CN113657340B - 轨迹匹配方法及相关装置 - Google Patents
轨迹匹配方法及相关装置 Download PDFInfo
- Publication number
- CN113657340B CN113657340B CN202110989044.1A CN202110989044A CN113657340B CN 113657340 B CN113657340 B CN 113657340B CN 202110989044 A CN202110989044 A CN 202110989044A CN 113657340 B CN113657340 B CN 113657340B
- Authority
- CN
- China
- Prior art keywords
- grid
- track
- sequence
- similarity
- matched
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请提供的轨迹匹配方法及相关装置中,数据处理设备将预设区域划分成多个网格,确定出待匹配轨迹途径的第一网格序列以及目标轨迹途径的第二网格序列;然后,从第一网格序列与第二网格序列中确定出位于相同位置的至少一个网格组,并获取各网格组的相似度,最后,依据全部的相似度获得两轨迹之间的匹配程度。由于将两轨迹划分成了至少一个网格组,而各网格组分别对应了两轨迹的不同轨迹片段,因此,综合不同轨迹片段之间的相似度,能够达到提高匹配精度的目的。
Description
技术领域
本申请涉及数据处理领域,具体而言,涉及一种轨迹匹配方法及相关装置。
背景技术
在一些场景中,需要分析运动对象(例如,行人或者车辆)出行轨迹之间的匹配程度。例如,当前城市安防,警方需要对重点人员进行团伙分析、尾随人员排摸。
发明人研究发现,目前多以轨迹重合长度作为衡量轨迹之间匹配程度的标准,然而,该方法存在匹配精度欠佳的问题。
发明内容
为了克服现有技术中的至少一个不足,本申请实施例提供一种轨迹匹配方法及相关装置,包括:
第一方面,本实施例提供一种轨迹匹配方法,应用于数据处理设备,所述方法包括:
获取待匹配轨迹的第一网格序列以及目标轨迹的第二网格序列,其中,所述第一网格序列包括至少一个第一网格,所述至少一个第一网格表征所述待匹配轨迹途经的区域网格;所述第二网格序列包括至少一个第二网格,所述至少一个第二网格表征所述目标轨迹途经的区域网格;
根据所述第一网格序列与所述第二网格序列,确定出至少一个网格组,其中,每个所述网格组包括位于相同位置的第一网格以及第二网格;
针对每个所述网格组,获取所述网格组的相似度,其中,所述相似度表征所述网格组中的第一网格与第二网格之间的轨迹相似信息;
根据全部所述网格组的相似度,获得所述待匹配轨迹与所述目标轨迹之间的匹配程度。
第二方面,本实施例提供一种轨迹匹配装置,应用于数据处理设备,所述轨迹匹配装置包括:
序列获取模块,用于获取待匹配轨迹的第一网格序列以及目标轨迹的第二网格序列,其中,所述第一网格序列包括至少一个第一网格,所述至少一个第一网格表征所述待匹配轨迹途经的区域网格;所述第二网格序列包括至少一个第二网格,所述至少一个第二网格表征所述目标轨迹途经的区域网格;
网格配对模块,用于根据所述第一网格序列与所述第二网格序列,确定出至少一个网格组,其中,每个所述网格组包括位于相同位置的第一网格以及第二网格;
轨迹处理模块,用于针对每个所述网格组,获取所述网格组的相似度,其中,所述相似度表征所述网格组中的第一网格与第二网格之间的轨迹相似信息;
所述轨迹处理模块,还用于根据全部所述网格组的相似度,获得所述待匹配轨迹与所述目标轨迹之间的匹配程度。
第三方面,本实施例提供一种数据处理设备,所述数据处理设备包括处理器以及存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,实现所述的轨迹匹配方法。
第四方面,本实施例提供一种计算机存储器介质,所述计算机存储器介质存储有计算机程序,所述计算机程序被处理器执行时,实现所述的轨迹匹配方法。
相对于现有技术而言,本申请具有以下有益效果:
本申请实施例提供的轨迹匹配方法及相关装置中,数据处理设备将预设区域划分成多个网格,确定出待匹配轨迹途径的第一网格序列以及目标轨迹途径的第二网格序列;然后,从第一网格序列与第二网格序列中确定出位于相同位置的至少一个网格组,并获取各网格组的相似度,最后,依据全部的相似度获得两轨迹之间的匹配程度。由于将两轨迹划分成了至少一个网格组,而各网格组分别对应了两轨迹的不同轨迹片段,因此,综合不同轨迹片段之间的相似度,能够达到提高匹配精度的目的。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的数据处理设备的结构示意图;
图2为本申请实施例提供的轨迹匹配方法的流程示意图;
图3为本申请实施例提供的外接矩形示意图;
图4为本申请实施例提供的网格序列示意图;
图5为本申请实施例提供的轨迹匹配装置的结构示意图。
图标:120-存储器;130-处理器;140-通信装置;201-目标轨迹;202-外接矩形;301-待匹配轨迹;302-区域网格;401-序列获取模块;402-网格配对模块;403-轨迹处理模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。此外,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。
应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
相关轨迹匹配方式中,多以轨迹重合长度作为衡量轨迹之间匹配程度的标准,然而,该方法存在匹配精度欠佳的问题。例如,虽然两个轨迹的重合长度的占比很大,但是两条轨迹之间的时间跨度差距很大。又或者,虽然两条轨迹的重合占比很大,但在不同的轨迹位置,轨迹的重合频次比较低。显然,上述两种情况下,虽然两条轨迹之间的重合长度的占比很大,但由于不同轨迹位置的行为差异,两条轨迹的重合占并不能真实反映两条轨迹之间是否存在强烈的匹配关系。
基于上述技术问题的发现,发明人经过创造性劳动提出下述技术方案以解决或者改善上述问题。需要注意的是,以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案,都应该是发明人在发明创造过程中对本申请做出的贡献,而不应当理解为本领域技术人员所公知的技术内容。
鉴于此,本实施例提供一种应用于数据处理设备的轨迹匹配方法。该方法中,数据处理设备将预设区域划分成多个区域网格,然后确定出待匹配轨迹途径的第一网格序列以及目标轨迹途径的第二网格序列,然后,将网格之间的相似度作为衡量两轨迹匹配程度的标准。
其中,本实施例所指的数据处理设备,可以是服务器。而该服务100的类型可以是,但不限于,Web(网站)服务器、FTP(File Transfer Protocol,文件传输协议)服务器、数据处理服务器等。此外,该服务器可以是单个服务器,也可以是服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器可以是分布式系统)。在一些实施例中,服务器相对于用户终端,可以是本地的、也可以是远程的。在一些实施例中,服务器可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(Community Cloud)、分布式云、跨云(Inter-Cloud)、多云(Multi-Cloud)等,或者它们的任意组合。在一些实施例中,服务器可以在具有一个或多个组件的电子设备上实现。
而本实施例中待匹配轨迹以及目标估计可以采集自终端设备。其中,该终端设备可以是,但不限于,移动终端、平板计算机、膝上型计算机、或机动车辆中的内置设备、监控设备等,或其任意组合。在一些实施例中,移动终端可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机、或对讲机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等、或其任何组合。在一些实施例中,智能移动设备可以包括智能手机、个人数字助理(Personal DigitalAssistant,PDA)、游戏设备、导航设备、或销售点(Point of Sale,POS)设备等,或其任意组合。监控设备可以是球机、枪机等。
本实施例还提供了该数据处理设备的一种你结构示意图。如图1所示,该数据处理设备包括存储器120、处理器130、通信装置140。
该存储器120、处理器130以及通信装置140各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,该存储器120可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器120用于存储程序,该处理器130在接收到执行指令后,执行该程序。
该通信装置140用于通过网络建立服务器与用户终端之间的通信连接,并用于通过网络收发数据。网络可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(Wireless Local Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、公共电话交换网(Public Switched Telephone Network,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication,NFC)网络等,或其任意组合。在一些实施例中,网络可以包括一个或多个网络接入点。例如,网络可以包括有线或无线网络接入点,例如基站和/或网络交换节点,服务请求处理系统的一个或多个组件可以通过该接入点连接到网络以交换数据和/或信息。
该处理器130可能是一种集成电路芯片,具有信号的处理能力,并且,该处理器可以包括一个或多个处理核(例如,单核处理器或多核处理器)。仅作为举例,上述处理器可以包括中央处理单元(CentralProcessing Unit,CPU)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、专用指令集处理器(Application SpecificInstruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(DigitalSignalProcessor,DSP)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(Reduced Instruction Set Computing,RISC)、或微处理器等,或其任意组合。
基于上述关于数据处理设备的相关介绍,下面结合图2所示的轨迹匹配方法的流程示意图,对该方法的各步骤进行详细阐述。如图2所示,该方法包括:
步骤S101,获取待匹配轨迹的第一网格序列以及目标轨迹的第二网格序列。
其中,第一网格序列包括至少一个第一网格,而至少一个第一网格表征待匹配轨迹途经的区域网格;第二网格序列包括至少一个第二网格,而至少一个第二网格表征目标轨迹途经的区域网格。
作为一种可能的实现方式,该数据处理设备将预设地理区域划分成多个区域网格,然后,获取待匹配轨迹的待匹配轨迹点以及目标轨迹的目标轨迹点;将待匹配轨迹点与预设区域的区域网格进行匹配,将匹配成功的区域网格作为第一网格序列;将目标轨迹点与预设区域的区域网格进行匹配,将匹配成功的区域网格作为第二网格序列。
示例性的,该待匹配轨迹的待匹配轨迹点以及目标轨迹的目标轨迹点可以是GPS数据,表示为(xt,yt,t),其中,xt表示t时刻的经度,yt表示t时刻的纬度,t表示时刻信息。
此外,为了减少轨迹点与区域网格进行匹配时的计算量,该数据处理设备在将轨迹点与区域网格进行匹配之前,对获取的第一原始轨迹进行了筛选。
可选地,该数据处理设备先根据目标轨迹的时间跨度,确定出一时间筛选范围,根据该时间筛选范围从第一原始轨迹中剔除不满足该时间筛选范围的原始轨迹点,获得第二原始轨迹;然后,该数据处理设备依据目标轨迹的空间跨度,确定一包围目标轨迹的外接矩形,并根据该外接矩形从第二原始轨迹中剔除未位于该外接矩形的原始轨迹点,获得候选轨迹。
该候选轨迹包括了至少一个运动对象的原始轨迹,数据处理设备从中选取一运动对象的原始轨迹作为待匹配轨迹。
示例性的,假定该目标轨迹的时间跨度为[start_time_1,end_time_n],则该时间筛选范围可以设定为[start_time_1-t0,end_time_n+t0]。
其中,start_time_1为目标轨迹最小时间点,end_time_n为目标轨迹最大时间点,t0表示允许时间冗余范围。该数据处理设备将第一原始轨迹中未位于该时间筛选范围内的原始轨迹点剔除,以获得第二原始轨迹。
该数据处理设备从目标轨迹的目标轨迹点中确定出最大的纵向坐标(即最大的纬度),最小的横向坐标(即最小经度),构成外接矩形的一个第一顶点;然后,选取最大的横向坐标(即最大的经度),最小的纵向坐标(即最小的纬度);构成外接矩形的一个第二顶点,其中,第一顶点与第二顶点未对角关系。如此,基于该第一顶点以及第二顶点,构建该外接矩形。
如图3所示,假定该目标轨迹201为图中的实线所示,则图中的点A表示第一顶点,点B表示第二顶点,对应的外接矩形202如图3中的虚线所示。
本领域技术人员可以根据需要选取不同的网格形状,例如,正三角形、正四边形、正五边形、正六边形等。而网格的尺寸可以通过S2算法,事先将预设区域分成多个网格。其中,网格的边长与S2层级相关,因此,不同层级的网格具有不同的尺寸,表现为S2层级越高则网格的边长越小。例如,S12层级的网格,其边长约2200m;S13层级的网格,其边长约1100m;S14层级的网格,其边长约570m;S15层级的网格,其边长约270m;S30为最小层级,表示为一个轨迹点。
本领域技术人员可以根据精度需要,选取相应尺寸的网格,并且,针对每个网格内的所有轨迹点,使用同一S2值进行替代。而应理解的是,S2值表示预先为预设区域的每个网格分配的唯一标识,其数据类型为long类型。
将待匹配轨迹或者目标估计途径的所有区域网格,按照时间先后顺序进行排序,则获得相应的第一网格区域或者第二网格序列。
假定该区域网格的形状为正四边形,则待匹配轨迹的第一网格序列可以参见图4中待匹配轨迹301途径的区域网格302。
步骤S102,根据第一网格序列与第二网格序列,确定出至少一个网格组。
其中,每个网格组包括位于相同位置的第一网格以及第二网格。
步骤S103,针对每个网格组,获取网格组的相似度。
其中,相似度表征网格组中的第一网格与第二网格之间的轨迹相似信息。由于第一网格包括待匹配轨迹的部分待匹配轨迹点,第二网格包括目标轨迹的部分轨迹点;该数据处理设备能够从轨迹点中发掘出表征运动对象出行行为的特征信息,并基于该特征信息计算两网格之间的相似度。例如,该相似度可以是出行时间之间的时间重合度、出行轨迹的轨迹重合度中的一种或者其组合。
步骤S104,根据全部网格组的相似度,获得待匹配轨迹与目标轨迹之间的匹配程度。
基于上述设计,该数据处理设备将预设区域划分成多个网格,确定出待匹配轨迹途径的第一网格序列以及目标轨迹途径的第二网格序列;然后,从第一网格序列与第二网格序列中确定出位于相同位置的至少一个网格组,并获取各网格组的相似度,最后,依据全部的相似度获得两轨迹之间的匹配程度。由于将两轨迹划分成了至少一个网格组,而各网格组分别对应了两轨迹的不同轨迹片段,因此,综合不同轨迹片段之间的相似度,能够达到提高匹配精度的目的。
由于相似度可以是出行时间之间的时间重合度、出行轨迹的轨迹重合度中的一种或者其组合,本领域技术人员可以根据需要进行适应性选择。
在一种可能的实施方式中,数据处理设备获取网格组的时间重合度,其中,时间重合度表征位于第一网格中的待匹配轨迹与位于第二网格中的目标轨迹之间在时间维度的重合信息。
然后,数据处理设备将时间重合度,作为网格组的相似度。
作为一种时间重合的计算方式,该数据处理设备获取第一网格的第一时间跨度以及第二网格的第二时间跨度,根据第一时间跨度与第二时间跨度,获得时间重合度。其中,第一时间跨度表征位于第一网格的待匹配轨迹具有的时间跨度;第二时间跨度表征位于第二网格的目标轨迹具有的时间跨度。
示例性的,假定第一网格中包括5个待匹配轨迹点,按照时间先后顺序分别为:(x1,y1,08:15)、(x2,y2,08:19)、(x3,y3,08:22)、(x4,y4,08:27)、(x5,y5,08:35);则第一网格的时间跨度为08:15到08:35,共20分钟。
假定第二网格包括6个目标轨迹点,按照时间先后顺序分别为:(x1,y1,08:20)、(x2,y2,08:23)、(x3,y3,08:27)、(x4,y4,08:34)、(x5,y5,08:45);则第二网格的时间跨度为08:20到08:45,共25分钟。
第一网格与第二网格之间的重合时间位于08:20到08:35,共15分钟。假定第一网格中与第二网格之间的时间重合度表示为pt,则pt的一种表达式可以表示为:
式中,max(end_time_m,end_time_n)表示从第一网格中出现时间最晚的待匹配轨迹点与第二网格中出现时间最晚的目标轨迹点中,选取最晚的时间;min(start_time_m,start_time_n)表示从第一网格中出现时间最早的待匹配轨迹点与第二网格中出现时间最早的目标轨迹点中,选取最早的时间;t重合时间表示第一网格与第二网格之间的重合时间。
因此,依据该表达式,上述示例中pt的值为:
pt的另外一种表达式可以表示为:
因此,依据该表达式,上述示例中pt的值为:
在另外一种可能的实施方式中,考虑到基站或者监控设备在短时间内其数量或者安装位置不会发生较大的变化,而用户之间或者车辆之间的轨迹较为匹配,则运动对象会大概率被相同的基站或者监控设备检测到,反应到轨迹点的数量则会比较接近。
因此,待匹配轨迹的待匹配轨迹点包括不同检测设备采集到轨迹点以及同一检测设备在不同的时刻检采集到的轨迹点。例如,假定该检测设备为摄像机A以及摄像机B,若摄像机A与摄像机B同时采集到目标,则会同时保留摄像机A采集到的轨迹点以及摄像机B采集到的轨迹点。而目标轨迹的目标轨迹点同理,本实施例不再对此赘述。
然后,数据处理设备获取网格组的轨迹重合度,其中,轨迹重合度表征位于第一网格的待匹配轨迹与位于第二网格的目标轨迹之间在轨迹数量维度的重合信息。
然后,该数据处理设备将网格组的轨迹重合度,作为网格组的相似度。
在另外中实施方式中,该数据处理设备获取网格组的时间重合度和网格组的轨迹重合度,其中,时间重合度表征位于第一网格中的待匹配轨迹与位于第二网格中的目标轨迹之间在时间维度的重合信息;轨迹重合度表征位于第一网格的待匹配轨迹与位于第二网格的目标轨迹之间在轨迹数量维度的重合信息。
然后,该数据处理设备根据时间重合度和网格组的轨迹重合度,获得网格组的相似度。
示例性的,假定第一网格中包括5个待匹配轨迹点,第二网格包括6个目标轨迹点;第一网格中与第二网格之间的轨迹重合度表示为pc:
式中,cnt_m表示第一网格中待匹配轨迹点的数量,cnt_n表示第二网格中目标轨迹点的数量;max(cnt_m,cnt_n)表示从cnt_m以及cnt_n中选取最大值。
因此,依据该表达式,该示例中pc的值为:
pt的另外一种表达式可以表示为:
式中,cnt_m表示第一网格中待匹配轨迹点的数量,cnt_n表示第二网格中目标轨迹点的数量。
因此,依据该表达式,上述示例中pt的值为:
作为一种结合时间重合度以及轨迹重合度的实施方式,该数据处理设备获取时间重合度以及轨迹重合度各自的权重;根据时间重合度以及轨迹重合度各自的权重,获得时间重合度以及轨迹重合度之间的加权重合度;将权重合度作为网格组的相似度。
示例性的,假定时间重合度以及轨迹重合度各自的权重均为1/2,该相似度P的表达式如下:
式中,pt表示时间重合度,pc表示轨迹重合度。
为了综合不同轨迹片段之间的相似度,以达到提高匹配精度的目的。本实施例中,还可以结合至少一个网格组的数量提高匹配精度。即数据处理设备根据全部网格组的相似度以及至少一个网格组的数量,获得待匹配轨迹与目标轨迹之间的匹配程度。
可选地,数据处理设备可以根据全部网格组的相似度以及至少一个网格组的数量,通过公式L(A,B)获得匹配程度。
其中,公式L(A,B)的表达式为:
式中,A表示待匹配轨迹,B表示目标轨迹,Pi表示第i个网格组的相似度;count(B)表示第二网格序列的网格数量;countcombine表示至少一个网格组的数量,即重合网格的数量;counttotal表示将第一网格序列以及第二网格序列去重后的网格总数量,例如,假定第一网格序列的网格数量为10,第二网格序列的网格数量为15,两者重合的网格数量为5,则counttotal值为10+15-5=20。
本实施例中,当待匹配轨迹的数量为多个时,该数据处理设备可以依据各待匹配轨迹的匹配程度,按照从大到小的顺序进行排序,并将排序结果显示到显示屏幕中,供相关人员作为决策的参考信息。
基于与轨迹匹配方法相同的发明构思,本实例还提供轨迹匹配方法的相关装置,包括:
本实施例还提供一种轨迹匹配装置,应用于数据处理设备。轨迹匹配装置包括至少一个可以软件形式存储于存储器120中的功能模块。如图5所示,从功能上划分,轨迹匹配装置可以包括:
序列获取模块401,用于获取待匹配轨迹的第一网格序列以及目标轨迹的第二网格序列,其中,第一网格序列包括至少一个第一网格,至少一个第一网格表征待匹配轨迹途经的区域网格;第二网格序列包括至少一个第二网格,至少一个第二网格表征目标轨迹途经的区域网格。
本实施例中,该序列获取模块401用于实现图2中的步骤S101,关于该序列获取模块401的详细描述,可以参见步骤S101的详细描述。
网格配对模块402,用于根据第一网格序列与第二网格序列,确定出至少一个网格组,其中,每个网格组包括位于相同位置的第一网格以及第二网格。
本实施例中,该网格配对模块402用于实现图2中的步骤S102,关于该网格配对模块402的详细描述,可以参见步骤S102的详细描述。
轨迹处理模块403,用于针对每个网格组,获取网格组的相似度,其中,相似度表征网格组中的第一网格与第二网格之间的轨迹相似信息。
轨迹处理模块403,还用于根据全部网格组的相似度,获得待匹配轨迹与目标轨迹之间的匹配程度。
本实施例中,该轨迹处理模块403用于实现图2中的步骤S103-S104,关于该轨迹处理模块403的详细描述,可以参见步骤S103-S104的详细描述。
需要说明的是,上述序列获取模块401、网格配对模块402以及轨迹处理模块403还可以用于实现轨迹匹配方法的其他步骤或者子步骤;或者,该轨迹匹配装置还可以包括其他软件功能模块,用于实现轨迹匹配方法的其他步骤或者子步骤。因此,本领域技术人员可以依据不同的模块划分标准进行适应性调整,本实施例不做具体的限定。
本实施例还提供一种数据处理设备,数据处理设备包括处理器以及存储器,存储器存储有计算机程序,计算机程序被处理器执行时,实现所述的轨迹匹配方法。
本实施例还提供一种计算机存储器介质,计算机存储器介质存储有计算机程序,计算机程序被处理器执行时,实现所述的轨迹匹配方法。
综上所述,本申请实施例提供的轨迹匹配方法及相关装置中,数据处理设备将预设区域划分成多个网格,确定出待匹配轨迹途径的第一网格序列以及目标轨迹途径的第二网格序列;然后,从第一网格序列与第二网格序列中确定出位于相同位置的至少一个网格组,并获取各网格组的相似度,最后,依据全部的相似度获得两轨迹之间的匹配程度。由于将两轨迹划分成了至少一个网格组,而各网格组分别对应了两轨迹的不同轨迹片段,因此,综合不同轨迹片段之间的相似度,能够达到提高匹配精度的目的。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的各种实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种轨迹匹配方法,其特征在于,应用于数据处理设备,所述方法包括:
获取待匹配轨迹的第一网格序列以及目标轨迹的第二网格序列,其中,所述第一网格序列包括至少一个第一网格,所述至少一个第一网格表征所述待匹配轨迹途经的区域网格;所述第二网格序列包括至少一个第二网格,所述至少一个第二网格表征所述目标轨迹途经的区域网格;
根据所述第一网格序列与所述第二网格序列,确定出至少一个网格组,其中,每个所述网格组包括位于相同位置的第一网格以及第二网格;
针对每个所述网格组,获取所述网格组的相似度,其中,所述相似度表征所述网格组中的第一网格与第二网格之间的轨迹相似信息;
根据全部所述网格组的相似度以及所述至少一个网格组的数量,通过公式L(A,B)获得匹配程度,其中,所述公式L(A,B)的表达式为:
式中的A表示所述待匹配轨迹,B表示所述目标轨迹,Pi表示第i个所述网格组的相似度;count(B)表示所述第二网格序列的网格数量,countcombine表示所述至少一个网格组的数量,counttotal表示所述第一网格序列以及所述第二网格序列之间去重后的网格总数量。
2.根据权利要求1所述的轨迹匹配方法,其特征在于,所述获取所述网格组的相似度,包括:
获取所述网格组的时间重合度和/或所述网格组的轨迹重合度,其中,所述时间重合度表征位于所述第一网格中的待匹配轨迹与位于所述第二网格中的目标轨迹之间在时间维度的重合信息;所述轨迹重合度表征位于所述第一网格的待匹配轨迹与位于所述第二网格的目标轨迹之间在轨迹数量维度的重合信息;
根据所述时间重合度和/或所述网格组的轨迹重合度,获得所述网格组的相似度。
3.根据权利要求2所述的轨迹匹配方法,其特征在于,所述根据所述时间重合度和所述网格组的轨迹重合度,获得所述网格组的相似度,包括:
获取所述时间重合度以及所述轨迹重合度各自的权重;
根据所述时间重合度以及所述轨迹重合度各自的权重,获得所述时间重合度以及所述轨迹重合度之间的加权重合度;
将所述权重合度作为所述网格组的相似度。
4.根据权利要求2所述的轨迹匹配方法,其特征在于,所述获取所述网格组的时间重合度,包括:
获取所述第一网格的第一时间跨度以及所述第二网格的第二时间跨度,其中,所述第一时间跨度表征位于所述第一网格的待匹配轨迹具有的时间跨度;所述第二时间跨度表征位于所述第二网格的目标轨迹具有的时间跨度;
根据所述第一时间跨度与所述第二时间跨度,获得所述时间重合度。
5.根据权利要求2所述的轨迹匹配方法,其特征在于,所述待匹配轨迹包括多个待匹配轨迹点,所述目标轨迹包括多个目标轨迹点,所述获取所述网格组的轨迹重合度,包括:
获取所述第一网格中的第一轨迹数量以及所述第二网格中的第二轨迹数量,其中,所述第一轨迹数量表征位于所述第一网格的待匹配轨迹点的数量;所述第二轨迹数量表征位于所述第二网格的目标轨迹点的数量;
根据所述第一轨迹数量与所述第二轨迹数量,获得所述轨迹重合度。
6.一种轨迹匹配装置,其特征在于,应用于数据处理设备,所述轨迹匹配装置包括:
序列获取模块,用于获取待匹配轨迹的第一网格序列以及目标轨迹的第二网格序列,其中,所述第一网格序列包括至少一个第一网格,所述至少一个第一网格表征所述待匹配轨迹途经的区域网格;所述第二网格序列包括至少一个第二网格,所述至少一个第二网格表征所述目标轨迹途经的区域网格;
网格配对模块,用于根据所述第一网格序列与所述第二网格序列,确定出至少一个网格组,其中,每个所述网格组包括位于相同位置的第一网格以及第二网格;
轨迹处理模块,用于针对每个所述网格组,获取所述网格组的相似度,其中,所述相似度表征所述网格组中的第一网格与第二网格之间的轨迹相似信息;
所述轨迹处理模块,还用于根据全部所述网格组的相似度以及所述至少一个网格组的数量,通过公式L(A,B)获得匹配程度,其中,所述公式L(A,B)的表达式为:
式中的A表示所述待匹配轨迹,B表示所述目标轨迹,Pi表示第i个所述网格组的相似度;count(B)表示所述第二网格序列的网格数量,countcombine表示所述至少一个网格组的数量,counttotal表示所述第一网格序列以及所述第二网格序列之间去重后的网格总数量。
7.一种数据处理设备,其特征在于,所述数据处理设备包括处理器以及存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,实现权利要求1-5任意一项所述的轨迹匹配方法。
8.一种计算机存储器介质,其特征在于,所述计算机存储器介质存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1-5任意一项所述的轨迹匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110989044.1A CN113657340B (zh) | 2021-08-26 | 2021-08-26 | 轨迹匹配方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110989044.1A CN113657340B (zh) | 2021-08-26 | 2021-08-26 | 轨迹匹配方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113657340A CN113657340A (zh) | 2021-11-16 |
CN113657340B true CN113657340B (zh) | 2023-09-05 |
Family
ID=78493012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110989044.1A Active CN113657340B (zh) | 2021-08-26 | 2021-08-26 | 轨迹匹配方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657340B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114265912A (zh) * | 2021-12-27 | 2022-04-01 | 智慧足迹数据科技有限公司 | 驻留点生成方法及相关装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6295367B1 (en) * | 1997-06-19 | 2001-09-25 | Emtera Corporation | System and method for tracking movement of objects in a scene using correspondence graphs |
WO2007044044A2 (en) * | 2004-12-21 | 2007-04-19 | Sarnoff Corporation | Method and apparatus for tracking objects over a wide area using a network of stereo sensors |
CN110516708A (zh) * | 2019-07-23 | 2019-11-29 | 江苏大学 | 一种基于轨迹与路网匹配的路径预测方法 |
CN110991525A (zh) * | 2019-11-29 | 2020-04-10 | 西安交通大学 | 基于运营商轨迹数据的伴随模式匹配方法 |
CN111475596A (zh) * | 2020-04-05 | 2020-07-31 | 中国人民解放军国防科技大学 | 一种基于多层级轨迹编码树的子段相似性匹配方法 |
CN111651437A (zh) * | 2020-04-17 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 一种数据清洗方法、装置、电子设备及存储介质 |
CN111784728A (zh) * | 2020-06-29 | 2020-10-16 | 杭州海康威视数字技术股份有限公司 | 轨迹处理方法、装置、设备及存储介质 |
CN112988936A (zh) * | 2021-03-18 | 2021-06-18 | 中国第一汽车股份有限公司 | 出行轨迹预测方法、装置、计算设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10387457B2 (en) * | 2014-06-17 | 2019-08-20 | Sap Se | Grid-based analysis of geospatial trajectories |
US20210165410A1 (en) * | 2019-12-03 | 2021-06-03 | International Business Machines Corporation | Trajectory similarity search |
-
2021
- 2021-08-26 CN CN202110989044.1A patent/CN113657340B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6295367B1 (en) * | 1997-06-19 | 2001-09-25 | Emtera Corporation | System and method for tracking movement of objects in a scene using correspondence graphs |
WO2007044044A2 (en) * | 2004-12-21 | 2007-04-19 | Sarnoff Corporation | Method and apparatus for tracking objects over a wide area using a network of stereo sensors |
CN110516708A (zh) * | 2019-07-23 | 2019-11-29 | 江苏大学 | 一种基于轨迹与路网匹配的路径预测方法 |
CN110991525A (zh) * | 2019-11-29 | 2020-04-10 | 西安交通大学 | 基于运营商轨迹数据的伴随模式匹配方法 |
CN111475596A (zh) * | 2020-04-05 | 2020-07-31 | 中国人民解放军国防科技大学 | 一种基于多层级轨迹编码树的子段相似性匹配方法 |
CN111651437A (zh) * | 2020-04-17 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 一种数据清洗方法、装置、电子设备及存储介质 |
CN111784728A (zh) * | 2020-06-29 | 2020-10-16 | 杭州海康威视数字技术股份有限公司 | 轨迹处理方法、装置、设备及存储介质 |
CN112988936A (zh) * | 2021-03-18 | 2021-06-18 | 中国第一汽车股份有限公司 | 出行轨迹预测方法、装置、计算设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
移动对象不确定轨迹相似度研究;熊超然;《中国优秀硕士学位论文全文数据库 (信息科技辑)》(第5期);I138-916 * |
Also Published As
Publication number | Publication date |
---|---|
CN113657340A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9942720B2 (en) | Location determination, mapping, and data management through crowdsourcing | |
CN110726418B (zh) | 兴趣点区域确定方法、装置、设备及存储介质 | |
CN103747524B (zh) | 一种基于云平台的Android终端室内定位方法 | |
CN106920387B (zh) | 获取交通道路中路线热度的方法及装置 | |
CN111352069B (zh) | 一种室内定位方法、服务器、存储介质及程序产品 | |
CN107302793B (zh) | 一种基于无线信号的定位方法、服务器、终端和系统 | |
EP2849117A1 (en) | Methods, apparatuses and computer program products for automatic, non-parametric, non-iterative three dimensional geographic modeling | |
CN109275090B (zh) | 信息处理方法、装置、终端及存储介质 | |
CN108450060B (zh) | 基于wi-fi接入点的定位方法、设备 | |
CN113657340B (zh) | 轨迹匹配方法及相关装置 | |
CN109068272A (zh) | 相似用户识别方法、装置、设备及可读存储介质 | |
CN105517148B (zh) | 一种定位方法及装置 | |
CN109831744A (zh) | 一种异常轨迹识别方法、装置及存储设备 | |
CN109218963B (zh) | 位置指纹数据处理方法、装置、设备及存储介质 | |
CN108882165B (zh) | 一种导航方法和装置 | |
CN109889977A (zh) | 一种基于高斯回归的蓝牙定位方法、装置、设备和系统 | |
CN114299716B (zh) | 信号灯时间信息的关联方法、装置、存储介质及设备 | |
CN112969027B (zh) | 电动镜头的聚焦方法和装置、存储介质及电子设备 | |
CN114265912A (zh) | 驻留点生成方法及相关装置 | |
CN106650974B (zh) | 基于日程的事件项目规划方法和装置 | |
CN112085268A (zh) | 居民出行信息的测算方法、装置、设备和可读存储介质 | |
CN109581288A (zh) | 室内定位方法、设备及存储介质 | |
CN111328013A (zh) | 移动终端定位方法及系统 | |
CN111372270A (zh) | 疑似故障小区的确定方法、装置、设备和介质 | |
CN111738352B (zh) | 建筑实体内部的定位方法、装置及设备 |
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 |