储介质及程序产品。
背景技术
在从起始位置到达终点位置的所有路径中，经过的目标对象数量较多的路径即为热门路径。在例如交通管理、城市规划等方面，获取两地间的热门路径，可以为交通管理人员和城市规划人员等提供数据指导。
目前，在基于起始位置与终点位置间的多个轨迹段识别起始位置与终点位置间的路径时，需要对起始位置与终点位置间的多个轨迹段进行聚类，再基于聚类后的轨迹段获取起始位置与终点位置间的路径。然而，现有的对起始位置与终点位置间的多个轨迹段进行聚类的方法，需要基于起始位置与终点位置间的所有轨迹段之间的距离，获取可以聚类的轨迹段，导致现有的路径识别方法，需要占用大量的计算资源，导致路径识别的效率较低。
发明内容
本申请提供一种路径识别方法、装置、电子设备、存储介质及程序产品，以解决路径识别效率较低的问题。
第一方面，本申请提供一种路径识别方法，所述方法包括：
获取轨迹段集合；其中，所述轨迹段集合包括多个目标对象在预设时间段内从目标起始位置到目标终点位置的初始轨迹段，以及，经过各所述初始轨迹段的目标对象的数量；
对所述轨迹段集合所在的位置区域进行分区，得到多个目标分区；
对各所述目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各所述目标分区的至少一个初始目标轨迹段，以及，经过各所述初始目标轨迹段的目标对象的数量；
对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，得到目标轨迹段集合；所述目标轨迹段集合包括：多个目标轨迹段，以及，经过各所述目标轨迹段的目标对象的数量；
基于所述目标轨迹段集合，得到所述目标起始位置至所述目标终点位置之间的至少一条目标路径；其中，所述目标路径对应的目标对象的数量为所包括的目标轨迹段中目标对象的数量的最小值。
可选的，所述对所述轨迹段集合所在的位置区域进行分区，得到多个目标分区，包括：
根据所述第一预设阈值，对所述位置区域进行拆分，得到所述多个目标分区；其中，各所述目标分区的中心点到所述目标分区的边界的第三距离均大于所述第一预设阈值。
可选的，所述根据所述第一预设阈值，对所述位置区域进行拆分，得到所述多个目标分区，包括：
根据所述第一预设阈值，对所述位置区域进行拆分，得到多个初始分区；
若所述初始分区所包括的初始轨迹段数量大于预设轨迹段数阈值，则对所述初始分区再次进行拆分，得到至少两个所述目标分区；其中，所述目标分区所包括的初始轨迹段数量小于或等于所述预设轨迹段数阈值；
或者，
若所述初始分区所包括的初始轨迹段数量小于或等于所述预设轨迹段数阈值，则将所述初始分区作为所述目标分区。
可选的，所述对各所述目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各所述目标分区的至少一个初始目标轨迹段，以及，经过各所述初始目标轨迹段的目标对象的数量，包括：
步骤A：针对所述目标分区，随机选择一个初始轨迹段标记为标记轨迹段；
步骤B：获取所述标记轨迹段的邻域轨迹段集合，并将所述邻域轨迹段集合中的初始轨迹段添加标记；其中，所述邻域轨迹段集合包括至少一个第一邻域轨迹子集，每个所述第一邻域轨迹子集包括至少一个初始轨迹段，第一个第一邻域轨迹子集中的初始轨迹段与所述标记轨迹段的第一距离小于所述第一预设阈值，除所述第一个第一邻域轨迹子集之外的其他第一邻域轨迹子集所包括的初始轨迹段，与上一第一邻域轨迹子集中的至少一个初始轨迹段的第一距离小于或等于所述第一预设阈值；
步骤C：对所述标记轨迹段，以及，所述标记轨迹段的邻域轨迹段进行聚合，得到一初始目标轨迹段，以及，经过该初始目标轨迹段的目标对象的数量；
循环执行步骤A至步骤C，直至所述目标分区中无未标记的初始轨迹段。
可选的，所述邻域轨迹段集合还包括至少一个第二邻域轨迹子集；其中，所述第一邻域轨迹子集中所包括的初始轨迹段的数量大于或等于第四预设阈值，所述第二邻域轨迹子集中所包括的初始轨迹段的数量小于所述第四预设阈值；
所述将所述邻域轨迹段集合中的初始轨迹段添加标记，包括：
将所述第一邻域轨迹子集中的初始轨迹段标记为标记轨迹段，将所述第二邻域轨迹子集中的初始轨迹段标记为噪声轨迹段。
可选的，所述对所述标记轨迹段，以及，所述标记轨迹段的邻域轨迹段进行聚合，包括：
对所述标记轨迹段，以及，所述标记轨迹段的邻域轨迹段集合中的第一邻域轨迹子集进行聚合。
可选的，所述第一距离为初始轨迹段之间的垂直距离、平行距离和角度距离的加权和。
可选的，所述基于所述目标轨迹段集合，得到所述目标起始位置至所述目标终点位置之间的至少一条目标路径，包括：
根据所述目标起始位置，从所述目标轨迹段集合中获取至少一个目标起始轨迹段；
在所述目标轨迹段集合中，递归遍历各所述目标起始轨迹段的接续轨迹段，直至获取到位于所述目标终点位置的预设范围内的接续轨迹段；
根据各所述目标起始轨迹段，以及，各所述目标起始轨迹段的接续轨迹段，得到至少一条目标路径。
可选的，所述接续轨迹段满足下述至少一个约束条件：
所述接续轨迹段与相邻轨迹段的距离小于第五预设阈值；其中，所述相邻轨迹段为所述接续轨迹段的上一接续轨迹段，或者，所述目标起始轨迹段；
所述接续轨迹段与相邻轨迹段的夹角小于第六预设阈值；
所述接续轨迹段位于相邻轨迹段的延展方向。
可选的，所述目标起始轨迹段为多个，所述根据各所述目标起始轨迹段，以及，各所述目标起始轨迹段的接续轨迹段，得到至少一条目标路径，包括：
根据各所述目标起始轨迹段，以及，各所述目标起始轨迹段的接续轨迹段，得到多条初始目标路径；
将满足合并条件的第一初始目标路径进行合并；所述合并条件为：两个第一初始目标路径之间重叠的轨迹段数量大于或等于第七预设阈值；
将所述多条初始目标路径中不满足所述合并条件的初始目标路径，以及，合并后的初始目标路径均作为所述目标路径。
可选的，所述重叠的轨迹段满足下述约束条件：
两个轨迹段所在的区域的重叠部分大于或等于第八预设阈值。
可选的，所述基于所述目标轨迹段集合，得到所述目标起始位置至所述目标终点位置之间的至少一条目标路径之后，所述方法还包括：
按照目标对象的数量从大到小的顺序，将排序前M个目标路径作为从目标起始位置到目标终点位置的热门路径；其中，所述M为大于或等于1的整数。
可选的，所述获取轨迹段集合，包括：
接收所述目标起始位置、所述目标终点位置，以及，预设时间段；
从终端设备与网络设备的信令数据集中筛选出在所述预设时间段内，在所述目标起始位置、所述目标终点位置出现的多个目标对象；
提取各所述目标对象在所述预设时间段内的轨迹数据；
根据各所述目标对象在所述预设时间段内的轨迹数据，得到所述轨迹段集合；其中，所述轨迹数据包括目标对象驻留的位置点，以及，驻留的时间。
可选的，所述根据各所述目标对象在所述预设时间段内的轨迹数据，得到所述轨迹段集合，包括：
合并各所述目标对象轨迹数据中驻留时间连续、且位置点相同的轨迹数据，得到各所述目标对象的驻留点；
按照驻留时间的顺序，依次连接各所述目标对象的驻留点，得到各所述目标对象的轨迹段数据；
合并各所述目标对象的轨迹段数据，得到所述轨迹段集合。
可选的，所述合并各所述目标对象轨迹数据中驻留时间连续、且位置点相同的轨迹数据，得到各所述目标对象的驻留点之前，所述方法还包括：
去除所述目标对象在所述预设时间段内的轨迹数据中的噪声数据；其中，所述噪声数据包括：基于驻留时间相邻的两个位置点所得到的目标对象的移动速度大于或等于速度阈值。
可选的，所述合并各所述目标对象的轨迹段数据，得到所述轨迹段集合，包括：
将各所述目标对象的相同轨迹段数据合并，得到初始轨迹段集合；
获取初始轨迹段集合中至少两个相邻轨迹段的描述轨迹段，并使用所述描述轨迹段替代所述至少两个相邻轨迹段，得到所述轨迹段集合。
第二方面，本申请提供一种路径识别装置，所述装置包括：
第一获取模块，用于获取轨迹段集合；其中，所述轨迹段集合包括多个目标对象在预设时间段内从目标起始位置到目标终点位置的初始轨迹段，以及，经过各所述初始轨迹段的目标对象的数量；
分区模块，用于对所述轨迹段集合所在的位置区域进行分区，得到多个目标分区；
聚类模块，用于对各所述目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各所述目标分区的至少一个初始目标轨迹段，以及，经过各所述初始目标轨迹段的目标对象的数量；对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，得到目标轨迹段集合；所述目标轨迹段集合包括：多个目标轨迹段，以及，经过各所述目标轨迹段的目标对象的数量；
第二获取模块，用于基于所述目标轨迹段集合，得到所述目标起始位置至所述目标终点位置之间的至少一条目标路径；其中，所述目标路径对应的目标对象的数量为所包括的目标轨迹段中目标对象的数量的最小值。
第三方面，本申请提供一种电子设备，包括：至少一个处理器、存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述电子设备执行第一方面任一项所述的方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机执行指令，当所述计算机执行指令被处理器执行时，实现第一方面任一项所述的方法。
第五方面，本申请提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的方法。
本申请提供的路径识别方法、装置、电子设备、存储介质及程序产品，通过对目标起始位置和目标终点位置之间的轨迹段集合所在的区域进行分区，得到多个目标分区。各目标分区中的初始轨迹段的数量小于轨迹段集合内的初始轨迹段的总数量。因此，在后续轨迹段集合内的初始轨迹段进行聚类时，可以针对各目标分区，将各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，减少了聚类的计算量，提高了聚类的效率，进而提高了路径识别的效率。然后，针对所有目标分区，将所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，提高了路径识别的准确性，还减少了后续获取目标路径的计算量，进一步提高了路径识别的效率。通过上述路径识别方法，每次聚类时不需要计算轨迹段集合内所有的初始轨迹段之间的距离，而是将较大的计算量，拆分成多个较小的计算量，避免了轨迹段数量较多时，电子设备可能无法进行路径识别的情况出现，降低了对电子设备配置的要求，使得即便电子设备的配置不高，也能够实现路径识别。
附图说明
为了更清楚地说明本申请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做一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为从起始位置到达终点位置的路径的示意图；
图2为本申请提供的一种路径识别方法的流程示意图；
图3为本申请提供的一种获取各目标分区的初始目标轨迹段的方法的流程示意图；
图4为本申请提供的一种标记轨迹段的邻域轨迹段集合示意图；
图5a为两个轨迹段之间的垂直距离示意图；
图5b为两个轨迹段之间的角度距离示意图；
图5c为两个轨迹段之间的平行距离示意图；
图6为本申请提供的一种获取目标起始位置至目标终点位置之间的至少一条目标路径的方法的流程示意图；
图7为本申请提供的一种获取轨迹段集合的方法的流程示意图；
图8为本申请提供的一种使用描述轨迹段替代两个相邻轨迹段的示意图；
图9为本申请提供的另一种路径识别方法的流程示意图；
图10为本申请提供的一种路径识别装置的结构示意图；
图11为本申请提供的一种电子设备结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
图1为从起始位置到达终点位置的路径的示意图。以A地作为起始位置，B地作为终点位置为例，A地与B地之间可能存在多条道路，不同目标对象从A地前往B地时，选择的道路可能不同，因此A地与B地之间可能存在多条路径，即(例如图1中所示的路径1、路径2、路径3)。针对A地与B地之间的多条路径，在一段时间内，每条路径经过的目标对象数量可能不同。在一段时间内，经过的目标对象数量较多的路径可以称为热门路径。
在使用现有的路径识别方法获取路径时，首先需要获取预设时间段内，构成从起始位置到终点位置的各路径的多个轨迹段(例如图1中所示的构成路径3的轨迹段1、轨迹段2、轨迹段3…轨迹段n，n为正整数)。然后，对于上述起始位置到终点位置之间多个轨迹段，需要计算所有轨迹段之间的距离。再基于所有轨迹段之间的距离，判断哪些轨迹段可以进行聚类，得到聚类后的轨迹段。然后，基于聚类后的轨迹段获取起始位置与终点位置间的路径。
如上述所说，在使用现有的路径识别方法获取起始位置与终点位置之间的路径时，需要计算起始位置与终点位置之间的所有轨迹段之间的距离。因此，当上述轨迹段的数量较多时，需要占用大量的计算资源，导致路径识别的效率较低。当用于执行现有的路径识别方法的设备的功能配置较低时，该设备甚至可能无法执行现有的路径识别方法，及现有的路径识别方法对设备的配置要求较高。
考虑到现有的路径识别方法存在的上述问题，本申请提出一种将轨迹段所在的位置区域进行分区之后，对各分区内的轨迹段进行聚类的方法，以减少聚类的计算量，提高聚类效率，进而提高路径识别效率。具体实现时，上述方法可以由电子设备执行，该电子设备例如可以是服务器、终端等具有处理功能的设备。
下面结合具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本申请提供的一种路径识别方法的流程示意图。如图2所示，该方法包括以下步骤：
S101、获取轨迹段集合。
其中，该轨迹段集合包括多个目标对象在预设时间段内从目标起始位置到目标终点位置的初始轨迹段，以及，经过各初始轨迹段的目标对象的数量。
在一种可能的实现方式中，电子设备例如可以通过应用程序接口(applicationprogram interface，API)或者图形用户界面(graphical user interface，GUI)等接收上述目标起始位置和目标终点位置。示例性的，电子设备例如可以接收目标起始位置的经纬度信息和目标终点位置的经纬度信息。
然后，电子设备可以获取在预设时间段内目标起始位置到目标终点位置的初始轨迹段。示例性的，电子设备例如可以从包含有目标起始位置到目标终点位置的初始轨迹段的信令数据集中，获取初始轨迹段。或者，电子设备例如还可以通过出行平台或导航软件等采集的用户出行大数据中，获取预设时间段内，目标起始位置到目标终点位置的初始轨迹段。
以电子设备可以从信令数据集中获取初始轨迹段为例，上述信令数据集例如可以是存储在网络运营商所用的服务器中的。电子设备可以向该服务器发送信令数据集获取请求，然后接受网络运营商所用的服务器发送的包含有目标起始位置到目标终点位置的初始轨迹段的信令数据集。然后从该信令数据集中获取初始轨迹段，以及，经过各初始轨迹段的目标对象的数量。
在另一种可能的实现方式中，电子设备例如还可以通过API或者GUI等直接接收上述轨迹段集合。
可选的，上述预设时间段可以是预先存储在电子设备中的。示例性的，该预设时间段例如可以是电子设备接收到目标起始位置和目标终点位置的时刻的之前的一段时间(例如一天、两天、一周、一个月等)。例如，电子设备在接收到目标起始位置和目标终点位置之后，可以获取在此之前的两周的时间内，从目标起始位置到目标终点位置的初始轨迹段，以及，经过各初始轨迹段的目标对象的数量。或者，上述预设时间段还可以是电子设备通过API或者GUI等接收的用户输入的预设时间段。
可选的，上述多个目标对象可以是在预设时间段内，从目标起始位置到目标终点位置的一部分目标对象。或者，上述多个目标对象也可以是在预设时间段内，从目标起始位置到目标终点位置的所有目标对象。进而电子设备可以获取所有目标对象的初始轨迹段，以提高获取目标起始位置到目标终点位置的初始轨迹段，以及，经过各初始轨迹段的目标对象的数量的准确性。
S102、对轨迹段集合所在的位置区域进行分区，得到多个目标分区。
可选的，上述轨迹段集合所在的位置区域的形状例如可以是长方形、正方形、圆形等形状。本申请对该轨迹段集合所在的位置区域的形状不进行限定。示例性的，电子设备可以根据轨迹段集合所在的位置区域的形状，以及，目标起始位置与目标终点位置确定轨迹段集合所在的位置区域。
在确定轨迹段集合所在的位置区域之后，电子设备对轨迹段集合所在的位置区域进行分区，以使后续对轨迹段进行聚类时，针对各目标分区内的轨迹段进行聚类，进而达到减少聚类计算量，提高路径识别效率的效果。
可选的，电子设备例如可以根据预设的分区阈值，对轨迹段集合所在的位置区域进行均匀的分区，即获取多个大小相同的目标分区。电子设备例如还可以通过随机分区的方式，将轨迹段集合所在的位置区域拆分成多个目标分区。
应当理解的是，本申请对电子设备如何对轨迹段集合所在的位置区域进行分区来获取多个目标分区不进行限定。具体实现时，电子设备还可以通过其他的方式对轨迹段集合所在的位置区域进行分区。
S103、对各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各目标分区的至少一个初始目标轨迹段，以及，经过各初始目标轨迹段的目标对象的数量。
以其中一个目标分区为例，上述第一距离指的是该目标分区内任意两个初始轨迹段之间的距离。可选的，上述第一距离例如可以由两个初始轨迹段之间的垂直距离、角度距离、平行距离中的至少一项表示。
上述第一预设阈值用于判断可以对哪些初始轨迹段可以进行聚类。第一距离小于第一预设阈值的两个初始轨迹段之间的差异较小(例如方向差异、位置差异等)，在实际中为同一条道路的可能性较大，因此可以对第一距离小于第一预设阈值的初始轨迹段进行聚类，提高了路径识别的准确性。此外，对初始轨迹段进行聚类后得到初始目标轨迹段，初始目标轨迹段的数量要小于初始轨迹段的数量，在后续获取起始位置与目标位置之间的目标路径时，可以减少计算量，进而提高获取目标路径的效率。
可选的，电子设备例如可以通过具有噪声的基于密度的聚类方法(Density-BasedSpatial Clustering of Applications with Noise，DBScan)、k均值聚类方法(k-meansclustering algorithm，其中k表示将聚类前的所有数据预分成的组数)、层次凝聚聚类算法(Hierarchical Agglomerative Clustering，HAC)等聚类算法对各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类。
示例性的，电子设备例如将聚合为一类的各初始轨迹段的目标对象的数量的平均值，作为经过各初始目标轨迹段的目标对象的数量。
S104、对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，得到目标轨迹段集合。
其中，该目标轨迹段集合包括：多个目标轨迹段，以及，经过各目标轨迹段的目标对象的数量。
考虑到不同目标分区中可能存在能够归为一类的初始轨迹段，因此，在获取各目标分区的至少一个初始目标轨迹段，以及，经过各初始目标轨迹段的目标对象的数量之后，电子设备可以对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，获取目标轨迹段集合，以进一步提高路径识别的准确性。此外，对初始目标轨迹段进行聚类后得到目标轨迹段，目标轨迹段的数量要小于初始目标轨迹段的数量，在后续获取起始位置与目标位置之间的目标路径时，可以进一步的减少计算量，进而进一步提高获取目标路径的效率。
示例性的，上述第二距离可以由所有目标分区中任意两个初始目标轨迹段之间的垂直距离、角度距离、平行距离中的至少一项表示。应理解，电子设备获取上述第一距离与第二距离的方式可以相同，也可以不同。
应理解，上述第二预设阈值可以与第一预设阈值相同，也可以与第一预设阈值不同。可选的，上述第一预设阈值，以及，第二预设阈值例如可以是预先存储在电子设备中的。或者，电子设备还可以接收用户输入的第一预设阈值，以及，第二预设阈值。
应理解，电子设备对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，得到目标轨迹段集合的实现方式，与前述电子设备对各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各目标分区的至少一个初始目标轨迹段，以及，经过各初始目标轨迹段的目标对象的数量的方式可以相同，也可以不同。即本申请对电子设备如何对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类不进行限定。
S105、基于目标轨迹段集合，得到目标起始位置至目标终点位置之间的至少一条目标路径。
其中，目标路径对应的目标对象的数量为所包括的目标轨迹段中目标对象的数量的最小值。示例性的，以一条目标路径包括了5条目标轨迹段为例，假设该5条目标轨迹段的目标对象的数量如表1所示。其中，目标轨迹段4的目标对象的数量最小，则电子设备可以确定该目标路径对应的目标对象的数量为77。
表1
可选的，在获取目标轨迹段集合之后，电子设备可以从获取到的目标轨迹段集合中获取能够组成从目标起始位置至目标终点位置的轨迹段，并使用这些轨迹段构成的路径作为目标路径。
或者，电子设备还可以基于目标轨迹段集合，获取目标起始位置的预设范围，和，目标终点位置的预设范围之间的路径，作为目标起始位置至目标终点位置之间的目标路径。可选的，电子设备可以根据目标起始位置、目标终点位置，以及，预设范围值，确定目标起始位置的预设范围和目标终点位置的预设范围。例如，目标起始位置的预设范围例如可以是以目标起始位置为圆心，以预设范围值为半径的圆形范围。该目标终点位置的预设范围例如可以是以目标终点位置为圆心，以预设范围值为半径的圆形范围。
可选的，电子设备在获取目标起始位置至目标终点位置之间的所有路径之后，可以将目标起始位置至目标终点位置之间的所有路径作为目标路径。
在本实施例中，通过对目标起始位置和目标终点位置之间的轨迹段集合所在的区域进行分区，得到多个目标分区。各目标分区中的初始轨迹段的数量小于轨迹段集合内的初始轨迹段的总数量。因此，在后续轨迹段集合内的初始轨迹段进行聚类时，可以针对各目标分区，将各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，减少了聚类的计算量，提高了聚类的效率，进而提高了路径识别的效率。然后，针对所有目标分区，将所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，提高了路径识别的准确性，还减少了后续获取目标路径的计算量，进一步提高了路径识别的效率。通过上述路径识别方法，每次聚类时不需要计算轨迹段集合内所有的初始轨迹段之间的距离，而是将较大的计算量，拆分成多个较小的计算量，避免了轨迹段数量较多时，电子设备可能无法进行路径识别的情况出现，降低了对电子设备配置的要求，使得即便电子设备的配置不高，也能够实现路径识别。
进一步的，在得到目标起始位置至目标终点位置之间的至少一条目标路径之后，电子设备还可以获取目标起始位置至目标终点位置的热门路径，以给用户提供数据指导。其中，热门路径指的是经过的目标对象的数量较多的路径。
示例性的，电子设备可以按照目标对象的数量从大到小的顺序，对上述目标路径进行排序。然后，电子设备可以将排序前M个目标路径作为从目标起始位置到目标终点位置的热门路径。M为大于或等于1的整数。可选的，电子设备可以接收用户输入的M的值。或者，电子设备还可以根据目标路径的数量，确定M的值。示例性的，电子设备例如可以将目标路径的数量乘以第一预设系数(该第一预设系数小于1)并取整的结果，作为M的值。
进一步的，下面针对电子设备如何对轨迹段集合所在的位置区域进行分区，以获取多个目标分区进行说明。
作为一种可能的实现方式，电子设备可以根据前述步骤S103中的第一预设阈值对轨迹段集合所在的位置区域进行拆分，以获取多个目标分区。该第一预设阈值表示能够进行聚类的两个初始轨迹段之间的第一距离的最大值。其中，各目标分区的中心点到目标分区的边界的第三距离均大于第一预设阈值。
示例性的，电子设备例如可以根据第一预设阈值与第二预设系数(第二预设系数大于1)相乘的结果，对轨迹段集合所在的位置区域进行拆分，以使电子设备能够对所有满足“第一距离小于第一预设阈值的初始轨迹段”进行聚类，以提高聚类的准确性，进而提高路径识别的准确性。此外，若不满足“各目标分区的中心点到目标分区的边界的第三距离均大于第一预设阈值”，则可能导致目标分区的数量较多，在对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类时，可能导致计算量仍然较大，即可能使得聚类效率较低，进而可能导致路径识别的效率较低。因此，根据第一预设阈值对轨迹段集合所在的位置区域进行拆分，还能够减少后续对所有目标分区中初始目标轨迹段进行聚类的计算量，进而能够提高聚类的效率，使得路径识别的效率提高。
在该实现方式下，可选的，电子设备还可以对各初始分区中所包括的初始轨迹段数量是否大于预设轨迹段数阈值进行判断。
若初始分区所包括的初始轨迹段数量大于预设轨迹段数阈值，说明该初始分区包括的初始轨迹段数量可能仍然较多，对初始轨迹段进行聚类的计算量可能仍然较大，即聚类的效率可能较低。则，电子设备可以对该初始分区再次进行拆分，以获取至少两个目标分区。其中，该目标分区所包括的初始轨迹段数量小于或等于预设轨迹段数阈值，以减少对初始轨迹段进行聚类的计算量，进而提高聚类的效率并使得即便配置不高的电子设备也能够执行该路径识别方法。若初始分区所包括的初始轨迹段数量小于或等于预设轨迹段数阈值，说明该初始分区所包括的初始轨迹段数量较少，对初始轨迹段进行聚类的计算量较少，使得电子设备能够以较高的效率对初始轨迹段进行聚类，则可以将该初始分区作为目标分区。
可选的，上述第一预设阈值，以及，预设轨迹段数阈值例如可以是预先存储在电子设备中的。或者，电子设备还可以接收用户输入的第一预设阈值，以及，预设轨迹段数阈值。
下面针对电子设备如何对各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各目标分区的至少一个初始目标轨迹段，以及，经过各初始目标轨迹段的目标对象的数量，进行说明。
图3为本申请提供的一种获取各目标分区的初始目标轨迹段的方法的流程示意图。如图3所示，作为一种可能的实现方式，上述步骤S103可以包括以下步骤：
S201：针对目标分区，随机选择一个初始轨迹段标记为标记轨迹段。
以任何一个目标分区为例，电子设备可以从该目标分区中随机的选择一个初始轨迹段进行标记。例如将该选中的初始轨迹段标记为标记轨迹段。该标记轨迹段的标签例如可以为visited。除了该标记轨迹段，该目标分区中的其他轨迹段均为未标记的初始轨迹段。
可选的，在电子设备随机选择一个初始轨迹段进行标记之前，电子设备还可以对该目标分区内的所有初始轨迹段添加未标记标签。该未标记标签例如可以为unvisited。在将该选中的初始轨迹段标记为标记轨迹段时，可以将该初始轨迹段的未标记标签替换为标记标签，以实现对初始轨迹段的标记。
S202：获取标记轨迹段的邻域轨迹段集合，并将邻域轨迹段集合中的初始轨迹段添加标记。
电子设备可以获取该标记轨迹段，与该标记轨迹段所在的目标分区中的除该标记轨迹段之外的所有初始轨迹段的第一距离。然后将与该标记轨迹段的第一距离小于第一预设阈值的初始轨迹段构成的集合，作为该标记轨迹段的第一个第一邻域轨迹子集。该第一邻域轨迹子集包括至少一个初始轨迹段。
示例性的，图4为本申请提供的一种标记轨迹段的邻域轨迹段集合示意图。对于如图中4所示的标记轨迹段，与该标记轨迹段的第一距离小于第一预设阈值的初始轨迹段有初始轨迹段1到初始轨迹段4共四条初始轨迹段，即该标记轨迹段的第一个第一邻域轨迹子集包括初始轨迹段1到初始轨迹段4共四条初始轨迹段。
然后，对于第一个第一邻域轨迹子集中的任意一个初始轨迹段，以初始轨迹段4为例，电子设备可以在该标记轨迹段所在的目标分区中，获取与初始轨迹段4的第一距离小于或等于第一预设阈值的初始轨迹段(即图4中所示的初始轨迹段5到初始轨迹段8)。该初始轨迹段5到初始轨迹段8共四个轨迹段构成的集合构成该标记轨迹段的一个第二个第一邻域轨迹子集。
应理解，针对初始轨迹段1、初始轨迹段2，以及，初始轨迹段3获取的第二个第一邻域轨迹子集在图4中没有示出。
也就是说，对于第一个第一邻域轨迹子集中的任意一个初始轨迹段，电子设备可以在该标记轨迹段所在的目标分区中，获取该初始轨迹段的邻域轨迹段集合，作为该标记轨迹段的第二个第一邻域轨迹子集。应理解，上述第二个第一邻域轨迹子集的数量与第一个第一邻域轨迹子集中初始轨迹段的数量相同。其中，该第二个第一邻域轨迹子集所包括的初始轨迹段与上述第一个第一邻域轨迹子集中的至少一个初始轨迹段的第一距离小于或等于第一预设阈值。
参照上述方法，电子设备可以获取该标记轨迹段的至少一个第一邻域轨迹子集，并将该至少一个第一邻域轨迹子集构成该标记轨迹段的邻域轨迹段集合。即，上述邻域轨迹段集合包括至少一个第一邻域轨迹子集。每个第一邻域轨迹子集包括至少一个初始轨迹段。邻域轨迹段集合中的第一个第一邻域轨迹子集中的初始轨迹段与标记轨迹段的第一距离，小于第一预设阈值。在上述邻域轨迹段集合中，除了上述第一个第一邻域轨迹子集之外的其他第一邻域轨迹子集所包括的初始轨迹段，与上一第一邻域轨迹子集中的至少一个初始轨迹段的第一距离小于或等于第一预设阈值。
其中，上述第一距离例如可以由两个初始轨迹段之间的垂直距离、角度距离、平行距离中的至少一项表示。
图5a为两个轨迹段之间的垂直距离示意图。图5b为两个轨迹段之间的角度距离示意图。图5c为两个轨迹段之间的平行距离示意图。如图5a、图5b，以及，图5c中所示，Tr1和Tr2分别表示一个目标分区中的两个初始轨迹段。
示例性的，电子设备可以通过公式(1)获取初始轨迹段Tr1与初始轨迹段Tr2之间的垂直距离。
如图5a中所示，公式(1)中，d1表示初始轨迹段Tr1的起点到初始轨迹段Tr2的距离。d2表示初始轨迹段Tr1的终点到初始轨迹段Tr2的距离。dper(Tr1，Tr2)表示初始轨迹段Tr1与初始轨迹段Tr2之间的垂直距离。
电子设备可以通过公式(2)获取初始轨迹段Tr1与初始轨迹段Tr2之间的角度距离。
dang(Tr1，Tr2)＝min(L(Tr1)，L(Tr2))×sinθ (2)
其中，dang(Tr1，Tr2)表示初始轨迹段Tr1与初始轨迹段Tr2之间的角度距离。L(Tr1)表示初始轨迹段Tr1的长度，L(Tr2)表示初始轨迹段Tr2的长度。min(L(Tr1)，L(Tr2))表示L(Tr1)和L(Tr2)中较小的值。θ表示初始轨迹段Tr1与初始轨迹段Tr2之间的夹角。
电子可以通过公式(3)获取初始轨迹段Tr1与初始轨迹段Tr2之间的平行距离。
dpar(Tr1，Tr2)＝min(d3，d4) (3)
如图5c中所示，公式(3)中，d3表示初始轨迹段Tr1的起点在初始轨迹段Tr2上的垂直投影点到初始轨迹段Tr2的起点的距离。d4表示初始轨迹段Tr的终点在初始轨迹段Tr2上的垂直投影点到初始轨迹段Tr2的终点的距离。min(d3，d4)表示d3和d4中的较小值。dpar(Tr1，Tr2)表示初始轨迹段Tr1与初始轨迹段Tr2之间的平行距离。
若上述第一距离由两个初始轨迹段之间的垂直距离、角度距离和平行距离三项表示，示例性的，电子设备可以将两个初始轨迹段之间的垂直距离、平行距离和角度距离的加权和，作为第一距离。示例性的，电子设备可以通过公式(4)，获取上述第一距离。
dist(Tr1，Tr2)＝ω1×dper(Tr1，Tr2)+ω2×dpar(Tr1，Tr2)+ω2×dang(Tr1，Tr2) (4)
其中，dper(Tr1，Tr2)、dpar(Tr1，Tr2)、dang(Tr1，Tr2)分别表示初始轨迹段Tr1与初始轨迹段Tr2之间的垂直距离、平行距离和角度距离。ω1、ω2和ω3分别表示垂直距离对应的权重、平行距离对应的权重和角度距离对应的权重。
可选的，上述第一距离还可以由两个初始轨迹段之间的垂直距离、角度距离、平行距离中的任意一项表示。
或者，该第一距离还可以由两个初始轨迹段之间的垂直距离、角度距离、平行距离中的任意两项表示。以第一距离由两个初始轨迹段之间的垂直距离和角度距离表示，电子设备可以通过计算两个初始轨迹段之间的垂直距离和角度距离的加权和，作为第一距离。
S203：对标记轨迹段，以及，标记轨迹段的邻域轨迹段进行聚合，得到一初始目标轨迹段，以及，经过该初始目标轨迹段的目标对象的数量；
示例性的，电子设备可以将标记轨迹段，以及，标记轨迹段的邻域轨迹段的起点的平均值作为该初始目标轨迹段的起点，将标记轨迹段，以及，标记轨迹段的邻域轨迹段的终点的平均值作为该初始目标轨迹段的终点。然后，电子设备可以根据获取到的初始目标轨迹段的起点和初始目标轨迹段的终点，得到一条初始目标轨迹段。该条初始目标轨迹段的目标对象的数量例如可以是标记轨迹段，以及，标记轨迹段的邻域轨迹段的目标对象的数量的平均值。
或者，电子设备还可以从标记轨迹段，以及，标记轨迹段的邻域轨迹段中随机选取一条轨迹段作为初始目标轨迹段，并将该条轨迹段的目标对象的数量作为该初始目标轨迹段的目标对象的数量。
S204：判断目标分区中是否存在未标记的初始轨迹段。
若目标分区中存在未标记的初始轨迹段，说明目标分区中还存在没有聚类的初始轨迹段，则电子设备可以继续执行步骤S210至步骤S203，以保证电子设备可以对目标分区中的所有初始轨迹段进行聚类。若目标分区中无未标记的初始轨迹段，说明电子设备已经将目标分区中所有的初始轨迹段进行聚合，则电子设备可以停止循环步骤S210至步骤S203，以避免重复对初始轨迹段进行聚类，进一步提高了聚类效率。
进一步的，电子设备还可以对邻域轨迹段集合中的邻域轨迹子集中的初始轨迹段的数量进行判断。示例性的，电子设备可以将邻域轨迹子集中所包括的初始轨迹段的数量大于或等于第四预设阈值的邻域轨迹子集作为第一邻域轨迹子集，将邻域轨迹子集中所包括的初始轨迹段的数量小于第四预设阈值的邻域轨迹子集作为第二邻域轨迹子集。上述邻域轨迹段集合可以包括至少一个第二邻域轨迹子集。
然后，电子设备可以将第一邻域轨迹子集中的初始轨迹段标记为标记轨迹段，将第二邻域轨迹子集中的初始轨迹段标记为噪声轨迹段。示例性的，在从目标起始位置前往目标终点位置的过程中，目标对象可能会因为自身需求等原因而偏离前往目标终点位置的路径。在目标对象偏离前往目标终点位置的路径过程中产生的轨迹段即为噪声轨迹段。
因此，电子设备对标记轨迹段，以及，标记轨迹段的邻域轨迹段集合中的第一邻域轨迹子集进行聚合。对于第二邻域轨迹子集中的初始轨迹段，电子设备可以不对该类标记为噪声轨迹段进行聚合，即电子设备不执行步骤S201到S204，以减少噪声轨迹段对聚类的影响，进而提高电子设备对初始轨迹段进行聚类的准确性，进而提高路径识别的准确性。
在本实施例中，通过从各目标分区随机选择一个初始轨迹段标记为标记轨迹段，并对该标记轨迹段的邻域轨迹段集合中的初始轨迹段添加标记，避免了电子设备在对目标分区中所有的初始轨迹段进行聚合时，重复判断哪些初始轨迹段可以进行聚类，提高了聚类的效率。
在对各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类之后，电子设备可以对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，以进一步提高路径识别的准确性，以及，进一步的减少电子设备获取目标路径的计算量，进而进一步提高路径识别的效率。
下面针对电子设备如何基于目标轨迹段集合，得到目标起始位置至目标终点位置之间的至少一条目标路径，进行说明。
图6为本申请提供的一种获取目标起始位置至目标终点位置之间的至少一条目标路径的方法的流程示意图。如图6所示，作为一种可能的实现方式，上述步骤S105可以包括以下步骤：
S301、根据目标起始位置，从目标轨迹段集合中获取至少一个目标起始轨迹段。
示例性的，电子设备可以获取目标起始位置到目标轨迹段集合中任一目标轨迹段的距离。然后根据目标起始位置到目标轨迹段的距离，确定至少一个目标起始轨迹段。目标起始位置到目标轨迹段的距离越小，目标轨迹段是目标对象从目标起始位置出发形成的第一个轨迹段的可能性越大。目标起始位置到目标轨迹段的距离越大，目标轨迹段是目标对象从目标起始位置出发形成的第一个轨迹段的可能性越小。
或者，电子设备还可以将起点位于“目标起始位置的预设范围”内的目标轨迹段，作为目标起始轨迹段。示例性的，该目标起始位置的预设范围可以参照前述实施例中步骤S105所述的方法确定，在此不再赘述。
S302、在目标轨迹段集合中，递归遍历各目标起始轨迹段的接续轨迹段，直至获取到位于目标终点位置的预设范围内的接续轨迹段。
电子设备在获取至少一个目标起始轨迹段之后，需要获取各目标起始轨迹段的接续轨迹段，以获取各目标起始轨迹段对应的目标路径。示例性的，电子设备可以根据以下三个约束条件中的至少一个约束条件，获取各目标起始轨迹段的接续轨迹段：
1、接续轨迹段与相邻轨迹段的距离小于第五预设阈值。其中，该相邻轨迹段为接续轨迹段的上一接续轨迹段，或者，目标起始轨迹段。可选的，接续轨迹段与相邻轨迹段的距离可以是指接续轨迹段的起点，与相邻轨迹段的终点的距离。上述第五预设阈值例如可以是接续轨迹段与相邻轨迹段中长度较小的轨迹段的长度值。或者，电子设备还可以接收用户输入的该第五预设阈值，并预先存储在电子设备中。再或者，上述第五预设阈值例如还可以是电子设备根据历史目标路径中各相邻的轨迹段之间的实际距离确定的。
2、接续轨迹段与相邻轨迹段的夹角小于第六预设阈值。示例性的，该第六预设阈值例如可以是90度。相应的，本约束条件例如还可以是接续轨迹段与相邻轨迹段的夹角的余弦值大于或等于0。上述第六预设阈值例如可以是电子设备接收的用户输入的数值，并预先存储在电子设备中。或者，上述第六预设阈值例如还可以是电子设备根据历史目标路径中各相邻的轨迹段之间的实际夹角确定的。应理解，本申请对电子设备如何获取第五预设阈值和第六预设阈值不进行限定。
3、接续轨迹段位于相邻轨迹段的延展方向。示例性的，电子设备可以将轨迹段2的起点坐标减去轨迹段1(轨迹段1是轨迹段2的上一个轨迹段)的起点坐标，得到坐标a。将轨迹段2的终点坐标减去轨迹段1的终点坐标，得到坐标b。然后，电子设备可以将坐标a乘以坐标b，并判断坐标a乘以坐标b的值是否为非负数。若坐标a乘以坐标b的值为非负数，则电子设备可以确定轨迹段2位于轨迹段1的延展方向上。
电子设备可以递归遍历各目标起始轨迹段的接续轨迹段，当获取到位于目标终点位置的预设范围内的接续轨迹段时，确定目标起始轨迹段对应的路径确定完成，即可以停止递归遍历各目标起始轨迹段的接续轨迹段。
S303、根据各目标起始轨迹段，以及，各目标起始轨迹段的接续轨迹段，得到至少一条目标路径。
当上述目标起始轨迹段为多个时，电子设备可以根据各目标起始轨迹段，以及，各目标起始轨迹段的接续轨迹段，得到多条初始目标路径。可选的，电子设备可以直接将这些初始目标路径作为目标路径。
或者，电子设备还可以将满足合并条件的第一初始目标路径进行合并，以将相似的初始目标路径合并。示例性的，合并条件可以为：两个第一初始目标路径之间重叠的轨迹段数量大于或等于第七预设阈值。
当两个第一初始目标路径之间重叠的轨迹段数量大于或等于第七预设阈值时，说明这两个第一初始目标路径对应的实际道路可能是同一条道路，则电子设备可以确定该两个第一初始目标路径为相似路径，将这两个路径进行合并，以使合并后获取的目标路径的数量更符合实际中目标路径的分布，即可以提高路径识别的准确性。
示例性的，电子设备例如可以通过判断两个轨迹段所在的区域的重叠部分是否大于或等于第八预设阈值，确定轨迹段是否重合。示例性的，轨迹段所在的区域例如可以是以轨迹段的长度为长，预设宽度为宽，包含轨迹段的长方形区域。若两个轨迹段所在的区域的重叠部分大于或等于第八预设阈值，说明两个轨迹段的重叠部分比较多，该两个轨迹段对应的实际道路可能是同一条道路，因此，电子设备可以确定这两个轨迹段重合。若两个轨迹段所在的区域的重叠部分小于第八预设阈值，说明两个轨迹段位置相差较大，则不能合并。
然后，电子设备可以将多条初始目标路径中不满足合并条件的初始目标路径，以及，合并后的初始目标路径均作为目标路径。
在本实施例中，首先基于目标起始位置，获取至少一个目标起始轨迹段，以确定目标起始位置到目标终点位置的路径的起点。然后，基于获取到的目标起始轨迹段，获取目标起始轨迹段之后的接续轨迹段。当接续轨迹段位于目标终点位置的预设范围内时，则可以确定基于目标起始轨迹段和接续轨迹段的目标路径，实现了从目标起始位置到目标终点位置的路径识别。
下面针对电子设备如何获取轨迹段集合进行说明。图7为本申请提供的一种获取轨迹段集合的方法的流程示意图。如图7所示，作为一种可能的实现方式，上述步骤S101可以包括以下步骤：
S401、接收目标起始位置、目标终点位置，以及，预设时间段。
S402、从终端设备与网络设备的信令数据集中筛选出在预设时间段内，在目标起始位置、目标终点位置出现的多个目标对象。
上述终端设备例如可以是目标对象使用的手机、平板电脑、智能手表等。上述网络设备例如可以是基站等。目标起始位置可以是指目标起始位置的精确的经纬度信息，或者目标起始位置所在的区域范围。目标终点位置可以是指目标终点位置的精确的经纬度信息，或者目标终点位置所在的区域范围。
S403、提取各目标对象在预设时间段内的轨迹数据。
电子设备在确定预设时间段内，在目标起始位置、目标终点位置出现的多个目标对象之后，可选的，电子设备例如可以根据目标对象的信令数据中的终端设备与哪些网络设备的进行了连接，获取目标对象的轨迹数据。
S404、根据各目标对象在预设时间段内的轨迹数据，得到轨迹段集合。
在目标对象从目标起始位置到目标终点位置的过程中，目标对象在不同位置的驻留时间可能不同。电子设备获取的目标对象的轨迹数据中包括目标对象驻留的位置点，以及，驻留的时间。
可选的，电子设备可以根据任意两个连续的位置点获取一条轨迹段，进而获取各目标对象的轨迹段集合。
或者，考虑到目标对象可能在同一位置停留的时间较长，电子设备还可以先合并各目标对象轨迹数据中驻留时间连续、且位置点相同的轨迹数据，以获取各目标对象的驻留点。然后再按照驻留时间的顺序，依次连接各目标对象的驻留点，得到各目标对象的轨迹段数据。然后合并各目标对象的轨迹段数据，得到轨迹段集合。
在该实现方式下，考虑到不同的目标对象经过的道路可能的是相同的，即不同的目标对象的轨迹段数据中的一条或多条轨迹段可能是相同的，所以，电子设备可以将各目标对象的相同轨迹段数据合并，得到初始轨迹段集合。
然后，电子设备可以获取初始轨迹段集合中至少两个相邻轨迹段的描述轨迹段，并使用描述轨迹段替代至少两个相邻轨迹段，以获取轨迹段集合。图8为本申请提供的一种使用描述轨迹段替代两个相邻轨迹段的示意图。如图8所示，使用描述轨迹段Tr’替代至少两个相邻轨迹段(轨迹段Tr1和轨迹段Tr2)，可以使得路径更加平滑，提高了轨迹段的准确性。此外，使用描述轨迹段替代至少两个相邻轨迹段，还能减少轨迹段集合中轨迹段的数量，进而提高后续对轨迹段进行聚类的效率。
可选的，电子设备可以根据描述轨迹段的代价值与该描述轨迹段要替代的两个相邻轨迹段的代价值的大小关系，确定是否使用描述轨迹段替代两个相邻轨迹段。电子设备可以通过公式(5)获取描述轨迹段的代价值，并通过公式(6)获取两个相邻轨迹段的代价值。
Cost(Tr’)＝log2(len(Tr’))+log2(dper(Tr1，Tr’)+dang(Tr1，Tr’)+dper(Tr2，Tr’)+dang(Tr2，Tr’))) (5)
Cost(Tr1，Tr2)＝L(Tr1)+L(Tr2) (6)
对于公式(5)，其中，Cost(Tr’)表示描述轨迹段的代价值。len(Tr′)表示描述轨迹段的长度值，可以由轨迹段Tr1的起点和轨迹段Tr2的终点确定。dper(Tr1，Tr’)表示轨迹段Tr1与描述轨迹段Tr’之间的垂直距离。dang(Tr1，Tr’)表示轨迹段Tr1与描述轨迹段Tr’之间的角度距离。dper(Tr2，Tr’)表示轨迹段Tr2与描述轨迹段Tr’之间的垂直距离。dang(Tr2，Tr’)表示轨迹段Tr2与描述轨迹段Tr’之间的角度距离。对于公式(6)，其中，Cost(Tr1，Tr2)表示两个相邻轨迹段的代价值。L(Tr1)和L(Tr2)分别表示轨迹段Tr1和轨迹段Tr2的长度。
若描述轨迹段的代价值小于该描述轨迹段要替代的两个相邻轨迹段的代价值，说明使用描述轨迹段替代两个相邻轨迹段的代价更小，则电子设备可以使用描述轨迹段替代两个相邻轨迹段。若描述轨迹段的代价值大于或等于该描述轨迹段要替代的两个相邻轨迹段的代价值，则不使用描述轨迹段替代两个相邻轨迹段。
进一步的，在电子设备获取各目标对象的驻留点之前，电子设备还可以去除目标对象在预设时间段内的轨迹数据中的噪声数据，以避免终端设备与网络设备连接错误导致的异常的信令数据对轨迹数据的影响，进而提高电子设备获取轨迹端集合的准确性。其中，上述噪声数据包括：基于驻留时间相邻的两个位置点所得到的目标对象的移动速度大于或等于速度阈值。示例性的，电子设备可以先获取目标对象在两个位置点之间的间隔时长，以及，两个位置点之间的距离。然后使用两个位置点之间的距离，除以，目标对象在两个位置点之间的间隔时长，获取目标对象的移动速度。
基于前述实施例所述的路径识别方法，图9为本申请提供的另一种路径识别方法的流程示意图。如图9所示，该方法包括以下步骤：
步骤1：获取轨迹数据。
示例性的，电子设备可以接收用户输入的接收目标起始位置、目标终点位置，以及，预设时间段。然后从目标对象使用的终端设备与网络设备(例如基站)的信令数据集中筛选出在预设时间段内，在目标起始位置、目标终点位置出现的多个目标对象。然后电子设备可以从上述信令数据集中获取各目标对象在预设时间段内的轨迹数据。
步骤2：数据预处理。
其中，数据预处理包括对轨迹数据的数据清洗、噪声过滤、轨迹压缩，以及，轨迹描述等步骤。
数据清洗和噪声过滤指的是对去除轨迹段数据中的异常数据。基于获取到的轨迹段数据，电子设备可以计算各目标对象在任意两个位置点之间的间隔时长，以及，两个位置点之间的距离，以获取相邻的两个位置点间目标对象的移动速度。然后根据该移动速度，去除目标对象在预设时间段内的轨迹数据中的噪声数据(目标对象移动速度大于或等于速度阈值的轨迹数据)。
然后电子设备可以合并各目标对象轨迹数据中驻留时间连续、且位置点相同的轨迹数据，以获取各目标对象的驻留点。再按照驻留时间的顺序，依次连接各目标对象的驻留点，得到各目标对象的轨迹段数据。
考虑到不同的目标对象经过的道路可能的是相同的，所以，电子设备可以将各目标对象的相同轨迹段数据合并，得到初始轨迹段集合。
轨迹压缩和轨迹描述指的是使用描述轨迹段来替代初始轨迹段。在获取初始轨迹段集合之后，电子设备可以根据描述轨迹段的代价值与该描述轨迹段要替代的两个相邻轨迹段的代价值的大小关系，确定是否使用描述轨迹段替代两个相邻轨迹段。若描述轨迹段的代价值小于该描述轨迹段要替代的两个相邻轨迹段的代价值，则可以使用描述轨迹段替代至少两个相邻轨迹段，进而获取轨迹段集合。示例性的，如何获取描述轨迹段的代价值，以及，两个相邻轨迹段的代价值，可以参照前述实施例所提供的方法，在此不再赘述。
步骤3：轨迹聚类。
其中轨迹聚类包括分布式DBScan聚类和单机DBScan聚类。分布式DBScan聚类指的是对各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类。单机DBScan聚类指的是对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类。
在对轨迹段集合进行分布式DBScan聚类之前，电子设备根据第一预设阈值，对轨迹段集合所在的位置区域进行拆分，得到多个目标分区。然后，再对各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，以获取各目标分区的至少一个初始目标轨迹段，以及，经过各初始目标轨迹段的目标对象的数量。
在获取各目标分区的至少一个初始目标轨迹段之后，电子设备可以使用DBScan聚类算法对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，以获取目标轨迹段集合。应理解，电子设备也可以不使用DBScan聚类算法对所有目标分区中的初始目标轨迹段进行聚类，即前述对各目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类所使用的方法，与对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类的方法可以相同，也可以不同。具体的，电子设备如何获取上述第一距离和第二距离，可以参照前述实施例所提供的方法，在此不再赘述。
步骤4：路径发现。
其中，路径发现包括路径生成和路径合并。路径生成指的是基于目标轨迹段集合，获取至少一个目标路径。在电子设备获取目标轨迹段集合之后，可以计算目标起始位置到目标轨迹段集合中任一目标轨迹段的距离。然后根据目标起始位置到目标轨迹段的距离，确定至少一个目标起始轨迹段。然后，电子设备可以遍历目标轨迹段集合中的接续轨迹段，以获取多条初始目标路径。
路径合并指的是将相似的初始目标路径进行合并。电子设备可以获取各初始目标路径之间重叠的轨迹段数量。若两个第一初始目标路径之间重叠的轨迹段数量大于或等于第七预设阈值，则将这两个路径进行合并。在将重叠的轨迹段数量较多的初始目标路径进行合并之后，可以将多条初始目标路径中不满足上述合并条件的初始目标路径，以及，合并后的初始目标路径均作为目标路径。
进一步的，在获取目标路径之后，电子设备可以按照目标对象的数量从大到小的顺序，对上述目标路径进行排序，并将排序前M个目标路径作为从目标起始位置到目标终点位置的热门路径。
图10为本申请提供的一种路径识别装置的结构示意图。如图10所示，该装置包括：第一获取模块61、分区模块62、聚类模块63、第二获取模块64。其中，
第一获取模块61，用于获取轨迹段集合。其中，所述轨迹段集合包括多个目标对象在预设时间段内从目标起始位置到目标终点位置的初始轨迹段，以及，经过各所述初始轨迹段的目标对象的数量。
分区模块62，用于对所述轨迹段集合所在的位置区域进行分区，得到多个目标分区。
聚类模块63，用于对各所述目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各所述目标分区的至少一个初始目标轨迹段，以及，经过各所述初始目标轨迹段的目标对象的数量；对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，得到目标轨迹段集合；所述目标轨迹段集合包括：多个目标轨迹段，以及，经过各所述目标轨迹段的目标对象的数量；
第二获取模块64，用于基于所述目标轨迹段集合，得到所述目标起始位置至所述目标终点位置之间的至少一条目标路径；其中，所述目标路径对应的对象的数量为所包括的目标轨迹段中目标对象的数量的最小值。
可选的，分区模块62具体用于根据所述第一预设阈值，对所述位置区域进行拆分，得到所述多个目标分区。其中，各所述目标分区的中心点到所述目标分区的边界的第三距离均大于所述第一预设阈值。
可选的，分区模块62，具体用于根据所述第一预设阈值，对所述位置区域进行拆分，得到多个初始分区；若所述初始分区所包括的初始轨迹段数量大于预设轨迹段数阈值，则对所述初始分区再次进行拆分，得到至少两个所述目标分区。其中，所述目标分区所包括的初始轨迹段数量小于或等于所述预设轨迹段数阈值。或者，若所述初始分区所包括的初始轨迹段数量小于或等于所述预设轨迹段数阈值，则将所述初始分区作为所述目标分区。
可选的，聚类模块63具体用于执行以下步骤：步骤A：针对所述目标分区，随机选择一个初始轨迹段标记为标记轨迹段。步骤B：获取所述标记轨迹段的邻域轨迹段集合，并将所述邻域轨迹段集合中的初始轨迹段添加标记。其中，所述邻域轨迹段集合包括至少一个第一邻域轨迹子集，每个所述第一邻域轨迹子集包括至少一个初始轨迹段，第一个第一邻域轨迹子集中的初始轨迹段与所述标记轨迹段的第一距离小于所述第一预设阈值，除所述第一个第一邻域轨迹子集之外的其他第一邻域轨迹子集所包括的初始轨迹段，与上一第一邻域轨迹子集中的至少一个初始轨迹段的第一距离小于或等于所述第一预设阈值。步骤C：对所述标记轨迹段，以及，所述标记轨迹段的邻域轨迹段进行聚合，得到一初始目标轨迹段，以及，经过该初始目标轨迹段的目标对象的数量。然后，循环执行步骤A至步骤C，直至所述目标分区中无未标记的初始轨迹段。
可选的，所述邻域轨迹段集合还包括至少一个第二邻域轨迹子集；其中，所述第一邻域轨迹子集中所包括的初始轨迹段的数量大于或等于第四预设阈值，所述第二邻域轨迹子集中所包括的初始轨迹段的数量小于所述第四预设阈值。在该实现方式下，聚类模块63，具体用于将所述第一邻域轨迹子集中的初始轨迹段标记为标记轨迹段，将所述第二邻域轨迹子集中的初始轨迹段标记为噪声轨迹段。
可选的，聚类模块63，具体用于对所述标记轨迹段，以及，所述标记轨迹段的邻域轨迹段集合中的的第一邻域轨迹子集进行聚合。
可选的，所述第一距离为初始轨迹段之间的垂直距离、平行距离和角度距离的加权和。
可选的，第二获取模块64，具体用于根据所述目标起始位置，从所述目标轨迹段集合中获取至少一个目标起始轨迹段；在所述目标轨迹段集合中，递归遍历各所述目标起始轨迹段的接续轨迹段，直至获取到位于所述目标终点位置的预设范围内的接续轨迹段；根据各所述目标起始轨迹段，以及，各所述目标起始轨迹段的接续轨迹段，得到至少一条目标路径。
可选的，所述接续轨迹段满足下述至少一个约束条件：所述接续轨迹段与相邻轨迹段的距离小于第五预设阈值；所述接续轨迹段与相邻轨迹段的夹角小于第六预设阈值；所述接续轨迹段位于相邻轨迹段的延展方向。其中，所述相邻轨迹段为所述接续轨迹段的上一接续轨迹段，或者，所述目标起始轨迹段。
可选的，所述目标起始轨迹段为多个。在该实现方式下，第二获取模块64，具体用于根据各所述目标起始轨迹段，以及，各所述目标起始轨迹段的接续轨迹段，得到多条初始目标路径；将满足合并条件的第一初始目标路径进行合并；将所述多条初始目标路径中不满足所述合并条件的初始目标路径，以及，合并后的初始目标路径均作为所述目标路径。所述合并条件为：两个第一初始目标路径之间重叠的轨迹段数量大于或等于第七预设阈值。
可选的，所述重叠的轨迹段满足下述约束条件：两个轨迹段所在的区域的重叠部分大于或等于第八预设阈值。
可选的，在基于所述目标轨迹段集合，得到所述目标起始位置至所述目标终点位置之间的至少一条目标路径之后，第二获取模块64还用于按照目标对象的数量从大到小的顺序，将排序前M个目标路径作为从目标起始位置到目标终点位置的热门路径。其中，所述M为大于或等于1的整数。
可选的，第一获取模块61，具体用于接收所述目标起始位置、所述目标终点位置，以及，预设时间段；从终端设备与网络设备的信令数据集中筛选出在所述预设时间段内，在所述目标起始位置、所述目标终点位置出现的多个目标对象；提取各所述目标对象在所述预设时间段内的轨迹数据；根据各所述目标对象在所述预设时间段内的轨迹数据，得到所述轨迹段集合；其中，所述轨迹数据包括目标对象驻留的位置点，以及，驻留的时间。
可选的，第一获取模块61，具体用于合并各所述目标对象轨迹数据中驻留时间连续、且位置点相同的轨迹数据，得到各所述目标对象的驻留点；按照驻留时间的顺序，依次连接各所述目标对象的驻留点，得到各所述目标对象的轨迹段数据；合并各所述目标对象的轨迹段数据，得到所述轨迹段集合。
可选的，在合并各所述目标对象轨迹数据中驻留时间连续、且位置点相同的轨迹数据，得到各所述目标对象的驻留点之前，第一获取模块61，还用于去除所述目标对象在所述预设时间段内的轨迹数据中的噪声数据；其中，所述噪声数据包括：基于驻留时间相邻的两个位置点所得到的目标对象的移动速度大于或等于速度阈值。
可选的，第一获取模块61具体用于将各所述目标对象的相同轨迹段数据合并，得到初始轨迹段集合；获取初始轨迹段集合中至少两个相邻轨迹段的描述轨迹段，并使用所述描述轨迹段替代所述至少两个相邻轨迹段，得到所述轨迹段集合。
本申请提供的路径识别装置，用于执行前述路径识别方法实施例，其实现原理与技术效果类似，对此不再赘述。
图11为本申请提供的一种电子设备结构示意图。如图11所示，该电子设备700可以包括：至少一个处理器701和存储器702。
存储器702，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。
存储器702可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
处理器701用于执行存储器702存储的计算机执行指令，以实现前述方法实施例所描述的路径识别方法。其中，处理器701可能是一个中央处理器(Central ProcessingUnit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
可选的，该电子设备700还可以包括通信接口703。在具体实现上，如果通信接口703、存储器702和处理器701独立实现，则通信接口703、存储器702和处理器701可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry StandardArchitecture，简称为ISA)总线、外部设备互连(Peripheral Component，简称为PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果通信接口703、存储器702和处理器701集成在一块芯片上实现，则通信接口703、存储器702和处理器701可以通过内部接口完成通信。
本申请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可以包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或者光盘等各种可以存储程序代码的介质，具体的，该计算机可读存储介质中存储有程序指令，程序指令用于上述实施例中的方法。
本申请还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得电子设备实施上述的各种实施方式提供的路径识别方法。
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 (20)
1.一种路径识别方法，其特征在于，所述方法包括：
获取轨迹段集合；其中，所述轨迹段集合包括多个目标对象在预设时间段内从目标起始位置到目标终点位置的初始轨迹段，以及，经过各所述初始轨迹段的目标对象的数量；
对所述轨迹段集合所在的位置区域进行分区，得到多个目标分区；
对各所述目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各所述目标分区的至少一个初始目标轨迹段，以及，经过各所述初始目标轨迹段的目标对象的数量；
对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，得到目标轨迹段集合；所述目标轨迹段集合包括：多个目标轨迹段，以及，经过各所述目标轨迹段的目标对象的数量；
基于所述目标轨迹段集合，得到所述目标起始位置至所述目标终点位置之间的至少一条目标路径；其中，所述目标路径对应的目标对象的数量为所包括的目标轨迹段中目标对象的数量的最小值。
2.根据权利要求1所述的方法，其特征在于，所述对所述轨迹段集合所在的位置区域进行分区，得到多个目标分区，包括：
根据所述第一预设阈值，对所述位置区域进行拆分，得到所述多个目标分区；其中，各所述目标分区的中心点到所述目标分区的边界的第三距离均大于所述第一预设阈值。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一预设阈值，对所述位置区域进行拆分，得到所述多个目标分区，包括：
根据所述第一预设阈值，对所述位置区域进行拆分，得到多个初始分区；
若所述初始分区所包括的初始轨迹段数量大于预设轨迹段数阈值，则对所述初始分区再次进行拆分，得到至少两个所述目标分区；其中，所述目标分区所包括的初始轨迹段数量小于或等于所述预设轨迹段数阈值；
或者，
若所述初始分区所包括的初始轨迹段数量小于或等于所述预设轨迹段数阈值，则将所述初始分区作为所述目标分区。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述对各所述目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各所述目标分区的至少一个初始目标轨迹段，以及，经过各所述初始目标轨迹段的目标对象的数量，包括：
步骤A：针对所述目标分区，随机选择一个初始轨迹段标记为标记轨迹段；
步骤B：获取所述标记轨迹段的邻域轨迹段集合，并将所述邻域轨迹段集合中的初始轨迹段添加标记；其中，所述邻域轨迹段集合包括至少一个第一邻域轨迹子集，每个所述第一邻域轨迹子集包括至少一个初始轨迹段，第一个第一邻域轨迹子集中的初始轨迹段与所述标记轨迹段的第一距离小于所述第一预设阈值，除所述第一个第一邻域轨迹子集之外的其他第一邻域轨迹子集所包括的初始轨迹段，与上一第一邻域轨迹子集中的至少一个初始轨迹段的第一距离小于或等于所述第一预设阈值；
步骤C：对所述标记轨迹段，以及，所述标记轨迹段的邻域轨迹段进行聚合，得到一初始目标轨迹段，以及，经过该初始目标轨迹段的目标对象的数量；
循环执行步骤A至步骤C，直至所述目标分区中无未标记的初始轨迹段。
5.根据权利要求4所述的方法，其特征在于，所述邻域轨迹段集合还包括至少一个第二邻域轨迹子集；其中，所述第一邻域轨迹子集中所包括的初始轨迹段的数量大于或等于第四预设阈值，所述第二邻域轨迹子集中所包括的初始轨迹段的数量小于所述第四预设阈值；
所述将所述邻域轨迹段集合中的初始轨迹段添加标记，包括：
将所述第一邻域轨迹子集中的初始轨迹段标记为标记轨迹段，将所述第二邻域轨迹子集中的初始轨迹段标记为噪声轨迹段。
6.根据权利要求5所述的方法，其特征在于，所述对所述标记轨迹段，以及，所述标记轨迹段的邻域轨迹段进行聚合，包括：
对所述标记轨迹段，以及，所述标记轨迹段的邻域轨迹段集合中的第一邻域轨迹子集进行聚合。
7.根据权利要求4所述的方法，其特征在于，所述第一距离为初始轨迹段之间的垂直距离、平行距离和角度距离的加权和。
8.根据权利要求1-3任一项所述的方法，其特征在于，所述基于所述目标轨迹段集合，得到所述目标起始位置至所述目标终点位置之间的至少一条目标路径，包括：
根据所述目标起始位置，从所述目标轨迹段集合中获取至少一个目标起始轨迹段；
在所述目标轨迹段集合中，递归遍历各所述目标起始轨迹段的接续轨迹段，直至获取到位于所述目标终点位置的预设范围内的接续轨迹段；
根据各所述目标起始轨迹段，以及，各所述目标起始轨迹段的接续轨迹段，得到至少一条目标路径。
9.根据权利要求8所述的方法，其特征在于，所述接续轨迹段满足下述至少一个约束条件：
所述接续轨迹段与相邻轨迹段的距离小于第五预设阈值；其中，所述相邻轨迹段为所述接续轨迹段的上一接续轨迹段，或者，所述目标起始轨迹段；
所述接续轨迹段与相邻轨迹段的夹角小于第六预设阈值；
所述接续轨迹段位于相邻轨迹段的延展方向。
10.根据权利要求8所述的方法，其特征在于，所述目标起始轨迹段为多个，所述根据各所述目标起始轨迹段，以及，各所述目标起始轨迹段的接续轨迹段，得到至少一条目标路径，包括：
根据各所述目标起始轨迹段，以及，各所述目标起始轨迹段的接续轨迹段，得到多条初始目标路径；
将满足合并条件的第一初始目标路径进行合并；所述合并条件为：两个第一初始目标路径之间重叠的轨迹段数量大于或等于第七预设阈值；
将所述多条初始目标路径中不满足所述合并条件的初始目标路径，以及，合并后的初始目标路径均作为所述目标路径。
11.根据权利要求10所述的方法，其特征在于，所述重叠的轨迹段满足下述约束条件：
两个轨迹段所在的区域的重叠部分大于或等于第八预设阈值。
12.根据权利要求1-3任一项所述的方法，其特征在于，所述基于所述目标轨迹段集合，得到所述目标起始位置至所述目标终点位置之间的至少一条目标路径之后，所述方法还包括：
按照目标对象的数量从大到小的顺序，将排序前M个目标路径作为从目标起始位置到目标终点位置的热门路径；其中，所述M为大于或等于1的整数。
13.根据权利要求1-3任一项所述的方法，其特征在于，所述获取轨迹段集合，包括：
接收所述目标起始位置、所述目标终点位置，以及，预设时间段；
从终端设备与网络设备的信令数据集中筛选出在所述预设时间段内，在所述目标起始位置、所述目标终点位置出现的多个目标对象；
提取各所述目标对象在所述预设时间段内的轨迹数据；
根据各所述目标对象在所述预设时间段内的轨迹数据，得到所述轨迹段集合；其中，所述轨迹数据包括目标对象驻留的位置点，以及，驻留的时间。
14.根据权利要求13所述的方法，其特征在于，所述根据各所述目标对象在所述预设时间段内的轨迹数据，得到所述轨迹段集合，包括：
合并各所述目标对象轨迹数据中驻留时间连续、且位置点相同的轨迹数据，得到各所述目标对象的驻留点；
按照驻留时间的顺序，依次连接各所述目标对象的驻留点，得到各所述目标对象的轨迹段数据；
合并各所述目标对象的轨迹段数据，得到所述轨迹段集合。
15.根据权利要求14所述的方法，其特征在于，所述合并各所述目标对象轨迹数据中驻留时间连续、且位置点相同的轨迹数据，得到各所述目标对象的驻留点之前，所述方法还包括：
去除所述目标对象在所述预设时间段内的轨迹数据中的噪声数据；其中，所述噪声数据包括：基于驻留时间相邻的两个位置点所得到的目标对象的移动速度大于或等于速度阈值。
16.根据权利要求14所述的方法，其特征在于，所述合并各所述目标对象的轨迹段数据，得到所述轨迹段集合，包括：
将各所述目标对象的相同轨迹段数据合并，得到初始轨迹段集合；
获取初始轨迹段集合中至少两个相邻轨迹段的描述轨迹段，并使用所述描述轨迹段替代所述至少两个相邻轨迹段，得到所述轨迹段集合。
17.一种路径识别装置，其特征在于，所述装置包括：
第一获取模块，用于获取轨迹段集合；其中，所述轨迹段集合包括多个目标对象在预设时间段内从目标起始位置到目标终点位置的初始轨迹段，以及，经过各所述初始轨迹段的目标对象的数量；
分区模块，用于对所述轨迹段集合所在的位置区域进行分区，得到多个目标分区；
聚类模块，用于对各所述目标分区中第一距离小于第一预设阈值的初始轨迹段进行聚类，得到各所述目标分区的至少一个初始目标轨迹段，以及，经过各所述初始目标轨迹段的目标对象的数量；对所有目标分区中第二距离小于第二预设阈值的初始目标轨迹段进行聚类，得到目标轨迹段集合；所述目标轨迹段集合包括：多个目标轨迹段，以及，经过各所述目标轨迹段的目标对象的数量；
第二获取模块，用于基于所述目标轨迹段集合，得到所述目标起始位置至所述目标终点位置之间的至少一条目标路径；其中，所述目标路径对应的目标对象的数量为所包括的目标轨迹段中目标对象的数量的最小值。
18.一种电子设备，其特征在于，包括：至少一个处理器、存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述电子设备执行权利要求1-16任一项所述的方法。
19.一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上存储有计算机执行指令，当所述计算机执行指令被处理器执行时，实现权利要求1-16任一项所述的方法。
20.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-16任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110520653.2A CN113239089B (zh) | 2021-05-13 | 2021-05-13 | 路径识别方法、装置、电子设备、存储介质及程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110520653.2A CN113239089B (zh) | 2021-05-13 | 2021-05-13 | 路径识别方法、装置、电子设备、存储介质及程序产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113239089A true CN113239089A (zh) | 2021-08-10 |
| CN113239089B CN113239089B (zh) | 2023-01-24 |
Family
ID=77133852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110520653.2A Active CN113239089B (zh) | 2021-05-13 | 2021-05-13 | 路径识别方法、装置、电子设备、存储介质及程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113239089B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506604A (zh) * | 2021-08-19 | 2021-10-15 | 遨博（北京）智能科技有限公司 | 一种按摩轨迹调整方法 |
| CN115081963A (zh) * | 2022-08-19 | 2022-09-20 | 江西省生态环境科学研究与规划院 | 一种地下水质风险分析方法及系统 |
| CN115243091A (zh) * | 2022-06-14 | 2022-10-25 | 北京箩筐时空数据技术有限公司 | 一种地图轨迹动态展示方法及装置 |
| CN117668495A (zh) * | 2024-01-30 | 2024-03-08 | 中国人民解放军军事科学院国防科技创新研究院 | 无人机空中盘旋状态的识别方法和装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033011A (zh) * | 2018-06-19 | 2018-12-18 | 东软集团股份有限公司 | 计算轨迹频繁度的方法、装置、存储介质及电子设备 |
| CN109697221A (zh) * | 2018-11-22 | 2019-04-30 | 东软集团股份有限公司 | 轨迹规律的挖掘方法、装置、存储介质及电子设备 |
-
2021
- 2021-05-13 CN CN202110520653.2A patent/CN113239089B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033011A (zh) * | 2018-06-19 | 2018-12-18 | 东软集团股份有限公司 | 计算轨迹频繁度的方法、装置、存储介质及电子设备 |
| CN109697221A (zh) * | 2018-11-22 | 2019-04-30 | 东软集团股份有限公司 | 轨迹规律的挖掘方法、装置、存储介质及电子设备 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506604A (zh) * | 2021-08-19 | 2021-10-15 | 遨博（北京）智能科技有限公司 | 一种按摩轨迹调整方法 |
| CN113506604B (zh) * | 2021-08-19 | 2022-07-12 | 遨博（北京）智能科技有限公司 | 一种按摩轨迹调整方法 |
| CN115243091A (zh) * | 2022-06-14 | 2022-10-25 | 北京箩筐时空数据技术有限公司 | 一种地图轨迹动态展示方法及装置 |
| CN115243091B (zh) * | 2022-06-14 | 2024-02-02 | 北京箩筐时空数据技术有限公司 | 一种地图轨迹动态展示方法及装置 |
| CN115081963A (zh) * | 2022-08-19 | 2022-09-20 | 江西省生态环境科学研究与规划院 | 一种地下水质风险分析方法及系统 |
| CN117668495A (zh) * | 2024-01-30 | 2024-03-08 | 中国人民解放军军事科学院国防科技创新研究院 | 无人机空中盘旋状态的识别方法和装置 |
| CN117668495B (zh) * | 2024-01-30 | 2024-05-10 | 中国人民解放军军事科学院国防科技创新研究院 | 无人机空中盘旋状态的识别方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113239089B (zh) | 2023-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113239089B (zh) | 路径识别方法、装置、电子设备、存储介质及程序产品 | |
| JP6828044B2 (ja) | ルート逸脱認識方法、端末、および記憶媒体 | |
| CN108415975B (zh) | 基于bdch-dbscan的出租车载客热点识别方法 | |
| CN108765922B (zh) | 一种公交车辆行驶轨迹的分段方法 | |
| CN109933635A (zh) | 一种更新地图数据库的方法及装置 | |
| JP2018538627A (ja) | 交通道路の経路ヒートを取得する方法および装置 | |
| CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
| CN111931077B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN111737377B (zh) | 一种漂移轨迹的识别方法、装置及计算设备、存储介质 | |
| CN112885099B (zh) | 用于确定车辆轨迹关键点的方法、装置及设备 | |
| CN111707277B (zh) | 获取道路语义信息的方法、装置及介质 | |
| CN111435570A (zh) | 一种公交线路匹配方法及装置 | |
| CN108806301A (zh) | 一种公交车辆信息的自动识别方法 | |
| CN111126211A (zh) | 标牌识别方法和装置、电子设备 | |
| CN111405483A (zh) | 行程轨迹生成方法、装置、电子设备及存储介质 | |
| CN107545318B (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
| CN113709006B (zh) | 一种流量确定方法、装置、存储介质及电子装置 | |
| CN111666359B (zh) | Poi候选到达点挖掘方法、装置与设备 | |
| CN113177046B (zh) | 路网拓扑图的生成方法、装置、设备及存储介质 | |
| CN110830915A (zh) | 一种确定起点位置的方法及装置 | |
| CN116363856A (zh) | 一种用于道路交叉口拓扑结构生成的方法和装置 | |
| CN115474206A (zh) | 实时人数确定方法、装置、电子设备及存储介质 | |
| Weber et al. | On map matching of wireless positioning data: a selective look-ahead approach | |
| CN115687956A (zh) | 出行链的处理方法和装置、存储介质及处理器 | |
| CN114234975B (zh) | 低频的实时轨迹匹配方法、系统、计算机设备及存储介质 |
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 |