一种相似轨迹搜索方法和系统技术方案

本发明专利技术公开了一种相似轨迹搜索方法、系统、装置和存储介质。主要包括一种相似轨迹搜索方法，所述方法包括：基于预设网格大小，确定地理区域的网格划分；基于所述网格及所述地理区域内的目标轨迹点的先后顺序，映射所述目标轨迹为定长的目标网格序列；映射所述定长的目标网格序列为缩短的定长目标特征向量；基于所述缩短的定长目标特征向量，确定与所述目标轨迹相似的轨迹集合。该发明专利技术可以实现搜索相似轨迹的功能。

【技术实现步骤摘要】
一种相似轨迹搜索方法和系统
本技术涉及互联网领域，特别涉及一种相似轨迹搜索的方法和系统。
技术介绍
近年来，随着通讯网络、车联网技术以及移动物联网的快速发展，使用车载或者手机内置的传感器收集车辆的移动轨迹已经变成了一个非常普遍的现象。出行轨迹的相似度分析是近年来的一大热点，而传统的轨迹分析方式仅仅对轨迹的起止点进行分析，并不足以满足现在车辆共享业务的需求。
技术实现思路
本专利技术的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的检查或者对实施例的生产或操作的了解，本专利技术的一部分附加特性对于本领域技术人员是显而易见的。本专利技术的特性可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。一方面，本专利技术实施例提供了一种相似轨迹搜索方法，可以包括：基于预设网格大小，确定地理区域的网格划分；基于所述网格及所述地理区域内的目标轨迹点的先后顺序，映射所述目标轨迹为定长的目标网格序列；映射所述定长的目标网格序列为缩短的定长目标特征向量；基于所述缩短的定长目标特征向量，确定与所述目标轨迹相似的轨迹集合。在本专利技术中，所述基于所述缩短的定长目标特征向量，确定与所述目标轨迹相似的轨迹集合还包括：将数据库中的所有轨迹转化为缩短的定长特征向量集合；基于所述缩短的定长特征向量集合，生成索引数据库；基于所述缩短的定长目标特征向量与所述索引数据库中的特征向量的相似度，确定与所述目标轨迹相似的轨迹集合。在本专利技术中，所述基于所述缩短的定长目标特征向量与所述索引数据库中的特征向量的相似度，确定与所述目标轨迹相似的轨迹集合还可以包括基于距离算法及所述缩短的定长目标特征向量，确定与所述目标轨迹相似的轨迹集合。在本专利技术中，所述距离可以包括汉明距离。在本专利技术中，所述基于所述定长的特征向量集合，生成索引数据库可以在离线时完成。在本专利技术中，所述索引数据库可以定时更新。在本专利技术中，所述映射所述目标网格序列为目标特征向量具体可以为基于n元语法映射所述目标网格序列为目标特征向量。在本专利技术中，所述n＝2。在本专利技术中，所述映射所述目标特征向量为缩短的定长目标特征向量具体可以为基于哈希函数映射所述目标特征向量为缩短的定长目标特征向量。在本专利技术中，所述基于哈希函数映射所述目标特征向量为缩短的定长目标特征向量还可以包括基于机器学习模型寻找合理的哈希函数。在本专利技术中，所述机器学习模型的目标函数可以包括经验风险最小目标函数。另一方面，本专利技术实施例提供了一种相似轨迹搜索系统，可以包括网格划分模块、第一映射模块、第二映射模块和确定模块：所述网格划分模块用于基于预设网格大小，确定区域的网格划分；所述第一映射模块用于基于所述网格及所述区域内的目标轨迹点的先后顺序，映射所述目标轨迹为定长的目标网格序列；所述第二映射模块用于映射所述定长的目标网格序列为缩短的定长目标特征向量；所述确定模块用于基于所述缩短的定长目标特征向量，确定与所述目标轨迹相似的轨迹集合。另一方面，本专利技术实施例提供了一种相似轨迹搜索的装置，可以包括处理器，所述处理器运行搜搜程序，所述搜索程序运行时执行如上任一所述的相似轨迹搜索的方法。另一方面，本专利技术实施例提供了一种计算机可读存储介质，可以存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如上任一所述的相似轨迹搜索的方法。附图说明图1是根据本披露的一些实施例所示的相似轨迹搜索系统的模块图；图2是根据本披露的一些实施例所示的将区域划分为网格的示意图；图3是根据本披露的一些实施例所示的确定相似轨迹的示例性流程图；图4是根据本披露的一些实施例所示的基于定长的目标特征向量，确定与目标轨迹相似的轨迹集合的示例性流程图；图5是根据本披露的一些实施例所示的召回率测试结果；图6是根据本披露的一些实施例所示的精准率测试结果。具体实施方式图1是根据本披露的一些实施例所示的相似轨迹搜索系统100的模块图。该相似轨迹搜索系统100可以是用于打车/共享汽车服务的线上服务平台。在一些实施例中，该相似轨迹搜索系统100可以提供网约车服务，例如出租车呼叫、快车呼叫、专车呼叫、小巴呼叫、拼车、公交服务、司机雇佣和接送服务等。在一些实施例中，该相似轨迹搜索系统100还可以提供代驾服务、快递、外卖等。相似轨迹搜索系统100可以包括网格划分模块110、第一映射模块120、第二映射模块130和确定模块140。网格划分模块110可以基于预设网格的大小，确定地理区域的网格划分。所述地理区域可以包括地理范围的区域，如城市、小镇、根据地理条件划分的街道等。在一些实施例中，所述地理区域还可以包括地图区域，如在地图中将某些区域进行网格划分。在一些实施例中，可以基于预设网格大小，例如250*250平方米，确定对地理区域的网格划分。例如，可以将一个大小为562500平方米的正方形区域划分为3X3，网格大小为250*250平方米的网格区域。在另一些实施例中，可以根据实际需求，选择网格的大小，例如100*100平方米、500*500平方米等。网格越小，地理区域划分的网格数目越多，映射目标轨迹为目标网格序列也越长。在一些实施例中，所述地理区域可以为任意形状。例如，地理区域可以为一个不规则的多边形，可以基于不规则多边形的顶点确定一个完全包含所述不规则的多边形的方形区域，并进行网格划分。第一映射模块120可以基于网格及地理区域内的目标轨迹点的先后顺序，映射目标轨迹为目标网格序列。地理区域内的目标轨迹点可以包括用户的目标出行轨迹点。所述目标轨迹点的先后顺序可以为基于时间戳确定的目标轨迹点的先后顺序。例如，当轨迹点A的时间戳为2018年4月9日早上9点，而轨迹点B的时间戳为2018年4月9日早上10点时，可以确定轨迹由A指向B。在一些实施例中，可以基于n元语法映射描述目标轨迹，将不定长的轨迹映射为定长的n元特征向量。在一些实施例中，所述n元语法可以为2元语法。例如，当一个区域被划分为9个区域，分别为C1,C2,…,C9，则可以基于轨迹的先后顺序，确定有轨迹经过的相邻两个网格间的组合。例如，当轨迹经过C1、C2、C5、C8、C9时，可以确定所述有轨迹经过的相邻两个网格间的组合为C1C2、C2C5、C5C8、C8C9。而在区域及网格大小已确定的情况下，相邻的两个网格间的组合是有限而且固定的。因此，可以确定轨迹经过的相邻两个网格间的组合(例如，C1C2、C2C5)对应的值为1，轨迹未经过的相邻两个网格间组合(例如，C1C3、C3C5)对应的值为0，从而将轨迹转化为定长的目标网格序列。具体可见图2。第二映射模块130可以映射定长的目标网格序列为缩短的定长目标特征向量。所述定长的目标网格序列可以视为定长的目标特征向量。在一些实施例中，区域可能被划分为大量的网格，则定长的目标网格序列可能过长，即定长的目标特征向量长度可能过长。相应地，所述定长的目标网格序列可能含有大量的0值。例如，当一个区本文档来自技高网...

【技术保护点】
1.一种相似轨迹搜索方法，其特征在于，包括：/n基于预设网格大小，确定地理区域的网格划分；/n基于所述网格及所述地理区域内的目标轨迹点的先后顺序，映射所述目标轨迹为定长的目标网格序列；/n映射所述定长的目标网格序列为缩短的定长目标特征向量；/n基于所述缩短的定长目标特征向量，确定与所述目标轨迹相似的轨迹集合。/n

【技术特征摘要】
1.一种相似轨迹搜索方法，其特征在于，包括：
基于预设网格大小，确定地理区域的网格划分；
基于所述网格及所述地理区域内的目标轨迹点的先后顺序，映射所述目标轨迹为定长的目标网格序列；
映射所述定长的目标网格序列为缩短的定长目标特征向量；
基于所述缩短的定长目标特征向量，确定与所述目标轨迹相似的轨迹集合。


2.如权利要求1所述的相似轨迹搜索方法，其特征在于，所述基于所述缩短的定长目标特征向量，确定与所述目标轨迹相似的轨迹集合还包括：
将数据库中的所有轨迹转化为缩短的定长特征向量集合；
基于所述缩短的定长特征向量集合，生成索引数据库；
基于所述缩短的定长目标特征向量与所述索引数据库中的特征向量的相似度，确定与所述目标轨迹相似的轨迹集合。


3.如权利要求2所述的相似轨迹搜索方法，其特征在于，所述基于所述缩短的定长目标特征向量与所述索引数据库中的特征向量的相似度，确定与所述目标轨迹相似的轨迹集合还包括基于距离算法及所述缩短的定长目标特征向量，确定与所述目标轨迹相似的轨迹集合。


4.如权利要求3所述的相似轨迹搜索方法，其特征在于，所述距离包括汉明距离。


5.如权利要求2所述的相似轨迹搜索方法，其特征在于，所述基于所述定长的特征向量集合，生成索引数据库在离线时完成。


6.如权利要求2所述的相似轨迹搜索方法，其特征在于，所述索引数据库定时更新。


7.如权利要求1所述的相似轨迹搜索方法，其特征在于，所述映射所述目标网格序列为目标特征向量具体为基于n元语法映射所述目标网格序...

【专利技术属性】
技术研发人员：丁建栋，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11