【技术实现步骤摘要】
轨迹预测模型构建方法、装置以及可读存储介质
[0001]本申请涉及数据处理领域，尤其涉及轨迹预测模型构建方法、轨迹预测方法、装置以及可读存储介质。
技术介绍
[0002]在实际生活中，出于例如拦截车辆，疏散拥堵道路等目的，往往需要预测用户的行动轨迹。
[0003]在目前的预测用户轨迹的方案中，在构建预测模型阶段，通常将用户的原始轨迹在地图上进行网格化编码，并将用户进行分组，为每组用户构建对应的模型。而在预测阶段，根据目标用户所属分组选择对应的模型预测轨迹。但是，轨迹网格化后所表达的空间信息为区域信息，不够准确。并且，对于目标个体，分组模型输出的预测结果往往不够精确。
[0004]因此，目前的方案所预测的用户轨迹往往不够准确，进而导致相关工作进展不顺利。
技术实现思路
[0005]本申请实施例提供一种轨迹预测模型构建方法、轨迹预测方法、装置以及可读存储介质，用于解决目前预测的轨迹不够准确的问题。
[0006]为达到上述目的，本申请的实施例采用如下技术方案：
[0007]第一方面，...
【技术保护点】
【技术特征摘要】
1.一种轨迹预测模型构建方法，其特征在于，所述方法包括：获取第一预设时间段内多个用户的第一备用轨迹数据，所述多个用户中每个用户分别对应一段或多段第一备用轨迹数据，其中，所述多个用户的每段第一备用轨迹数据分别用轨迹数据地理位置信息进行表征；根据预配置的轨迹数据地理位置信息与路段标识ID的对应关系，确定与所述多个用户的每段第一备用轨迹数据相对应的路段ID序列，其中，每个路段ID序列包括一个或多个路段ID信息，每个路段ID信息对应所述第一备用轨迹数据中的一个轨迹点；根据所述多个用户中每个用户对应的一段或多段第一备用轨迹数据对应的路段ID序列的信息，分别构建与所述多个用户中每个用户对应的个体轨迹模式树；以及，根据所述多个用户对应的所有第一备用轨迹数据对应的路段ID序列的信息，构建全局轨迹模式树；其中，所述每个路段ID信息对应所述个体轨迹模式树和/或所述全局轨迹模式树的一个树节点，所述个体轨迹模式树和/或所述全局轨迹模式树用于进行轨迹预测。2.根据权利要求1所述的方法，其特征在于，所述获取第一预设时间段内多个用户的第一备用轨迹数据，包括：获取所述第一预设时间段内多个用户的原始轨迹数据；根据所述多个用户中每个用户的原始轨迹数据对应的时间信息和/或空间信息，对所述多个用户中每个用户的原始轨迹数据进行分割处理，获取所述多个用户中每个用户分别对应的一段或多段第一备用轨迹数据。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述多个用户中每个用户对应的一个或多个路段ID序列的信息，分别构建与所述多个用户中每个用户对应的个体轨迹模式树，包括：根据所述多个用户中每个用户对应的一个或多个路段ID序列对应的频繁模式信息和时间模式信息，分别构建与所述多个用户中每个用户对应的个体轨迹模式树。4.根据权利要求1或2所述的方法，其特征在于，所述根据所述多个用户对应的所有路段ID序列的信息，构建全局轨迹模式树，包括：根据所述多个用户中每个用户对应的一个或多个路段ID序列对应的频繁模式信息和时间模式信息，构建全局轨迹模式树。5.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取第二预设时间段内所述多个用户的第二备用轨迹数据，所述多个用户中每个用户分别对应一段或多段第二备用轨迹数据，其中，所述多个用户的每段第二备用轨迹数据分别用轨迹数据地理位置信息进行表征；根据所述预配置的轨迹数据地理位置信息与路段ID的对应关系，确定与所述多个用户的每段第二备用轨迹数据相对应的路段ID序列，其中，每个路段ID信息对应所述第二备用轨迹数据中的一个轨迹点；根据所述多个用户中每个用户分别对应的一段或多段第二备用轨迹数据对应的路段ID序列的信息，分别更新与所述多个用户中每个用户对应的个体轨迹模式树；以及，根据所述多个用户的所有第二备用轨迹数据对应的路段ID序列的信息，更新所述全局轨迹模式树。6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
获取第三预设时间段内目标用户的备用轨迹数据；根据预设时长，将所述目标用户的备用轨迹数据划分为目标轨迹数据和临近轨迹数据；其中，所述目标轨迹数据为所述目标用户的备用轨迹数据中第一轨迹点至第二轨迹点的轨迹数据，所述第一轨迹点为所述目标用户的备用轨迹数据中的最后一个轨迹点，所述第二轨迹点至所述第一轨迹点的时间距离为所述预设时长；所述临近轨迹数据为所述目标用户的备用轨迹数据中，除所述目标轨迹数据之外的备用轨迹数据；所述目标轨迹数据用于所述目标用户的轨迹预测；确定所述临近轨迹数据对应的路段ID序列；根据所述临近轨迹数据对应的路段ID序列，更新所述目标用户对应的个体轨迹模式树。7.一种轨迹预测方法，其特征在于，所述轨迹预测方法应用如上述权利要求1
‑
6任一项所述的个体轨迹模式树或全局轨迹模式树进行轨迹预测；所述轨迹预测方法包括：获取目标用户的用户标识和所述目标用户的目标轨迹数据；根据所述目标用户的用户标识，确定与所述目标轨迹数据对应的路段ID序列和所述目标用户对应的个体轨迹模式树；若所述目标用户对应的个体轨迹模式树中，存在与所述目标轨迹数据对应的路段ID序列的匹配度大于等于预设阈值的轨迹模式，根据与所述目标轨迹数据对应的路段ID序列的匹配度大于等于预设阈值的轨迹模式，确定并输出所述目标用户的第一轨迹预测结果；或者，若目标用户对应的个体轨迹模式树中，不存在与所述目标轨迹数据对应的路段ID序列的匹配度大于等于预设阈值的轨迹模式，根据所述全局轨迹模式树中与所述目标轨迹数据对应的路段ID序列的匹配度最高的轨迹模式，确定并输出所述目标用户的第二轨迹预测结果。8.根据权利要求7所述的方法，其特征在于，所述获取所述目标用户的目标轨迹数据包括：获取第三预设时间段内所述目标用户的备用轨迹数据；根据预设时长，将所述目标用户的备用轨迹数据划分为所述目标轨迹数据和临近轨迹数据；其中，所述目标轨迹数据为所述目标用户的备用轨迹数据中第一轨迹点至第二轨迹点的轨迹数据，所述第一轨迹点为所述目标用户的备用轨迹数据中的最后一个轨迹点，所述第二轨迹点至所述第一轨迹点的时间距离为所述预设时长；所述临近轨迹数据为所述目标用户的备用轨迹数据中，除所述目标轨迹数据之外的备用轨迹数据。9.根据权利要求8所述的方法，其特征在于，所述方法还包括：确定所述临近轨迹数据对应的路段ID序列；根据所述临近轨迹数据对应的路段ID序列，更新所述目标用户对应的个体轨迹模式树。10.根据权利要求7或8所述的方法，其特征在于，所述根据与所述目标轨迹数据对应的路段ID序列的匹配度大于等于预设阈值的轨迹模式，确定并输出所述目标用户的第一轨迹预测结果，包括：根据以第一轨迹模式的最后一个树节点为第一起始树节点的一个或多个轨迹模式中，所述第一起始树节点与所述第一起始树节点的下一跳树节点之间的轨迹模式的支持度，确
定所述第一起始树节点的下一跳目标树节点，所述第一轨迹模式为所述目标用户对应的个体轨迹模式树中，与所述目标轨迹数据对应的路段ID序列的匹配度大于等于预设阈值的轨迹模式中的其中一个轨迹模式；根据以所述第一起始树节点的下一跳目标树节点为第二起始树节点的一个或多个轨迹模式中，所述第二起始树节点与所述第二起始树节点的下一跳树节点之间的轨迹模式的支持度，确定所述第二起始树节点的下一跳目标树节点，直至获得所述目标用户的第一轨迹预测结果后输出所述目标用户的第一轨迹预测结果。11.根据权利要求7或8所述的方法，其特征在于，所述根据所述全局轨迹模式树中与所述目标轨迹数据对应的路段ID序列的匹配度最高的轨迹模式，确定并输出所述目标用户的第二轨迹预测结果包括：根据以第二轨迹模式的最后一个树节点为第三起始树节点的一个或多个轨迹模式中，所述第三起始树节点与所述第三起始树节点的下一跳树节点之间的轨迹模式的支持度，以及所述目标用户对应的个体轨迹模式树中，所述第三起始树节点与所述第三起始树节点的下一跳树节点之间的轨迹模式的支持度，确定所述全局轨迹模式树中所述第三起始树节点的下一跳目标树节点，所述第二轨迹模式为所述全局轨迹模式树中与所述目标轨迹数据对应的路段ID序列的匹配度最高的轨迹模式；根据以所述第三起始树节点的下一跳目标树节点为第四起始树节点的一个或多个轨迹模式中，所述第四起始树节点与所述第四起始树节点的下一跳树节点之间的轨迹模式的支持度，以及所述目标用户对应的个体轨迹模式树中，所述第四起始树节点与所述第四起始树节点的下一跳树节点之间的轨迹模式的支持度，确定所述第四起始树节点的下一跳目标树节点，直至获得所述目标用户的第二轨迹预测结果后输出所述目标用户的第二轨迹预测结果。12.根据权利要求10或11所述的方法，其特征在于，所述支持度是根据所述轨迹模式的频繁模式信息和时间模式信息确定的。13.一种轨迹预测模型构建装置，其特征在于，所述装置包括：获取模块、匹配模块和构建模块；所述获取模块，用于获取第一预设时间段内多个用户的第一备用轨迹数据，所述多个用户中每个用户分别对应一段或多段第一备用轨迹数据，其中，所述多个用户的每段第一备用轨迹数据分别用轨迹数据地理位置信息进行表征；所...
【专利技术属性】
技术研发人员：李林森，曾挥毫，耿冬冬，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。