轨迹生成方法及电子设备、存储介质技术

本申请公开了一种轨迹生成方法及电子设备、存储介质。该方法包括：确定初始卡口点；利用神经网络生成以初始卡口点为起点的第一轨迹，神经网络是基于真实轨迹训练得到的，第一轨迹包括多个卡口点；为第一轨迹中的卡口点赋予时间信息。通过上述方式，本申请能够提高提高第一轨迹的真实度。

【技术实现步骤摘要】
轨迹生成方法及电子设备、存储介质
本申请涉及智能交通
，特别是涉及一种轨迹生成方法及电子设备、存储介质。
技术介绍
面对愈加复杂的道路交通情况，现有的一种做法是，获取道路上的车辆轨迹对道路交通情况进行分析。但是，实际过程中，在真实的历史车辆轨迹数据有限的情况下，需要借助人工自行模拟生成轨迹，以用于道路交通情况分析，但是，现有方法生成的轨迹真实度不高，影响道路交通情况分析结果的准确性。
技术实现思路
本申请提供一种轨迹生成方法及电子设备、存储介质，能够解决现有方法生成的轨迹真实度不高的问题。为解决上述技术问题，本申请采用的一个技术方案是：1、一种轨迹生成方法，包括：确定初始卡口点；利用神经网络生成以初始卡口点为起点的第一轨迹，神经网络是基于真实轨迹训练得到的，第一轨迹包括多个卡口点；为第一轨迹中的卡口点赋予时间信息。为解决上述技术问题，本申请采用的另一个技术方案是：提供一种电子设备，该电子设备包括处理器、与处理器连接的存储器，其中，存储器存储有程序指令；处理器用于执行存储器存储的程序指令以实现上述方法。为解决上述技术问题，本申请采用的再一个技术方案是：提供一种存储介质，存储有程序指令，该程序指令被执行时能够实现上述方法。通过上述方式，可以确定初始卡口点，并将确定的初始卡口点输入神经网络，以利用神经网络基于初始卡口点生成预测轨迹，即第一轨迹，在得到第一轨迹之后，还可以为第一轨迹中的卡口点赋予时间信息，第一轨迹被赋予时间信息之后更加接近真实轨迹，从而能够提高第一轨迹的真实度。附图说明图1是本申请轨迹生成方法第一实施例的流程示意图；图2是本申请LSTM网络生成轨迹过程示意图；图3是本申请轨迹生成方法第二实施例的流程示意图；图4是本申请轨迹生成方法第三实施例的流程示意图；图5是本申请轨迹生成方法第四实施例的流程示意图；图6是本申请轨迹生成方法第五实施例的流程示意图；图7是本申请轨迹生成方法第六实施例的流程示意图；图8是本申请轨迹生成方法第七实施例的流程示意图；图9是本申请轨迹生成方法第八实施例的流程示意图；图10是本申请轨迹生成方法第九实施例的流程示意图；图11是本申请轨迹生成方法第十实施例的流程示意图；图12是本申请轨迹生成方法第十一实施例的流程示意图；图13是本申请轨迹生成方法第十二实施例的流程示意图；图14是本申请轨迹生成方法第十三实施例的流程示意图；图15是本申请轨迹生成方法第十四实施例的流程示意图；图16是本申请轨迹生成方法第十五实施例的流程示意图；图17是本申请电子设备一实施例的结构示意图；图18是本申请存储介质一实施例的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，在不冲突的情况下，本文所描述的实施例可以与其它实施例相结合。图1是本申请轨迹生成方法第一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。如图1所示，本实施例可以包括：S110：确定初始卡口点。可以从卡口数据库中抽取一个或多个卡口点作为初始卡口点。卡口数据库中的卡口点为真实轨迹库中真实轨迹包括的卡口点。真实轨迹为车辆的行驶路线信息，一条真实轨迹对应一车辆标识信息。一条真实轨迹包括的信息可以有经过的卡口点编号、卡口点的位置、经过卡口点的时间信息等。例如，一辆车在行驶过程中经过了卡口点1～5，则该辆车对应的轨迹为{(卡口点1，卡口点1的位置，经过卡口点1的时间信息)，…，(卡口点5，卡口点5的位置，经过卡口点5的时间信息)}。由于真实轨迹中包括的信息是以时间先后顺序进行排列的，因此也可以将真实轨迹看作车辆的行驶路线信息序列。由于真实轨迹中包括多类行驶路线信息，因此行驶路线信息序列包括多个由不同类的行驶路线信息的序列。例如，上述轨迹包括卡口点序列{卡口点1，…，卡口点5}、卡口点的位置序列{卡口点1的位置，…，卡口点5的位置}、和经过卡口点的时间信息序列{经过卡口点1的时间信息，卡口点5，卡口点5的位置，经过卡口点5的时间信息}。本申请也将真实轨迹包括的卡口点序列称为真实轨迹对应的卡口点序列。S120：利用神经网络生成以初始卡口点为起点的第一轨迹。神经网络是基于真实轨迹训练得到的，第一轨迹包括多个卡口点。若初始卡口点为多个，可以利用神经网络分别生成以每个初始卡口点为起点的第一轨迹。利用神经网络生成的每条第一轨迹的长度相同，也即每条第一轨迹包括的卡口点数量相同。其中，神经网络可以为长短期记忆(LSTM)网络，当然，也可以为其他的神经网络，本申请以LSTM网络为例进行说明。LSTM网络包括多个神经元，神经元可以在上一个神经元得到的预测结果的基础上进一步预测。具体而言，第一个神经元可以对初始卡口点进行预测，得到第二个卡口点，第二神经元可对第一个神经元预测得到的第二个卡口点进行预测，得到第三个卡口点，…，依次类推，在最后一个神经元预测完成后，得到第一轨迹。因此LSTM网络包括的神经元数量决定生成的第一轨迹中的卡口点数量(第一轨迹的长度)。下面结合图2对LSTM的轨迹生成过程进行举例说明：如图2所示，LSTM网络包括10个神经元(1～10)，生成的以初始卡口点为起点的第一轨迹为(初始卡口点，卡口点1，卡口点2，…，卡口点9，卡口点10)，其中包括初始卡口点和预测得到的卡口点i，卡口点i(i∈[1,10])代表预测得到的第i个卡口点。其中，神经元1可以对初始卡口点进行预测，得到卡口点1，神经元2可以对神经元1预测得到的卡口点1进行预测，得到卡口点2，…，神经元10可以对神经元9预测得到的卡口点9进行预测，得到卡口点10。由于神经网络是基于确定的初始卡口点依次预测后面的卡口点，因此利用神经网络得到的第一轨迹也可以被称为一卡口点序列。本申请中，将第一轨迹称为第一卡口点序列。此外，本申请在利用神经网络生成第一轨迹之前，还可以对其进行训练，以使神经网络本文档来自技高网...

【技术保护点】
1.一种轨迹生成方法，其特征在于，包括：/n确定初始卡口点；/n利用神经网络生成以所述初始卡口点为起点的第一轨迹，所述神经网络是基于真实轨迹训练得到的，所述第一轨迹包括多个卡口点；/n为所述第一轨迹中的卡口点赋予时间信息。/n

【技术特征摘要】
1.一种轨迹生成方法，其特征在于，包括：
确定初始卡口点；
利用神经网络生成以所述初始卡口点为起点的第一轨迹，所述神经网络是基于真实轨迹训练得到的，所述第一轨迹包括多个卡口点；
为所述第一轨迹中的卡口点赋予时间信息。


2.根据权利要求1所述的方法，其特征在于，所述为所述第一轨迹中的所述卡口点赋予时间信息，包括：
为所述第一轨迹的起点赋予所述时间信息，作为所述第一轨迹的起始时间信息；
基于所述第一轨迹的起始时间信息，为所述第一轨迹中的其他卡口点赋予所述时间信息。


3.根据权利要求2所述的方法，其特征在于，所述为所述第一轨迹的起点赋予时间信息，作为所述第一轨迹的起始时间信息，包括：
随机为所述第一轨迹的起点赋予所述时间信息，作为所述第一轨迹的起始时间信息，或者，
在预设时段内选取一时间点并赋给所述第一轨迹的起点，作为所述第一轨迹的起始时间信息。


4.根据权利要求3所述的方法，其特征在于，所述基于所述第一轨迹的起始时间信息，为所述第一轨迹中的其他卡口点赋予所述时间信息，包括：
判断真实轨迹库中是否存在与所述第一轨迹匹配的第二轨迹，所述第二轨迹与所述第一轨迹匹配的条件包括：所述第二轨迹与所述第一轨迹包括的连续相同的卡口点的数量最多；
若存在，则基于所述第一轨迹的起始时间信息，以及所述第二轨迹中与所述第一轨迹连续相同的卡口点的时间信息，得到所述第一轨迹中与所述第二轨迹连续相同的卡口点的时间信息；并且，对于所述第一轨迹中剩余的卡口点，对所述卡口点的前一个卡口点的时间信息进行偏移，得到所述卡口点的时间信息；
若不存在，则对所述第一轨迹中的卡口点的时间信息进行偏移，得到下一卡口点的时间信息。


5.根据权利要求3所述的方法，其特征在于，所述基于所述第一轨迹的起始时间信息，为所述第一轨迹中的其他卡口点赋予所述时间信息，包括：
判断真实轨迹库中是否存在与所述第一轨迹匹配的第二轨迹，其中，所述第二轨迹与所述第一轨迹匹配的条件包括：所述第二轨迹与所述第一轨迹包括的卡口点完全相同；
若存在，则基于所述第一轨迹的起始时间信息，以及所述第二轨迹中的卡口点的时间信息，得到所述第一轨迹中的其他卡口点的时间信息；
若不存在，则对所述第一轨迹中的卡口点的时间信息进行偏移，得到下一个卡口点的时间信息。


6.根据权利要求4或5所述的方法，其特征在于，所述第二轨迹与所述第一轨迹匹配的条件还包括：
所述第二轨迹与所述第一轨迹的起始时间信息相同，所述第二轨迹的起始时间信息为所述初始卡口点在所述第二轨迹中的时间信息。


7.根据权利要求1所述的方法，其特征在于，所述第一轨迹中存在带有轨迹结束符的所述卡口点，在所述为所述第一轨迹中卡口点赋予时间信息之后，还包括：
基于所述轨迹结束符，将所述第一轨迹切分为第三轨迹。


8.根据权利要求1所述的方法，其特征在于，所述第一轨迹中存在所述卡口点带有轨迹结束符的所述卡口点，所述为所述第一轨迹中的所述卡口点赋予时间信息之前，包括：
基于所述轨迹结束符，将所述第一轨迹切分为第三轨迹；
所述为所述第一轨迹中的所述卡口点赋予时间信息，包括：
为所述第三轨迹的起点赋予所述时间信息，作为所述第三轨迹的起始时间信息，其中，所述第三轨迹的起点为所述第三轨迹中的第一个卡口点；
基于所述第三轨迹的起始时间信息，为所述第三轨迹中的其他卡口点赋予时间信息。


9.根据权利要求8所述的方法，其特征在于，所述为所述第三轨迹的起点赋予所述时间信息，作为所述第三轨迹的起始时间信息，包括：
随机为所述第三轨迹的起点赋予所述时间信息，作为所述第三轨迹的起始时间信息，或者，
在预设时段内选取一时间点并赋给所述第三轨迹的起点，作为所述第三轨迹的起始时间信息。<...

【专利技术属性】
技术研发人员：曹金磊，舒望，朱明浩，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33