轨迹相似度的计算方法、装置、存储介质及终端制造方法及图纸

本发明专利技术实施例公开了一种轨迹相似度的计算方法、装置、存储介质及终端。所述方法包括：获取第一行为轨迹对应的第一轨迹特征及第二行为轨迹对应的第二轨迹特征；根据所述第一轨迹特征和所述第二轨迹特征计算所述第一行为轨迹和所述第二行为轨迹间的相似度。通过采用上述技术方案，能够较好地衡量用户与用户之间或者同一个用户在不同时间窗口内的行为轨迹的相似程度，从而有助于后续基于行为轨迹相似度进一步挖掘更深入的用户画像。

Calculation method, device, storage medium and terminal of track similarity

【技术实现步骤摘要】
轨迹相似度的计算方法、装置、存储介质及终端
本专利技术实施例涉及数据分析
，尤其涉及轨迹相似度的计算方法、装置、存储介质及终端。
技术介绍
随着移动互联网的快速发展，基于用户位置的服务越来越多，如基于位置的个性化推荐服务或者基于位置信息的风控反欺诈服务。但目前缺乏用户行为轨迹相似度的计算方式，导致无法判断用户与用户之间，或者用户当前与用户过去一段时间内的行为轨迹的相似度或异常度等量化指标，约束了用户位置信息的数据价值的利用。
技术实现思路
本专利技术实施例提供一种轨迹相似度的计算方法、装置、存储介质及终端，能够较好地衡量用户行为轨迹间的相似度。第一方面，本专利技术实施例提供了一种轨迹相似度的计算方法，该方法包括：获取第一行为轨迹对应的第一轨迹特征及第二行为轨迹对应的第二轨迹特征；根据所述第一轨迹特征和所述第二轨迹特征计算所述第一行为轨迹和所述第二行为轨迹间的相似度。第二方面，本专利技术实施例还提供了一种轨迹相似度的计算装置，该装置包括：轨迹特征获取模块，用于获取第一行为轨迹对应的第一轨迹特征及第二行为轨迹对应的第二轨迹特征；相似度计算模块，用于根据所述第一轨迹特征和所述第二轨迹特征计算所述第一行为轨迹和所述第二行为轨迹间的相似度。第三方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例提供的轨迹相似度的计算方法。第四方面，本专利技术实施例提供了一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术实施例提供的轨迹相似度的计算方法。本专利技术实施例中提供的轨迹相似度的计算方法，获取第一行为轨迹对应的第一轨迹特征及第二行为轨迹对应的第二轨迹特征；根据所述第一轨迹特征和所述第二轨迹特征计算所述第一行为轨迹和所述第二行为轨迹间的相似度。通过采用上述技术手段，能够较好地衡量用户与用户之间或者同一个用户在不同时间窗口内的行为轨迹的相似程度，从而有助于后续基于行为轨迹相似度进一步挖掘更深入的用户画像。附图说明图1为本专利技术实施例提供的一种轨迹相似度的计算方法的流程示意图；图2为本专利技术实施例提供的基于各个时间区间内的位置中心点构造的用户轨迹示意图；图3为本专利技术实施例提供的另一种轨迹相似度的计算方法的流程示意图；图4为本专利技术实施例提供的另一种轨迹相似度的计算方法的流程示意图；图5为本专利技术实施例提供的一种轨迹相似度的计算装置的结构框图；图6为本专利技术实施例提供的一种终端的结构框图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。图1为本专利技术实施例提供的一种轨迹相似度的计算方法的流程示意图，该方法可以由轨迹相似度的计算装置执行，其中该装置可由软件和/或硬件实现，一般可集成在终端设备中。如图1所示，该方法包括：步骤101、获取第一行为轨迹对应的第一轨迹特征及第二行为轨迹对应的第二轨迹特征。示例性的，终端可以包括但不限于智能手机、平板电脑、笔记本电脑、掌上电脑等终端设备。其中，该终端的操作系统可以包括但不限于Android操作系统、IOS操作系统、WindowsPhone8操作系统等。在本专利技术实施例中，第一行为轨迹和第二行为轨迹可以是同一时间段内获取的两个移动对象(如两个不同用户)的运动轨迹，也可以是同一移动对象(如同一用户)在不同时间段内的两条运动轨迹，还可以是不同时间段内两个移动对象的运动轨迹。其中，第一行为轨迹和第二行为轨迹中包含移动对象的位置信息，通常包括按时间排序的多个轨迹点。示例性的，不同的行为轨迹对应不同的轨迹特征，获取第一行为轨迹对应的第一轨迹特征以及第二行为轨迹对应的第二轨迹特征。可选的，所述第一轨迹特征包括第一轨迹点向量和第一轨迹密度向量，所述第二轨迹特征包括第二轨迹点向量和第二轨迹密度向量。可选的，所述第一轨迹点向量或第二轨迹点向量包括基于至少两个时间区间内的位置中心点构造的向量，第一轨迹点密度向量或第二轨迹点密度向量包括基于至少两个时间区间的位置中心点密度构造的向量。其中，各个时间区间内的位置中心点反映了用户在各个不同时间段内最可能出现的位置，各个时间区间内的位置中心点密度反映了用户在各个时间段内出现在对应位置中心点的概率。步骤102、根据所述第一轨迹特征和所述第二轨迹特征计算所述第一行为轨迹和所述第二行为轨迹间的相似度。可选的，所述第一轨迹特征包括第一轨迹点向量和第一轨迹密度向量，所述第二轨迹特征包括第二轨迹点向量和第二轨迹密度向量；根据所述第一轨迹特征和所述第二轨迹特征计算所述第一行为轨迹和所述第二行为轨迹间的相似度，包括：确定所述第一行为轨迹和所述第二行为轨迹间的轨迹饱和度；根据所述轨迹饱和度、第一轨迹点向量、第一轨迹密度向量、第二轨迹点向量及第二轨迹密度向量计算所述第一行为轨迹和所述第二行为轨迹间的相似度。可选的，所述第一轨迹点向量或第二轨迹点向量包括基于至少两个时间区间内的位置中心点构造的向量，第一轨迹点密度向量或第二轨迹点密度向量包括基于至少两个时间区间的位置中心点密度构造的向量；确定所述第一行为轨迹和所述第二行为轨迹间的轨迹饱和度，包括：确定所述第一行为轨迹和所述第二行为轨迹在所述至少两个时间区间内的分布重合度；其中，所述分布重合度包括在同一时间区间内所述第一轨迹点向量和所述第二轨迹点向量均包含位置中心点的时间区间的数量和；或者，所述分布重合度包括在同一时间区间内所述第一轨迹点密度向量和所述第二轨迹点密度向量的位置中心点密度均为非空量的时间区间的数量和；将所述分布重合度作为所述第一行为轨迹和所述第二行为轨迹间的轨迹饱和度。可选的，根据所述轨迹饱和度、第一轨迹点向量、第一轨迹密度向量、第二轨迹点向量及第二轨迹密度向量计算所述第一行为轨迹和所述第二行为轨迹间的相似度，包括：根据如下公式计算所述第一行为轨迹和所述第二行为轨迹间的相似度：其中，sim表示所述第一行为轨迹和所述第二行为轨迹间的相似度，Cover表示所述第一行为轨迹和所述第二行为轨迹间的轨迹饱和度，Distance(Pai,Pbi)表示在第i个时间区间内所述第一轨迹点向量中的位置中心点Pai和所述第二轨迹点向量中的位置中心点Pbi的距离，Dai表示第一轨迹密度向量中与第一轨迹点向量中的位置中心点Pai对应的位置中心点密度，Dbi表示第二轨迹密度向量中与第二轨迹点向量中的位置中心点Pbi对应的位置中心点密度，n表示时间区间的数量。示例性的，第一轨迹特征中的第一轨迹点向量为TraceA＝[Pa1,Pa2,Pa3,...,Pan]，第一轨迹特征中的第一轨迹密度向量为Da＝[Da1,Da2,…,Dan]；其中，n表示时间区间的数量，Pai表示用户在第i个时间区间内的位置中心本文档来自技高网...

【技术保护点】
1.一种轨迹相似度的计算方法，其特征在于，包括：/n获取第一行为轨迹对应的第一轨迹特征及第二行为轨迹对应的第二轨迹特征；/n根据所述第一轨迹特征和所述第二轨迹特征计算所述第一行为轨迹和所述第二行为轨迹间的相似度。/n

【技术特征摘要】
1.一种轨迹相似度的计算方法，其特征在于，包括：
获取第一行为轨迹对应的第一轨迹特征及第二行为轨迹对应的第二轨迹特征；
根据所述第一轨迹特征和所述第二轨迹特征计算所述第一行为轨迹和所述第二行为轨迹间的相似度。


2.根据权利要求1所述的方法，其特征在于，所述第一轨迹特征包括第一轨迹点向量和第一轨迹密度向量，所述第二轨迹特征包括第二轨迹点向量和第二轨迹密度向量；
根据所述第一轨迹特征和所述第二轨迹特征计算所述第一行为轨迹和所述第二行为轨迹间的相似度，包括：
确定所述第一行为轨迹和所述第二行为轨迹间的轨迹饱和度；
根据所述轨迹饱和度、第一轨迹点向量、第一轨迹密度向量、第二轨迹点向量及第二轨迹密度向量计算所述第一行为轨迹和所述第二行为轨迹间的相似度。


3.根据权利要求2所述的方法，其特征在于，所述第一轨迹点向量和第二轨迹点向量包括基于至少两个时间区间内的位置中心点构造的向量，第一轨迹点密度向量和第二轨迹点密度向量包括基于至少两个时间区间的位置中心点密度构造的向量；
确定所述第一行为轨迹和所述第二行为轨迹间的轨迹饱和度，包括：
确定所述第一行为轨迹和所述第二行为轨迹在所述至少两个时间区间内的分布重合度；其中，所述分布重合度包括在同一时间区间内所述第一轨迹点向量和所述第二轨迹点向量均包含位置中心点的时间区间的数量和；或者，所述分布重合度包括在同一时间区间内所述第一轨迹点密度向量和所述第二轨迹点密度向量的位置中心点密度均为非空量的时间区间的数量和；
将所述分布重合度作为所述第一行为轨迹和所述第二行为轨迹间的轨迹饱和度。


4.根据权利要求3所述的方法，其特征在于，根据所述轨迹饱和度、第一轨迹点向量、第一轨迹密度向量、第二轨迹点向量及第二轨迹密度向量计算所述第一行为轨迹和所述第二行为轨迹间的相似度，包括：
根据如下公式计算所述第一行为轨迹和所述第二行为轨迹间的相似度：



其中，sim表示所述第一行为轨迹和所述第二行为轨迹间的相似度，Cover表示所述第一行为轨迹和所述第二行为轨迹间的轨迹饱和度，Distance(Pai,Pbi)表示在第i个时间区间内所述第一轨迹点向量中的位置中心点Pai和所述第二轨迹点向量中的位置中心点Pbi的距离，Dai表示第一轨迹密度向量中与第一轨迹点向量中的位置中心点Pai对应的位置中心点密度，Dbi表示第二轨迹密度向量中与第二轨迹点向量中的位置中心...

【专利技术属性】
技术研发人员：胡仕军，
申请(专利权)人：深圳市前海随手数据服务有限公司，
类型：发明
国别省市：广东;44