[发明专利]异常轨迹的检测方法、装置、存储介质及电子设备有效
申请号: | 201811554843.0 | 申请日: | 2018-12-18 |
公开(公告)号: | CN109766777B | 公开(公告)日: | 2021-08-13 |
发明(设计)人: | 徐丽丽;王宇飞 | 申请(专利权)人: | 东软集团股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 北京英创嘉友知识产权代理事务所(普通合伙) 11447 | 代理人: | 曾尧;魏嘉熹 |
地址: | 110179 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 异常 轨迹 检测 方法 装置 存储 介质 电子设备 | ||
本公开涉及一种异常轨迹的检测方法、装置、存储介质及电子设备,用于解决利用现有技术检测异常轨迹准确率不高的技术问题。该方法包括:将待检测轨迹划分为由多个路段组成的有序路段,其中,有序路段中相邻两个路段的道路类型不同;获取有序路段中每一路段的轨迹特征信息;判断在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,并记录待检测轨迹的有序路段与基准轨迹的有序路段中,轨迹特征信息相匹配的路段数;若待检测轨迹的有序路段与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,则确定待检测轨迹为异常轨迹。
技术领域
本公开涉及数据挖掘技术领域,具体地,涉及一种异常轨迹的检测方法、装置、存储介质及电子设备。
背景技术
随着可定位智能设备的普及与无线通讯技术的发展,大规模数量的用户位置数据被采集并持久化保存,形成了海量的轨迹数据,如何通过海量的轨迹数据挖掘异常信息已成为数据挖掘技术领域的重要研究课题。在现有技术中,进行异常轨迹检测时,通常将轨迹表示为几个相互独立的全局属性,然后采用基于距离的异常点检测算法进行检测。然而采用上述方法,忽略了轨迹之间的局部差异,导致检测结果的准确率较低。
发明内容
本公开的目的是提供一种异常轨迹的检测方法、装置、存储介质及电子设备,用于解决利用现有技术检测异常轨迹准确率不高的技术问题。
为了实现上述目的,本公开第一方面提供一种异常轨迹的检测方法,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;
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。
可选地,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。
可选地,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。
可选地,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;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东软集团股份有限公司,未经东软集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811554843.0/2.html,转载请声明来源钻瓜专利网。