[发明专利]异常轨迹的检测方法、装置、存储介质及电子设备

权利要求书

1.一种异常轨迹的检测方法，其特征在于，所述方法包括：

将待检测轨迹划分为由多个路段组成的有序路段，其中，所述有序路段中相邻两个路段的道路类型不同，其中，所述道路类型根据道路线形确定；

获取所述有序路段中每一路段的轨迹特征信息；

判断在所述待检测轨迹的有序路段中以及在基准轨迹的有序路段中，相同位置的两个路段的轨迹特征信息是否相匹配，并记录所述待检测轨迹的有序路段与所述基准轨迹的有序路段中，轨迹特征信息相匹配的路段数；

若所述待检测轨迹的有序路段与所述基准轨迹的有序路段中，轨迹特征信息相匹配的路段数小于预设阈值，则确定所述待检测轨迹为异常轨迹；

其中，所述将待检测轨迹划分为由多个路段组成的有序路段，包括：

将所述待检测轨迹预划分为多个路段；

获取每一路段的轨迹数据，所述轨迹数据包括轨迹点的经纬度、平面特征信息、纵断特征信息；

针对每一路段，将该路段的轨迹数据输入用于识别道路类型的分类模型，得到该分类模型输出的所述路段的道路类型信息；

合并所述多个路段中所述道路类型信息相同的相邻路段，得到所述有序路段。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括建立所述分类模型的方法，包括：

获取每一历史轨迹的轨迹数据，所述轨迹数据包括轨迹点的经纬度、平面特征信息、纵断特征信息；

标记每一所述历史轨迹的道路类型，得到每一所述历史轨迹的轨迹数据的道路类型标签；

根据具备道路类型标签的所述轨迹数据训练分类模型，以得到用于识别道路类型的目标分类模型。

3.根据权利要求2所述的方法，其特征在于，所述根据具备道路类型标签的所述轨迹数据训练分类模型，以得到用于识别道路类型的目标分类模型，包括：

将所述轨迹数据分为训练集以及预测集，并将所述训练集中轨迹数据的轨迹点的经纬度、平面特征信息、纵断特征信息作为输入训练样本数据，将所述训练集中所述轨迹数据的道路类型标签作为输出训练样本数据，对所述分类模型进行训练；

每训练得到一分类模型，则将所述预测集中轨迹数据的轨迹点的经纬度、平面特征信息、纵断特征信息输入该分类模型，输出得到预测道路类型标签；

根据所述预测道路类型标签与所述预测集中轨迹数据的实际道路类型标签之间的符合率，确定所述目标分类模型。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述获取所述有序路段中每一路段的轨迹特征信息，包括：

对所述有序路段中每一路段的轨迹数据进行抽稀处理，得到目标轨迹数据；

提取所述目标轨迹数据的轨迹特征信息，所述轨迹特征信息包括所述有序路段中每一路段的起止点、距离、方向以及坡度。

5.一种异常轨迹的检测装置，其特征在于，所述装置包括：

路段划分模块，用于将待检测轨迹划分为由多个路段组成的有序路段，其中，所述有序路段中相邻两个路段的道路类型不同，其中，所述道路类型根据道路线形确定；

信息获取模块，用于获取所述有序路段中每一路段的轨迹特征信息；

路段匹配模块，用于判断在所述待检测轨迹的有序路段中以及在基准轨迹的有序路段中，相同位置的两个路段的轨迹特征信息是否相匹配，并记录所述待检测轨迹的有序路段与所述基准轨迹的有序路段中，轨迹特征信息相匹配的路段数；

异常轨迹确定模块，用于若所述待检测轨迹的有序路段与所述基准轨迹的有序路段中，轨迹特征信息相匹配的路段数小于预设阈值，则确定所述待检测轨迹为异常轨迹；

其中，所述路段划分模块包括：

划分子模块，用于将所述待检测轨迹预划分为多个路段；

获取子模块，用于获取每一路段的轨迹数据，所述轨迹数据包括轨迹点的经纬度、平面特征信息、纵断特征信息；

识别子模块，针对每一路段，将该路段的轨迹数据输入用于识别道路类型的分类模型，得到该分类模型输出的所述路段的道路类型信息；

合并子模块，用于合并所述多个路段中所述道路类型信息相同的相邻路段，得到所述有序路段。