[发明专利]轨迹分类方法、轨迹分类模型训练方法及计算机程序产品

说明书

本公开实施例公开了一种轨迹分类方法、轨迹分类模型训练方法及计算机程序产品，所述方法包括：获取待分类轨迹；基于所述待分类轨迹中的轨迹点所属道路类型将所述待分类轨迹划分成一个或多个轨迹片段，同一个轨迹片段中的所有轨迹点属于同一道路类型；针对各个所述轨迹片段提取至少一个时间序列特征；基于所述至少一个时间序列特征，确定所述待分类轨迹的通行方式类别。该技术方案能够在轨迹分类过程中，从待分类轨迹中提取了具有空间信息的时间序列特征，这种方式既考虑了轨迹的空间特征，也考虑了轨迹的时间序列特征，使得最终用于识别轨迹类别的时间序列特征与轨迹类别强相关，提高了轨迹分类的准确度。

技术领域

本公开涉及位置服务技术领域，具体涉及一种轨迹分类方法、轨迹分类模型训练方法及计算机程序产品。

背景技术

目前，已有技术中利用各种分类器对对象的通行轨迹进行分类，其中分类器主要包括树模型、LR、贝叶斯、深度神经网络模型等。本公开发明人发现，这些分类器主要感知的是轨迹的时间序列特征，例如速度、加速度等，而对于不同通行方式的轨迹进行分类时，并未考虑到空间特征，比如某个轨迹的速度特征较低，并且持续低速，则大概率会将其分类为步行或者骑行，但是这个轨迹如果在高速道路上，则实际上这个轨迹较大可能为汽车轨迹，而不是步行轨迹或者骑行轨迹。

因此，需要提出一种能够同时考虑空间特征以及时序序列特征的轨迹分类方案，来解决轨迹分类不准确的问题。

发明内容

本公开实施例提供一种轨迹分类方法、轨迹分类模型训练方法及计算机程序产品。

第一方面，本公开实施例中提供了一种轨迹分类方法，其中，包括：

获取待分类轨迹；

基于所述待分类轨迹中的轨迹点所属道路类型，将所述待分类轨迹划分成一个或多个轨迹片段，同一个轨迹片段中的所有轨迹点属于同一道路类型；

针对各个所述轨迹片段提取至少一个时间序列特征；

基于所述至少一个时间序列特征，确定所述待分类轨迹的通行方式类别。

进一步地，基于所述至少一个时间序列特征，确定所述待分类轨迹的通行方式类别，包括：

确定每一个所述轨迹片段所属道路类型，以及所述道路类型对应的第一轨迹分类模型；其中不同道路类型对应不同的第一轨迹分类模型；

针对每一个所述轨迹片段，将与该轨迹片段对应的所述时间序列特征，输入至所述轨迹片段所属道路类型对应的第一轨迹分类模型，获得该轨迹片段的分类结果；

将各个所述轨迹片段对应的所述分类结果进行融合，确定所述待分类轨迹的通行方式类别。

进一步地，不同的所述第一轨迹分类模型单独训练得到，且训练所述第一轨迹分类模型的样本轨迹所属道路类型与所述第一轨迹分类模型对应的道路类型相同。

进一步地，将所述轨迹片段对应的所述分类结果进行融合，确定所述待分类轨迹的通行方式类别，包括：

对所述轨迹片段对应的所述分类结果分别加权融合后，得到所述待分类轨迹的通行方式类别；其中对所述轨迹片段的分类结果进行加权的权重与所述轨迹片段在所述待分类轨迹中所占的长度比例相关。

进一步地，基于所述至少一个时间序列特征，确定所述待分类轨迹的通行方式类别，包括：

将所述轨迹片段中提取的所述至少一个时间序列特征拼成总时间序列特征；

将所述总时间序列特征输入至第二轨迹分类模型，获得所述待分类轨迹的通行方式类别。

进一步地，将所述轨迹片段中提取的所述至少一个时间序列特征拼成总时间序列特征，包括：