用户出行方式识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种用户出行方式识别方法、装置、电子设备及存储介质，所述方法包括：获取目标用户的出行轨迹，将包含所述出行轨迹的区域划分为网格；计算所述目标用户在各所述网格中的驻留时长，将所述目标用户在各所述网格中的驻留时长进行组合，获取所述目标用户的轨迹特征矩阵；根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式。本发明专利技术实施例实现用户出行方式的自动识别，提高了用户出行方式识别的准确性。

Identification method, device, electronic equipment and storage medium of user travel mode

【技术实现步骤摘要】
用户出行方式识别方法、装置、电子设备及存储介质
本专利技术实施例属于智能交通
，更具体地，涉及一种用户出行方式识别方法、装置、电子设备及存储介质。
技术介绍
目前居民出行方式的获取主要有两种方法，即传统的居民出行方式调查，以及通过智能手机位置信息和时间信息构建识别模型。居民出行方式调查大多采用发放纸质问卷或者网上调查形式，由居民自行填写自己的偏好出行方式，具有主观性。全球定位系统(GlobalPositioningSystem，GPS)的快速普及，通过智能手机的位置信息和时间信息共同构建识别模型的方法成为用户出行方式获取的有效新途径。主要以探测一定时间间隔内位移的变化为主体思想，或叠加各类规则，或应用各类数据挖掘模型，通过驻留点信息及速度等位移指标综合判断出行交通方式。在输入数据源方面，现有技术方案大都使用GPS轨迹数据，采用GPS设备对GPS轨迹数据进行采集。在位移指标方面，现有技术方案既有平均速度、最大速度、速度的众数、出行距离等初级指标，也有速度的95分位数、正加速的中值、加速度、信号质量、低速点比例和平均方向改变等复杂性较高的复合指标，均是对轨迹数据量化后形成的位移指标，均为数值型变量。识别结果方面，现有技术方案以位移指标特征建立传统机器学习模型，针对各类交通出行方式进行了识别，具体涉及步行、自行车、公车、汽车、地铁等多种交通方式。其中，居民出行方式调查在实际中受被调查者主观意识影响，容易出现漏报、错报的现象，影响调查数据的质量，同时存在成本高、工作量大、回收率低和处理周期长等问题。使用传统的机器学习算法，如决策树分类器、贝叶斯分类器、随机森林和支持向量机等，很大程度上依赖特征变量的选取，而这些变量往往只能提取位移的特征信息，从而导致用户出行方式识别不准确。
技术实现思路
为克服上述现有的用户出行方式识别方法费时费力、识别结果不精确的问题或者至少部分地解决上述问题，本专利技术实施例提供一种用户出行方式识别方法、装置、电子设备及存储介质。根据本专利技术实施例的第一方面，提供一种用户出行方式识别方法，包括：获取目标用户的出行轨迹，将包含所述出行轨迹的区域划分为网格；计算所述目标用户在各所述网格中的驻留时长，将所述目标用户在各所述网格中的驻留时长进行组合，获取所述目标用户的轨迹特征矩阵；根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式。根据本专利技术实施例第二方面提供一种用户出行方式识别装置，包括：划分模块，用于获取目标用户的出行轨迹，将包含所述出行轨迹的区域划分为网格；计算模块，用于计算所述目标用户在各所述网格中的驻留时长，将所述目标用户在各所述网格中的驻留时长进行组合，获取所述目标用户的轨迹特征矩阵；识别模块，用于根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式。根据本专利技术实施例的第三个方面，还提供一种电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的用户出行方式识别方法。根据本专利技术实施例的第四个方面，还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的用户出行方式识别方法。本专利技术实施例提供一种用户出行方式识别方法、装置、电子设备及存储介质，该方法通过将包含目标用户出行轨迹的区域划分为网格，计算目标用户在各网格中的驻留时长，生成以驻留时长为灰度值的轨迹图像，即目标用户的轨迹特征矩阵，从而将用户的出行轨迹特征转化为包含位置和位置下驻留时长的轨迹特征矩阵，形成了包含丰富信息的轨迹图像，然后使用图像识别技术卷积神经网络从轨迹图像中提取图像特征和时空特征，更完整地描述了用户整体出行轨迹变化，根据提取的特征自动识别用户的出行方式，提高了用户出行方式识别的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的用户出行方式识别方法整体流程示意图；图2为本专利技术实施例提供的用户出行方式识别方法中使用卷积神经网络识别用户出行方式的流程示意图；图3为本专利技术实施例提供的用户出行方式识别装置整体结构示意图；图4为本专利技术实施例提供的电子设备整体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的一个实施例中提供一种用户出行方式识别方法，图1为本专利技术实施例提供的用户出行方式识别方法整体流程示意图，该方法包括：S101，获取目标用户的出行轨迹，将包含所述出行轨迹的区域划分为网格；其中，目标用户为需要对其出行方式进行识别的用户。可以根据GPS定位获取目标用户的出行轨迹，本实施例不限于获取目标用户的出行轨迹的方法。包含目标用户出行轨迹的区域为包含目标用户出行轨迹的地理范围的矩形区域，该矩形区域优选为目标用户出行轨迹的外接矩形区域。将包含目标用户出行轨迹的区域划分为二维网格。例如，将包含目标用户出行轨迹的区域以0.01度经度和0.01度纬度为刻度，划分为136*136的二维网格。此外，将目标用户的出行轨迹与各类交通路线图进行匹配，可识别出目标用户的出行路线。S102，计算所述目标用户在各所述网格中的驻留时长，将所述目标用户在各所述网格中的驻留时长进行组合，获取所述目标用户的轨迹特征矩阵；其中，目标用户在各网格中的驻留时长为目标用户经历各网格中的出行轨迹所需要的时间，本实施例不限于目标用户在各网格中驻留时长的计算方法。将区域中的每个网格看作是一个像素，将用户在各网格的驻留时长看作是各像素的灰度值。将各像素构成的图像作为轨迹图像，即目标用户的轨迹特征矩阵，其中，轨迹特征矩阵中的各元素与网格一一对应。当划分的二维网格为136*136时，轨迹特征矩阵的大小也为136*136。S103，根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式。将目标用户的轨迹特征矩阵作为卷积神经网络的输入，卷积神经网络的输出为目标用户的出行方式。具体获取目标用户的出行方式属于各预先设定的出行方式的概率，将概率最大的预设出行方式作为目标用户的出行方式。<本文档来自技高网...

【技术保护点】
1.一种用户出行方式识别方法，其特征在于，包括：/n获取目标用户的出行轨迹，将包含所述出行轨迹的区域划分为网格；/n计算所述目标用户在各所述网格中的驻留时长，将所述目标用户在各所述网格中的驻留时长进行组合，获取所述目标用户的轨迹特征矩阵；/n根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式。/n

【技术特征摘要】
1.一种用户出行方式识别方法，其特征在于，包括：
获取目标用户的出行轨迹，将包含所述出行轨迹的区域划分为网格；
计算所述目标用户在各所述网格中的驻留时长，将所述目标用户在各所述网格中的驻留时长进行组合，获取所述目标用户的轨迹特征矩阵；
根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式。


2.根据权利要求1所述的方法，其特征在于，获取目标用户的出行轨迹的步骤具体包括：
当目标用户的GPS数据不存在或发生错误时，获取目标用户的客户端的信令数据，根据产生所述信令数据的基站的位置，确定所述目标用户的出行轨迹。


3.根据权利要求2所述的方法，其特征在于，当目标用户的GPS数据不存在或发生错误时，获取所述目标用户的客户端的信令数据，根据产生所述信令数据的基站的位置，确定所述目标用户的出行轨迹的步骤具体包括：
当用户的GPS数据不存在或发生错误时，若与目标用户的客户端进行交互的基站发生切换，则获取产生此次基站切换的首条信令数据；
根据产生各所述首条信令数据的基站的位置，确定所述目标用户的出行轨迹。


4.根据权利要求3所述的方法，其特征在于，计算所述目标用户在各所述网格中的驻留时长的步骤具体包括：
获取产生任意相邻两次基站切换的首条信令数据的时间；
将两个所述时间之间的时间间隔作为所述相邻两次中前一次产生首条信令数据的基站覆盖区域内目标用户的驻留时长；
根据各所述网格中的基站对应的驻留时长，获取目标用户在各所述网格中的驻留时长。


5.根据权利要求1所述的方法，其特征在于，计算所述目标用户在各所述网格中的驻留时长的步骤之后还包括：
若所述目标用户在各网格中的驻留时长大于0，则将所述目标用户在各所述网格中的驻留时长取对数。


6.根据权利要求1所述的方法，其特征在于，根据所述目标用户的轨迹特征矩阵，使用训练好的卷积神经网络识别出所述目标用户的出行方式的步骤之前还包括：
根据机动车上车联网卡的位移轨迹，获取机动车出行轨迹样本；
获取任意相邻地铁基站之间的连线，将使用过地铁...

【专利技术属性】
技术研发人员：何怡，方成，李俊杰，
申请(专利权)人：中国移动通信集团上海有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：上海;31