CN113886390A - 轨迹数据处理方法、装置、计算机设备及存储介质 - Google Patents

轨迹数据处理方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN113886390A
CN113886390A CN202111161305.7A CN202111161305A CN113886390A CN 113886390 A CN113886390 A CN 113886390A CN 202111161305 A CN202111161305 A CN 202111161305A CN 113886390 A CN113886390 A CN 113886390A
Authority
CN
China
Prior art keywords
candidate
target
track
tracks
index information
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.)
Pending
Application number
CN202111161305.7A
Other languages
English (en)
Inventor
何华均
隋远
鲍捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jingdong City Beijing Digital Technology Co Ltd
Original Assignee
Jingdong City Beijing Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jingdong City Beijing Digital Technology Co Ltd filed Critical Jingdong City Beijing Digital Technology Co Ltd
Priority to CN202111161305.7A priority Critical patent/CN113886390A/zh
Publication of CN113886390A publication Critical patent/CN113886390A/zh
Priority to PCT/CN2022/088611 priority patent/WO2023050785A1/zh
Pending legal-status Critical Current

Links

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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • G06F16/2455—Query execution

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提出一种轨迹数据处理方法、装置、计算机设备及存储介质，该方法包括：获取参考索引信息对应的索引类型，确定与索引类型对应的目标数据表，从目标数据表中的多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，提取匹配的候选索引信息所对应的目标轨迹，以及对目标轨迹执行目标操作。通过本公开，由于是根据索引类型来索引相匹配的目标数据表，该索引类型是与参考索引信息相关联的，并将目标数据表作为查询范围，从而在有效地缩小轨迹查询范围的同时，有效地保障查询搜索的准确性，当采用查询到的目标轨迹辅助执行目标操作时，实现了轨迹查询与轨迹处理的有效衔接，有效地保障轨迹处理的连贯性，提升轨迹处理的整体执行处理效果。

Description

轨迹数据处理方法、装置、计算机设备及存储介质
技术领域
本公开涉及互联网技术领域，尤其涉及一种轨迹数据处理方法、装置、计算机设备及存储介质。
背景技术
随着互联网技术的发展，各种传感器和应用程序能够采集移动物体轨迹。相关技术中，通常将轨迹保存至数据库中，采用分区策略将轨迹分配至不同设备分区中，利用分区索引与全局索引对轨迹进行查询和分析。
这种方式下，轨迹存储的索引结构较难改变，轨迹的分区结构调整较为困难，导致轨迹的实时更新较难实现，不利于针对轨迹进行有效的查询搜索，导致后续轨迹的执行处理过程较为繁琐，轨迹处理效果不佳。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本公开的目的在于提出一种轨迹数据处理方法、装置、计算机设备及存储介质，由于是根据索引类型来索引相匹配的目标数据表，该索引类型是与参考索引信息相关联的，并将目标数据表作为查询范围，从而在有效地缩小轨迹查询范围的同时，有效地保障查询搜索的准确性，当采用查询到的目标轨迹辅助执行目标操作时，实现了轨迹查询与轨迹处理的有效衔接，有效地保障轨迹处理的连贯性，提升轨迹处理的整体执行处理效果。
为达到上述目的，本公开第一方面实施例提出的轨迹数据处理方法，包括：获取参考索引信息，其中，所述参考索引信息具有对应的索引类型；确定与所述索引类型对应的目标数据表，其中，所述目标数据表包括：多个候选索引信息、与所述多个候选索引信息分别对应的多个候选轨迹；从所述多个候选索引信息中确定出与所述参考索引信息匹配的候选索引信息，并提取所述匹配的候选索引信息所对应的目标轨迹，所述目标轨迹属于所述多个候选轨迹；以及对所述目标轨迹执行目标操作。
本公开第一方面实施例提出的轨迹数据处理方法，通过获取参考索引信息，其中，参考索引信息具有对应的索引类型，确定与索引类型对应的目标数据表，从目标数据表中的多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，并提取匹配的候选索引信息所对应的目标轨迹，以及对目标轨迹执行目标操作，由于是根据索引类型来索引相匹配的目标数据表，该索引类型是与参考索引信息相关联的，并将目标数据表作为查询范围，从而在有效地缩小轨迹查询范围的同时，有效地保障查询搜索的准确性，当采用查询到的目标轨迹辅助执行目标操作时，实现了轨迹查询与轨迹处理的有效衔接，有效地保障轨迹处理的连贯性，提升轨迹处理的整体执行处理效果。
为达到上述目的，本公开第二方面实施例提出的轨迹数据处理装置，包括：第一获取模块，用于获取参考索引信息，其中，所述参考索引信息具有对应的索引类型；第一确定模块，用于确定与所述索引类型对应的目标数据表，其中，所述目标数据表包括：多个候选索引信息、与所述多个候选索引信息分别对应的多个候选轨迹；第二确定模块，用于从所述多个候选索引信息中确定出与所述参考索引信息匹配的候选索引信息，并提取所述匹配的候选索引信息所对应的目标轨迹，所述目标轨迹属于所述多个候选轨迹；执行模块，用于对所述目标轨迹执行目标操作。
本公开第二方面实施例提出的轨迹数据处理装置，通过获取参考索引信息，其中，参考索引信息具有对应的索引类型，确定与索引类型对应的目标数据表，从目标数据表中的多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，并提取匹配的候选索引信息所对应的目标轨迹，以及对目标轨迹执行目标操作，由于是根据索引类型来索引相匹配的目标数据表，该索引类型是与参考索引信息相关联的，并将目标数据表作为查询范围，从而在有效地缩小轨迹查询范围的同时，有效地保障查询搜索的准确性，当采用查询到的目标轨迹辅助执行目标操作时，实现了轨迹查询与轨迹处理的有效衔接，有效地保障轨迹处理的连贯性，提升轨迹处理的整体执行处理效果。
本公开第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一方面实施例提出的轨迹数据处理方法。
本公开第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开第一方面实施例提出的轨迹数据处理方法。
本公开第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行如本公开第一方面实施例提出的轨迹数据处理方法。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本公开一实施例提出的轨迹数据处理方法的流程示意图；
图2是本公开实施例中的索引类型的结构示意图；
图3是本公开实施例中目标查询语言示意图；
图4是本公开实施例中轨迹处理效果示意图；
图5是本公开实施例中的轨迹处理系统的架构示意图；
图6是本公开另一实施例提出的轨迹数据处理方法的流程示意图；
图7是本公开另一实施例提出的轨迹数据处理方法的流程示意图；
图8是本公开实施例中的SQL引擎架构示意图；
图9是本公开实施例中的数据加载语句示意图；
图10是本公开实施例中的结构化轨迹查询语句示意图；
图11是本公开实施例中的结构化语言解析语句示意图；
图12是本公开一实施例提出的轨迹数据处理装置的结构示意图；
图13是本公开另一实施例提出的轨迹数据处理装置的结构示意图；
图14示出了适于用来实现本公开实施方式的示例性计算机设备的框图。
具体实施方式
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本公开，而不能理解为对本公开的限制。相反，本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本公开一实施例提出的轨迹数据处理方法的流程示意图。
其中，需要说明的是，本实施例的轨迹数据处理方法的执行主体为轨迹数据处理装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在计算机设备中，计算机设备可以包括但不限于终端、服务器端等。
如图1所示，该轨迹数据处理方法，包括：
S101：获取参考索引信息，其中，参考索引信息具有对应的索引类型。
其中，待对其进行轨迹搜索的索引信息，可以被称为参考索引信息，该参考索引信息可以具体是时间信息、空间信息，时间和空间信息等，该参考索引信息，能够用于标识查询用户的查询需求，例如该查询用户希望以时间维度查询轨迹，则查询用户录入的参考索引信息即可以为时间信息，以此类推，对此不做限制。
其中，该参考索引信息的形式可以具体为字符、数字、文字等的组合形式，对此不做限制。
本公开实施例在获取参考索引信息时，可以是在轨迹数据处理装置中提供查询请求接口，经由该查询请求接口接收查询用户的查询请求，而后，对查询请求进行解析以得到参考索引信息，当然，也可以接收第三方设备发送的查询请求，并对查询请求进行解析以得到参考索引信息，对此不做限制。
可选地，一些实施例中，在获取参考索引信息时，可以是接收查询请求，所述查询请求适配查询用户侧设备支持的初始查询语言，并将所述查询请求转换为目标查询请求，所述目标查询请求支持第一查询语言，所述第一查询语言与所述初始查询语言不相同，从所述目标查询请求中解析得到所述参考索引信息，从而能够有效地拓展轨迹查询的应用场景，不仅仅支持根据查询请求中的参考索引信息进行轨迹查询，还能够有效地支持解析不同查询语言的查询请求，对不同查询语言的查询请求的格式进行转换，从而能够便于查询用户的查询使用。
其中，用户侧设备支持的查询语言，可以被称为初始查询语言，初始查询语言可以是可视化语言、或者对语音数据转换得到的一段查询请求文本对应的语言，或者也可以是非结构化查询语言，相应的，第一查询语言可以例如为结构化语言，则将所述查询请求转换为目标查询请求，即将非结构化查询语言转换为结构化语言，从而能够有效地便于轨迹数据处理装置对查询请求的识别解析，便于快速地获取到参考索引信息，以便于展开高效的轨迹查询。
本公开实施例在获取参考索引信息之后，可以对参考索引信息进行解析分析处理，以确定与参考索引信息对应的索引类型，其中，该索引类型可以是预先配置归类得到的，当预先配置并归类得到多种索引类型后，可以针对每一种索引类型构建相对应的数据表，该数据表即可以被称为候选数据表，其中，与索引类型对应的数据表，指示该数据表中针对候选轨迹的索引架构方式，是参考相应索引类型所确定的，具体可以参见后续实施例。
而索引架构方式，例如，依据时间信息进行存储、依据空间信息进行存储，依据时间和空间信息进行存储，对此不做限制。
则本公开实施例在预先构建得到多个候选数据表之后，可以采用各个候选数据表中针对候选轨迹的索引架构方式来总结对应的索引类型，并将该索引类型作为与该候选数据表对应的候选索引类型。
在实际轨迹搜索应用场景中，当对参考索引信息进行解析分析处理，以确定与参考索引信息对应的索引类型，可以触发后续的根据索引类型去匹配得出目标数据表的处理逻辑。
可选地，一些实施例中，参考索引信息对应的索引类型可以是以下任一种：时间索引类型、空间索引类型，以及时空索引类型，从而本公开实施例中可以支持基于参考索引信息的索引类型辅助实现快速、高效地轨迹查询，并且，由于与索引类型匹配的目标数据表中的索引架构方式，是基于相应索引类型所确定的，从而使得查询得到的目标轨迹还能够表征出查询用户侧需求关注的特征维度，从而辅助提升查询应用效果。
当然，索引类型也可以配置为其他任意可能维度的类型，例如，轨迹数据大小类型、轨迹所属主体标识对应的时间范围类型、轨迹相似度类型，k最近邻类型等等，该轨迹数据大小类型、轨迹所属主体标识对应的时间范围类型、轨迹相似度类型，k最近邻类型等也同样可以被归纳为上述的时空索引类型，对此不做限制。
其中，时间索引类型，可以是指基于时间维度对轨迹进行索引的类型，时间维度可以是轨迹的起点至终点之间的时间范围。
举例而言，如图2所示，图2是本公开实施例中的索引类型的结构示意图，Timerange(时间段)可以例如为一种时间索引类型的参考索引信息，利用函数Bin(ts)＝[0，t]在轨迹时间范围的起点0至终点t中查询给定时间范围内的轨迹，其中，当查询用户在查询时，假设其输入该轨迹时间范围在起点0至终点t之间的时间段，该轨迹时间范围在起点0至终点t之间的时间段，即可以被称为参考索引信息，相应的，该参考索引信息对应的索引类型为时间索引类型。
其中，空间索引类型，可以是指基于空间维度对轨迹进行索引的类型，空间维度可以是指轨迹的起点至终点之间覆盖的空间地理位置。
举例而言，图2中的XZ+可以例如为一种细粒度的空间索引类型，利用静态空间索引将轨迹所在的位置空间进行分割细化，以取得轨迹的最小边界矩形(用虚线框表示)，当查询用户在查询时，假设其输入该最小边界矩形(用虚线框表示)，则可以将该最小边界矩形(用虚线框表示)作为参考索引信息，与该参考索引信息对应的索引类型为空间索引类型，从而能够有效地辅助查询得到给定空间范围内的轨迹。
其中，时空索引类型，可以是指基于时间结合空间维度对轨迹进行索引的类型，时间结合空间维度可以例如为，轨迹的起点至终点之间的时间范围，并结合轨迹的起点至终点之间覆盖的空间地理位置。
举例而言，图2中XZ+T可以例如为一种时空索引类型，首先将时间维度拆分为timeperiod1至time periodn多个不相交的时间段，而后在各个时间段内根据空间索引类型的方式对轨迹所在的空间地理位置进行分割细化，以取得轨迹的最小边界矩形，从而利用时空范围取得对应的轨迹，当查询用户在查询时，假设其输入该轨迹时间范围在起点0至终点t之间的时间段，以及上述示例中的最小边界矩形(用虚线框表示)，则相应的，该轨迹时间范围在起点0至终点t之间的时间段结合最小边界矩形(用虚线框表示)，可以被共同作为参考索引信息，相应的，该参考索引信息对应的索引类型即为时空索引类型。
S102：确定与索引类型对应的目标数据表，其中，目标数据表包括：多个候选索引信息、与多个候选索引信息分别对应的多个候选轨迹。
上述在获取参考索引信息，并且确定参考索引信息对应的索引类型之后，可以确定与索引类型对应的目标数据表，其中，目标数据表用于存储多个候选索引信息及与多个候选索引信息分别对应的多个候选轨迹，该目标数据表可以是关系数据库中的数据表，或者是其他形式的数据表，对此不做限制。
也即是说，假设预先配置并归类得到多种索引类型后，可以针对每一种索引类型构建相对应的数据表，而确定的与索引类型对应的目标数据表，可以指示该目标数据表中针对候选轨迹的索引架构方式，是参考相应索引类型所确定的，而索引架构方式，例如，依据时间信息进行存储、依据空间信息进行存储，依据时间和空间信息进行存储，对此不做限制。
则与索引类型对应的目标数据表，表示其针对候选轨迹的索引架构方式与参考索引信息的索引类型相适配，从而在保障了轨迹查询效率的同时，保障了轨迹查询的准确性。
其中，目标数据表中的多个候选索引信息的范围通常大于参考索引信息的范围，即目标数据表中针对轨迹的索引架构方式与参考索引信息的索引类型相匹配，且，目标数据表中是已采集并基于索引架构方式对海量轨迹进行存储得到的，从而目标数据表中所存储的轨迹，可以被称为候选轨迹，且目标数据表中针对候选轨迹的存储方式对应一种索引类型，则存储多个候选轨迹后生成的用于标识该候选轨迹的索引位置的信息，可以被称为候选索引信息。
则本公开实施例中，可以首先确定出与索引类型匹配的目标数据表，而后在该目标数据表之中基于参考索引信息，查询出与该参考索引信息匹配的轨迹作为目标轨迹。
本公开实施例中，在确定与索引类型对应的目标数据表时，可以将各个数据表对应的索引类型，与参考索引信息的索引类型进行匹配，取得与参考索引信息的索引类型所匹配的数据表作为目标数据表，或者可以参考数据表的索引架构方式，获得索引类型对应的目标数据表，对此不做限制。
可选地，一些实施例中，目标数据表属于多个候选数据表，候选数据表包括：多个键值对，其中，键值对中的键存储候选索引信息，与键对应的值存储候选轨迹，从而基于键值对的形式存储候选索引信息，以及与候选索引信息对应的候选轨迹，能够有效地减少轨迹存储资源消耗和输入/输出(I/O)开销。
举例而言，可以将候选索引信息作为键值对中的键，将与其对应的候选轨迹处理为与键对应的值，并使用字段traj来表示轨迹的值，从而支持在针对轨迹进行查询处理时，能够在该字段上执行查询和分析操作，辅助提升查询处理的便捷性和查询处理效果。
也即是说，该多个候选数据表可以是预先构建得到的，上述索引类型可以是预先配置归类得到的，当预先配置并归类得到多种索引类型后，可以针对每一种索引类型构建相对应的数据表，该数据表即可以被称为候选数据表，其中，与索引类型对应的数据表，指示该数据表中针对候选轨迹的索引架构方式，是参考相应索引类型所确定的，则在根据索引类型确定目标数据表时，可以从多个候选数据表中检索得到，其中的各个候选数据表包括：多个键值对，其中，键值对中的键存储候选索引信息，与键对应的值存储候选轨迹。
本公开实施例中，由于目标数据表可以是从多个候选数据表中确定得到的，该目标数据表也可以包括多个键值对，其中，键值对中的键存储候选索引信息，与键对应的值存储候选轨迹，即目标数据表中包括多个候选索引信息，和与多个候选索引信息分别对应的多个候选轨迹，而后可以触发直接基于该目标数据表中存储的内容进行查询处理，有效地实现利用目标数据表的键值对中的值对轨迹进行查询和分析操作，利用键值对的形式存储轨迹，减少了数据库的存储占用和轨迹的存取开销。
S103：从多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，并提取匹配的候选索引信息所对应的目标轨迹，目标轨迹属于多个候选轨迹。
上述在确定与索引类型对应的目标数据表，其中，目标数据表包括：多个候选索引信息、与多个候选索引信息分别对应的多个候选轨迹之后，可以从多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，并提取匹配的候选索引信息所对应的目标轨迹。
一些实施例中，在从多个候选索引信息中确定出与参考索引信息匹配的候选索引信息时，可以将参考索引信息输入至哈希函数中，计算得出参考索引信息对应的键，该键所对应的候选索引信息，即为与参考索引信息匹配的候选索引信息。
另一些实施例中，也可以确定参考索引信息与各个候选索引信息之间的相似度，将最高相似度所属候选索引信息作为与参考索引信息匹配的候选索引信息，对此不做限制。
本公开实施例中，目标数据表中存储着与多个候选索引信息分别对应的多个候选轨迹，在提取匹配的候选索引信息所对应的目标轨迹信息时，可以利用与参考索引信息匹配的候选索引信息的键可以定位至对应的值所在的地址，取出该键对应的值即为候选索引信息所对应的目标轨迹，该目标轨迹属于多个候选轨迹，该目标轨迹的数量可以是一个或者多个，不同目标轨迹可以属于相同或者不相同的移动物体(该移动物体即可以被称为主体，主体例如，人、车辆、可移动设备等等，对此不做限制)。
S104：对目标轨迹执行目标操作。
本公开实施例中，在根据参考索引信息从目标数据表中提取对应的目标轨迹之后，可以直接触发对目标轨迹执行目标操作，该目标操作可以是对目标轨迹进行分析处理输出数据报表等，对此不做限制。
本公开实例中上述的参考索引信息和处理方法可以均被配置在查询请求当中，从而在对查询请求转换为结构化查询语言时，转换后的目标查询语言可以包括根据参考索引信息进行查询的语义，和根据处理方法执行目标操作的语义。
举例而言，使用轨迹查询和分析场景最常用的空间查询和驻留点检测来示例，在该场景中，可以从时空索引类型的查询结果(多个目标轨迹)中检测驻留点。驻留点是一个空间区域，如快递员驻留时间超过给定时间阈值(minStayTimeInSecond)的区域，并且该位置的空间区域不大于距离阈值(maxStayDisInMeter)。
因此，驻留点指示的区域可以是送货地址，对应的目标查询语言可以如图3所示，图3是本公开实施例中目标查询语言示意图；其中，第7行到第10行指示采用时空索引类型(对应参考索引信息是时空范围)从数据库查询得到目标轨迹。1～3行对提取的目标轨迹执行Stay Point Detection操作(驻留点检测)，其中2～3行是Stay Point Detection操作(驻留点检测)。如图4所示，图4是本公开实施例中轨迹处理效果示意图，在地图上显示原始轨迹和最终的处理结果(处理得到的多个驻留点)。
本实施例中，通过获取参考索引信息，其中，参考索引信息具有对应的索引类型，确定与索引类型对应的目标数据表，从目标数据表中的多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，并提取匹配的候选索引信息所对应的目标轨迹，以及对目标轨迹执行目标操作，由于是根据索引类型来索引相匹配的目标数据表，该索引类型是与参考索引信息相关联的，并将目标数据表作为查询范围，从而在有效地缩小轨迹查询范围的同时，有效地保障查询搜索的准确性，当采用查询到的目标轨迹辅助执行目标操作时，实现了轨迹查询与轨迹处理的有效衔接，有效地保障轨迹处理的连贯性，提升轨迹处理的整体执行处理效果。
本实施例中还可以提供一种轨迹数据处理系统的架构示意，如图5所示，图5是本公开实施例中的轨迹处理系统的架构示意图，包括多个数据源，多个数据源可以例如为Disk Files(磁盘文件)，Hadoop分布式存储系统、数据仓库工具Hive，以及分布式发布-订阅消息系统Kafka，可以从该多个数据源之中获取到多个初始轨迹，而后根据多个初始轨迹存储至多种候选数据表之中，不同候选数据表对应不同的索引存储结构，所存储的多种候选数据表可以支持不同索引类型的参考索引信息进行查询，参考索引信息例如可以是身份标识(Identity，ID)查询信息、空间范围查询信息、相似轨迹查询信息、k最近邻查询信息、时空范围查询信息等等，在查询存储各个候选轨迹之前，还可以分别对多个候选轨迹进行相应的预处理，例如，去噪、分段、插值、地图匹配，支持一站式地解决轨迹查询和轨迹处理，而轨迹处理可以例如包括：聚合、聚类、驻留点检测、接触者挖掘，得到的处理结果可以被用于进行多种轨迹应用，例如，确定实时可达区域、人流分析、疫情防控、发布至在线网站等，对此不做限制。
基于上述图5所示的轨迹处理系统的架构示意，本公开实施例中还可以提供另一种轨迹数据处理方法，如下所示：
图6是本公开另一实施例提出的轨迹数据处理方法的流程示意图。
如图6所示，该轨迹数据处理方法，包括：
S601：获取多个初始轨迹。
其中，初始轨迹，可以是多个数据源中预存的轨迹，该轨迹可以是利用传感器或者应用程序等对移动物体的运行动作探测得到的，例如，可以是对全球定位系统(GlobalPositioning System，GPS)日志信息按照一定的采样率进行采样处理，得到多个轨迹，并存储至多个数据源之中，从而轨迹处理系统可以直接从多个数据源中获取多个轨迹，并分别作为多个初始轨迹。
S602：分别对多个初始轨迹进行预处理，以得到多个候选轨迹。
本公开实施例中，在从多个数据源获取到多个初始轨迹之后，可以对多个初始轨迹进行预处理，该预处理可以是对初始轨迹进行噪声过滤和分段等处理，对此不做限制。
本公开实施例中，分别对多个初始轨迹进行预处理，以得到多个候选轨迹，从而可以避免采集到的原始GPS日志数据的数据噪声和采样率等对轨迹处理的准确性和处理性能的造成的影响。
S603：确定与多个候选轨迹分别对应的多个时间分布特征，并确定与多个候选轨迹分别对应的多个空间分布特征。
其中，与各个候选轨迹分别对应有一个时间分布特征和一个空间分布特征，时间分布特征用于表征候选轨迹在时间维度上的特征分布情况，例如，候选轨迹的起始时间和终点时间之间的时间段，空间分布特征用于表征候选轨迹在空间维度上的特征分布情况，例如，候选轨迹的起始位置和终点位置之间的位置区域，对此不做限制。
本公开实施例中确定的时间分布特征和空间分布特征，可以被用于确定与该候选轨迹对应的候选索引信息，并辅助确定存储该多个候选轨迹的索引架构方式。
举例而言，可以依据时间分布特征，将该候选轨迹存储至时间索引类型对应的候选数据表中，也可以依据空间分布特征，将该候选轨迹存储至空间索引类型对应的候选数据表中，也可以依据时间分布特征结合空间分布特征，将该候选轨迹存储至时空索引类型对应的候选数据表中，也即是说，为了适配不同的索引类型，可以将相同候选轨迹存储至多个候选数据表中，对此不做限制。
本公开实施例中，在确定与多个候选轨迹分别对应的多个时间分布特征时，可以将多个候选轨迹输入至时间特征识别模型中，采用该时间特征识别模型对多个候选轨迹分别进行时间特征分析处理，计算出与多个候选轨迹分别对应的多个时间分布特征。
本公开实施例中，在确定与多个候选轨迹分别对应的多个空间分布特征时，可以将多个候选轨迹输入至空间特征识别模型中，采用该空间特征识别模型对多个候选轨迹分别进行空间特征分析处理，计算出与多个候选轨迹分别对应的多个空间分布特征。
本公开实施例中，还可对候选轨迹的时间分布特征和空间分布特征进行相应的融合处理，以得到时空分布特征，该时空分布特征也可以被用于确定与该候选轨迹对应的候选索引信息，并辅助确定存储该多个候选轨迹的索引架构方式。
可选地，一些实施例中，至少部分时间分布特征之间满足时间相似度条件，和/或至少部分空间分布特征之间满足空间相似度条件，该时间相似度条件，可以被辅助用于对时间分布特征相似的部分候选轨迹进行时间维度归类，该空间相似度条件，可以被辅助用于对空间分布特征相似的部分候选轨迹进行空间维度归类，从而能够便于候选数据表的构建，辅助将满足时间相似度条件的部分候选轨迹归类存储至时间索引类型对应的候选数据表中，并辅助将满足空间相似度条件的部分候选轨迹归类存储至空间索引类型对应的候选数据表中，以及将同时满足时间相似度条件和空间相似度条件的部分候选轨迹归类存储至时空索引类型的候选数据表中。
当然，也可以采用其他任意可能的归类方式确定归类至相同候选数据表中的候选轨迹，例如语义匹配的方式、对应主体标识关联关系的方式等等，对此不做限制。
其中，时间相似度条件可以是预先设置的检验条件，该时间相似度条件可以被配置为多个时间分布特征的相同部分所占比例大于数值阈值；空间相似度条件可以是预先设置的检验条件，该空间相似度条件可以被配置为多个空间分布特征的相同部分所占比例大于数值阈值，对此不做限制。
本公开实施例中，在确定与多个候选轨迹分别对应的多个时间分布特征，并确定与多个候选轨迹分别对应的多个空间分布特征之后，可以利用时间相似度条件和空间相似度条件对多个时间分布特征和多个空间分布特征进行检验，如果时间分布特征的相同部分所占比例大于数值阈值，则部分时间分布特征之间满足时间相似度条件，如果空间分布特征的相同部分所占比例大于数值阈值，则部分空间分布特征之间满足空间相似度条件，至少部分时间分布特征之间满足时间相似度条件，至少部分空间分布特征之间满足空间相似度条件。
S604：确定与索引类型对应的组合特征，组合特征包括：至少部分时间分布特征和/或至少部分空间分布特征。
本公开实施例中，在确定与多个候选轨迹分别对应的多个时间分布特征，并确定与多个候选轨迹分别对应的多个空间分布特征之后，可以按照一定的比例取出部分时间分布特征、部分空间分布特征，以及融合该部分时间分布特征和部分空间分布特征的时空分布特征，并将部分时间分布特征、部分空间分布特征，以及融合该部分时间分布特征和部分空间分布特征的时空分布特征共同作为组合特征。
可以理解的是，由于该部分时间分布特征、部分空间分布特征，以及融合该部分时间分布特征和部分空间分布特征的时空分布特征，是符合上述时间相似度条件和空间相似度条件的，从而可以基于该符合条件的组合特征来辅助形成候选索引信息，并将相应组合特征所属的候选轨迹存储至候选索引信息指示的候选数据表之中，已完成多个候选数据表的构建。
例如，根据基于该符合条件的组合特征来辅助形成候选索引信息，将该候选索引信息作为键，将对应的候选轨迹作为值，形成键值对，将该键值对存储至候选数据表中，并采用候选索引信息的候选索引类型，来标识该候选数据表。
S605：根据组合特征，形成与索引类型对应的候选索引信息。
上述在确定多种组合特征之后，可以根据各个组合特征，形成与索引类型对应的候选索引信息，该候选索引信息，能够被用于索引出相应候选数据表之中对应的候选轨迹。
在根据组合特征，形成与索引类型对应的候选索引信息，可以对组合特征进行数值化处理，以得到特征数值，并将该特征数值作为候选索引信息，或者，也可以将组合特征输入至索引值生成模型中，以得到该索引值生成模型生成的候选索引信息，对此不做限制。
举例而言，在将至少部分时间分布特征和/或至少部分空间分布特征组合成为组合特征之后，可以利用算法根据组合特征形成与索引类型对应的候选索引信息，组合特征可以由部分时间分布特征组成，则此时形成的候选索引信息的索引类型是时间索引类型，组合特征可以由部分空间分布特征组成，则此时形成的候选索引信息的索引类型是空间索引类型，组合特征可以由部分时间分布特征和部分空间分布特征组合而成，在此时形成的候选索引信息的索引类型是时空索引类型。
S606：根据与组合特征对应的候选轨迹，和组合特征所对应候选索引信息生成候选数据表。
本公开实施例中，在根据组合特征形成与索引类型对应的候选索引信息之后，可以根据与组合特征对应的候选轨迹和组合特征所对应候选索引信息生成候选数据表。
本公开实施例中，在根据与组合特征对应的候选轨迹和组合特征所对应候选索引信息生成候选数据表时，可以利用数据库定义语言创建候选数据表，候选索引信息和候选轨迹分别是候选数据表中的两个字段。
举例而言，可以根据候选索引信息和候选轨迹生成键值对，多个候选轨迹，即可以对应存储在多个键值对中，从而将多个键值对存储于候选数据表中。
从而本公开实施例中，通过获取多个初始轨迹，分别对所述多个初始轨迹进行预处理，以得到多个候选轨迹，确定与所述多个候选轨迹分别对应的多个时间分布特征，并确定与所述多个候选轨迹分别对应的多个空间分布特征，确定与所述索引类型对应的组合特征，所述组合特征包括：至少部分所述时间分布特征和/或至少部分所述空间分布特征，并根据所述组合特征，形成与所述索引类型对应的候选索引信息，以及根据与所述组合特征对应的候选轨迹，和所述组合特征所对应候选索引信息生成所述候选数据表，从而可将多种数据源中(Disk Files(磁盘文件)，Hadoop分布式存储系统、数据仓库工具Hive，以及分布式发布-订阅消息系统Kafka)的候选轨迹，通过不同的索引类型高效地存储至不同的候选数据表中，采用该多种索引类型，以及与每种索引类型对应的候选数据表，可以高效地支持轨迹的时空查询(如ID时间范围查询、空间范围查询、相似轨迹查询、k最近邻查询、时空范围查询)等。
S607：接收查询请求，查询请求适配查询用户侧设备支持的初始查询语言。
其中，查询请求由查询用户发出，该查询请求由查询用户侧设备支持的初始查询语言编写构成，该初始查询语言可以是初始数据库查询语句。
本公开实施例中，可以在数据库中配置程序访问数据库的标准接口，经由该接口接收查询请求，从该查询请求中解析出所查询的目标轨迹。
S608：将查询请求转换为目标查询请求，目标查询请求支持第一查询语言，第一查询语言与初始查询语言不相同。
本公开实施例中，在接收查询请求之后，可以对利用数据库语言转换工具查询请求进行转换，将查询请求转换为目标查询请求，转换后的目标查询请求支持第一查询语言，转换后的目标查询请求与初始查询请求不同，目标查询请求支持的第一查询语言与初始查询请求对应的初始查询语言不同，从而能够有效地拓展轨迹查询的应用场景，不仅仅支持根据查询请求中的参考索引信息进行轨迹查询，还能够有效地支持解析不同查询语言的查询请求，对不同查询语言的查询请求的格式进行转换，从而能够便于查询用户的查询使用。
可选地，一些实施例中，第一查询语言是结构化查询语言(Structured QueryLanguage，SQL)。
其中，结构化查询语言有结构化查询语法和解析工具，可以利用结构化查询语言解析工具对目标查询请求进行解析得到参考索引信息。
其中，用户侧设备支持的查询语言，可以被称为初始查询语言，初始查询语言可以是可视化语言、或者对语音数据转换得到的一段查询请求文本对应的语言，或者也可以是非结构化查询语言，相应的，第一查询语言可以例如为结构化语言，则将所述查询请求转换为目标查询请求，即将非结构化查询语言转换为结构化语言，从而能够有效地便于轨迹数据处理装置对查询请求的识别解析，便于快速地获取到参考索引信息，以便于展开高效的轨迹查询。
S609：从目标查询请求中解析得到参考索引信息。
本公开实施例中，在上述将查询请求转换为目标查询请求之后，可以采用能够解析第一查询语言的解析工具对目标查询请求进行解析，其中，第一查询语言是结构化查询语言，可以利用结构化查询语言解析工具解析和验证目标查询语言，生成从候选轨迹中查询得到目标轨迹所需的正则表达式或者时空运算符表达式作为参考索引信息。
S610：确定与索引类型对应的目标数据表，其中，目标数据表包括：多个候选索引信息、与多个候选索引信息分别对应的多个候选轨迹。
S611：从多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，并提取匹配的候选索引信息所对应的目标轨迹，目标轨迹属于多个候选轨迹。
S610-S611的描述说明可以具体参见上述实施例，在此不再赘述。
S612：对目标轨迹执行目标操作。
本公开实施例中，在根据参考索引信息从目标数据表中提取对应的目标轨迹之后，可以直接触发对目标轨迹执行目标操作，该目标操作可以是对目标轨迹进行分析处理输出数据报表等，对此不做限制。
可选地，一些实施例中，在从目标查询请求中解析得到参考索引信息后，可以从目标查询请求中解析得到目标操作类型和操作参数，则对目标轨迹执行目标操作，可以确定与目标操作类型对应的目标操作，根据操作参数，对目标轨迹执行目标操作，从而可以从目标查询请求中解析得到目标操作类型和操作参数，对目标轨迹进行针对性的操作处理，提升对轨迹查询和轨迹处理的连贯性，有效地提升轨迹的并行处理效率。
其中，目标操作类型指的是对目标轨迹进行的目标操作的类型，该目标操作类型可以是处理、聚合、驻留点检测和聚类等操作，对此不做限制。
其中，操作参数是在对目标轨迹进行目标操作时用到的参数，例如，在目标操作类型是驻留点检测时，操作参数可以是给定的时间阈值，可以根据该时间阈值判断驻留点指示的区域可能是送货地址等。
本公开实施例中，在从目标查询请求中解析得到目标操作类型和操作参数时，可以使用用于轨迹分析的数据库查询语句对目标查询请求进行解析，解析得到目标操作类型和操作参数，根据操作参数，对目标轨迹执行目标操作。
可选地，一些实施例中，目标轨迹的数量是多个，在对目标轨迹执行目标操作时，可以对多个目标轨迹进行聚合处理，和/或对多个目标轨迹进行驻留点检测处理，和/或对多个目标轨迹进行聚类处理，以得到目标轨迹集合，目标轨迹集合包括：至少部分目标轨迹，其中，至少部分目标轨迹被用于分析其所属主体的运动模式，和/或至少部分目标轨迹被用于分析第一主体和第二主体之间的空间关联关系，第一主体和第二主体分别属于多个主体，从而可以对目标轨迹执行多种目标操作，提升轨迹在实际应用场景中的处理效率。
本公开实施例中，在对初始轨迹进行预处理之后，查询得到目标轨迹，可以对目标轨迹执行目标操作。
本公开实施例中，在对多个目标轨迹进行聚合处理时，可以利用函数对多个目标轨迹进行聚合处理，例如最大值函数max，或者是最小值函数min等，对此不做限制。
其中，驻留点检测处理用于检测移动物体的驻留事件类型，例如，该驻留事件类型可以是车辆驻留加油，快递员驻留等待交付货物等，在对多个目标轨迹进行驻留点检测处理时，可以分析轨迹点停驻的地点来获取移动物体的驻留事件。
其中，聚类处理用于将相似的轨迹聚集在一起，可以用于分析群体运动模式。
本公开实施例中，在对多个目标轨迹进行聚类处理时，可以将部分相似的目标轨迹提取出来形成目标轨迹集合，该目标轨迹集合用于分析其所述主体的运动模式。
本公开实施例中，可以提取部分不相似的目标轨迹形用于分析第一主体和第二主体之间的空间关联关系，第一主体和第二主体分别属于多个主体，可以将目标轨迹分别输入至数据分析模型中，输出对应的数据特征，利用该数据特征分析第一主体和第二主体之间的空间关联关系，空间关联关系例如，第一主体和第二主体是否是密切接触者等等，对此不做限制。
本实施例中，在有效地缩小轨迹查询范围的同时，有效地保障查询搜索的准确性，当采用查询到的目标轨迹辅助执行目标操作时，实现了轨迹查询与轨迹处理的有效衔接，有效地保障轨迹处理的连贯性，提升轨迹处理的整体执行处理效果。通过获取多个初始轨迹，分别对所述多个初始轨迹进行预处理，以得到多个候选轨迹，确定与所述多个候选轨迹分别对应的多个时间分布特征，并确定与所述多个候选轨迹分别对应的多个空间分布特征，确定与所述索引类型对应的组合特征，所述组合特征包括：至少部分所述时间分布特征和/或至少部分所述空间分布特征，并根据所述组合特征，形成与所述索引类型对应的候选索引信息，以及根据与所述组合特征对应的候选轨迹，和所述组合特征所对应候选索引信息生成所述候选数据表，从而可将多种数据源中(Disk Files(磁盘文件)，Hadoop分布式存储系统、数据仓库工具Hive，以及分布式发布-订阅消息系统Kafka)的候选轨迹，通过不同的索引类型高效地存储至不同的候选数据表中，采用该多种索引类型，以及与每种索引类型对应的候选数据表，可以高效地支持轨迹的时空查询(如ID时间范围查询、空间范围查询、相似轨迹查询、k最近邻查询、时空范围查询)等。能够有效地拓展轨迹查询的应用场景，不仅仅支持根据查询请求中的参考索引信息进行轨迹查询，还能够有效地支持解析不同查询语言的查询请求，对不同查询语言的查询请求的格式进行转换，从而能够便于查询用户的查询使用。在从目标查询请求中解析得到参考索引信息后，可以从目标查询请求中解析得到目标操作类型和操作参数，则对目标轨迹执行目标操作，可以确定与目标操作类型对应的目标操作，根据操作参数，对目标轨迹执行目标操作，从而可以从目标查询请求中解析得到目标操作类型和操作参数，对目标轨迹进行针对性的操作处理，提升对轨迹查询和轨迹处理的连贯性，有效地提升轨迹的并行处理效率。
图7是本公开一实施例提出的轨迹数据处理方法的流程示意图。
如图7所示，该轨迹数据处理方法，包括：
S701：确定多个数据源，多个数据源分别对应多个类型和多个数据源地址。
其中，用于存储轨迹的数据库可以被称为数据源，该数据源例如可以是Hadoop分布式存储系统、数据仓库工具Hive，以及分布式发布-订阅消息系统Kafka等，对此不做限制。
本公开实施例中，轨迹可以来自多个数据源，多个数据源分别对应多个类型和多个数据源地址，数据源对应的类型表征了轨迹在该数据源中存储的数据类型，数据源地址用于标识数据源对应的地址，可以基于数据源地址来定位相应的数据源。
S702：根据多个类型，确定与其分别对应的多个数据源与键对应的值之间的多种映射关联关系。
在上述确定了多个数据源之后，可以将来自多个数据源的轨迹加载到结构化数据处理引擎中，利用结构化数据处理引擎进行数据处理。
举例而言，如图8所示，图8是本公开实施例中的SQL引擎架构示意图，将轨迹从多个数据源中加载至数据处理引擎后，可以利用SQL语句选择轨迹，利用Apache Calcite解析处理工具对SQL语句进行解析处理。
例如，可以使用结构化查询语言实现数据的加载。
举例而言，如图9所示，图9是本公开实施例中的数据加载语句示意图，其中，第一行中的<source type>是对应的数据源地址，该数据源可以是Hadoop分布式存储系统、数据仓库工具Hive，以及分布式发布-订阅消息系统Kafka等，对此不做限制。
本公开实施例中，在将来自多个数据源的轨迹加载到结构化数据处理引擎中之后，可以数据源的多个类型，确定与其分别对应的多个数据源与键对应的值之间的多种映射关联关系，可以使用结构化查询语言来实现构建从数据源到与其分别对应的多个数据源与键对应的值之间的多种映射关联关系。
举例而言，图8中的第二行语句中的CONFIG关键字可以用于构建从数据源到与其分别对应的多个数据源与键对应的值之间的多种映射关联关系。
S703：根据类型、数据源地址，以及映射关联关系生成支持第二查询语言的查询语句。
其中，第二查询语言是一种数据库查询语言，用于从数据表中查询并提取轨迹。
本公开实施例中，在确定了多个数据源对应的多个类型和多个数据源地址，并确定与其分别对应的多个数据源与键对应的值之间的多种映射关联关系之后，可以根据数据源的类型、数据源地址以及映射关联关系利用数据库查询语句语法生成查询语句，从而可以利用第二查询语言的查询语句在多个数据源中进行轨迹的查询与提取。
可选地，一些实施例中，第二查询语言是结构化查询语言。
其中，结构化查询语言可以利用结构化查询语句从数据表中选择轨迹，结构化查询语言可以基于多种维度类型对轨迹进行选择，该维度类型可以是轨迹数据大小类型、轨迹所属主体标识对应的时间范围类型、轨迹相似度类型，k最近邻类型等，对此不做限制。
S704：根据多个查询语句从相应多个数据源中查询得到多个初始轨迹。
本公开实施例中，在根据多个查询语句从相应多个数据源中查询得到多个初始轨迹时，可以利用结构化查询语句从多个数据源中查询得到多个初始轨迹，其中，在利用结构化查询语句从多个数据源中查询得到多个初始轨迹时，可以基于多种维度类型对轨迹进行选择。
举例而言，如图10所示，图10是本公开实施例中的结构化轨迹查询语句示意图，以基于空间索引类型选择轨迹为例，其中，st_makeBBox是由轨迹的起点(lng1，lat1)至终点(lng2，lat2)之间覆盖的空间范围，st_within表示轨迹在该空间内部，语句中的traj表示的是轨迹的值，从而利用第二查询语言基于空间维度从数据表中选择出轨迹作为初始轨迹。
S705：分别对多个初始轨迹进行预处理，以得到多个候选轨迹。
可选地，一些实施例中，在分别对多个初始轨迹进行预处理，以得到多个候选轨迹时，可以分别对多个初始轨迹进行降噪处理，以得到多个候选轨迹，和/或对初始轨迹进行分段处理，以得到多个轨迹段并作为多个候选轨迹，和/或分别对多个初始轨迹进行插值处理，以得到多个候选轨迹，和/或将多个初始轨迹分别映射至道路网络地图中，以映射得到多个道路轨迹，并将多个道路轨迹作为多个候选轨迹，从而可以利用降噪处理和分段处理等方式对初始轨迹进行预处理操作，避免数据噪声对轨迹分析的准确性造成影响，避免因采样率造成的数据分布失衡对轨迹处理的性能造成影响。
其中，降噪处理用于过滤初始轨迹中的异常数据，降噪后的轨迹可以作为多个候选轨迹，例如，在对GPS日志数据进行降噪处理时，可以对GPS日志数据中的异常日志进行过滤，该异常日志可以例如是一个明显偏离轨迹的点，则可以去除轨迹中的该错误点实现对GPS日志数据的降噪处理。
本公开实施例中，在对初始轨迹进行分段处理时，可以将初始轨迹按照一定的规则分为几段，分段后的初始轨迹可以作为多个候选轨迹，将其中的部分段轨迹用于轨迹分析，可以降低数据分析任务执行时的计算复杂度，提升数据分析效率。
本公开实施例中，在对多个初始轨迹进行插值处理时，可以将部分新的轨迹点插入到初始轨迹中，该新的轨迹点可以是终端忽略的一些重要的日志，例如电池电量低等，对此不做限制。
本公开实施例中，将多个初始轨迹分别映射至道路网络地图中，可以将初始轨迹投影至道路网络上，得到多个道路轨迹，多个道路轨迹可以作为多个候选轨迹。
S706：确定与多个候选轨迹分别对应的多个时间分布特征，并确定与多个候选轨迹分别对应的多个空间分布特征。
可选地，一些实施例中，在确定与多个候选轨迹分别对应的多个时间分布特征，并确定与多个候选轨迹分别对应的多个空间分布特征时，可以确定与多个候选轨迹分别对应的多个轨迹起点时间，确定与多个候选轨迹分别对应的多个轨迹终点时间，并将多个轨迹起点时间和对应多个轨迹终点时间分别作为多个时间分布特征，确定与多个候选轨迹分别对应的多个边界矩形特征，并将多个边界矩形特征分别作为多个空间分布特征，从而可以提取多个候选轨迹分别对应的时间分布特征和空间分布特征，由于采用轨迹起点时间和轨迹终点时间来表征时间分布特征，并采用边界矩形特征来表征空间分布特征，从而能够有效地提升时间分布特征对候选轨迹的时间维度的特征的表达效果，并且提升空间分布特征对候选轨迹的空间维度的特征的表达效果，辅助后续在采用时间分布特征和空间分布特征确定出候选索引信息时，能够快速、准确地根据轨迹的时空分布对轨迹进行查询，显著提升轨迹的查询效率。
本公开实施例中，在确定与多个候选轨迹分别对应的多个轨迹起点时间和多个轨迹终点时间时，可以将多个候选轨迹输入至时间特征识别模型中，采用该时间特征识别模型对多个候选轨迹分别进行时间特征分析处理，计算出与多个候选轨迹分别对应的多个轨迹起点时间和多个轨迹终点时间，并将多个轨迹起点时间和对应多个轨迹终点时间分别作为多个时间分布特征。
本公开实施例中，在确定与多个候选轨迹分别对应的多个边界矩形特征时，可以将多个候选轨迹输入至空间特征识别模型中，采用该空间特征识别模型对多个候选轨迹分别进行空间特征分析处理，计算出与多个候选轨迹分别对应的多个边界矩形特征，并将多个边界矩形特征分别作为多个空间分布特征。
S707：确定与索引类型对应的组合特征，组合特征包括：至少部分时间分布特征和/或至少部分空间分布特征。
S708：根据组合特征，形成与索引类型对应的候选索引信息。
S709：根据与组合特征对应的候选轨迹，和组合特征所对应候选索引信息生成候选数据表。
S710：获取参考索引信息，其中，参考索引信息具有对应的索引类型。
S711：确定与索引类型对应的目标数据表，其中，目标数据表包括：多个候选索引信息、与多个候选索引信息分别对应的多个候选轨迹。
S712：从多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，并提取匹配的候选索引信息所对应的目标轨迹，目标轨迹属于多个候选轨迹。
S707-S712的描述说明可以具体参见上述实施例，在此不再赘述。
S713：对目标轨迹执行目标操作。
本公开实施例中，在对目标轨迹执行目标操作时，可以利用结构化数据处理引擎分析结构化查询语言的特定语句，从而解析得到对目标轨迹执行的目标操作类型。
举例而言，如图11所示，图11是本公开实施例中的结构化语言解析语句示意图，其中，<analyzing operation>是目标操作类型，parameters是目标操作类型对应的操作参数。
本实施例中，通过获取参考索引信息，其中，参考索引信息具有对应的索引类型，确定与索引类型对应的目标数据表，其中，目标数据表包括：多个候选索引信息、与多个候选索引信息分别对应的多个候选轨迹，从多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，并提取匹配的候选索引信息所对应的目标轨迹，目标轨迹属于多个候选轨迹，以及对目标轨迹执行目标操作，能够利用参考索引从目标数据表中查询目标轨迹，并对目标轨迹进行处理和分析，由于是根据索引类型来索引相匹配的目标数据表，该索引类型是与参考索引信息相关联的，并将目标数据表作为查询范围，从而在有效地缩小轨迹查询范围的同时，有效地保障查询搜索的准确性，当采用查询到的目标轨迹辅助执行目标操作时，实现了轨迹查询与轨迹处理的有效衔接，有效地保障轨迹处理的连贯性，提升轨迹处理的整体执行处理效果，利用降噪处理和分段处理等方式对初始轨迹进行预处理操作，从而可以避免数据噪声对轨迹分析的准确性造成影响，避免因采样率造成的数据分布失衡对轨迹处理的性能造成影响，由于采用轨迹起点时间和轨迹终点时间来表征时间分布特征，并采用边界矩形特征来表征空间分布特征，从而能够有效地提升时间分布特征对候选轨迹的时间维度的特征的表达效果，并且提升空间分布特征对候选轨迹的空间维度的特征的表达效果，辅助后续在采用时间分布特征和空间分布特征确定出候选索引信息时，能够快速、准确地根据轨迹的时空分布对轨迹进行查询，显著提升轨迹的查询效率。
图12是本公开一实施例提出的轨迹数据处理装置的结构示意图。
如图12所示，该轨迹数据处理装置120，包括：
第一获取模块1201，用于获取参考索引信息，其中，参考索引信息具有对应的索引类型；
第一确定模块1202，用于确定与索引类型对应的目标数据表，其中，目标数据表包括：多个候选索引信息、与多个候选索引信息分别对应的多个候选轨迹；
第二确定模块1203，用于从多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，并提取匹配的候选索引信息所对应的目标轨迹，目标轨迹属于多个候选轨迹；
执行模块1204，用于对目标轨迹执行目标操作。
在本公开的一些实施例中，目标数据表属于多个候选数据表，候选数据表包括：多个键值对，其中，键值对中的键存储候选索引信息，与键对应的值存储候选轨迹。
在本公开的一些实施例中，索引类型是以下任一种：时间索引类型、空间索引类型，以及时空索引类型。
在本公开的一些实施例中，如图13所示，图13是本公开另一实施例提出的轨迹数据处理装置的结构示意图，还包括：
第二获取模块1205，用于在获取参考索引信息前，获取多个初始轨迹；
预处理模块1206，用于分别对多个初始轨迹进行预处理，以得到多个候选轨迹；
第三确定模块1207，用于确定与多个候选轨迹分别对应的多个时间分布特征，并确定与多个候选轨迹分别对应的多个空间分布特征；
第四确定模块1208，用于确定与索引类型对应的组合特征，组合特征包括：至少部分时间分布特征和/或至少部分空间分布特征；
第一生成模块1209，用于根据组合特征，形成与索引类型对应的候选索引信息；
第二生成模块1210，用于根据与所述组合特征对应的候选轨迹，和所述组合特征所对应候选索引信息生成所述候选数据表。
在本公开的一些实施例中，至少部分时间分布特征之间满足时间相似度条件；和/或至少部分空间分布特征之间满足空间相似度条件。
在本公开的一些实施例中，所述第三确定模块1207，具体用于：
确定与多个候选轨迹分别对应的多个轨迹起点时间；
确定与多个候选轨迹分别对应的多个轨迹终点时间，并将多个轨迹起点时间和对应多个轨迹终点时间分别作为多个时间分布特征；
确定与多个候选轨迹分别对应的多个边界矩形特征，并将多个边界矩形特征分别作为多个空间分布特征。
在本公开的一些实施例中，所述预处理模块1206，具体用于：
分别对多个初始轨迹进行降噪处理，以得到多个候选轨迹；和/或
对初始轨迹进行分段处理，以得到多个轨迹段并作为多个候选轨迹；和/或
分别对多个初始轨迹进行插值处理，以得到多个候选轨迹；和/或
将多个初始轨迹分别映射至道路网络地图中，以映射得到多个道路轨迹，并将多个道路轨迹作为多个候选轨迹。
在本公开的一些实施例中，所述执行模块1204，还包括：
聚合子模块12041，用于对多个目标轨迹进行聚合处理；
检测子模块12042，用于对多个目标轨迹进行驻留点检测处理；
聚类子模块12043，用于对多个目标轨迹进行聚类处理，以得到目标轨迹集合，目标轨迹集合包括：至少部分目标轨迹，其中，至少部分目标轨迹被用于分析其所属主体的运动模式，和/或至少部分目标轨迹被用于分析第一主体和第二主体之间的空间关联关系，第一主体和第二主体分别属于多个主体。
在本公开的一些实施例中，所述第一获取模块1201，具体用于：
接收查询请求，查询请求适配查询用户侧设备支持的初始查询语言；
将查询请求转换为目标查询请求，目标查询请求支持第一查询语言，第一查询语言与初始查询语言不相同；
从目标查询请求中解析得到参考索引信息。
在本公开的一些实施例中，所述第二获取模块1205，具体用于：
确定多个数据源，多个数据源分别对应多个类型和多个数据源地址；
根据多个类型，确定与其分别对应的多个数据源与键对应的值之间的多种映射关联关系；
根据类型、数据源地址，以及映射关联关系生成支持第二查询语言的查询语句；
根据多个查询语句从相应多个数据源中查询得到多个初始轨迹。
在本公开的一些实施例中，第一获取模块1201，还用于：
在所从目标查询请求中解析得到参考索引信息后，从目标查询请求中解析得到目标操作类型和操作参数；
其中，执行模块1204，还用于：
确定与目标操作类型对应的目标操作；
根据操作参数，对目标轨迹执行目标操作。
在本公开的一些实施例中，第一查询语言是结构化查询语言。
在本公开的一些实施例中，第二查询语言是结构化查询语言。
与上述图1至图11实施例提供的轨迹数据处理方法相对应，本公开还提供一种轨迹数据处理装置，由于本公开实施例提供的轨迹数据处理装置与上述图1至图11实施例提供的轨迹数据处理方法相对应，因此在轨迹数据处理方法的实施方式也适用于本公开实施例提供的轨迹数据处理装置，在本公开实施例中不再详细描述。
本实施例中，通过获取参考索引信息，其中，参考索引信息具有对应的索引类型，确定与索引类型对应的目标数据表，其中，目标数据表包括：多个候选索引信息、与多个候选索引信息分别对应的多个候选轨迹，从多个候选索引信息中确定出与参考索引信息匹配的候选索引信息，并提取匹配的候选索引信息所对应的目标轨迹，目标轨迹属于多个候选轨迹，以及对目标轨迹执行目标操作，由于是根据索引类型来索引相匹配的目标数据表，该索引类型是与参考索引信息相关联的，并将目标数据表作为查询范围，从而在有效地缩小轨迹查询范围的同时，有效地保障查询搜索的准确性，当采用查询到的目标轨迹辅助执行目标操作时，实现了轨迹查询与轨迹处理的有效衔接，有效地保障轨迹处理的连贯性，提升轨迹处理的整体执行处理效果。
为了实现上述实施例，本公开还提出一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本公开前述实施例提出的轨迹数据处理方法。
为了实现上述实施例，本公开还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开前述实施例提出的轨迹数据处理方法。
为了实现上述实施例，本公开还提出一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开前述实施例提出的轨迹数据处理方法。
图14出了适于用来实现本公开实施方式的示例性计算机设备的框图。图14显示的计算机设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图14所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RandomAccessMemory；以下简称：RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图14未显示，通常称为“硬盘驱动器”)。
尽管图14中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(CompactDiscReadOnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(DigitalVideoDiscReadOnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的轨迹数据处理方法。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
需要说明的是，在本公开的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (28)

1.一种轨迹数据处理方法，其特征在于，所述方法包括：
获取参考索引信息，其中，所述参考索引信息具有对应的索引类型；
确定与所述索引类型对应的目标数据表，其中，所述目标数据表包括：多个候选索引信息、与所述多个候选索引信息分别对应的多个候选轨迹；
从所述多个候选索引信息中确定出与所述参考索引信息匹配的候选索引信息，并提取所述匹配的候选索引信息所对应的目标轨迹，所述目标轨迹属于所述多个候选轨迹；以及对所述目标轨迹执行目标操作。
2.如权利要求1所述的方法，其特征在于，所述目标数据表属于多个候选数据表，所述候选数据表包括：多个键值对，其中，所述键值对中的键存储所述候选索引信息，与所述键对应的值存储所述候选轨迹。
3.如权利要求2所述的方法，其特征在于，所述索引类型是以下任一种：
时间索引类型、空间索引类型，以及时空索引类型。
4.如权利要求3所述的方法，其特征在于，在所述获取参考索引信息前，还包括：
获取多个初始轨迹；
分别对所述多个初始轨迹进行预处理，以得到多个候选轨迹；
确定与所述多个候选轨迹分别对应的多个时间分布特征，并确定与所述多个候选轨迹分别对应的多个空间分布特征；
确定与所述索引类型对应的组合特征，所述组合特征包括：至少部分所述时间分布特征和/或至少部分所述空间分布特征；
根据所述组合特征，形成与所述索引类型对应的候选索引信息；
根据与所述组合特征对应的候选轨迹，和所述组合特征所对应候选索引信息生成所述候选数据表。
5.如权利要求4所述的方法，其特征在于，其中，
所述至少部分所述时间分布特征之间满足时间相似度条件；和/或
所述至少部分所述空间分布特征之间满足空间相似度条件。
6.如权利要求4所述的方法，其特征在于，所述确定与所述多个候选轨迹分别对应的多个时间分布特征，并确定与所述多个候选轨迹分别对应的多个空间分布特征，包括：
确定与所述多个候选轨迹分别对应的多个轨迹起点时间；
确定与所述多个候选轨迹分别对应的多个轨迹终点时间，并将所述多个轨迹起点时间和对应所述多个轨迹终点时间分别作为所述多个时间分布特征；
确定与所述多个候选轨迹分别对应的多个边界矩形特征，并将所述多个边界矩形特征分别作为所述多个空间分布特征。
7.如权利要求4所述的方法，其特征在于，所述分别对所述多个初始轨迹进行预处理，以得到多个候选轨迹，包括：
分别对所述多个初始轨迹进行降噪处理，以得到所述多个候选轨迹；和/或
对所述初始轨迹进行分段处理，以得到多个轨迹段并作为所述多个候选轨迹；和/或
分别对所述多个初始轨迹进行插值处理，以得到所述多个候选轨迹；和/或
将所述多个初始轨迹分别映射至道路网络地图中，以映射得到多个道路轨迹，并将所述多个道路轨迹作为所述多个候选轨迹。
8.如权利要求1所述的方法，其特征在于，所述目标轨迹的数量是多个，所述对所述目标轨迹执行目标操作，包括：
对多个所述目标轨迹进行聚合处理；和/或
对多个所述目标轨迹进行驻留点检测处理；和/或
对多个所述目标轨迹进行聚类处理，以得到目标轨迹集合，所述目标轨迹集合包括：至少部分所述目标轨迹，其中，所述至少部分所述目标轨迹被用于分析其所属主体的运动模式，和/或所述至少部分所述目标轨迹被用于分析第一主体和第二主体之间的空间关联关系，所述第一主体和所述第二主体分别属于多个所述主体。
9.如权利要求1所述的方法，其特征在于，所述获取参考索引信息，包括：
接收查询请求，所述查询请求适配查询用户侧设备支持的初始查询语言；
将所述查询请求转换为目标查询请求，所述目标查询请求支持第一查询语言，所述第一查询语言与所述初始查询语言不相同；
从所述目标查询请求中解析得到所述参考索引信息。
10.如权利要求4所述的方法，其特征在于，所述获取多个初始轨迹，包括：
确定多个数据源，所述多个数据源分别对应多个类型和多个数据源地址；
根据所述多个类型，确定与其分别对应的所述多个数据源与所述键对应的值之间的多种映射关联关系；
根据所述类型、所述数据源地址，以及所述映射关联关系生成支持第二查询语言的查询语句；
根据多个所述查询语句从相应所述多个数据源中查询得到所述多个初始轨迹。
11.如权利要求9所述的方法，其特征在于，在所述从所述目标查询请求中解析得到所述参考索引信息后，还包括：
从所述目标查询请求中解析得到目标操作类型和操作参数；
其中，所述对所述目标轨迹执行目标操作，包括：
确定与所述目标操作类型对应的目标操作；
根据所述操作参数，对所述目标轨迹执行所述目标操作。
12.如权利要求9所述的方法，其特征在于，所述第一查询语言是结构化查询语言。
13.如权利要求10所述的方法，其特征在于，所述第二查询语言是结构化查询语言。
14.一种轨迹数据处理装置，其特征在于，所述装置包括：
第一获取模块，用于获取参考索引信息，其中，所述参考索引信息具有对应的索引类型；
第一确定模块，用于确定与所述索引类型对应的目标数据表，其中，所述目标数据表包括：多个候选索引信息、与所述多个候选索引信息分别对应的多个候选轨迹；
第二确定模块，用于从所述多个候选索引信息中确定出与所述参考索引信息匹配的候选索引信息，并提取所述匹配的候选索引信息所对应的目标轨迹，所述目标轨迹属于所述多个候选轨迹；
执行模块，用于对所述目标轨迹执行目标操作。
15.如权利要求14所述的装置，其特征在于，所述目标数据表属于多个候选数据表，所述候选数据表包括：多个键值对，其中，所述键值对中的键存储所述候选索引信息，与所述键对应的值存储所述候选轨迹。
16.如权利要求15所述的装置，其特征在于，所述索引类型是以下任一种：时间索引类型、空间索引类型，以及时空索引类型。
17.如权利要求16所述的装置，其特征在于，还包括：
第二获取模块，用于在所述获取参考索引信息前，获取多个初始轨迹；
预处理模块，用于分别对所述多个初始轨迹进行预处理，以得到多个候选轨迹；
第三确定模块，用于确定与所述多个候选轨迹分别对应的多个时间分布特征，并确定与所述多个候选轨迹分别对应的多个空间分布特征；
第四确定模块，用于确定与所述索引类型对应的组合特征，所述组合特征包括：至少部分所述时间分布特征和/或至少部分所述空间分布特征；
第一生成模块，用于根据所述组合特征，形成与所述索引类型对应的候选索引信息；
第二生成模块，用于根据与所述组合特征对应的候选轨迹，和所述组合特征所对应候选索引信息生成所述候选数据表。
18.如权利要求17所述的装置，其特征在于，其中，
所述至少部分所述时间分布特征之间满足时间相似度条件；和/或
所述至少部分所述空间分布特征之间满足空间相似度条件。
19.如权利要求17所述的装置，其特征在于，所述第三确定模块，具体用于：
确定与所述多个候选轨迹分别对应的多个轨迹起点时间；
确定与所述多个候选轨迹分别对应的多个轨迹终点时间，并将所述多个轨迹起点时间和对应所述多个轨迹终点时间分别作为所述多个时间分布特征；
确定与所述多个候选轨迹分别对应的多个边界矩形特征，并将所述多个边界矩形特征分别作为所述多个空间分布特征。
20.如权利要求17所述的装置，其特征在于，所述预处理模块，具体用于：
分别对所述多个初始轨迹进行降噪处理，以得到所述多个候选轨迹；和/或
对所述初始轨迹进行分段处理，以得到多个轨迹段并作为所述多个候选轨迹；和/或
分别对所述多个初始轨迹进行插值处理，以得到所述多个候选轨迹；和/或
将所述多个初始轨迹分别映射至道路网络地图中，以映射得到多个道路轨迹，并将所述多个道路轨迹作为所述多个候选轨迹。
21.如权利要求14所述的装置，其特征在于，所述执行模块，还包括：
聚合子模块，用于对多个所述目标轨迹进行聚合处理；
检测子模块，用于对多个所述目标轨迹进行驻留点检测处理；
聚类子模块，用于对多个所述目标轨迹进行聚类处理，以得到目标轨迹集合，所述目标轨迹集合包括：至少部分所述目标轨迹，其中，所述至少部分所述目标轨迹被用于分析其所属主体的运动模式，和/或所述至少部分所述目标轨迹被用于分析第一主体和第二主体之间的空间关联关系，所述第一主体和所述第二主体分别属于多个所述主体。
22.如权利要求14所述的装置，其特征在于，所述第一获取模块，具体用于：
接收查询请求，所述查询请求适配查询用户侧设备支持的初始查询语言；
将所述查询请求转换为目标查询请求，所述目标查询请求支持第一查询语言，所述第一查询语言与所述初始查询语言不相同；
从所述目标查询请求中解析得到所述参考索引信息。
23.如权利要求17所述的装置，其特征在于，所述第二获取模块，具体用于：
确定多个数据源，所述多个数据源分别对应多个类型和多个数据源地址；
根据所述多个类型，确定与其分别对应的所述多个数据源与所述键对应的值之间的多种映射关联关系；
根据所述类型、所述数据源地址，以及所述映射关联关系生成支持第二查询语言的查询语句；
根据多个所述查询语句从相应所述多个数据源中查询得到所述多个初始轨迹。
24.如权利22所述的装置，其特征在于，其中，
所述第一获取模块，还用于在所从所述目标查询请求中解析得到所述参考索引信息后，从所述目标查询请求中解析得到目标操作类型和操作参数；
其中，所述执行模块，还用于：
确定与所述目标操作类型对应的目标操作；
根据所述操作参数，对所述目标轨迹执行所述目标操作。
25.如权利要求22所述的装置，其特征在于，所述第一查询语言是结构化查询语言。
26.如权利要求23所述的装置，其特征在于，所述第二查询语言是结构化查询语言。
27.一种计算机设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-13中任一项所述的方法。
28.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-13中任一项所述的方法。
CN202111161305.7A 2021-09-30 2021-09-30 轨迹数据处理方法、装置、计算机设备及存储介质 Pending CN113886390A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111161305.7A CN113886390A (zh) 2021-09-30 2021-09-30 轨迹数据处理方法、装置、计算机设备及存储介质
PCT/CN2022/088611 WO2023050785A1 (zh) 2021-09-30 2022-04-22 轨迹数据处理方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111161305.7A CN113886390A (zh) 2021-09-30 2021-09-30 轨迹数据处理方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN113886390A true CN113886390A (zh) 2022-01-04

Family

ID=79004830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111161305.7A Pending CN113886390A (zh) 2021-09-30 2021-09-30 轨迹数据处理方法、装置、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN113886390A (zh)
WO (1) WO2023050785A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115344795A (zh) * 2022-10-17 2022-11-15 云南师范大学 一种基于多路归并的地铁乘客轨迹相似性搜索方法
WO2023050785A1 (zh) * 2021-09-30 2023-04-06 京东城市(北京)数字科技有限公司 轨迹数据处理方法、装置、计算机设备及存储介质
CN117591757A (zh) * 2023-10-31 2024-02-23 和智信(山东)大数据科技有限公司 轨迹数据处理方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10102247B2 (en) * 2015-09-30 2018-10-16 International Business Machines Corporation Precision adaptive vehicle trajectory query plan optimization
CN112131325A (zh) * 2019-06-25 2020-12-25 杭州海康威视数字技术股份有限公司 轨迹确定方法、装置及设备、存储介质
CN113672638A (zh) * 2021-08-06 2021-11-19 浙江大华技术股份有限公司 一种查询数据的方法、系统及电子设备
CN113886390A (zh) * 2021-09-30 2022-01-04 京东城市(北京)数字科技有限公司 轨迹数据处理方法、装置、计算机设备及存储介质
CN113742548B (zh) * 2021-11-02 2022-04-15 阿里云计算有限公司 轨迹查询方法以及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023050785A1 (zh) * 2021-09-30 2023-04-06 京东城市(北京)数字科技有限公司 轨迹数据处理方法、装置、计算机设备及存储介质
CN115344795A (zh) * 2022-10-17 2022-11-15 云南师范大学 一种基于多路归并的地铁乘客轨迹相似性搜索方法
CN115344795B (zh) * 2022-10-17 2022-12-09 云南师范大学 一种基于多路归并的地铁乘客轨迹相似性搜索方法
CN117591757A (zh) * 2023-10-31 2024-02-23 和智信(山东)大数据科技有限公司 轨迹数据处理方法及装置

Also Published As

Publication number Publication date
WO2023050785A1 (zh) 2023-04-06

Similar Documents

Publication Publication Date Title
CN113886390A (zh) 轨迹数据处理方法、装置、计算机设备及存储介质
Tong et al. A linear road object matching method for conflation based on optimization and logistic regression
CN106033416B (zh) 一种字符串处理方法及装置
CN106453437B (zh) 一种设备识别码获取方法及装置
CN107590123B (zh) 车载中地点上下文指代消解方法及装置
US20190164540A1 (en) Voice recognition system and voice recognition method for analyzing command having multiple intents
JP2017016625A (ja) 新しい興味のある地点の位置を決定する方法及び装置
AU2014228754B2 (en) Non-deterministic disambiguation and matching of business locale data
CN106407360B (zh) 一种数据的处理方法及装置
US20160253577A1 (en) Image Clustering Method, Image Clustering System, And Image Clustering Server
JP6029192B2 (ja) 入力支援システム、入力支援方法および入力支援プログラム
US20200210775A1 (en) Data stitching and harmonization for machine learning
CN110909126A (zh) 一种信息查询方法及装置
WO2019179408A1 (zh) 机器学习模型的构建
CN110688434B (zh) 一种兴趣点处理方法、装置、设备和介质
CN115576999A (zh) 基于云平台的任务数据处理方法、装置、设备及存储介质
CN113837669B (zh) 一种标签体系的评价指标构建方法和相关装置
CN109699003B (zh) 位置确定方法及装置
CN113760891A (zh) 一种数据表的生成方法、装置、设备和存储介质
EP3407206B1 (en) Reconciled data storage system
US20220083879A1 (en) Inferring a comparative advantage of multi-knowledge representations
CN113449094A (zh) 语料获取方法、装置、电子设备及存储介质
CN113901165A (zh) 轨迹数据的处理方法、装置、终端及存储介质
CN114169331A (zh) 地址解析方法、装置、计算机设备和存储介质
CN111460325B (zh) Poi搜索方法、装置与设备

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