CN113626684A - 一种对象的行进方式的分析方法和装置 - Google Patents
一种对象的行进方式的分析方法和装置 Download PDFInfo
- Publication number
- CN113626684A CN113626684A CN202110767558.2A CN202110767558A CN113626684A CN 113626684 A CN113626684 A CN 113626684A CN 202110767558 A CN202110767558 A CN 202110767558A CN 113626684 A CN113626684 A CN 113626684A
- Authority
- CN
- China
- Prior art keywords
- time
- space
- mode
- analysis
- analyzed
- 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 53
- 238000004458 analytical method Methods 0.000 claims abstract description 131
- 238000005070 sampling Methods 0.000 claims abstract description 60
- 230000014759 maintenance of location Effects 0.000 claims abstract description 8
- 230000004931 aggregating effect Effects 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 8
- 238000012731 temporal analysis Methods 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000452 restraining effect Effects 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
- G06F16/90—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
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明给出了一种对象的行进方式的分析方法和装置，包括根据待分析对象的目标位置范围以及目标时间段，在待分析对象的轨迹信息库中选取一定量的轨迹数据；根据所述分析对象的位置的相近程度和停留时长的大小将其中的位置相近的轨迹数据聚合到同一个集合中，得到若干个时空分析子集合，计算每个时空分析子集合的平均偏离量，选取平均偏离量最大的时空分析子集合为取样时空集合；删除平均偏离量大于零且停留时长大于预设值的点后得到过滤的取样时空集合，再计算所述过滤的取样时空集合的平均偏离量；根据所述过滤的取样时空集合的平均偏离量判断出所述待分析对象的行进方式。本发明有效过滤了干扰数据，极大提高了对象行进方式的分析效率和准确性。
Description
技术领域
本发明涉及行进轨迹分析技术领域，尤其是一种对象的行进方式的分析方法和装置。
背景技术
随着社会进入大数据时代，各地的大数据系统接入大量轨迹数据，这些数据存储着大量的经纬度信息，标识出每个对象真实的活动情况，对象行进方式分析是案件侦查中确认侦查方向的重要判断依据，如何快速分析出对象的行进方式，成为扩大战果的关键。然而对象行进方式很多，如飞机、动车、汽车、自行车、步行等，规律不明显，传统的分析手段往往只能事发之后，通过人工方式一条条数据进行查看分析，分析效率极其低下，这成为制约快速找到核心线索的主要瓶颈，因此如何基于海量时空轨迹数据，自动准确地分析出特定时间段内的对象的行进方式，快速过滤掉不符合条件的线索，减小排查范围，提高排查工作效率，成为大数据研究的一个重要课题。
一种行进方式分析的方法和装置就是为解决实战需求，利用行进方式分析算法自动构造出符合条件的时空分析集合，再通过停顿点过滤算法，从时空分析集合过滤掉影响分析结果的干扰数据，迭代分析对象不同时间段内的行进速度范围，进而分析出对象的行进方式；再通过相似性分析算法，比较分析本次计算结果与其它类似条件的计算结果之间的偏差，验证本次分析结果的准确率，提升对象分析的工作效率和准确性。
由于大数据系统接入的轨迹数据体量大、关联性差等特点，目前市场上现有的分析方法，只能通过人工观看的方式，分析特定对象的行进方式，这些技术存在以下不足：
1)行进方式分析的范围小，人工方式由于效率较低，只能分析很小时间范围内的行进方向，无法自动关联分析类似时间段的结果，进而得到对象行进方式的规律和特征，导致很多潜在的有价值的线索无法被自动挖掘出来；
2)行进方式分析的时效差，传统方法只能在事发之后，依靠人工方法进行分析，分析结果滞后，影响大数据服务业务工作的价值。
发明内容
本发明提出了一种对象的行进方式的分析方法和装置，以解决上文提到的现有技术的缺陷。
在一个方面，本发明提出了一种对象的行进方式的分析方法，该方法包括以下步骤：
S1：根据待分析对象的目标位置范围以及目标时间段，在待分析对象的轨迹信息库中选取一定量的轨迹数据以组成时空分析集合；
S2：遍历所述时空分析集合，根据所述分析对象的位置的相近程度和停留时长的大小将其中的位置相近的轨迹数据聚合到同一个集合中，得到若干个时空分析子集合，计算每个时空分析子集合的平均偏离量，选取平均偏离量最大的时空分析子集合为取样时空集合；
S3：遍历所述取样时空集合，删除其中平均偏离量大于零且停留时长大于预设值的点后得到过滤的取样时空集合，再计算所述过滤的取样时空集合的平均偏离量；
S4：根据所述过滤的取样时空集合的平均偏离量判断出所述待分析对象的行进方式。
以上方法结合用户设定的目标时间段以及目标位置范围等条件，智能构造出本次时间段和类似时间段的时空分析集合，用于进行行进方式分析，最大化提升了轨迹数据的分析范围；结合停顿点过滤和相似性分析的方法，过滤干扰数据，结合类似时间段内时空分析集合的计算结果进行比较分析，自动分析对象行进方式的规律特征，且能够自动修正分析结果，极大地提高了对象行进方式的分析效率和准确性。
在具体的实施例中，所述平均偏离量的值为当前集合中结束时间的位置与开始时间的位置之间的距离与当前集合中结束时间减开始时间所得之差的比值。
在具体的实施例中，所述S2还包括：
得到若干个时空分析子集合后，对每个时空分析子集合中停留时长小于指定阈值的点进行删除。
在具体的实施例中，所述S4具体包括：
获取多种不同的行进方式的偏离量区间，根据每种行进方式对应的偏离量区间制定行进方式判断规则；
将所述过滤的取样时空集合的平均偏离量与所述行进方式判断规则中的偏离量区间进行对比分析，判断出所述待分析对象的行进方式。
在具体的实施例中，所述判断出所述待分析对象的行进方式后，还包括以下核验步骤：
S5：判断出所述待分析对象的行进方式后，在所述待分析对象的轨迹信息库中随机获取若干份与所述时空分析集合中的数据相似的轨迹数据组成相似数据集合；
S6：利用所述相似数据集合中的轨迹数据的平均偏离量和行进方式，获取占比最大的行进方式以及所述占比最大的行进方式的占比；
S7：设置允许偏差率，在所述允许偏差率的范围内，利用所述占比最大的行进方式以及所述占比最大的行进方式的占比判断所述待分析对象的行进方式是否正确，若否，则利用所述占比最大的行进方式对所述待分析对象的行进方式进行修正；
S8：根据包括进行方式、开始时间和结束时间在内的属性指标对所述时空分析集合中的轨迹数据进行储存，构建对象行进方式库。
在具体的实施例中，所述S5具体包括：
生成过滤的取样时空集合Pn以及待分析对象的行进方式CZHX后，根据所述过滤的取样时空集合中的起点、终点和出发时间，从所述待分析对象的轨迹信息库中随机获取具有相同的起点和终点以及不同的出发时间的若干份轨迹数据构成相似数据集合。
在具体的实施例中，所述S6具体包括：
循环遍历所述相似数据集合，计算每份轨迹数据的平均偏离量，统计出其中占比最大的平均偏离量MorePSL、占比最大的行进方式MoreCZHX以及所述MoreCZHX的占比MoreRatio。
在具体的实施例中，所述S7具体包括：
设置允许偏差率MoreBCL，判断所述待分析对象的行进方式CZHX与所述占比最大的行进方式MoreCZHX是否相等；
若是，则认为所述待分析对象的行进方式CZHX为正确；
若否，计算所述取样时空集合Pn的平均偏移量PSL，当(PSL-MorePSL)/MorePSL<MoreBCL时，则利用所述占比最大的平均偏离量MorePSL、所述占比最大的行进方式MoreCZHX和所述允许偏差率MoreBCL对CZHX进行修正。
根据本发明的第二方面，提出了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机处理器执行时实施上述方法。
根据本发明的第三方面，提出一种对象的行进方式的分析系统，该系统包括：
轨迹数据收集模块：配置用于根据待分析对象的目标位置范围以及目标时间段，在待分析对象的轨迹信息库中选取一定量的轨迹数据以组成时空分析集合；
轨迹数据聚合选样模块：配置用于遍历所述时空分析集合，根据所述分析对象的位置的相近程度和停留时长的大小将其中的位置相近的轨迹数据聚合到同一个集合中，得到若干个时空分析子集合，计算每个时空分析子集合的平均偏离量，选取平均偏离量最大的时空分析子集合为取样时空集合；
轨迹数据停顿点过滤模块：配置用于遍历所述取样时空集合，删除其中平均偏离量大于零且停留时长大于预设值的点后得到过滤的取样时空集合，再计算所述过滤的取样时空集合的平均偏离量；
行进方式结果分析模块：配置用于根据所述过滤的取样时空集合的平均偏离量判断出所述待分析对象的行进方式；
相似数据收集模块：配置用于判断出所述待分析对象的行进方式后，在所述待分析对象的轨迹信息库中随机获取若干份与所述时空分析集合中的数据相似的轨迹数据组成相似数据集合；
核验指标计算模块：配置用于利用所述相似数据集合中的轨迹数据的平均偏离量和行进方式，获取占比最大的行进方式以及所述占比最大的行进方式的占比；
相似性核验模块：配置用于设置允许偏差率，在所述允许偏差率的范围内，利用所述占比最大的行进方式以及所述占比最大的行进方式的占比判断所述待分析对象的行进方式是否正确，若否，则利用所述占比最大的行进方式对所述待分析对象的行进方式进行修正；
分析结果保存模块：配置用于根据包括进行方式、开始时间和结束时间在内的属性指标对所述时空分析集合中的轨迹数据进行储存，构建对象行进方式库。
本发明根据待分析对象的目标位置范围以及目标时间段，在待分析对象的轨迹信息库中选取一定量的轨迹数据以组成时空分析集合；遍历所述时空分析集合，根据所述分析对象的位置的相近程度和停留时长的大小将其中的位置相近的轨迹数据聚合到同一个集合中，得到若干个时空分析子集合，计算每个时空分析子集合的平均偏离量，选取平均偏离量最大的时空分析子集合为取样时空集合；遍历所述取样时空集合，删除其中平均偏离量大于零且停留时长大于预设值的点后得到过滤的取样时空集合，再计算所述过滤的取样时空集合的平均偏离量；根据所述过滤的取样时空集合的平均偏离量判断出所述待分析对象的行进方式。本发明结合用户设定的目标时间段以及目标位置范围等条件，智能构造出本次时间段和类似时间段的时空分析集合，用于进行行进方式分析，最大化提升了轨迹数据的分析范围；结合停顿点过滤和相似性分析的方法，过滤干扰数据，结合类似时间段内时空分析集合的计算结果进行比较分析，自动分析对象行进方式的规律特征，且能够自动修正分析结果，极大地提高了对象行进方式的分析效率和准确性。
附图说明
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地理解。通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是本发明的一个实施例的一种对象的行进方式的分析方法的流程图；
图3是本发明的一个具体的实施例的对象行进方式库；
图4是本发明的一个具体的实施例的行进方式规则库；
图5是本发明的一个实施例的一种对象的行进方式的分析系统的框架图；
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的一种对象的行进方式的分析方法的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如数据处理类应用、数据可视化类应用、网页浏览器应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上展示的时空分析集合提供支持的后台信息处理服务器。后台信息处理服务器可以对获取的取样时空集合进行处理，并生成处理结果(例如平均偏离量)。
需要说明的是，本申请实施例所提供的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应的装置一般设置于服务器105中，也可以设置于终端设备101、102、103中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
根据本发明的一个实施例的一种对象的行进方式的分析方法，图2示出了根据本发明的实施例的一种对象的行进方式的分析方法的流程图。如图2所示，该方法包括以下步骤：
S201：根据待分析对象的目标位置范围以及目标时间段，在待分析对象的轨迹信息库中选取一定量的轨迹数据以组成时空分析集合。
在本实施例中，所述时空分析集合以如图3所示出的对象行进方式库表示。如图3中所示，行进方式分析的传参为开始时间StartTime、结束时间EndTime和对象属性Item；结合轨迹信息库获取时空分析集合Tn，要素为经度JD、纬度WD、发生时间FSSJ、对象ITEM，计算出Tn的起始时间CSSJ＝min(FSSJ)，终止时间ZZSJ＝max(FSSJ),最后再计算出Tn的间隔小时数ZGXC＝Hour(ZZSJ-CSSJ)。
S202：遍历所述时空分析集合，根据所述分析对象的位置的相近程度和停留时长的大小将其中的位置相近的轨迹数据聚合到同一个集合中，得到若干个时空分析子集合，计算每个时空分析子集合的平均偏离量，选取平均偏离量最大的时空分析子集合为取样时空集合。
在具体的实施例中，所述平均偏离量的值为当前集合中结束时间的位置与开始时间的位置之间的距离与当前集合中结束时间减开始时间所得之差的比值。
在具体的实施例中，根据S201的结果，遍历Tn，设置一个位置聚合的距离参数，根据这个参数对同一对象的位置进行聚合，得到经过位置集合Rn,要素为经度JD、纬度WD、停留时长TLSC，过滤掉集合Rn中TLSC小于指定阀值(如1小时)的点，得到新的Rn，根据Rn的位置点和时间点，将Tn拆成N个时空分析集合Sn，计算每个Sn的平均偏离量PSL，PSL为Sn的总偏离量与Sn的总时长的比值；选择其中PSL最大的Sn为选样的时空集合Pn。
在具体的实施例中，以上过程可以用如下例子来进行举例说明：
一个人早上7点开车去上班，8点半到公司，10点外出办事，11点返回公司，晚上18点开车回家，20点公园散步，那就会将对象的轨迹拍成7-8.5，10-11，18-19.5，20-21四个时间段的时空分析集合，再分别计算四个时空分析集合的平均偏离量，得到7-8.5为分析该对象行进方式的最佳时空集合，即选样的时空集合Pn。
S203：遍历所述取样时空集合，删除其中平均偏离量大于零且停留时长大于预设值的点后得到过滤的取样时空集合，再计算所述过滤的取样时空集合的平均偏离量。
在具体的实施例中，步骤S203可以为：
遍历Pn，根据[Pn].PSL>0and[Pn].TLSC>1过滤掉时空集合的停顿点，再计算该时空集合的平均偏离量PSL，计算公式为[Pn].总偏离量/[Sn].时长.
在具体的实施例中，以上过程可以用如下例子来进行举例说明：开车从A地到B地，期间进了三个服务区，那么该时空集合的平均偏离量为[B点到A点之间的距离/(总时长-三个服务区停留时长)]。
S204：根据所述过滤的取样时空集合的平均偏离量判断出所述待分析对象的行进方式。
在具体的实施例中，所述S4具体包括：
获取多种不同的行进方式的偏离量区间，根据每种行进方式对应的偏离量区间制定行进方式判断规则；
将所述过滤的取样时空集合的平均偏离量与所述行进方式判断规则中的偏离量区间进行对比分析，判断出所述待分析对象的行进方式。
在具体的实施例中，根据PSL与图3表示的对象行进方式库进行比对，得出该对象的行进方式CZHX，例如：某时空集合的平均偏离量为50公里/小时，跟基础库比对后，初步判断行进方式为汽车。
在具体的实施例中，所述判断出所述待分析对象的行进方式后，还包括以下核验步骤：
S205：判断出所述待分析对象的行进方式后，在所述待分析对象的轨迹信息库中随机获取若干份与所述时空分析集合中的数据相似的轨迹数据组成相似数据集合。
在具体的实施例中，所述S205具体包括：
生成过滤的取样时空集合Pn以及待分析对象的行进方式CZHX后，根据所述过滤的取样时空集合中的起点、终点和出发时间，从所述待分析对象的轨迹信息库中随机获取具有相同的起点和终点以及不同的出发时间的若干份轨迹数据构成相似数据集合。
S206：利用所述相似数据集合中的轨迹数据的平均偏离量和行进方式，获取占比最大的行进方式以及所述占比最大的行进方式的占比。
在具体的实施例中，所述S206具体包括：
循环遍历所述相似数据集合，计算每份轨迹数据的平均偏离量，统计出其中占比最大的平均偏离量MorePSL、占比最大的行进方式MoreCZHX以及所述MoreCZHX的占比MoreRatio。
在具体的实施例中，根据时空集合Pn的起点、终点和出发时间，从时空库里随机获取该对象相同起点和终点，出发时间不同的一百份数据作为相似数据集合Qn，循环遍历数据集合Qn，计算每份时空数据的平均偏离量[Qn].PSL，计算占比最大的平均偏离量MorePSL、行进方式MoreCZHX、允许偏差率MoreBCL和占比MoreRatio。
S207：设置允许偏差率，在所述允许偏差率的范围内，利用所述占比最大的行进方式以及所述占比最大的行进方式的占比判断所述待分析对象的行进方式是否正确，若否，则利用所述占比最大的行进方式对所述待分析对象的行进方式进行修正。
在具体的实施例中，所述S207具体包括：
设置允许偏差率MoreBCL，判断所述待分析对象的行进方式CZHX与所述占比最大的行进方式MoreCZHX是否相等；
若是，则认为所述待分析对象的行进方式CZHX为正确；
若否，计算所述取样时空集合Pn的平均偏移量PSL，当(PSL-MorePSL)/MorePSL<MoreBCL时，则利用所述占比最大的平均偏离量MorePSL、所述占比最大的行进方式MoreCZHX和所述允许偏差率MoreBCL对CZHX进行修正。
在具体的实施例中，如果[Pn].CZHX＝MoreCZHX，则[Pn].CZHX＝[Pn].CZHX；如果[Pn].CZHX！＝MoreCZHX and([Pn].PSL-MorePSL)/MorePSL<MoreBCL，则[Pn].CZHX＝MoreCZHX；例如：某对象每天开车从居住地到公司上班，其中一天路上拥堵，导致平均偏离量大幅下降，分析行进方式结果自行车，通过结合历史相同轨迹线进行相似性核验，就可以将计算结果修正过来。
S208：根据包括进行方式、开始时间和结束时间在内的属性指标对所述时空分析集合中的轨迹数据进行储存，构建对象行进方式库。
图5示出了本发明的一个实施例的一种对象的行进方式的分析系统的框架图。该系统包括轨迹数据收集模块501、轨迹数据聚合选样模块502、轨迹数据停顿点过滤模块503、行进方式结果分析模块504、相似数据收集模块505、核验指标计算模块506、相似性核验模块507和分析结果保存模块508。
在具体的实施例中，轨迹数据收集模块501被配置用于根据待分析对象的目标位置范围以及目标时间段，在待分析对象的轨迹信息库中选取一定量的轨迹数据以组成时空分析集合；
轨迹数据聚合选样模块502被配置用于遍历所述时空分析集合，根据所述分析对象的位置的相近程度和停留时长的大小将其中的位置相近的轨迹数据聚合到同一个集合中，得到若干个时空分析子集合，计算每个时空分析子集合的平均偏离量，选取平均偏离量最大的时空分析子集合为取样时空集合；
轨迹数据停顿点过滤模块503被配置用于遍历所述取样时空集合，删除其中平均偏离量大于零且停留时长大于预设值的点后得到过滤的取样时空集合，再计算所述过滤的取样时空集合的平均偏离量；
行进方式结果分析模块504被配置用于根据所述过滤的取样时空集合的平均偏离量判断出所述待分析对象的行进方式；
相似数据收集模块505被配置用于判断出所述待分析对象的行进方式后，在所述待分析对象的轨迹信息库中随机获取若干份与所述时空分析集合中的数据相似的轨迹数据组成相似数据集合；
核验指标计算模块506被配置用于利用所述相似数据集合中的轨迹数据的平均偏离量和行进方式，获取占比最大的行进方式以及所述占比最大的行进方式的占比；
相似性核验模块507被配置用于设置允许偏差率，在所述允许偏差率的范围内，利用所述占比最大的行进方式以及所述占比最大的行进方式的占比判断所述待分析对象的行进方式是否正确，若否，则利用所述占比最大的行进方式对所述待分析对象的行进方式进行修正；
分析结果保存模块508被配置用于根据包括进行方式、开始时间和结束时间在内的属性指标对所述时空分析集合中的轨迹数据进行储存，构建对象行进方式库。
通过以上模块的作用，本系统结合用户设定的目标时间段以及目标位置范围等条件，智能构造出本次时间段和类似时间段的时空分析集合，用于进行行进方式分析，最大化提升了轨迹数据的分析范围；结合停顿点过滤和相似性分析的方法，过滤干扰数据，结合类似时间段内时空分析集合的计算结果进行比较分析，自动分析对象行进方式的规律特征，且能够自动修正分析结果，极大地提高了对象行进方式的分析效率和准确性。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、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，该模块、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，两个接连地表示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操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，并且这些单元的名称在某种情况下并不构成对该单元本身的限定。
本发明的实施例还涉及一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机处理器执行时实施上文中的方法。该计算机程序包含用于执行流程图所示的方法的程序代码。需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。
本发明根据待分析对象的目标位置范围以及目标时间段，在待分析对象的轨迹信息库中选取一定量的轨迹数据以组成时空分析集合；遍历所述时空分析集合，根据所述分析对象的位置的相近程度和停留时长的大小将其中的位置相近的轨迹数据聚合到同一个集合中，得到若干个时空分析子集合，计算每个时空分析子集合的平均偏离量，选取平均偏离量最大的时空分析子集合为取样时空集合；遍历所述取样时空集合，删除其中平均偏离量大于零且停留时长大于预设值的点后得到过滤的取样时空集合，再计算所述过滤的取样时空集合的平均偏离量；根据所述过滤的取样时空集合的平均偏离量判断出所述待分析对象的行进方式。本发明结合用户设定的目标时间段以及目标位置范围等条件，智能构造出本次时间段和类似时间段的时空分析集合，用于进行行进方式分析，最大化提升了轨迹数据的分析范围；结合停顿点过滤和相似性分析的方法，过滤干扰数据，结合类似时间段内时空分析集合的计算结果进行比较分析，自动分析对象行进方式的规律特征，且能够自动修正分析结果，极大地提高了对象行进方式的分析效率和准确性；本发明基于海量时空数据场景下，可以自动分析出对象的行进方式，并及时预警，大大降低了人工分析研判的工作，分析效率比人工分析提高超过5倍以上。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种对象的行进方式的分析方法，其特征在于，包括以下步骤：
S1：根据待分析对象的目标位置范围以及目标时间段，在待分析对象的轨迹信息库中选取一定量的轨迹数据以组成时空分析集合；
S2：遍历所述时空分析集合，根据所述分析对象的位置的相近程度和停留时长的大小将其中的位置相近的轨迹数据聚合到同一个集合中，得到若干个时空分析子集合，计算每个时空分析子集合的平均偏离量，选取平均偏离量最大的时空分析子集合为取样时空集合；
S3：遍历所述取样时空集合，删除其中平均偏离量大于零且停留时长大于预设值的点后得到过滤的取样时空集合，再计算所述过滤的取样时空集合的平均偏离量；
S4：根据所述过滤的取样时空集合的平均偏离量判断出所述待分析对象的行进方式。
2.根据权利要求1所述的方法，其特征在于，所述平均偏离量的值为当前集合中结束时间的位置与开始时间的位置之间的距离与当前集合中结束时间减开始时间所得之差的比值。
3.根据权利要求1所述的方法，其特征在于，所述S2还包括：
得到若干个时空分析子集合后，对每个时空分析子集合中停留时长小于指定阈值的点进行删除。
4.根据权利要求1所述的方法，其特征在于，所述S4具体包括：
获取多种不同的行进方式的偏离量区间，根据每种行进方式对应的偏离量区间制定行进方式判断规则；
将所述过滤的取样时空集合的平均偏离量与所述行进方式判断规则中的偏离量区间进行对比分析，判断出所述待分析对象的行进方式。
5.根据权利要求1所述的方法，其特征在于，所述判断出所述待分析对象的行进方式后，还包括以下核验步骤：
S5：判断出所述待分析对象的行进方式后，在所述待分析对象的轨迹信息库中随机获取若干份与所述时空分析集合中的数据相似的轨迹数据组成相似数据集合；
S6：利用所述相似数据集合中的轨迹数据的平均偏离量和行进方式，获取占比最大的行进方式以及所述占比最大的行进方式的占比；
S7：设置允许偏差率，在所述允许偏差率的范围内，利用所述占比最大的行进方式以及所述占比最大的行进方式的占比判断所述待分析对象的行进方式是否正确，若否，则利用所述占比最大的行进方式对所述待分析对象的行进方式进行修正；
S8：根据包括进行方式、开始时间和结束时间在内的属性指标对所述时空分析集合中的轨迹数据进行储存，构建对象行进方式库。
6.根据权利要求5所述的方法，其特征在于，所述S5具体包括：
生成过滤的取样时空集合Pn以及待分析对象的行进方式CZHX后，根据所述过滤的取样时空集合中的起点、终点和出发时间，从所述待分析对象的轨迹信息库中随机获取具有相同的起点和终点以及不同的出发时间的若干份轨迹数据构成相似数据集合。
7.根据权利要求6所述的方法，其特征在于，所述S6具体包括：
循环遍历所述相似数据集合，计算每份轨迹数据的平均偏离量，统计出其中占比最大的平均偏离量MorePSL、占比最大的行进方式MoreCZHX以及所述MoreCZHX的占比MoreRatio。
8.根据权利要求7所述的方法，其特征在于，所述S7具体包括：
设置允许偏差率MoreBCL，判断所述待分析对象的行进方式CZHX与所述占比最大的行进方式MoreCZHX是否相等；
若是，则认为所述待分析对象的行进方式CZHX为正确；
若否，计算所述取样时空集合Pn的平均偏移量PSL，当(PSL-MorePSL)/MorePSL<MoreBCL时，则利用所述占比最大的平均偏离量MorePSL、所述占比最大的行进方式MoreCZHX和所述允许偏差率MoreBCL对CZHX进行修正。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被计算机处理器执行时实施权利要求1至8中任一项所述的方法。
10.一种对象的行进方式的分析装置，其特征在于，包括：
轨迹数据收集模块：配置用于根据待分析对象的目标位置范围以及目标时间段，在待分析对象的轨迹信息库中选取一定量的轨迹数据以组成时空分析集合；
轨迹数据聚合选样模块：配置用于遍历所述时空分析集合，根据所述分析对象的位置的相近程度和停留时长的大小将其中的位置相近的轨迹数据聚合到同一个集合中，得到若干个时空分析子集合，计算每个时空分析子集合的平均偏离量，选取平均偏离量最大的时空分析子集合为取样时空集合；
轨迹数据停顿点过滤模块：配置用于遍历所述取样时空集合，删除其中平均偏离量大于零且停留时长大于预设值的点后得到过滤的取样时空集合，再计算所述过滤的取样时空集合的平均偏离量；
行进方式结果分析模块：配置用于根据所述过滤的取样时空集合的平均偏离量判断出所述待分析对象的行进方式；
相似数据收集模块：配置用于判断出所述待分析对象的行进方式后，在所述待分析对象的轨迹信息库中随机获取若干份与所述时空分析集合中的数据相似的轨迹数据组成相似数据集合；
核验指标计算模块：配置用于利用所述相似数据集合中的轨迹数据的平均偏离量和行进方式，获取占比最大的行进方式以及所述占比最大的行进方式的占比；
相似性核验模块：配置用于设置允许偏差率，在所述允许偏差率的范围内，利用所述占比最大的行进方式以及所述占比最大的行进方式的占比判断所述待分析对象的行进方式是否正确，若否，则利用所述占比最大的行进方式对所述待分析对象的行进方式进行修正；
分析结果保存模块：配置用于根据包括进行方式、开始时间和结束时间在内的属性指标对所述时空分析集合中的轨迹数据进行储存，构建对象行进方式库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110767558.2A CN113626684B (zh) | 2021-07-07 | 2021-07-07 | 一种对象的行进方式的分析方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110767558.2A CN113626684B (zh) | 2021-07-07 | 2021-07-07 | 一种对象的行进方式的分析方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113626684A true CN113626684A (zh) | 2021-11-09 |
| CN113626684B CN113626684B (zh) | 2022-07-15 |
Family
ID=78379230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110767558.2A Active CN113626684B (zh) | 2021-07-07 | 2021-07-07 | 一种对象的行进方式的分析方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113626684B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US20170286845A1 (en) * | 2016-04-01 | 2017-10-05 | International Business Machines Corporation | Automatic extraction of user mobility behaviors and interaction preferences using spatio-temporal data |
| US20180038693A1 (en) * | 2016-08-04 | 2018-02-08 | International Business Machines Corporation | Method and apparatus of data classification for routes in a digitized map |
| CN111291216A (zh) * | 2020-02-28 | 2020-06-16 | 罗普特科技集团股份有限公司 | 一种基于人脸结构化数据的落脚点分析方法和系统 |
| CN111770452A (zh) * | 2020-05-27 | 2020-10-13 | 中山大学 | 一种基于个人出行轨迹特征的手机信令停留点识别方法 |
| CN112542045A (zh) * | 2020-12-01 | 2021-03-23 | 江苏欣网视讯软件技术有限公司 | 基于手机信令识别交通出行方式的方法与系统 |
-
2021
- 2021-07-07 CN CN202110767558.2A patent/CN113626684B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US20170286845A1 (en) * | 2016-04-01 | 2017-10-05 | International Business Machines Corporation | Automatic extraction of user mobility behaviors and interaction preferences using spatio-temporal data |
| US20180038693A1 (en) * | 2016-08-04 | 2018-02-08 | International Business Machines Corporation | Method and apparatus of data classification for routes in a digitized map |
| CN111291216A (zh) * | 2020-02-28 | 2020-06-16 | 罗普特科技集团股份有限公司 | 一种基于人脸结构化数据的落脚点分析方法和系统 |
| CN111770452A (zh) * | 2020-05-27 | 2020-10-13 | 中山大学 | 一种基于个人出行轨迹特征的手机信令停留点识别方法 |
| CN112542045A (zh) * | 2020-12-01 | 2021-03-23 | 江苏欣网视讯软件技术有限公司 | 基于手机信令识别交通出行方式的方法与系统 |
Non-Patent Citations (1)
| Title |
|---|
| 权宇澄等: "基于改进DBSCAN方法的移动对象轨迹停留分析", 《测绘与空间地理信息》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113626684B (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210227B (zh) | 风险检测方法、装置、设备和存储介质 | |
| CN107809331B (zh) | 识别异常流量的方法和装置 | |
| US9880012B2 (en) | Hybrid road network and grid based spatial-temporal indexing under missing road links | |
| CN110839016A (zh) | 异常流量监测方法、装置、设备及存储介质 | |
| US20140164390A1 (en) | Mining trajectory for spatial temporal analytics | |
| CN114422267B (zh) | 流量检测方法、装置、设备及介质 | |
| US9104729B2 (en) | Querying spatial events in a vehicle network, and optimized querier | |
| CN111405475B (zh) | 一种多维感知数据碰撞融合分析方法和装置 | |
| CN112347296B (zh) | 一种基于人脸识别的人员与案件关联分析方法和装置 | |
| EP4052137A2 (en) | System and method for processing vehicle event data for low latency speed analysis of road segments | |
| CN111397625A (zh) | 车辆导航方法及相关装置 | |
| CN116257663A (zh) | 面向无人地面车辆的异常检测与关联分析方法及相关设备 | |
| CN116756616A (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
| CN113806370A (zh) | 基于大数据的环境数据监管方法、装置、设备及存储介质 | |
| CN113626684B (zh) | 一种对象的行进方式的分析方法和装置 | |
| CN113284337A (zh) | 基于车辆轨迹多维数据的od矩阵计算方法及装置 | |
| CN113761306A (zh) | 一种车端数据处理方法及装置 | |
| CN111563137A (zh) | 一种用于重合轨迹的分析方法和系统 | |
| CN116108233A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN115905260A (zh) | 地图更新方法、装置、电子设备及存储介质 | |
| CN115617933A (zh) | 基于时空数据的多维轨迹分析及可视化方法及装置 | |
| CN115827058A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN117349388B (zh) | 数据时效性确定方法、电子设备 | |
| CN114519117A (zh) | 确定事件真实性的方法、装置、电子设备及存储介质 | |
| CN116828397B (zh) | 一种轨迹信息的获取方法、装置、电子设备和存储介质 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230103 Address after: Unit 102-402, No. 12, guanri Road, phase II, Xiamen Software Park, Fujian Province, 361000 Patentee after: XIAMEN MEIYA PICO INFORMATION Co.,Ltd. Patentee after: CHINA ELECTRONICS ENGINEERING DESIGN INSTITUTE Co.,Ltd. Address before: 361000 unit 102-402, No.12, guanri Road, phase II, software park, Siming District, Xiamen City, Fujian Province Patentee before: XIAMEN MEIYA PICO INFORMATION Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Unit 102-402, No. 12 Guanri Road, Phase II, Software Park, Xiamen Torch High tech Zone, Xiamen, Fujian Province, 361000 Patentee after: Guotou Intelligent (Xiamen) Information Co.,Ltd. Country or region after: China Patentee after: China Electronics Engineering Design Institute Co.,Ltd. Address before: Unit 102-402, No. 12, guanri Road, phase II, Xiamen Software Park, Fujian Province, 361000 Patentee before: XIAMEN MEIYA PICO INFORMATION Co.,Ltd. Country or region before: China Patentee before: CHINA ELECTRONICS ENGINEERING DESIGN INSTITUTE Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240520 Address after: Unit 102-402, No. 12 Guanri Road, Phase II, Software Park, Xiamen Torch High tech Zone, Xiamen, Fujian Province, 361000 Patentee after: Guotou Intelligent (Xiamen) Information Co.,Ltd. Country or region after: China Address before: Unit 102-402, No. 12 Guanri Road, Phase II, Software Park, Xiamen Torch High tech Zone, Xiamen, Fujian Province, 361000 Patentee before: Guotou Intelligent (Xiamen) Information Co.,Ltd. Country or region before: China Patentee before: China Electronics Engineering Design Institute Co.,Ltd. |