[发明专利]用户出行方式识别方法、装置、电子设备及存储介质

权利要求书

1.一种用户出行方式识别方法，其特征在于，包括：

获取目标用户的出行轨迹，将包含所述出行轨迹的区域划分为网格；

计算所述目标用户在各所述网格中的驻留时长，将所述目标用户在各所述网格中的驻留时长进行组合，获取所述目标用户的轨迹特征矩阵；

根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式。

2.根据权利要求1所述的方法，其特征在于，获取目标用户的出行轨迹的步骤具体包括：

当目标用户的GPS数据不存在或发生错误时，获取目标用户的客户端的信令数据，根据产生所述信令数据的基站的位置，确定所述目标用户的出行轨迹。

3.根据权利要求2所述的方法，其特征在于，当目标用户的GPS数据不存在或发生错误时，获取所述目标用户的客户端的信令数据，根据产生所述信令数据的基站的位置，确定所述目标用户的出行轨迹的步骤具体包括：

当用户的GPS数据不存在或发生错误时，若与目标用户的客户端进行交互的基站发生切换，则获取产生此次基站切换的首条信令数据；

根据产生各所述首条信令数据的基站的位置，确定所述目标用户的出行轨迹。

4.根据权利要求3所述的方法，其特征在于，计算所述目标用户在各所述网格中的驻留时长的步骤具体包括：

获取产生任意相邻两次基站切换的首条信令数据的时间；

将两个所述时间之间的时间间隔作为所述相邻两次中前一次产生首条信令数据的基站覆盖区域内目标用户的驻留时长；

根据各所述网格中的基站对应的驻留时长，获取目标用户在各所述网格中的驻留时长。

5.根据权利要求1所述的方法，其特征在于，计算所述目标用户在各所述网格中的驻留时长的步骤之后还包括：

若所述目标用户在各网格中的驻留时长大于0，则将所述目标用户在各所述网格中的驻留时长取对数。

6.根据权利要求1所述的方法，其特征在于，根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式的步骤之前还包括：

根据机动车上车联网卡的位移轨迹，获取机动车出行轨迹样本；

获取任意相邻地铁基站之间的连线，将使用过地铁APP的用户的出行轨迹与所述连线的交集作为地铁出行轨迹样本；所述地铁APP用于以扫码方式进入地铁站；

将使用过共享单车APP的用户样本的出行轨迹作为非机动车出行轨迹样本；

根据用户在第一预设时间段和第二预设时间段常驻基站，获取用户样本的工作地点和居住地，若所述工作地和所述居住地之间的距离小于第一预设阈值，且所述目标用户样本在通勤期间的平均速度小于第二预设阈值，则将用户样本的出行轨迹作为步行出行轨迹样本；

根据所述机动车出行轨迹样本、地铁出行轨迹样本、非机动车出行轨迹样本和步行出行轨迹样本，对卷积神经网络进行训练。

7.根据权利要求1-6任一所述的方法，其特征在于，根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式的步骤具体包括：

使用所述卷积神经网络的卷积层和池化层，对所述目标用户的轨迹特征矩阵进行特征提取；

使用所述卷积神经网络的第一全连接层，将提取的特征转换为向量；

使用所述卷积神经网络的第二全连接层，根据所述向量获取各预设出行方式的预测概率；

根据各所述预设出行方式的预测概率，确定所述目标用户的出行方式。

8.一种用户出行方式识别装置，其特征在于，包括：

划分模块，用于获取目标用户的出行轨迹，将包含所述出行轨迹的区域划分为网格；

计算模块，用于计算所述目标用户在各所述网格中的驻留时长，将所述目标用户在各所述网格中的驻留时长进行组合，获取所述目标用户的轨迹特征矩阵；

识别模块，用于根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式。