基于LBS轨迹的身份识别方法、电子装置及可读存储介质制造方法及图纸

本发明专利技术涉及智能决策技术领域，揭露了一种基于LBS轨迹的身份识别方法，该方法包括：对预设用户群中每个用户的第一行程执行第一、第二处理，得到每个用户对应的第一特征因子集群，将第一特征因子集群输入随机森林模型集合中进行训练，得到每个用户对应的身份识别模型，对指定用户的第二行程执行第一、第二处理，得到指定用户的第二特征因子集群，将第二特征因子集群输入指定用户对应的身份识别模型，得到指定用户的身份识别结果。本发明专利技术还提出一种电子装置以及一种计算机可读存储介质。本发明专利技术可以提高用户身份识别的效率及准确度。

Identification method, electronic device and readable storage medium based on LBS trace

【技术实现步骤摘要】
基于LBS轨迹的身份识别方法、电子装置及可读存储介质
本专利技术涉及智能决策
，尤其涉及一种基于LBS轨迹的身份识别方法、电子装置及可读存储介质。
技术介绍
基于位置的服务(LocationBasedServices，LBS)，是利用各类型的定位技术来获取定位设备当前的所在位置，通过移动互联网向定位设备提供信息资源和基础服务。LBS被广泛应用于多种行业，例如，交通服务、救援服务、基于位置的商品推荐服务、信息搜索服务等。当前，利用LBS轨迹来判断用户的出行方式时，通常根据出行速度或者出行线路可判断出用户是否在乘坐火车、高铁、飞机，或者公交、步行，但是对于用户是在开车或者坐车的场景，因为两种情况下的出行轨迹和出行速度是一致的，而无法进行区分，这种情况下，通常还需要引入视频设备，采集人脸特征进行身份识别，处理流程长，效率低，且采集人脸特征时，容易受到光线、天气的影响，使得识别准确度不高。因此，亟需一种基于LBS轨迹的身份识别方法，以提高身份识别的效率及准确度。
技术实现思路
鉴于以上内容，有必要提供一种基于LBS轨迹本文档来自技高网...

【技术保护点】
1.一种基于LBS轨迹的身份识别方法，应用于电子装置，其特征在于，所述方法包括：/n第一处理步骤：获取预设用户群中每个用户在第一预设时间段内的第一行程，对所述第一行程执行第一处理，得到所述每个用户对应的第一子行程集合；/n第二处理步骤：对所述第一子行程集合中每个子行程执行第二处理，得到每个用户对应的第一特征因子集群；/n训练步骤：将所述每个用户对应的特征因子集群输入随机森林模型集合中进行训练，得到每个用户对应的身份识别模型；/n识别步骤：响应所述预设用户群中某一指定用户在第二预设时间段内的身份识别请求，获取所述指定用户在所述第二预设时间段内的第二行程，对所述第二行程执行所述第一处理、第二处理，...

【技术特征摘要】
1.一种基于LBS轨迹的身份识别方法，应用于电子装置，其特征在于，所述方法包括：
第一处理步骤：获取预设用户群中每个用户在第一预设时间段内的第一行程，对所述第一行程执行第一处理，得到所述每个用户对应的第一子行程集合；
第二处理步骤：对所述第一子行程集合中每个子行程执行第二处理，得到每个用户对应的第一特征因子集群；
训练步骤：将所述每个用户对应的特征因子集群输入随机森林模型集合中进行训练，得到每个用户对应的身份识别模型；
识别步骤：响应所述预设用户群中某一指定用户在第二预设时间段内的身份识别请求，获取所述指定用户在所述第二预设时间段内的第二行程，对所述第二行程执行所述第一处理、第二处理，得到所述指定用户对应的第二特征因子集群，将所述第二特征因子集群输入所述指定用户对应的身份识别模型，得到所述指定用户的身份识别结果。


2.如权利要求1所述的基于LBS轨迹的身份识别方法，其特征在于，所述第一行程、第二行程包括多个GPS点信息，所述对所述第一行程执行第一处理包括：
按照第一规则将所述第一行程划分为多个第三行程，所述第一规则为将每个第三行程的GPS点数量控制在预设阈值区间内；
按照第二规则将每个第三行程划分为多个第四行程，将第四行程的集合作为第一子行程集合，所述第二规则为：所述每个第三行程是按照第一预设数值的长度、第二预设数值的步长划分为多个第四行程。


3.如权利要求2所述的基于LBS轨迹的身份识别方法，其特征在于，所述GPS点信息包括地理位置点的经纬度、速度、角度、高度及时间戳，所述对所述第一子行程集合中每个子行程执行第二处理包括：
获取所述第一子行程集合中每个子行程对应的速度序列、角度序列、高度序列、经纬度序列；
采用最小二项式拟合曲线得到所述每个子行程对应的速度序列相对于角度序列的截距特征值；
计算所述每个子行程对应的速度序列的一阶值序列及二阶值序列、角度序列的一阶值序列及二阶值序列、高度序列的一阶值序列及二阶值序列；
计算所述每个子行程对应的卷积特征值；
获取所述每个子行程对应的最大值集、最小值集、均值集及标准差集；
计算所述每个子行程对应的加速度的自相关系数特征值；
计算所述每个子行程对应的频域特征集；
将所述每个子行程对应的速度序列、速度序列的一阶值序列及二阶值序列、角度序列、角度序列的一阶值序列及二阶值序列、高度序列、高度序列的一阶值序列及二阶值序列、经纬度序列、截距特征值、卷积特征值、加速度的自相关系数特征值、最大值集、最小值集、均值集、标准差集、频域特征集的集合作为所述每个子行程对应的特征因子集，将所述每个子行程对应的特征因子集的集合作为第一特征因子集群。


4.如权利要求3所述的基于LBS轨迹的身份识别方法，其特征在于，所述计算所述每个子行程对应的卷积特征值包括：
将所述每个子行程对应的速度序列与角度序列进行卷积，得到第一卷积序列，将所述第一卷积序列中数据的平均值作为第一卷积值；
将所述每个子行程对应的速度序列与高度序列进行卷积，得到第二卷积序列，将所述第二卷积序列中数据的平均值作为第二卷积值；
将所述每个子行程对应的速度序列的一阶值序列与角度序列的一阶值序列进行卷积，得到第三卷积序列，将所述第三卷积序列中数据的平均值作为第三卷积值；
将所述每个子行程对应的速度序列的一阶值序列与高度序列的一阶值序列进行卷积，得到第四卷积序列，将所述第四卷积序列中数据的平均值作为第四卷积值；
将所述每个子行程对应的速度序列的二阶值序列与角度序列的二阶值序列进行卷积，得到第五卷积序列，将所述第五卷积序列中数据的平均值作为第五卷积值；
将所述每个子行程对应的速度序列的二阶值序列与高度序列的二阶值序列进行卷积，得到第六卷积序...

【专利技术属性】
技术研发人员：唐隆伟，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：广东;44