本申请涉及一种异常轨迹识别方法、装置、计算机设备、存储介质和计算机程序产品。异常轨迹识别方法包括：采集待识别轨迹，待识别轨迹包括多个途径地点及两两途径地点之间的轨迹片段；对途径地点进行分词处理，并根据分词处理后得到的名词进行异常地点判别；计算轨迹片段途经路口的路口转移概率，并根据路口转移概率进行异常轨迹片段判别；当异常地点和异常轨迹满足预设条件时，确定待识别轨迹为异常轨迹。采用本方法能够增加了异常地点的检测范围和识别准确率；减少轨迹分析的复杂度，相比以往仅进行异常点识别并将异常点连接后形成的轨迹作为异常轨迹的识别方法，异常轨迹识别率更高，异常轨迹的分析也更加细腻化。异常轨迹的分析也更加细腻化。异常轨迹的分析也更加细腻化。
【技术实现步骤摘要】
异常轨迹识别方法、装置和计算机设备
[0001]本申请涉及信息自动化处理
，特别是涉及一种异常轨迹识别方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]异常轨迹检测方法被应用于许多场景中，例如，可用于检测车辆的行驶位置以防止驾驶员发生安全事故、检测公共交通车辆的行驶路径以防止其脱离既定轨迹行驶、检测被限制出境的被执行人的行动路径防止其私自出境等。
[0003]通常，异常轨迹的检测包含异常地点检测和异常轨迹片段检测，异常地点的检测是通过匹配人工配置的异常地点，识别范围不准确，识别率也很低；异常轨迹的识别通过简单的几个异常地点的连接形成一条异常轨迹，检测方法十分简陋，准确率也很低，因此，现有的异常轨迹检测方法因为准确度过低，并不能为后台工作人员提供较高的参考价值。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够识别准确度较高、降低轨迹分析复杂度的异常轨迹识别方法、装置、计算机设备、存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种异常轨迹识别方法，包括：
[0006]采集待识别轨迹，所述待识别轨迹包括多个途径地点及两两所述途径地点之间的轨迹片段；
[0007]对所述途径地点进行分词处理，并根据分词处理后得到的名词进行异常地点判别；
[0008]计算所述轨迹片段途经路口的路口转移概率，并根据所述路口转移概率进行异常轨迹片段判别；
[0009]当所述异常地点和所述异常轨迹满足预设条件时，确定所述待识别轨迹为异常轨迹。
[0010]在其中一个实施例中，所述对所述途径地点进行分词处理，并根据分词处理后得到的名词进行异常地点判别，包括：
[0011]将所述途径地点输入预先训练好的分词模型，得到所述途径地点对应的多个名词；
[0012]根据第一集合中包含的所有异常地点名词，确定所述名词的异常概率；
[0013]根据第二集合中包含的所有正常地点名词，确定所述名词的正常概率；
[0014]根据所述名词的异常概率和正常概率，确定所述途径地点的异常地点概率和正常地点概率；
[0015]当所述途径地点的异常地点概率大于正常地点概率时，确定所述途径地点为异常地点。
[0016]在其中一个实施例中，所述计算所述轨迹片段途经路口的路口转移概率，并根据
所述路口转移概率进行异常轨迹片段判别，包括：
[0017]获取所述轨迹片段包括的所有途经路口；
[0018]针对每一个途经路口，计算前一个途经路口转移到当前途经路口的路口转移概率；
[0019]根据每个所述途经路口的路口转移概率，确定所述轨迹片段的转移概率；
[0020]当所述转移概率小于预设概率阈值时，确定所述轨迹片段为异常轨迹片段。
[0021]在其中一个实施例中，所述当所述异常地点和所述异常轨迹片段满足预设条件时，确定所述待识别轨迹为异常轨迹，包括：
[0022]计算异常地点的总数与所述途径地点的总数的第一比值；
[0023]计算异常轨迹片段的总长度与所述待识别轨迹的总长度的第二比值；
[0024]当所述第一比值大于或等于第一阈值时，和/或所述第二比值大于或等于第二阈值时，确定所述待识别轨迹为异常轨迹。
[0025]在其中一个实施例中，所述当所述异常地点和所述异常轨迹满足预设条件时，确定所述待识别轨迹为异常轨迹之后，包括：
[0026]接收确定指令，根据所述确定指令确定每个所述途径地点的分类结果；
[0027]当所述分类结果表示途径地点为异常地点时，将所述途径地点添加至所述第一集合，当所述分类结果表示途径地点为正常地点时，将所述途径地点添加至所述第二集合。
[0028]在其中一个实施例中，所述根据所述确定指令确定每个所述途径地点的分类结果，包括：
[0029]当所述确定指令与每个所述途径地点的判别结果相同时，将所述判别结果作为当前途径地点的分类结果；
[0030]当所述确定指令与每个所述途径地点的判别结果不同时，根据所述确定指令确定当前途径地点的分类结果。
[0031]第二方面，本申请还提供了一种异常轨迹识别装置，包括：
[0032]采集模块，用于采集待识别轨迹，所述待识别轨迹包括多个途径地点及两两所述途径地点之间的轨迹片段；
[0033]第一判别模块，用于对所述途径地点进行分词处理，并根据分词处理后得到的名词进行异常地点判别；
[0034]第二判别模块，用于计算所述轨迹片段途经路口的路口转移概率，并根据所述路口转移概率进行异常轨迹片段判别；
[0035]确定模块，用于在所述异常地点和所述异常轨迹满足预设条件时，确定所述待识别轨迹为异常轨迹。
[0036]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例所述的异常轨迹识别方法。
[0037]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的异常轨迹识别方法。
[0038]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算
机程序，该计算机程序产品被处理器执行时实现上述任一实施例所述的异常轨迹识别方法。
[0039]上述异常轨迹识别方法、装置、计算机设备、存储介质和计算机程序产品根据分词后的名词进行异常地点识别的方式取代了以往人工识别的方案，增加了异常地点的检测范围和识别准确率；将待识别轨迹拆分为多个轨迹片段，减少了轨迹分析的复杂度，并且将异常轨迹片段的分析进一步转化为路口转移概率的分析，进一步减少了轨迹分析的复杂度，相比以往仅进行异常点识别并将异常点连接后形成的轨迹作为异常轨迹的识别方法，异常轨迹识别率更高，异常轨迹的分析也更加细腻化。
附图说明
[0040]图1为一个实施例中异常轨迹识别方法的应用环境图；
[0041]图2为一个实施例中异常轨迹识别方法的流程示意图；
[0042]图3为一个实施例中异常轨迹识别方法确定异常地点的流程示意图；
[0043]图4为一个实施例中异常轨迹识别方法确定异常轨迹片段的流程示意图；
[0044]图5为一个实施例中异常轨迹识别方法确定异常轨迹的流程示意图；
[0045]图6为一个实施例中异常轨迹识别装置的结构框图；
[0046]图7为一个实施例中异常轨迹识别装置第一判别模块的结构框图；
[0047]图8为一个实施例中异常轨迹识别装置第二判别模块的结构框图；
[0048]图9为一个实施例中异常轨迹识别装置确定模块的结构框图；
[0049]图10为一个实施例中计算机设备的内部结构图。
具体实施方式
[0050]为了使本申请的目的、技术方案及优点更加本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常轨迹识别方法，其特征在于，包括：采集待识别轨迹，所述待识别轨迹包括多个途径地点及两两所述途径地点之间的轨迹片段；对所述途径地点进行分词处理，并根据分词处理后得到的名词进行异常地点判别；计算所述轨迹片段途经路口的路口转移概率，并根据所述路口转移概率进行异常轨迹片段判别；当所述异常地点和所述异常轨迹满足预设条件时，确定所述待识别轨迹为异常轨迹。2.根据权利要求1所述的方法，其特征在于，所述对所述途径地点进行分词处理，并根据分词处理后得到的名词进行异常地点判别，包括：将所述途径地点输入预先训练好的分词模型，得到所述途径地点对应的多个名词；根据第一集合中包含的所有异常地点名词，确定所述名词的异常概率；根据第二集合中包含的所有正常地点名词，确定所述名词的正常概率；根据所述名词的异常概率和正常概率，确定所述途径地点的异常地点概率和正常地点概率；当所述途径地点的异常地点概率大于正常地点概率时，确定所述途径地点为异常地点。3.根据权利要求2所述的方法，其特征在于，所述计算所述轨迹片段途经路口的路口转移概率，并根据所述路口转移概率进行异常轨迹片段判别，包括：获取所述轨迹片段包括的所有途经路口；针对每一个途经路口，计算前一个途经路口转移到当前途经路口的路口转移概率；根据每个所述途经路口的路口转移概率，确定所述轨迹片段的转移概率；当所述转移概率小于预设概率阈值时，确定所述轨迹片段为异常轨迹片段。4.根据权利要求3所述的方法，其特征在于，所述当所述异常地点和所述异常轨迹片段满足预设条件时，确定所述待识别轨迹为异常轨迹，包括：计算异常地点的总数与所述途径地点的总数的第一比值；计算异常轨迹片段的总长度与所述待识别轨迹的总长度的第二比值；当所述第一比值大于或等于第一阈值时，和/或所述第二比值大于或等于第二阈值时，确定所述待识别...
【专利技术属性】
技术研发人员：何鹏辉，蒋毓晨，
申请(专利权)人：上海浦东发展银行股份有限公司，
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。