CN115203340A - 一种伴随关系确定方法、装置、设备和存储介质 - Google Patents
一种伴随关系确定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115203340A CN115203340A CN202210790693.3A CN202210790693A CN115203340A CN 115203340 A CN115203340 A CN 115203340A CN 202210790693 A CN202210790693 A CN 202210790693A CN 115203340 A CN115203340 A CN 115203340A
- Authority
- CN
- China
- Prior art keywords
- track
- target
- candidate
- determining
- group
- 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
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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
Abstract
本发明公开了一种伴随关系确定方法、装置、设备和存储介质,该方法包括:获取目标对象在待处理时间范围内的目标轨迹点;根据所述目标轨迹点所对应的目标时间,对所述目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;根据所述轨迹组的时间段和所述轨迹组中的目标轨迹点,确定所述轨迹组对应的候选对象,并获取所述候选对象在所述时间段的候选轨迹点;根据轨迹组的数量、所述轨迹组和所述候选轨迹点,计算所述目标对象和所述候选对象的目标伴随率;根据所述目标伴随率,从所述候选对象中确定和所述目标对象具有伴随关系的伴随对象。通过上述方案,可以提高对目标对象的时空轨迹伴随关系计算的精确性,同时提高伴随关系的计算效率。
Description
技术领域
本发明实施例涉及计算机领域,尤其涉及一种伴随关系确定方法、装置、设备和存储介质。
背景技术
随着互联网和大数据技术的发展,可以通过各个对象的移动轨迹和移动时间确定各个对象的伴随关系,但是由于数据采集方式不同,可能导致伴随关系的确定存在一定的误差。同时由于数据量较大,确定伴随关系的效率较低。因此如何在海量的数据中准确高效的计算出目标对象的伴随关系是目前需要解决的问题。
发明内容
本发明提供了一种伴随关系确定方法、装置、设备和存储介质,可以提高对目标对象的时空轨迹伴随关系计算的精确性,同时提高伴随关系的计算效率。
根据本发明的一方面,提供了一种伴随关系确定方法,包括:
获取目标对象在待处理时间范围内的目标轨迹点;
根据所述目标轨迹点所对应的目标时间,对所述目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;
根据所述轨迹组的时间段和所述轨迹组中的目标轨迹点确定所述轨迹组对应的候选对象,并获取所述候选对象在所述时间段的候选轨迹点;
根据轨迹组的数量、所述轨迹组和所述候选轨迹点,计算所述目标对象和所述候选对象的目标伴随率;
根据所述目标伴随率,从所述候选对象中确定和所述目标对象具有伴随关系的伴随对象。
根据本发明的另一方面,提供了一种伴随关系确定装置,该装置包括:
目标轨迹点确定模块,用于获取目标对象在待处理时间范围内的目标轨迹点;
目标轨迹点分组模块,用于根据所述目标轨迹点所对应的目标时间,对所述目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;
候选轨迹点确定模块,用于根据所述轨迹组的时间段和所述轨迹组中的目标轨迹点确定所述轨迹组对应的候选对象,并获取所述候选对象在所述时间段的候选轨迹点;
目标伴随率计算模块,用于根据轨迹组的数量、所述轨迹组和所述候选轨迹点,计算所述目标对象和所述候选对象的目标伴随率;
伴随对象确定模块,用于根据所述目标伴随率,从所述候选对象中确定和所述目标对象具有伴随关系的伴随对象。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明任一实施例所述的伴随关系确定方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的伴随关系确定方法。
本发明实施例的技术方案,获取目标对象在待处理时间范围内的目标轨迹点;根据目标轨迹点所对应的目标时间,对目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;根据轨迹组的时间段和轨迹组中的目标轨迹点,确定轨迹组对应的候选对象,并获取候选对象在时间段的候选轨迹点;根据轨迹组的数量、轨迹组和候选轨迹点,计算目标对象和候选对象的目标伴随率;根据目标伴随率,从候选对象中确定和目标对象具有伴随关系的伴随对象。上述方案,根据目标轨迹点对应的目标时间对目标轨迹点进行分组,并分别计算每一个轨迹组中目标对象和候选对象之间的伴随率,解决了直接根据目标轨迹点和候选轨迹点确定目标对象和候选对象之间的伴随关系时,可能由于候选对象是静止不动的对象,而目标对象为移动的对象,导致伴随关系不准确的问题,实现了准确的计算出目标对象的伴随关系的效果。同时,先根据时间段和轨迹组中的目标轨迹点确定候选对象,再从候选对象中确定和目标对象存在伴随关系的伴随对象,可以提高目标对象的伴随关系确定效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种伴随关系确定方法的流程图;
图2为本发明实施例二提供的一种伴随关系确定方法的流程图;
图3为本发明实施例三提供的一种伴随关系确定方法的流程图;
图4为本发明实施例四提供的一种伴随关系确定装置的结构示意图;
图5为本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“当前”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“等”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种伴随关系确定方法的流程图,本实施例可适用于确定目标对象的伴随关系的情况。该方法可以由伴随关系确定装置来执行,该伴随关系确定装置可以采用硬件和/或软件的形式实现,该伴随关系确定装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取目标对象在待处理时间范围内的目标轨迹点。
其中,目标对象是指需要获取其时空轨迹伴随关系的移动对象。时空轨迹是移动对象的位置和时间的记录序列。时空轨迹涵盖了人类行为和交通物流等诸多方面。通过对时空轨迹数据进行分析,可以得到时空轨迹数据中的相似性特征,有助于发现其中有意义的轨迹模式。
伴随关系是时空轨迹模式中的一种,是指目标对象和其他对象之间存在相伴同行的关系。待处理时间范围是指根据实际需求,设置的需要了解目标对象时空轨迹伴随关系的具体时间段。例如,目标对象在周日某街道被跟踪并盗取了财物,需要通过目标对象的时空轨迹伴随关系确定盗取财物的嫌疑人,则待处理时间范围可以是周日全天时间范围。
轨迹是指符合一定条件的点所形成的图形,或者符合一定条件的所有的点所组成的集合。其中,组成轨迹的符合一定条件的所有的点即为轨迹点。
具体的,根据实际需要,确定待处理时间范围。向目标对象发送位置数据获取请求,在目标对象许可的情况下,获取待处理时间范围内目标对象的位置数据,将位置数据作为目标轨迹点。其中,位置数据可以是目标对象经纬度数据。经纬度是经度与纬度的合称组成一个坐标系统,称为地理坐标系统,它是一种利用三度空间的球面来定义地球上的空间的球面坐标系统,能够标示地球上的任何一个位置。
S120、根据目标轨迹点所对应的目标时间,对目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段。
其中,目标时间是指目标对象位于目标轨迹点的时间。轨迹组是指包含有至少一个目标轨迹点的序列组。轨迹组的时间段是指轨迹组所包含的所有目标轨迹点所对应的时间段。
具体的,向目标对象发送目标时间获取请求,在目标对象许可的情况下,获得目标轨迹点对应的目标时间。根据目标时间,对目标轨迹点进行分组,将目标时间较为接近的目标轨迹点分为一组,获得至少两个轨迹组。确定轨迹组内的目标轨迹点对应的目标时间,将轨迹组内的目标轨迹点对应的最早的目标时间和最晚的目标时间之间的时间段,作为轨迹组的时间段。
示例性的,根据目标轨迹点所对应的目标时间,对目标轨迹点进行分组,可以通过如下子步骤实现:
S1201、根据待处理时间范围,确定单个轨迹组的时长。
具体的,可以预先设定待处理时间范围和单个轨迹组的时长之间的对应关系。在获得待处理时间范围后,根据待处理时间范围和对应关系,确定单个轨迹组的时长。对应关系可以根据实际需求进行预先设定。
示例性的,若待处理时间范围小于或等于五个小时,则确定单个轨迹组的时长为半个小时,也就是说,单个轨迹组包含半个小时内目标对象的目标轨迹点;若待处理时间范围大于五个小时,且小于十五个小时,则确定单个轨迹组的时长为一个小时,也就是说,单个轨迹组包含一个小时内目标对象的目标轨迹点;若待处理时间范围大于或等于十五个小时,则确定单个轨迹组的时长为两个小时,也就是说,单个轨迹组包含两个小时内目标对象的目标轨迹点。
S1202、采用轨迹组的时长对待处理时间范围进行划分,得到至少两个轨迹组的时间段。
具体的,确定单个轨迹组的时长后,根据单个轨迹组的时长对待处理时间范围进行划分,根据划分结果,获得至少两个轨迹组的时间段。每一个轨迹组的时间段对应的时长均为单个轨迹组的时长。
示例性的,若待处理时间范围小于或等于五个小时,则确定单个轨迹组的时长为半个小时,则轨迹组的时间段为半个小时。
S1203、根据目标轨迹点所对应的目标时间和轨迹组的时间段,确定目标轨迹点所属的轨迹组。
具体的,获取目标轨迹点所对应的目标时间和轨迹组的时间段后,根据轨迹组的时间段,确定每一个轨迹组中需要存储的目标轨迹点所对应的最早目标时间和最晚目标时间。根据每个轨迹组中包含的目标轨迹点对应的最早目标时间和最晚目标时间,确定每一个目标轨迹点对应的目标时间所属的时间段,从而确定目标轨迹点所属的轨迹组。
可以理解的是,根据待处理时间的时长,确定对目标轨迹点的分组方案,可以根据待处理时间范围对目标轨迹点进行合理划分,再提高目标对象伴随关系的计算效率的同时,保证计算的准确性。
S130、根据轨迹组的时间段和轨迹组中的目标轨迹点,确定轨迹组对应的候选对象,并获取候选对象在时间段的候选轨迹点。
其中,候选对象是指可能与目标对象存在时空轨迹伴随关系的对象。候选对象包括移动的对象和静止不动的对象。候选轨迹点是指候选对象在时间段内的移动轨迹中包含的轨迹点。
需要说明的是,候选轨迹点是必须在候选对象许可的情况下才能够获取到的候选对象的轨迹点。
具体的,根据轨迹组的时间段和轨迹组中的目标轨迹点,确定在该时间段内出现在轨迹组中任意目标轨迹点的对象作为候选对象,再在候选对象许可的情况下,获取候选对象在时间段内的候选轨迹点。
S140、根据轨迹组的数量、轨迹组和候选轨迹点,计算目标对象和候选对象的目标伴随率。
其中,目标伴随率可以用于表征目标对象和候选对象之间存在时空轨迹伴随关系的概率。需要说明的是,轨迹组的数量越多,每一个轨迹组在计算目标伴随率时所占权重越低。
具体的,根据轨迹组的数量、候选轨迹点以及轨迹组中的目标轨迹点,通过时空轨迹伴随算法,计算目标对象和候选对象的目标伴随率。
可选的,轨迹组的数量、候选轨迹点以及轨迹组中的目标轨迹点可以存储在Apache Druid上,时空轨迹伴随算法可以获取存储在Apache Druid上的数据,通过sparksql对目标对象和各候选对象之间的目标伴随率进行并行计算。
需要说明的是,Apache Druid可以通过添加服务器进行服务器集群的横向扩展,因此具备高扩展性。同时Apache Druid中设置有主节点和从节点,同时具有数据备份机制和历史数据与实时数据分离机制,可以保证轨迹数据的安全性和可靠性,不会因为一个节点对应的服务器出现故障而导致整个服务器集群故障。
S150、根据目标伴随率,从候选对象中确定和目标对象具有伴随关系的伴随对象。
具体的,根据实际需要,预先设定伴随关系筛选条件,根据目标伴随率和伴随关系筛选条件,从候选对象中筛选出和目标对象具有伴随关系的伴随对象。
示例性的,伴随关系筛选条件可以是目标伴随率大于或等于6%。通过时空轨迹伴随算法,计算目标对象和候选对象的目标伴随率,确定大于或等于6%的目标伴随率,并将大于或等于6%的目标伴随率对应的候选对象作为伴随对象。在确定伴随对象后,还可以将伴随对象对应的目标伴随率按照从大到小的排列顺序输出至redis(Remote DictionaryServer,远程字典服务)上。
本实施例提供的技术方案,获取目标对象在待处理时间范围内的目标轨迹点;根据目标轨迹点所对应的目标时间,目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;根据轨迹组的时间段和轨迹组中的目标轨迹点,确定轨迹组对应的候选对象,并获取候选对象在时间段的候选轨迹点;根据轨迹组的数量、轨迹组和候选轨迹点,计算目标对象和候选对象的目标伴随率;根据目标伴随率,从候选对象中确定和目标对象具有伴随关系的伴随对象。上述方案,根据目标轨迹点对应的目标时间对目标轨迹点进行分组,并分别计算每一个轨迹组中目标对象和候选对象之间的伴随率,解决了直接根据目标轨迹点和候选轨迹点确定目标对象和候选对象之间的伴随关系时,可能由于候选对象是静止不动的对象,而目标对象为移动的对象,导致伴随关系不准确的问题,实现了准确的计算出目标对象的伴随关系的效果。同时,先根据时间段和轨迹组中的目标轨迹点确定候选对象,再从候选对象中确定和目标对象存在伴随关系的伴随对象,可以提高目标对象的伴随关系确定效率。
实施例二
图2为本发明实施例二提供的一种伴随关系确定方法的流程图,本实施例在上述实施例的基础上进行了优化,给出了一种根据轨迹组的时间段和轨迹组中的目标轨迹点,确定轨迹组对应的候选对象的优选实施方案。具体的,如图2所示,该方法包括:
S210、获取目标对象在待处理时间范围内的目标轨迹点。
S220、根据目标轨迹点所对应的目标时间,对目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段。
S230、根据轨迹组和轨迹组的时间段,确定待筛选对象。
其中,待筛选对象是指可能作为候选对象的对象,若待筛选对象满足一定的条件,即可作为目标对象。
具体的,根究轨迹组和轨迹组的时间段,确定在该时间段内出现在轨迹组中任意目标轨迹点的对象作为待筛选对象。
S240、确定在轨迹组中,筛选对象与目标对象的伴随次数。
其中,伴随次数是指存在筛选对象移动轨迹的轨迹组的个数。
具体的,确定筛选对象后,向筛选对象发送轨迹点获取请求,并接收筛选对象发送的筛选对象的轨迹点。根据筛选对象的轨迹点,确定筛选对象移动轨迹。再根据筛选对象移动轨迹,确定存在筛选对象移动轨迹的轨迹组的个数,将存在筛选对象移动轨迹的轨迹组的个数作为筛选对象与目标对象的伴随次数。
S250、基于设定条件,根据伴随次数,对待筛选对象进行筛选,确定轨迹组对应的候选对象。
其中,设定条件可以根据实际需要设置。
具体的,可以基于设定条件,确定满足设定条件的伴随次数,将满足设定条件的伴随次数对应的筛选对象作为轨迹组对应的候选对象。
示例性的,可以按照伴随次数从多至少的顺序进行排序,选择排序靠前的前两千个伴随次数对应的筛选对象,作为轨迹组对应的候选对象。
S260、获取候选对象在时间段的候选轨迹点。
S270、根据轨迹组的数量、轨迹组和候选轨迹点,计算目标对象和候选对象的目标伴随率。
S280、根据目标伴随率,从候选对象中确定和目标对象具有伴随关系的伴随对象。
本实施例的技术方案,获取目标对象在待处理时间范围内的目标轨迹点;根据目标轨迹点所对应的目标时间,对目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;根据轨迹组和轨迹组的时间段,确定待筛选对象;确定在轨迹组中,筛选对象与目标对象的伴随次数;基于设定条件,根据伴随次数,对待筛选对象进行筛选,确定轨迹组对应的候选对象;获取候选对象在时间段的候选轨迹点;根据轨迹组的数量、轨迹组和候选轨迹点,计算目标对象和候选对象的目标伴随率;根据目标伴随率,从候选对象中确定和目标对象具有伴随关系的伴随对象。上述方案先根据轨迹组和轨迹组的时间段,初步筛选可能作为候选对象的筛选对象,再根据伴随次数对筛选对象进行进一步筛选,以选择出和目标对象存在伴随关系的概率较大的候选对象,从而减少了计算所需的数据样本,提高了目标对象和候选对象之间的目标伴随率的计算效率。
实施例三
图3为本发明实施例三提供的一种伴随关系确定方法的流程图,本实施例在上述实施例的基础上进行了优化,给出了一种根据轨迹组的数量、轨迹组和候选轨迹点,计算目标对象和候选对象的目标伴随率的优选实施方式。具体的,如图3所示,该方法包括:
S310、获取目标对象在待处理时间范围内的目标轨迹点。
S320、根据目标轨迹点所对应的目标时间,对目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段。
S330、根据轨迹组的时间段和轨迹组中的目标轨迹点,确定轨迹组对应的候选对象,并获取候选对象在时间段的候选轨迹点。
S340、根据轨迹组的数量,确定轨迹组的权重和最小伴随率。
其中,轨迹组的权重和轨迹组的数量为反比关系。最小伴随率是指候选对象在每一轨迹组中,和目标对象之间保底的伴随率。
具体的,根据轨迹组的数量,确定轨迹组的权重率的计算公式如公式(1)所示:
B=1/G (1)
其中,B为轨迹组的权重,G为轨迹组的数量。
根据轨迹组的数量,确定最小伴随率的计算公式如公式(2)所示:
L=(G-1)/G (2)
其中,L为最小伴随率。
S350、根据轨迹组中目标轨迹点和候选轨迹点,确定轨迹组的调节因子。
其中,轨迹组的调节因子是指轨迹组中的候选轨迹点的经纬度数据,和目标轨迹点的经纬度数据之间的比值。
具体的,获取轨迹组中目标轨迹点和候选轨迹点后,确定候选轨迹点的经纬度数据,同时确定目标轨迹点的经纬度数据。将候选轨迹点的经纬度数据和目标轨迹点的经纬度数据之间的比值,作为轨迹组的调节因子。
示例性的,还可以根据候选位置编码和目标位置编码,确定分组轨迹点的调节因子,具体的,可以通过如下子步骤实现:
S3501、通过地址编码技术,分别对候选轨迹点和轨迹组中目标轨迹点进行位置编码,得到候选位置编码和目标位置编码
其中,地址编码技术即GeoHash算法,GeoHash算法是一种地址编码方法,能够把二维的空间经纬度数据编码成一个字符串。通过GeoHash算法,可以将每一个轨迹组编码为一个表征轨迹组所在区域的字符串。位置编码即经纬度数据编码。候选位置编码即轨迹组中的候选轨迹点对应的经纬度数据编码;目标位置编码即轨迹组中的目标轨迹点对应的经纬度数据编码。
具体的,通过GeoHash算法,对轨迹组中的候选轨迹点对应的经纬度数据进行位置编码,获得候选位置编码;再对轨迹组中的目标轨迹点对应的经纬度数据进行位置编码,获得目标位置编码。
S3502、将候选位置编码和目标位置编码之间的比值,作为分组轨迹点的调节因子。
具体的,根据候选位置编码和目标位置编码,计算分组轨迹点的调节因子的计算方法如公式(3)所示:
SR=M/N (3)
其中,M为候选位置编码,N为目标位置编码。
可以理解的是,通过候选位置编码和目标位置编码之间的比值,确定分组轨迹点的调节因子,可以简化调节因子的计算数据,提高调节因子的计算效率。
S360、根据轨迹组的权重、最小概率和调节因子,对轨迹组进行加权计算。
具体的,根据轨迹组的权重、最小概率和调节因子,对轨迹组进行加权计算的计算公式如公式(4)所示:
ZR=L+SR×B×2 (4)
其中,ZR表示对轨迹组进行加权计算的计算结果;2为固定系数。
S370、根据轨迹组的权重和加权计算结果,确定候选对象在轨迹组中的轨迹组伴随率。
其中,轨迹伴随率为轨迹组的权重和加权计算结果的乘积。
具体的,根据轨迹组的权重和加权计算结果,确定候选对象在轨迹组中的轨迹组伴随率的计算公式如公式(5)所示:
R=B×ZR (5)
其中,R为轨迹组伴随率。
S380、将各轨迹组伴随率之和,作为目标对象和候选对象的目标伴随率。
S390、根据目标伴随率,从候选对象中确定和目标对象具有伴随关系的伴随对象。
本实施例的技术方案,获取目标对象在待处理时间范围内的目标轨迹点;根据目标轨迹点所对应的目标时间,对目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;根据轨迹组的时间段和轨迹组中的目标轨迹点,确定轨迹组对应的候选对象,并获取候选对象在时间段的候选轨迹点;根据轨迹组的数量,确定轨迹组的权重和最小伴随率;根据轨迹组中目标轨迹点和候选轨迹点,确定轨迹组的调节因子;根据轨迹组的权重、最小概率和调节因子,对轨迹组进行加权计算;根据轨迹组的权重和加权计算结果,确定候选对象在轨迹组中的轨迹组伴随率;将各轨迹组伴随率之和,作为目标对象和候选对象的目标伴随率;根据目标伴随率,从候选对象中确定和目标对象具有伴随关系的伴随对象。上述方案,提供了一个根据轨迹组的权重、最小概率和调节因子,确定目标对象和候选对象的目标伴随率的计算方式,可以根据该计算方式,可以提高对目标对象的时空轨迹伴随关系计算的精确性。
实施例四
图4为本发明实施例四提供的一种伴随关系确定装置的结构示意图。本实施例可适用于确定目标对象的伴随关系的情况。如图4所示,该伴随关系确定装置包括:目标轨迹点确定模块410、通信报文分析模块420、候选轨迹点确定模块430、目标伴随率计算模块440和伴随对象确定模块450。
其中,目标轨迹点确定模块410,用于获取目标对象在待处理时间范围内的目标轨迹点;
目标轨迹点分组模块420,用于根据目标轨迹点所对应的目标时间,对目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;
候选轨迹点确定模块430,用于根据轨迹组的时间段和轨迹组中的目标轨迹点,确定轨迹组对应的候选对象,并获取候选对象在时间段的候选轨迹点;
目标伴随率计算模块440,用于根据轨迹组的数量、轨迹组和候选轨迹点,计算目标对象和候选对象的目标伴随率;
伴随对象确定模块450,用于根据目标伴随率,从候选对象中确定和目标对象具有伴随关系的伴随对象。
本实施例提供的技术方案,获取目标对象在待处理时间范围内的目标轨迹点;根据目标轨迹点所对应的目标时间,对目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;根据轨迹组的时间段和轨迹组中的目标轨迹点,确定轨迹组对应的候选对象,并获取候选对象在时间段的候选轨迹点;根据轨迹组的数量、轨迹组和候选轨迹点,计算目标对象和候选对象的目标伴随率;根据目标伴随率,从候选对象中确定和目标对象具有伴随关系的伴随对象。上述方案,根据目标轨迹点对应的目标时间对目标轨迹点进行分组,并分别计算每一个轨迹组中目标对象和候选对象之间的伴随率,解决了直接根据目标轨迹点和候选轨迹点确定目标对象和候选对象之间的伴随关系时,可能由于候选对象是静止不动的对象,而目标对象为移动的对象,导致伴随关系不准确的问题,实现了准确的计算出目标对象的伴随关系的效果。同时,先根据时间段和轨迹组中的目标轨迹点确定候选对象,再从候选对象中确定和目标对象存在伴随关系的伴随对象,可以提高目标对象的伴随关系确定效率。
示例性的,目标轨迹点分组模块420包括:
时长确定单元,用于根据待处理时间范围,确定单个轨迹组的时长;
时间段确定单元,用于采用轨迹组的时长对待处理时间范围进行划分,得到至少两个轨迹组的时间段;
轨迹组确定单元,用于根据目标轨迹点所对应的目标时间和轨迹组的时间段,确定目标轨迹点所属的轨迹组。
示例性的,候选轨迹点确定模块430包括:
待筛选对象确定单元,用于根据轨迹组和轨迹组的时间段,确定待筛选对象;
伴随次数确定单元,用于确定在轨迹组中,筛选对象与目标对象的伴随次数;
候选对象确定单元,用于基于设定条件,根据伴随次数,对待筛选对象进行筛选,确定轨迹组对应的候选对象。
示例性的,目标伴随率计算模块440包括:
最小伴随率确定单元,用于根据轨迹组的数量,确定轨迹组的权重和最小伴随率;
调节因子确定单元,用于根据轨迹组中目标轨迹点和候选轨迹点,确定轨迹组的调节因子;
加权计算单元,用于根据轨迹组的权重、最小概率和调节因子,对轨迹组进行加权计算;
轨迹组伴随率计算单元,用于根据轨迹组的权重和加权计算结果,确定候选对象在轨迹组中的轨迹组伴随率;
目标伴随率确定单元,用于将各轨迹组伴随率之和,作为目标对象和候选对象的目标伴随率。
示例性的,调节因子确定单元具体用于:
通过地址编码技术,分别对候选轨迹点和轨迹组中目标轨迹点进行位置编码,得到候选位置编码和目标位置编码;
将候选位置编码和目标位置编码之间的比值,作为分组轨迹点的调节因子。
本实施例提供的伴随关系确定装置可适用于上述任意实施例提供的伴随关系确定方法,具备相应的功能和有益效果。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如伴随关系确定方法。
在一些实施例中,伴随关系确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的伴随关系确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行伴随关系确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程伴随关系确定装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种伴随关系确定方法,其特征在于,包括:
获取目标对象在待处理时间范围内的目标轨迹点;
根据所述目标轨迹点所对应的目标时间,对所述目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;
根据所述轨迹组的时间段和所述轨迹组中的目标轨迹点,确定所述轨迹组对应的候选对象,并获取所述候选对象在所述时间段的候选轨迹点;
根据轨迹组的数量、所述轨迹组和所述候选轨迹点,计算所述目标对象和所述候选对象的目标伴随率;
根据所述目标伴随率,从所述候选对象中确定和所述目标对象具有伴随关系的伴随对象。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标轨迹点所对应的目标时间,对所述目标轨迹点进行分组,包括:
根据待处理时间范围,确定单个轨迹组的时长;
采用所述轨迹组的时长对所述待处理时间范围进行划分,得到至少两个轨迹组的时间段;
根据目标轨迹点所对应的目标时间和所述轨迹组的时间段,确定目标轨迹点所属的轨迹组。
3.根据权利要求1所述的方法,其特征在于,所述根据所述轨迹组的时间段和所述轨迹组中的目标轨迹点,确定所述轨迹组对应的候选对象,包括:
根据所述轨迹组和轨迹组的时间段,确定待筛选对象;
确定在所述轨迹组中,所述筛选对象与所述目标对象的伴随次数;
基于设定条件,根据所述伴随次数,对所述待筛选对象进行筛选,确定所述轨迹组对应的候选对象。
4.根据权利要求1所述的方法,其特征在于,所述根据轨迹组的数量、所述轨迹组和所述候选轨迹点,计算所述目标对象和所述候选对象的目标伴随率,包括:
根据所述轨迹组的数量,确定所述轨迹组的权重和最小伴随率;
根据所述轨迹组中目标轨迹点和所述候选轨迹点,确定所述轨迹组的调节因子;
根据所述轨迹组的权重、所述最小概率和所述调节因子,对所述轨迹组进行加权计算;
根据所述轨迹组的权重和加权计算结果,确定所述候选对象在所述轨迹组中的轨迹组伴随率;
将各轨迹组伴随率之和,作为所述目标对象和所述候选对象的目标伴随率。
5.根据权利要求4所述的方法,其特征在于,所述根据所述轨迹组中目标轨迹点和所述候选轨迹点,确定所述轨迹组的调节因子,包括:
通过地址编码技术,分别对所述候选轨迹点和所述轨迹组中目标轨迹点进行位置编码,得到候选位置编码和目标位置编码;
将候选位置编码和目标位置编码之间的比值,作为所述分组轨迹点的调节因子。
6.一种伴随关系确定装置,其特征在于,包括:
目标轨迹点确定模块,用于获取目标对象在待处理时间范围内的目标轨迹点;
目标轨迹点分组模块,用于根据所述目标轨迹点所对应的目标时间,对所述目标轨迹点进行分组,得到至少两个轨迹组,以及轨迹组的时间段;
候选轨迹点确定模块,用于根据所述轨迹组的时间段和所述轨迹组中的目标轨迹点,确定所述轨迹组对应的候选对象,并获取所述候选对象在所述时间段的候选轨迹点;
目标伴随率计算模块,用于根据轨迹组的数量、所述轨迹组和所述候选轨迹点,计算所述目标对象和所述候选对象的目标伴随率;
伴随对象确定模块,用于根据所述目标伴随率,从所述候选对象中确定和所述目标对象具有伴随关系的伴随对象。
7.根据权利要求6所述的装置,其特征在于,所述目标轨迹点分组模块,包括:
时长确定单元,用于根据待处理时间范围,确定单个轨迹组的时长;
时间段确定单元,用于采用所述轨迹组的时长对所述待处理时间范围进行划分,得到至少两个轨迹组的时间段;
轨迹组确定单元,用于根据目标轨迹点所对应的目标时间和所述轨迹组的时间段,确定目标轨迹点所属的轨迹组。
8.根据权利要求6所述的装置,其特征在于,所述候选轨迹点确定模块,包括:
待筛选对象确定单元,用于根据所述轨迹组和轨迹组的时间段,确定待筛选对象;
伴随次数确定单元,用于确定在所述轨迹组中,所述筛选对象与所述目标对象的伴随次数;
候选对象确定单元,用于基于设定条件,根据所述伴随次数,对所述待筛选对象进行筛选,确定所述轨迹组对应的候选对象。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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1-5中任一项所述的伴随关系确定方法。
10.一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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的伴随关系确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210790693.3A CN115203340A (zh) | 2022-07-05 | 2022-07-05 | 一种伴随关系确定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210790693.3A CN115203340A (zh) | 2022-07-05 | 2022-07-05 | 一种伴随关系确定方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115203340A true CN115203340A (zh) | 2022-10-18 |
Family
ID=83579308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210790693.3A Pending CN115203340A (zh) | 2022-07-05 | 2022-07-05 | 一种伴随关系确定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115203340A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116136416A (zh) * | 2023-02-07 | 2023-05-19 | 北京甲板智慧科技有限公司 | 基于多特征融合滤波的实时轨迹优化方法和装置 |
CN116842285A (zh) * | 2023-07-27 | 2023-10-03 | 中国人民解放军陆军工程大学 | 基于时空轨迹数据的目标伴随模式挖掘方法 |
-
2022
- 2022-07-05 CN CN202210790693.3A patent/CN115203340A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116136416A (zh) * | 2023-02-07 | 2023-05-19 | 北京甲板智慧科技有限公司 | 基于多特征融合滤波的实时轨迹优化方法和装置 |
CN116136416B (zh) * | 2023-02-07 | 2023-11-17 | 北京甲板智慧科技有限公司 | 基于多特征融合滤波的实时轨迹优化方法和装置 |
CN116842285A (zh) * | 2023-07-27 | 2023-10-03 | 中国人民解放军陆军工程大学 | 基于时空轨迹数据的目标伴随模式挖掘方法 |
CN116842285B (zh) * | 2023-07-27 | 2024-05-03 | 中国人民解放军陆军工程大学 | 基于时空轨迹数据的目标伴随模式挖掘方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115203340A (zh) | 一种伴随关系确定方法、装置、设备和存储介质 | |
CN111982138B (zh) | 预测模型获取及路径规划方法、装置及存储介质 | |
US9167389B1 (en) | Clustering location data to determine locations of interest | |
CN114282670A (zh) | 神经网络模型的压缩方法、设备和存储介质 | |
CN114758495A (zh) | 交通信号灯调整方法、装置及电子设备 | |
CN115390161A (zh) | 基于人工智能的降水预测方法及装置 | |
CN114596709B (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN116028730A (zh) | 搜索资源异常识别方法、装置及电子设备 | |
CN115797565A (zh) | 三维重建模型训练方法、三维重建方法、装置及电子设备 | |
CN113326449B (zh) | 预测交通流量的方法、装置、电子设备和介质 | |
CN114549058A (zh) | 选址方法、装置、电子设备和可读存储介质 | |
CN111047107B (zh) | 公路通行时间预测方法、装置、电子设备和存储介质 | |
CN113723607A (zh) | 时空数据处理模型的训练方法、装置、设备及存储介质 | |
CN113836661B (zh) | 时间预测方法、模型训练方法、相关装置及电子设备 | |
CN113361519B (zh) | 目标处理方法、目标处理模型的训练方法及其装置 | |
JP2022095895A (ja) | 交通データ予測方法、交通データ予測装置、電子機器、記憶媒体、コンピュータプログラム製品及びコンピュータプログラム | |
CN114691691A (zh) | 基于Geohash的空间数据处理方法、装置及电子设备 | |
CN113868518A (zh) | 热力图生成方法、装置、电子设备及存储介质 | |
CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 | |
CN112948517A (zh) | 区域位置标定方法、装置及电子设备 | |
CN113407839B (zh) | 出行方式的确定方法、装置、设备和存储介质 | |
CN116321007B (zh) | 出行目的预测方法、装置、设备及存储介质 | |
CN113051470B (zh) | 位置精度评估方法及装置、电子设备、计算机可读介质 | |
CN115453661B (zh) | 气象预报方法、装置、设备以及存储介质 | |
CN115658826A (zh) | 一种轨迹停留点确定方法、装置、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 |