本发明专利技术涉及一种模型构建方法、装置以及异常轨迹点实时检测方法。本发明专利技术通过获取历史轨迹数据并对所述历史轨迹数据进行预处理，提取历史轨迹数据中异常轨迹，构建模型训练数据；然后提取异常轨迹中每个轨迹点的特征向量，并对每个轨迹点进行相对位置编码；最后将每个轨迹点的特征向量以及相对位置编码作为输入，对transformer网络模型进行训练，得到异常轨迹点实时检测模型。本发明专利技术采用基于transformer模块的神经网络模型，对时序轨迹序列进行建模，对每个轨迹点给出异常和非异常的标签。提高异常轨迹点检测的准确率和效率。高异常轨迹点检测的准确率和效率。高异常轨迹点检测的准确率和效率。
【技术实现步骤摘要】
一种模型构建方法、装置以及异常轨迹点实时检测方法
[0001]本专利技术涉及数据处理
，具体涉及一种车辆轨迹序列中异常轨迹点实时检测模型的构建方法、装置以及车辆轨迹序列中异常轨迹点实时检测方法。
技术介绍
[0002]轨迹异常点产生原因包括以下几个方面：1.GPS接收机设备和网络状态。设备掉线，导致相邻的两个点之间有很大的时间差和距离(跳跃点)。设备异常，导致在连续的时间戳下，GPS点位置有突然很大偏差(漂移点)。设备异常，导致相同时间戳下，返回多条数据(重复数据)。2.城市峡谷中的多路径效应。GPS信号也有可能是在不同的障碍物上反射后才被接收到，导致计算的位置不准确。3.GPS信号被遮挡，在高架桥下，隧道里面GPS信号弱等。
[0003]目前车辆轨迹数据预处理方法很多，其中比较类似的是轨迹片段异常判断。多用于出行公司的数据分析，挖掘出绕路等异常信息。
[0004]目前轨迹片段中异常轨迹点发现的方法包括：基于统计分析的抗差分析卡法检验的方法和人工逻辑校验的方法。其中基于统计分析的方法普遍存在估计不准确的问题。人工逻辑校验的方法则需要进行特征建模计算和人工判断，准确率高但是效率低。
技术实现思路
[0005]本专利技术针对现有技术中存在的技术问题，提供一种模型构建方法、装置以及异常轨迹点实时检测方法，采用基于transformer模块的神经网络模型，对时序轨迹序列进行建模，对每个轨迹点给出异常和非异常的标签。提高异常轨迹点检测的准确率和效率。
[0006]本专利技术解决上述技术问题的技术方案如下：
[0007]一方面，本专利技术提供一种车辆轨迹序列中异常轨迹点实时检测模型的构建方法，包括以下步骤：
[0008]获取历史轨迹数据并对所述历史轨迹数据进行预处理，提取历史轨迹数据中异常轨迹，构建模型训练数据；
[0009]提取异常轨迹中每个轨迹点的特征向量，并对每个轨迹点进行相对位置编码；
[0010]将每个轨迹点的特征向量以及相对位置编码作为输入，对transformer网络模型进行训练，得到异常轨迹点实时检测模型；训练过程中损失函数如下式所示：
[0011][0012]式中p
i
表示异常轨迹中第i个轨迹点预测为异常点的概率，y
i
为人工标注label值，异常点为1，正常点值为0。
[0013]进一步的，对所述历史轨迹数据进行预处理，包括：
[0014]根据路网网格，将历史轨迹数据切分成多个轨迹片段组，一个网格对应一个轨迹片段组，一个轨迹片段组中包含多个轨迹片段；
[0015]根据路网网格的地理坐标将所述轨迹片段与高精度地图中的道路向量或车道组
向量进行匹配；
[0016]采用弗雷歇距离Fr
é
chet distance度量轨迹片段与与其匹配的道路向量或车道组向量的相似性；
[0017]根据相似度阈值将所述轨迹片段分成正常轨迹片段和异常轨迹片段；对所述异常轨迹片段进行人工质检，对异常轨迹片段中的轨迹点进行标注后生成模型训练数据。
[0018]进一步的，所述的根据路网网格，将历史轨迹数据切分成多个轨迹片段，包括：
[0019]将历史轨迹数据的经纬度坐标按照3度带UTM投影成平面坐标；
[0020]将路网进行网格划分，根据所述平面坐标，利用路网网格将历史轨迹数据切分成多个轨迹片段组。
[0021]进一步的，所述的根据路网网格的地理坐标将所述轨迹片段与高精度地图中的道路向量或车道组向量进行匹配，包括：
[0022]根据网格的地理坐标获取高精度地图中的道路属性，在无车道增减的路段提取出道路向量，在路口或有车道增减的路段提取车道向量组；
[0023]若根据网格地理坐标提取的是道路向量，则直接将轨迹片段组与所述道路向量进行匹配；
[0024]若根据网格地理坐标提取的是车道向量组，则分别对车道向量组以及轨迹片段组中的轨迹片段进行聚类，根据方向一致性，将车道向量组中的车道向量与轨迹片段组中对应的子轨迹组进行匹配。
[0025]进一步的，在根据路网网格的地理坐标将所述轨迹片段与高精度地图中的道路向量或车道组向量进行匹配之后，还包括，对轨迹片段中的轨迹点按照高精度地图中道路或车道的形点间隔进行重采样。
[0026]进一步的，所述异常轨迹中每个轨迹点的特征向量的维度为N，至少包括：是否是驻点、相邻轨迹点时间间隔、相邻轨迹点航向差值、相邻轨迹点距离、相邻轨迹点距离差值。
[0027]进一步的，所述的对每个轨迹点进行相对位置编码，包括：
[0028]采用固定步长delta(重叠区域)，大小为m的滑动窗口分段采集轨迹片段中的轨迹点，来处理轨迹片段中轨迹点不同的情况；例如一段轨迹序列，第一次采样处理序号从1～m的轨迹点序列，第二次处理从序号m
‑
delta～2m
‑
delta的轨迹序列，依次往后处理连续的轨迹序列。
[0029]对每个轨迹点进行相对位置编码，位置编码函数如下：
[0030][0031]N为轨迹点的特征向量维度，pos为轨迹点在滑动窗口中的序号；
[0032]利用三角函数对相对位置编码值进行激活，其中pos为偶数时，采用正弦函数对相对位置编码值进行激活，pos为奇数时，采用余弦函数对相对位置编码值进行激活。
[0033]另一方面，本专利技术还提供一种车辆轨迹序列中异常轨迹点实时检测模型的构建装置，包括：
[0034]预处理模块，用于获取历史轨迹数据并对所述历史轨迹数据进行预处理，提取历史轨迹数据中异常轨迹，构建模型训练数据；
[0035]特征提取模块，用于提取异常轨迹中每个轨迹点的特征向量，并对每个轨迹点进
行相对位置编码；
[0036]训练模块，用于将每个轨迹点的特征向量以及相对位置编码作为输入，对transformer网络模型进行训练，得到异常轨迹点实时检测模型；训练过程中损失函数如下式所示：
[0037][0038]式中p
i
表示异常轨迹中第i个轨迹点预测为异常点的概率，y
i
为人工标注label值，异常点为1，正常点值为0。
[0039]基于上述内容，本专利技术还提供一种车辆轨迹序列中异常轨迹点实时检测方法，包括以下步骤：
[0040]获取待预测轨迹数据，并提取轨迹数据中各轨迹点的特征向量，对每个轨迹点进行相对位置编码；
[0041]将所述特征向量及相对位置编码输入到训好了的检测模型中，进行前向推理得到轨迹点是否为异常轨迹点的二分类属性，所述检测模型为通过上述的一种车辆轨迹序列中异常轨迹点实时检测模型的构建方法所构建的检测模型。
[0042]本专利技术的有益效果是：与以往基于统计分析和人工逻辑质检的方法相比，显著的提高轨迹序列中异常点检出率，以及准确率。并且轨迹异常点真值的获取通过算法进行半自动化人工交互的方式提取，效率高。与传统的统计算法相比迭本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆轨迹序列中异常轨迹点实时检测模型的构建方法，其特征在于，包括以下步骤：获取历史轨迹数据并对所述历史轨迹数据进行预处理，提取历史轨迹数据中异常轨迹，构建模型训练数据；提取异常轨迹中每个轨迹点的特征向量，并对每个轨迹点进行相对位置编码；将每个轨迹点的特征向量以及相对位置编码作为输入，对transformer网络模型进行训练，得到异常轨迹点实时检测模型；训练过程中损失函数如下式所示：式中p
i
表示异常轨迹中第i个轨迹点预测为异常点的概率，y
i
为人工标注label值，异常点为1，正常点值为0。2.根据权利要求1所述的方法，其特征在于，对所述历史轨迹数据进行预处理，包括：根据路网网格，将历史轨迹数据切分成多个轨迹片段组，一个网格对应一个轨迹片段组，一个轨迹片段组中包含多个轨迹片段；根据路网网格的地理坐标将所述轨迹片段与高精度地图中的道路向量或车道组向量进行匹配；采用弗雷歇距离Fr
é
chet distance度量轨迹片段与与其匹配的道路向量或车道组向量的相似性；根据相似度阈值将所述轨迹片段分成正常轨迹片段和异常轨迹片段；对所述异常轨迹片段进行人工质检，对异常轨迹片段中的轨迹点进行标注后生成模型训练数据。3.根据权利要求2所述的方法，其特征在于，所述的根据路网网格，将历史轨迹数据切分成多个轨迹片段，包括：将历史轨迹数据的经纬度坐标按照3度带UTM投影成平面坐标；将路网进行网格划分，根据所述平面坐标，利用路网网格将历史轨迹数据切分成多个轨迹片段组。4.根据权利要求2所述的方法，其特征在于，所述的根据路网网格的地理坐标将所述轨迹片段与高精度地图中的道路向量或车道组向量进行匹配，包括：根据网格的地理坐标获取高精度地图中的道路属性，在无车道增减的路段提取出道路向量，在路口或有车道增减的路段提取车道向量组；若根据网格地理坐标提取的是道路向量，则直接将轨迹片段组与所述道路向量进行匹配；若根据网格地理坐标提取的是车道向量组，则分别对车道向量组以及轨迹片段组中的轨迹片段进行聚类，根据方向一致性，将车道向量组中的车道向量与轨迹片段组中对应的子轨...
【专利技术属性】
技术研发人员：漆梦梦，尹玉成，施忠继，阮双双，
申请(专利权)人：武汉中海庭数据技术有限公司，
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。