基于多特征融合滤波的实时轨迹优化方法和装置制造方法及图纸

本发明专利技术实施例公开了一种基于多特征融合滤波的实时轨迹优化方法和装置，所述方法包括：获取目标人员在预设时段内的多个点位数据，点位数据至少包括位置数据、采集时间数据和入库时间数据；对各点位数据进行筛选，以得到目标滤波队列，在目标滤波队列中，依次以每个点位数据作为目标点位数据，根据预设判定策略对所述目标点位数据进行筛选；确定目标点位数据为合格数据，则存储合格数据，将存储的所有合格数据按获取时刻的先后顺序进行排序，以得到优化后的人员实时轨迹。解决了现有技术中实时轨迹优化效果较差的技术问题。实时轨迹优化效果较差的技术问题。实时轨迹优化效果较差的技术问题。

【技术实现步骤摘要】
基于多特征融合滤波的实时轨迹优化方法和装置


[0001]本专利技术涉及人工智能
，具体涉及一种基于多特征融合滤波的实时轨迹优化方法和装置。

技术介绍

[0002]在当前信息化时代，随着卫星导航定位技术的高速发展，基于位置服务在人们日常生活和人员管理中得到广泛应用，人们不仅是位置数据的使用者，同时也是位置数据的采集者。利用地图展示实时轨迹，人们可以查看自己的实时路径，管理人员可以查看工作人员的实时行为轨迹，然而，由于环境干扰和硬件设备不稳定等因素影响，定位设备采集的数据通常会产生异常，从而导致GPS实时轨迹漂移。
[0003]为了纠正轨迹漂移，让实时轨迹符合实际情况，在现有技术中，通常采用以下方式进行轨迹优化处理：
[0004]1、基于大量轨迹数据聚类与异常检测算法；该算法通过采集大量的实时轨迹数据，在采用数据清洗、轨迹的压缩对轨迹数据进行预处理后，利用基于空间特征和基于时间特征的聚类算法对轨迹异常数据进行检测，剔除异常数据，进行轨迹优化。但是，该种方法需要大量的轨迹数据，对于历史轨迹数据的检测效果较好，但对于实时轨迹数据，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合滤波的实时轨迹优化方法，其特征在于，所述方法包括：获取目标人员在预设时段内的多个点位数据，所述点位数据至少包括位置数据、采集时间数据和入库时间数据；对各所述点位数据进行筛选，以得到目标滤波队列；在所述目标滤波队列中，依次以每个点位数据作为目标点位数据，根据预设判定策略对所述目标点位数据进行筛选；确定所述目标点位数据为合格数据，则存储所述合格数据；将存储的所有合格数据按所述获取时刻的先后顺序进行排序，以得到优化后的人员实时轨迹；其中，所述预设判定策略包括至少由点位实时位置、速度、采集时间、入库时间、点位均值、点位方差以及相邻点位偏转角组成的融合特征。2.根据权利要求1所述的基于多特征融合滤波的实时轨迹优化方法，其特征在于，对各所述点位数据进行筛选，以得到目标滤波队列，具体包括：获取所述目标点位数据的有效时长，在所述有效时长小于或等于时长阈值的条件下，将所述目标点位数据添加到滤波队列中；确定所述滤波队列的实际数据长度，在所述实际数据长度大于或等于长度阈值的条件下，对所述滤波队列中所有目标点位数据的位置数据按采集时间进行排序，以得到目标滤波队列。3.根据权利要求2所述的基于多特征融合滤波的实时轨迹优化方法，其特征在于，在所述目标滤波队列中，依次以每个点位数据作为目标点位数据，根据预设判定策略对所述目标点位数据进行筛选，具体包括：计算所述目标滤波队列中所述目标点位数据的点位速度；在所述点位速度低于速度阈值的情况下，计算所述目标滤波队列的整体均值meanTotal、整体方差stdTotal、剔除所述目标点位数据后的局部均值meanPart，以及剔除所述目标点位数据后的局部方差stdPart；根据所述目标滤波队列的整体均值meanTotal、整体方差stdTotal、剔除所述目标点位数据后的局部均值meanPart，以及剔除所述目标点位数据后的局部方差stdPart计算各所述目标点位数据的均值绝对差meanDiffAbs和方差比stdRatio；确定所有所述目标点位数据中方差比stdRatio最大的点位作为目标点位，在所述目标点位的方差比stdRatio大于预设的方差比阈值，且所述目标点位的均值绝对差meanDiffAbs小于预设的均值绝对差阈值的情况下，则剔除所述目标点位上对应的目标点位数据。4.根据权利要求3所述的基于多特征融合滤波的实时轨迹优化方法，其特征在于，确定所有所述目标点位数据中方差比stdRatio最大的点位作为目标点位，之后还包括：在所述目标点位的方差比stdRatio小于或等于所述方差比阈值，且所述目标点位的均值绝对差meanD...

【专利技术属性】
技术研发人员：李华威，夏舫，李海洋，姚伟，
申请(专利权)人：北京甲板智慧科技有限公司，
类型：发明
国别省市：