[发明专利]移动轨迹的分类方法和装置、设备、存储介质

说明书

本发明公开了一种移动轨迹的分类方法和装置、设备、存储介质。所述移动轨迹的分类方法包括：获得目标移动轨迹；其中，所述目标移动轨迹中包含至少一个子轨迹；获得每个所述子轨迹的子轨迹特征向量；根据每个所述子轨迹特征向量，获得所述目标移动轨迹的轨迹特征向量；根据所述轨迹特征向量，对所述目标移动轨迹进行分类。采用本发明，能够提高移动轨迹分类的准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种移动轨迹的分类方法和装置、设备、存储介质。

背景技术

在对用户的出行习惯、偏爱的交通工具、出行方式等进行分析的过程中，对用户的移动轨迹的分析和分类是不可或缺的重要组成部分。在现有技术中，通常都是在对各个出行方式对应的若干出行轨迹进行学习，训练出各个出行方式对应的惯常出行轨迹后，通过分别计算这些惯常出行轨迹和用户的当前出行轨迹的相似度，从而判断该用户当前的出行方式的。例如，若用户的当前出行轨迹与驾驶机动车对应的惯常出行轨迹最相似，则认为该用户当前是通过驾驶机动车的方式出行。由于在现有技术中，对用户的移动轨迹进行分类的方法是将移动轨迹作为一个整体进行分析的，并没有考虑到时空特征、信号传输等对该移动轨迹的影响，因此准确度不高。

发明内容

本发明实施例提出一种移动轨迹的分类方法和装置、设备、存储介质，能够提高移动轨迹分类的准确度。

本发明实施例提供的一种移动轨迹的分类方法，具体包括：

获得目标移动轨迹；其中，所述目标移动轨迹中包含至少一个子轨迹；

获得每个所述子轨迹的子轨迹特征向量；

根据每个所述子轨迹特征向量，获得所述目标移动轨迹的轨迹特征向量；

根据所述轨迹特征向量，对所述目标移动轨迹进行分类。

进一步地，所述获得目标移动轨迹，具体包括：

获得初始移动轨迹；其中，所述初始移动轨迹中包含至少一个初始轨迹点；

根据预设的筛选规则，从所有所述初始轨迹点中筛选出至少一个目标轨迹点；

连接每两个相邻的所述目标轨迹点，获得至少一个所述子轨迹；

获得由所有所述子轨迹组成的所述目标移动轨迹。

进一步地，在所述根据预设的筛选规则，从所有所述初始轨迹点中筛选出至少一个目标轨迹点之前，还包括：

获得至少一个历史移动轨迹；

根据每个所述历史移动轨迹生成所述筛选规则；

所述根据每个所述历史移动轨迹生成所述筛选规则，具体包括：

根据每个所述历史移动轨迹，构建轨迹数据结构；

根据所述轨迹数据结构，获得至少一个高频轨迹；

根据每个所述高频轨迹，生成所述筛选规则。

进一步地，所述轨迹数据结构为FP树。

进一步地，所述获得每个所述子轨迹的子轨迹特征向量，具体包括：

获得每个所述子轨迹的支持度和置信度；

对于每个所述支持度大于或者等于预设的支持度阈值且所述置信度大于或者等于预设的置信度阈值的所述子轨迹，提取对应的n个轨迹特征，并获得对应的由所述n个轨迹特征组成的所述子轨迹特征向量；其中，n≥0；

对于每个所述支持度小于所述支持度阈值且所述置信度小于所述置信度阈值的所述子轨迹，生成对应的内容为0的所述子轨迹特征向量。