CN116136406A - 一种伴随关系确定方法及装置 - Google Patents
一种伴随关系确定方法及装置 Download PDFInfo
- Publication number
- CN116136406A CN116136406A CN202111352842.XA CN202111352842A CN116136406A CN 116136406 A CN116136406 A CN 116136406A CN 202111352842 A CN202111352842 A CN 202111352842A CN 116136406 A CN116136406 A CN 116136406A
- Authority
- CN
- China
- Prior art keywords
- action
- targets
- target
- route
- routes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000007405 data analysis Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 3
- 235000008694 Humulus lupulus Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本申请提供了一种伴随关系确定方法及装置。所述伴随关系确定方法包括:获取多个目标的行动路线;从所述多个目标的行动路线中获取行动路线组,所述行动路线组中包括至少两个目标的行动路线;根据所述行动路线组中每个目标的行动路线特征,确定所述行动路线组中的潜在伴随对,所述潜在伴随对包括两个目标的行动路线;当所述潜在伴随对中的两个目标的行动路线满足预设条件时,确定所述潜在伴随对为具有伴随关系的伴随对。采用本申请提供的方法,根据目标的行动路线确定具有伴随关系的伴随对,可以更加准确的识别出具有伴随关系的伴随对,而且可以提高识别效率。
Description
技术领域
本申请涉及大数据处理领域,并且更具体地,涉及一种伴随关系确定方法及装置。
背景技术
目前,伴随关系的发现具有广泛的应用场景。基于伴随关系可以发现团队新成员。
现有的伴随关系确定方法,是基于图像识别的方法。其发现伴随关系的过程为:根据视频图像数据对目标进行持续分析,通过持续分析发现两个目标之间的伴随关系。一方面,上述方法容易出现较大误差,例如,由于天气或光线不佳(尤其是在夜间),会导致图像识别不准确,进而导致伴随关系确定不准确。再例如,在被拍摄的目标被遮挡的情况下,无法根据视频图像进行识别、匹配。另一方面,上述方法需要进行全量数据的匹配,计算量较大。
发明内容
本申请提供了一种伴随关系确定方法及装置,以克服现有技术中存在的问题。
本申请第一方面提供一种伴随关系确定方法。所述方法包括获取多个目标的行动路线;从所述多个目标的行动路线中获取行动路线组,所述行动路线组中包括至少两个目标的行动路线;根据所述行动路线组中每个目标的行动路线特征,确定所述行动路线组中的潜在伴随对,所述潜在伴随对包括两个目标的行动路线;当所述潜在伴随对中的两个目标的行动路线满足预设条件时,确定所述潜在伴随对为伴随对。
采用上述方法,可以根据目标的行动路线确定伴随对,不需要对目标的图像数据进行处理,从而提高了伴随对确定的准确性,并提高了识别效率。
在一种实现方式中,所述预设条件为所述潜在伴随对中的两个目标的行动路线的相似度大于预设值。
基于行动路线的相似度确定在潜在伴随对中确定伴随对,可以更准确的识别伴随对。
在一种实现方式中,判断所述两个目标的行动路线的相似度大于预设值的方法包括基于空间距离的相似性分析方法,或,基于点数的相似性分析方法。
在一种实现方式中,所述目标的行动路线特征包括以下特征中的任意一种或多种:所述目标的行动路线中包括的行动点的个数、所述目标的行动路线对应的地块编号、所述目标的行动路线的方向、或根据所述行动路线确定的所述目标的速度。
在一种实现方式中,所述潜在伴随对中的两个目标的行动路线满足以下条件的任意一种或多种:
所述两个目标的行动路线中行动点的数量的差值小于第一阈值;
所述两个目标的行动路线具有相同的地块编号;
所述两个目标的行动路线方向夹角小于第二阈值;
根据所述两个目标的行动路线确定的两个目标的平均速度差与两个目标的平均速度中的较小值的比值小于第三阈值;或者,
根据所述两个目标的行动路线确定的两个目标的速度区间有交集。
本申请第二方面提供一种伴随关系确定装置。所述装置包括数据获取模块和数据分析模块。所述数据获取模块用于获取多个目标的行动路线。所述数据分析模块用于从所述多个目标的行动路线中获取行动路线组,所述行动路线组中包括至少两个目标的行动路线,根据所述行动路线组中每个目标的行动路线特征,确定所述行动路线组中的潜在伴随对,所述潜在伴随对包括两个目标的行动路线;当所述潜在伴随对中的两个目标的行动路线满足预设条件时,确定所述潜在伴随对为伴随对。
采用上述装置,可以根据目标的行动路线确定伴随对,不需要对目标的图像数据进行处理,从而提高了伴随对确定的准确性,并提高了识别效率。
在一种实现方式中,所述预设条件为所述潜在伴随对中的两个目标的行动路线的相似度大于预设值。
基于行动路线的相似度确定在潜在伴随对中确定伴随对,可以更准确的识别伴随对。
在一种实现方式中,判断所述两个目标的行动路线的相似度大于预设值的方法包括基于空间距离的相似性分析方法,或,基于点数的相似性分析方法。
在一种实现方式中,所述目标的行动路线特征包括以下特征中的任意一种或多种:所述目标的行动路线中包括的行动点的个数、所述目标的行动路线对应的地块编号、所述目标的行动路线的方向、根据所述行动路线确定的所述目标的速度。
在一种实现方式中,所述潜在伴随对中的两个目标的行动路线满足以下条件的任意一种或多种:
所述两个目标的行动路线中行动点的数量的差值小于第一阈值;
所述两个目标的行动路线具有相同的地块编号;
所述两个目标的行动路线方向夹角小于第二阈值;
根据所述两个目标的行动路线确定的两个目标的平均速度差与两个目标的平均速度中的较小值的比值小于第三阈值;或者,
根据所述两个目标的行动路线确定的两个目标的速度区间有交集。
本申请第三方面提供一种电子装置,所述电子装置包括处理器和存储器,所述存储器用于存储指令,所述处理器用于读取所述存储器中存储的指令,以执行第一方面提供的任意一项方法。
本申请第四方面提供一种计算机可读存储介质,包括计算机程序,当所述计算机程序在计算机上运行时,所述计算机执行第一方面提供的任意一项方法。
本申请第五方面提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行第一方面提供的任意一项方法。
第六方面,提供了一种芯片,包括至少一个处理器和接口;所述至少一个所述处理器,用于调用并运行计算机程序,以使所述芯片执行第一方面提供的任意一项方法。
附图说明
图1是适用于本申请实施例提供的***的示意性框图。
图2是本申请实施例提供的伴随关系确定方法的示意性流程图。
图3是本申请实施例提供的对目标的行动路线进行分组的方法的示意性流程图。
图4是本申请实施例提供的根据目标的行动路线特征确定潜在伴随对的方法的示意性流程图。
图5是本申请实施例提供的根据伴随关系确定团队新成员的示意性框图。
图6是本申请实施例提供的电子装置的示意性框图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
图1示出了适用于本申请实施例提供的***100的示意性框图。
如图1所示,该***100包括伴随关系发现***110和服务器120。所述伴随关系发现***110运行与所述服务器120中,用于对服务器120中存储的目标的数据进行分析,已确定目标之间的伴随关系。如果至少两个目标的行动路线满足预设的条件,则认为至少两个目标之间存在伴随关系。所述目标例如可以为移动装置,账号、等。所述服务器120 用于从外部设备获取目标的数据,并将所获取的数据存储在本地的存储器(图未示),以提供给所述伴随关系发现***110进行分析。所述数据可以为全球定位***(global positioningsystem,GPS)数据或其他可以用来分析伴宿关系的数据。所述外部设备例如可以为提供GPS数据的GPS定位装置。在一些实施例中,所述外部设备也可作为服务器 120的元件。在其他实施例中,所述服务器120也可以为计算机、手机等电子装置。
所述伴随关系发现***110包括数据获取模块111、数据分析模块112、数据存储模块113、及应用模块114。
数据获取模块111用于从所述服务器120中获取需要分析的数据。
数据分析模块112用于对所述数据获取模块111所获取的数据进行分析,确定对象之间的伴随关系,本实例例中可以提供多种数据分析方法,具体分析将在下文做详细描述。。
数据存储模块113用于存储数据分析模块112的分析结果,还可以存储应用模块114 的应用结果。
应用模块114,可以将数据分析模块112的分析结果应用于不同场景。例如,应用模块114,可以根据数据分析模块112分析出的伴随关系发现团队的新成员。
应理解,***100仅为示意,并不对本申请提供的方法的应用场景构成任何限定。例如,伴随关系发现***110中可以包括更多或更少的模块。或者所述***包括多个服务器,多个服务器构成一个分布式集群,可以将数据分配给多个服务器进行分析,从而提高分析效率。
下面,结合图2和图3,详细描述本申请实施例提供的伴随关系确定方法。
图2示出了本申请实施例提供的伴随关系确定方法200的示意性流程图。该方法由伴随关系发现***110执行,具体包括步骤210至步骤240,下面对这些步骤进行详细介绍。
步骤210,获取N个目标的行动路线,N为大于1的整数。
本申请实施例中,可以首先从服务器120的存储器中获取N个目标的数据,然后对N个目标的数据进行分析,从而获取N个目标的行动路线。在本发明实施例中,该步骤由所述伴随关系发现***110的数据获取模块111实现。
本申请实施例中,对获取的目标的数据的格式不作具体限定。
在本申请实施例中,在确定N个目标的行动路线时,首先获取第i个目标对应的数据,根据该第i个目标对应的数据,获取该第i个目标的行动点,并根据该第i个目标的行动点获得第i个目标的行动路线。其中,该第i个目标的行动路线中包括的多个行动点按照时间顺序形成该第i个目标的行动路线。。其中,N为大于1的整数,i为大于等于1且小于等于N的整数。
在本实施例的一种可实现的方式中,可以根据硬件设备标识号(Identification,ID),获取每个目标的数据。
例如,数据表A中包括5个数据,分别为数据1、数据2、数据3、数据4、数据5。该数据的格式为GPS数据的格式,以目标为交通工具为例,交通工具上安装有具有GPS 定位装置的电子设备,则目标的数据中包括电子设备的标识号,以及目标所在位置的经度及纬度。例如,上面五个数据对应的硬件设备的ID分别为:101、110、102、110、101。则可以根据硬件标识号确定上述5个数据对应三个目标,目标1对应的ID号为101,目标2对应的ID号为102,目标3对应的ID号为110。因此,可以确定数据1和数据5为目标1的数据,数据3为目标2的,数据2和数据4为目标3的数据。
在确定了每个目标的数据之后,在根据每个目标的数据确定每个目标的行动路线,以上述目标1为例,首先根据数据1及数据5中包括的经纬度位置信息和时间信息确定每个数据对应的行动点,例如根据数据1可以确定目标1在AA时间处于BB位置(行动点1),根据数据5可以确定目标1在CC时间处于DD位置(行动点2),然后连接行动点1及行动点2,即可形成目标1的行动路线。上述示例为方便描述,仅以目标1的两个数据为例描述生成行动路线的过程,在实际应用中,数据的个数可以包括多个,根据每个数据生成行动点后,连接多个行动点,即可生成目标的1的更行动路线。例如,例如,在获取目标1的三个行动点后,目标1的行动路线可以通过如下方式表示:{ID,(x1,y1,t1),(x2, y2,t2),(x3,y3,t3)}。其中,t1、t2、t3用于表示时间,且t1小于t2,t2小于t3, x1、x2、x3表示经度,y1、y2、y3表示纬度。
步骤220,根据行动路线的特性将该N个目标的行动路线分成M组行动路线,其中每组行动路线对应一种行为模式,M为小于或等于N的正整数。
在本申请实施例中,该步骤由所述伴随关系发现***110中的数据分析模块112执行。在本实施的一种可实现的方式中,可以根据目标的行动路线的运动特性对目标的行动路线进行分组。例如,基于目标的行动路线的运动特性,可以将目标的行动路线分为以下三组:昼伏夜出组、规律的多点一线组、不间断运动组。
在另一种可实现的方式中,可以基于行动路线的地理特性对目标的行动路线进行分组。
作为示例非限定,可以根据目标的地理活动范围,对目标的行动路线进行分组。例如,将行动路线中任意两个行动点的距离的最大值超过j公里的行动路线分为一组,将行动路线中的任意两个行动点的距离的最大值小于或等于j公里的行动路线分为一组,其中,j为大于0的数。
作为示例非限定,可以根据行动路线中一段时间内路程,对目标的行动路线进行分组。例如,根据每个目标的行动路线统计每个目标在24小时内的累计路程,可以将累计路程大于15公里的行动路线分为一组,可以将累计路程小于3公里的行动路线分为一组,可以将累计路程大于3公里且小于15公里的行动路线分为一组。
步骤230,对每组行动路线中每个行动路线的路线特征确定每组行动路线中的潜在伴随对。
在本申请实施例中,该步骤由所述伴随关系发现***110中的数据分析模块112执行。
具体地,首先可以提取每组行动路线中每个行动路线的特征获取路线特征,再比较每组行动路线中每个行动路线的路线特征,以确定该组行动路线中的潜在伴宿对。
在本申请实施例中,对特征提取的方法不作具体限定。例如,可以是主成分分析方法,或者可以是尺度不变特征转换方法。在本发明实施例中,当两个目标的行动路线的路线特征满足以下条件的任意一种或多种时,则认为这两个行动路线对应的目标为潜在伴随对:
行动路线所包括的行动点的数量的差值小于第一阈值;
行动路线中具有相同的地块编号;
两条行动路线的方向夹角小于第二阈值;
根据两条行动路线确定的两个目标的平均速度差与两个目标的平均速度较小值的比值小于第三阈值;或者,
根据两条行动路线确定的两个目标的速度区间有交集。
本申请对第一阈值、第二阈值、第三阈值的大小,不作具体限定。例如,第一阈值、第二阈值、第三阈值的大小,可以根据N个目标的行动路线的具体的数据值进行设置。或者,第一阈值、第二阈值、第三阈值的大小,还可以根据人工经验进行设置。
在本申请实施例中,目标的行动路线的路线特征包括以下特征中的任意一种或多种:该目标的行动路线包括的行动点的个数、该目标的行动路线中包括的地块编号、该目标的行动路线的方向、根据该目标的行动路线确定的该目标的运动速度。
可选的,在一些实施例中,可以根据该每组行动路线包括的目标的行动路线特征,确定该每组行动路线包括的候选潜在伴随对。并根据每组行动路线包括的候选潜在伴随对,确定该每组行动路线对应的潜在伴随对。
在一种可实现的方式中,对于包括k个目标的行动路线的行动路线组,所确定的候选潜在伴随对为个,然后根据该/>个候选潜在伴随对确定潜在伴随对。其中,k为大于或等于2的正整数。例如,对于包括3个目标的行动路线的行动路线组,则确定的候选潜在伴随对为/>个,然后并根据该6个候选潜在伴随对,确定潜在伴随对。
步骤240,在每组行动路线对应的潜在伴随对中确定伴随对,该伴随对中的两个目标存在伴随关系。
在本申请实施例中,该步骤由所述伴随关系发现***110中的数据分析模块112执行。
所述伴随关系指两个目标的行动路线满足一定的条件。例如,如果两个目标的行动路线的相似度大于一预设值,则可认为这两个目标存在伴随关系。
具体的伴随关系判断方法可以包括基于空间距离的相似性分析方法,或者,基于点数的相似性分析方法。
在一些实施例中,可以根据潜在伴随对包括的目标的行动路线的时空统计数据,确定伴随关系判断方法。
本申请实施例中,对目标的行动路线的时空统计数据不作具体限定。例如,该时空统计数据可以是该目标的行动路线中的跳变数据,或者是该根据该行动路线确定的目标的运动速度的波动数据。
根据潜在伴随对包括的目标的行动路线的时空统计数据,确定伴随关系判断方法,至少包括以下情况:
情况一:当潜在伴随对包括的每个目标的行动路线的时空统计数据均为高质量时,在此情况下,确定伴随关系判断方法为基于空间距离的相似性分析方法(例如,欧几里得算法、海明距离算法)。其中,空间上的两点距离越小,则两点代表的对象的特征差异性越小,相似性越大。
情况二:当潜在伴随对包括的每个目标的行动路线的时空统计数据均为低质量时,在此情况下,确定伴随关系判断方法为基于点数的相似性分析方法(例如,最长公共子序列算法)。因为低质量数据频发跳变,波动大,若使用基于空间距离的相似性分析方法,本来相似的路线,会因为极少数点跳变距离大而影响整体评分。
在本申请实施例中,对确定时空统计数据为高质量或低质量的方法不作具体限定。
在一种可实现的方式中,可以根据目标的行动路线数据的特性(例如,目标的行动路线是否频发跳变,目标的行动路线的速度是否波动大等),确定时空统计数据为高质量或低质量。例如,当该目标的运动速度的方差小于a时,且该目标的行动路线跳变次数小于阈值T时,则该目标的数据为高质量数据。否则,该目标的数据为低质量数据。在本申请中对a和T的具体取值不作具体限定,a和T可以为预定义的值,也可以为固定值。
作为示例非限定,当潜在伴随对包括的目标的行动路线的时空统计数据均为高质量时,可以采用欧几里得算法对包括的目标进行相似性分析,获得的距离小于预定义的阈值时,则潜在伴随对包括的目标存在伴随关系。若获得的距离大于或等于预定义的阈值时,则潜在伴随对包括的目标不存在伴随关系。
作为示例非限定,当潜在伴随对包括的目标的行动路线的时空统计数据均为低质量时,可以采用最长公共子序列算法对潜在伴随对包括的目标进行相似性分析。若获得的最长公共子序列长度占行动路线整体长度的比例大于或等于预定义阈值时,则潜在伴随对包括的目标存在伴随关系。若获得的最长公共子序列长度占行动路线整体长度的比例小于预定义阈值时,则潜在伴随对包括的目标不存在伴随关系。
在确定了伴随关系后,可以对所述伴随关系进一步分析以解决实际问题,例如用于确定加入团队的新目标或者确定一人多号等。具体地,可通过所述伴随关系发现***110中的应用模块114解决实际问题。
作为示例非限定,图5示出了根据本申请实施例提供的伴随关系确定团队新目标(成员)的示意性框图。如图5所示,假设已知目标团队包括成员A、成员B、成员C,根据图2中的方法200可以确定bbbbb分别与成员A、成员B、成员C都存在伴随关系,故可以确定该bbbbb为加入该目标团队的新成员。
本申请提供的伴随关系确定方法,在没有视频图片数据输入的情况下,可以基于行为数据,确定目标的行动路线,发现目标的伴随关系。此外,根据目标的行动路线对目标进行分组后,在每组中确定对该组包括的潜在伴随对的方法、以及伴随关系的方法,可以降低数据分析的计算量、提高发现伴随关系的效率。
为了便于理解方法200中的步骤220,下面以“根据目标的运动特性将目标的行动路线分为以下三组:昼伏夜出组、规律的多点一线组、不间断运动组”为例,并结合图3,对步骤220的基于目标的行动路线的分组方法进行说明。
图3示出了本申请实施例提供的根据目标的行动路线的分组方法300的示意性流程图。如图3所示,该方法300包括步骤310至步骤330。应理解,图3仅为示意,并不对本申请构成任何限定。下面,对步骤310至步骤330进行详细介绍。
步骤310,遍历目标的行动路线,若该目标的行动路线在区域#1中没有停留点,则将该目标的行动路线归入不间断运动组;否则,继续执行步骤320。
在本申请实施例中,区域#1可以是预定义的区域,区域#1也可以是根据伴随关系的应用场景确定的区域。故本申请中对区域#1的大小不作具体限定。
在一种可实现的方式中,可根据目标的行动路线确定该目标的行动路线在区域#1中有停留点:当目标的行动路线包括的至少一个行动点#1在半径为r的区域#1内出现,且该行动点#1在区域#1内停留时间超过t,则可以认为该目标的行动路线在区域#1中有停留点。否则,可以认为该目标在区域#1中没有停留点。其中,r和t为大于或等于1的正整数。对r和t的单位不作具体限定。例如,r的单位可以是千米,或者米,t的单位可以是小时,或者分钟。
在所述目标的数据目标随身携带的通信设备的GPS数据时,则根据该GPS定位数据确定该目标的行动点#1在区域#1内停留的时间t。
例如,假设目标A携带的通信设备的ID号为101。区域1为在半径为50米的圆形区域,且该区域1对应的经度范围为70°至90°,且该区域1对应的纬度范围为100°至1 20°。也就是说,若检测到目标A的ID号的经度范围为70°至90°之间,且目标A的 ID号的纬度范围为100°至120°,可以认为目标A在区域1中。否则,认为目标A不在区域1中。根据GPS定位***可以获得该目标A随身携带的通信设备101的GPS数据如下:(101,(65°,95°),2019:12:20)、(101,(70°,101°),2019:12:25)、 (101,(82°,110°),2019:12:26)、(101,(89°,120°),2019:12:27)、(1 01,(95°,122°),2019:12:29)。在此情况下,可以认为该目标A的行动路线#1在区域#1中停留了3分钟。
在本申请实施例中,该目标的行动路线在区域#1中有停留点,可以理解为,该目标的行动路线包括的一个或多个行动点在区域#1中有停留。
步骤320,确定该目标是否有夜间停留点,若该目标的行动路线在区域#1中有夜间停留点,则将该目标归入昼伏夜出组;否则,继续执行步骤330。
在本申请实施例中,对夜间的时间段不作具体限定。例如,夜间可以指当日下午6点到次日的早晨5点,也可以可以指当日晚上8点到次日的早晨5点,也可以指当日晚上 10点到次日的早晨6点。
遍历目标的行动路线,若发现目标在区域#1中有夜间停留点,执行步骤350。例如,经过步骤330确定目标在区域#1中存在停留点的情况下,且发现目标停留在区域#1的时间处于夜间,则执行步骤350。
遍历目标的行动路线,若没发现目标在区域#1中有夜间停留点,则确定该目标为昼伏夜出组。例如,经过步骤330确定目标在区域#1中存在停留点的情况下,且发现目标停留在区域#1的时间不处于夜间,则确定该目标为昼伏夜出组。
步骤330,确定该目标的行动路线中是否存在若干重复停留点,若该目标的行动路线在区域#1中不存在若干重复停留点,则将该目标归入不间断运动组;否则,将该目标归入多点一线组。
该目标在区域#1中存在若干重复停留点,可以理解为,每间隔T时间,该目标的行动路线包括p个行动路线点在区域#1中有停留。在此情况下,可以认为该目标的行动路线在区域#1中有若干重复停留点。其中,p可以为预定义的值,对p的大小步骤具体限定。
例如,目标A的行动路线包括行动点1、行动点2,且这两个行动点分别每间隔50 分钟在区域#1中有停留。此时,可以认为若该目标A的行动点在区域#1中有若干重复停留点。在此情况下,可以将该目标归入不间断运动组。
为了便于理解方法200中的步骤230,下面结合图4的实施例,对步骤230的方法进行介绍。
图4示出了本申请实施例提供的根据目标的行动路线特征确定潜在伴随对的方法400 的示意性流程图。如图4所示,该方法400包括步骤410和步骤420。应理解,图4仅为示意,并不对本申请构成任何限定。下面,对步骤410和步骤420进行详细介绍。
本申请实施例,假设经过步骤220对N个目标的行动路线进行分组,获得M组行动路线。其中,有一组行动路线包括两个目标的行动路线,这两个目标分别为目标A、目标 B。
步骤410,获取目标A和目标B的行动路线特征。
根据步骤210获得的目标A、目标B的行动路线,结合特征分析方法,可以获取目标A、目标B的行动路线特征。
本申请实施例对特征分析方法不作具体限定。例如,可以采用主成分分析法分别获取目标A、目标B的行为特征。或者,也可以采用线性分析方法分别获取目标A、目标B 的行为特征。
在一种可现实的方式中,采用主成分分析法分别获取目标A、目标B的行为特征。获得目标A的行动路线特征包括目标运动的速度、目标运动的方向、目标的路线属性。获得目标B的行动路线特征包括目标运动的速度、目标运动的方向、目标的路线属性。
其中,目标的路线属性特征包括目标的行动点的个数、目标的行动点所属地块的编号。目标的行动路线所属地块的编号可以根据GeoHash二进制编码获得。具体地,目标所处位置的经纬度信息经过GeoHash二进制编码后,将边长为d的地块内的所有经纬度坐标映射为同一地块编号。其中,d为大于或等于1的正整数。对d的单位不作具体限定。例如, d的单位可以为米,或者,千米。
其中,目标运动的方向特征可以理解为,目标的行动路线中第一个行动点到目标的行动路线的最后一个行动点所指的向量。例如,在以正东方向为r轴建立的极坐标系中,目标的行动路线所指的向量与r轴的夹角范围可以是[0,2π]。目标运动的速度特征包括目标运动额最高速度、目标运动的最低速度。
步骤420,根据目标A和目标B的行动路线特征,确定目标A和目标B是否为潜在伴随对。
根据目标A和目标B的行动路线特征,确定目标A和目标B是否为潜在伴随对,至少包括以下情况:
情况一:当目标A和目标B的行动点的个数的差小于第一阈值时,可以确定目标A和目标B为潜在伴随对。否则,可以确定目标A和目标B不是潜在伴随对。
情况二:当目标A和目标B的行动路线所在的地块编号相同时,可以确定目标A和目标B为潜在伴随对。否则,可以确定目标A和目标B不是潜在伴随对。
情况三:当目标A和目标B的行动路线的方向夹角小于第二阈值时,可以确定目标A和目标B为潜在伴随对。否则,可以确定目标A和目标B不是潜在伴随对。
情况四:当目标A和目标B平均速度差与双方平均速度较小值的比值小于第三阈值时,可以确定目标A和目标B为潜在伴随对。否则,可以确定目标A和目标B不是潜在伴随对。其中,平均速度差为目标A的平均速度与目标B的平均速度的差。
情况五:当目标A的速度区间和目标B的速度区间有交集时,可以确定目标A和目标B 为潜在伴随对。否则,可以确定目标A和目标B不是潜在伴随对。其中,目标的速度区间可以是指[目标的最低速度,目标的最高速度]。
在本申请实施例中,第一阈值、第二阈值、第三阈值的大小,可以根据目标的出行数据包括的目标行动点的具体数据值进行设置。第一阈值、第二阈值、第三阈值的大小,还可以根据人工经验进行设置。也就是说,本申请对第一阈值、第二阈值、第三阈值的大小,不作具体限定。
需说明的是,根据目标A和目标B的行动路线特征,确定目标A和目标B是否为潜在伴随对时,可以执行上述情况一至情况五中的任意一种或多种方法。也就是说,根据步骤420确定的每个潜在伴随对包括的两个目标(例如,这两个目标分别为目标A和目标B) 的行动路线特征满足以下条件中的任意一种或多种:
1)目标A和目标B的行动点的个数的差小于第一阈值;
2)目标A和目标B的行动路线所在的地块编号相同;
3)目标A和目标B的行动路线的方向夹角小于第二阈值;
4)平均速度差与双方平均速度较小值的比值应小于第三阈值,其中,平均速度差为目标#A的平均速度与目标#B的平均速度的差;
5)目标A的速度区间和目标B的速度区间有交集,其中目标的速度区间为[目标的最低速度,目标的最高速度]。
图6示出了本申请实施例提供的电子装置600的示意性结构图。如图6所示,该装置600包括:处理器610,存储器620,以及通信接口630。其中,处理器610用于控制通信接口630收发数据,存储器620用于存储计算机程序,处理器610用于从存储器620中调用并运行计算机程序,使得电子装置700执行本申请中图2-图4所述的方法。
可选的,上述各装置实施例中的存储器与处理器可以是物理上相互独立的单元,或者,存储器也可以和处理器集成在一起。
本申请实施例中的处理器可以是集成电路芯片,具有处理信号的能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。处理器可以是通用处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field programmable gate array,FPGA)或其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。本申请实施例公开的方法的步骤可以直接体现为硬件编码处理器执行完成,或者用编码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasablePROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronousDRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM, ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambusRAM,DRRAM)。应注意,本文描述的***和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种伴随关系确定方法,其特征在于,所述方法包括:
获取多个目标的行动路线;
从所述多个目标的行动路线中获取行动路线组,所述行动路线组中包括至少两个目标的行动路线;
根据所述行动路线组中每个目标的行动路线特征,确定所述行动路线组中的潜在伴随对,所述潜在伴随对包括两个目标的行动路线;
当所述潜在伴随对中的两个目标的行动路线满足预设条件时,确定所述潜在伴随对为具有伴随关系的伴随对。
2.根据权利要求1所述的方法,其特征在于,所述预设条件为所述潜在伴随对中的两个目标的行动路线的相似度大于预设值。
3.根据权利要求2所述的方法,其特征在于,判断所述两个目标的行动路线的相似度大于预设值的方法包括基于空间距离的相似性分析方法,或,基于点数的相似性分析方法。
4.根据权利要求1至3任意一项所述的方法,其特征在于,所述目标的行动路线特征包括以下特征中的任意一种或多种:所述目标的行动路线中包括的行动点的个数、所述目标的行动路线对应的地块编号、所述目标的行动路线的方向、或根据所述行动路线确定的所述目标的速度。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述潜在伴随对中的两个目标的行动路线满足以下条件的任意一种或多种:
所述两个目标的行动路线中行动点的数量的差值小于第一阈值;
所述两个目标的行动路线具有相同的地块编号;
所述两个目标的行动路线方向夹角小于第二阈值;
根据所述两个目标的行动路线确定的两个目标的平均速度差与两个目标的平均速度中的较小值的比值小于第三阈值;或者,
根据所述两个目标的行动路线确定的两个目标的速度区间有交集。
6.一种伴随关系确定装置,其特征在于,所述装置包括:
数据获取模块,用于获取多个目标的行动路线;
数据分析模块,用于从所述多个目标的行动路线中获取行动路线组,所述行动路线组中包括至少两个目标的行动路线,根据所述行动路线组中每个目标的行动路线特征,确定所述行动路线组中的潜在伴随对,所述潜在伴随对包括两个目标的行动路线;当所述潜在伴随对中的两个目标的行动路线满足预设条件时,确定所述潜在伴随对为具有伴随关系的伴随对。
7.根据权利要求6所述的装置,其特征在于,所述预设条件为所述潜在伴随对中的两个目标的行动路线的相似度大于预设值。
8.根据权利要求7所述的装置,其特征在于,判断所述两个目标的行动路线的相似度大于预设值的方法包括基于空间距离的相似性分析方法,或,基于点数的相似性分析方法。
9.根据权利要求6至8任意一项所述的装置,其特征在于,所述目标的行动路线特征包括以下特征中的任意一种或多种:所述目标的行动路线中包括的行动点的个数、所述目标的行动路线对应的地块编号、所述目标的行动路线的方向、根据所述行动路线确定的所述目标的速度。
10.根据权利要求6至9中任一项所述的装置,其特征在于,所述潜在伴随对中的两个目标的行动路线满足以下条件的任意一种或多种:
所述两个目标的行动路线中行动点的数量的差值小于第一阈值;
所述两个目标的行动路线具有相同的地块编号;
所述两个目标的行动路线方向夹角小于第二阈值;
根据所述两个目标的行动路线确定的两个目标的平均速度差与两个目标的平均速度中的较小值的比值小于第三阈值;或者,
根据所述两个目标的行动路线确定的两个目标的速度区间有交集。
11.一种电子装置,包括处理器和存储器,所述存储器用于存储指令,所述处理器用于读取所述存储器中存储的指令,以执行权利要求1至5中任一项所述的方法。
12.一种计算机可读存储介质,包括计算机程序,当所述计算机程序在计算机上运行时,所述计算机执行权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111352842.XA CN116136406A (zh) | 2021-11-16 | 2021-11-16 | 一种伴随关系确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111352842.XA CN116136406A (zh) | 2021-11-16 | 2021-11-16 | 一种伴随关系确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116136406A true CN116136406A (zh) | 2023-05-19 |
Family
ID=86326761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111352842.XA Pending CN116136406A (zh) | 2021-11-16 | 2021-11-16 | 一种伴随关系确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116136406A (zh) |
-
2021
- 2021-11-16 CN CN202111352842.XA patent/CN116136406A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11599825B2 (en) | Method and apparatus for training trajectory classification model, and electronic device | |
US20180205444A1 (en) | System for monitoring marine vessels providing expected passenger determination features and related methods | |
TWI581207B (zh) | 共乘路徑的計算方法及使用此方法的計算裝置與記錄媒體 | |
KR101965878B1 (ko) | 시각적 피처들을 이용한 이미지들의 자동 연결 | |
CN113447923A (zh) | 目标检测方法、装置、***、电子设备及存储介质 | |
CN113012215B (zh) | 一种空间定位的方法、***及设备 | |
CN113487759A (zh) | 一种停车巡检方法、装置、移动巡逻设备及巡检*** | |
WO2023197232A1 (zh) | 目标跟踪方法及装置、电子设备、计算机可读介质 | |
CN111310728A (zh) | 基于监控相机和无线定位的行人重识别*** | |
Makris et al. | A comparison of trajectory compression algorithms over AIS data | |
CN113835078B (zh) | 基于局部三维栅格的信号级联合检测方法及装置 | |
CN111695627A (zh) | 路况检测方法、装置、电子设备及可读存储介质 | |
CN113326445A (zh) | 一种伴随关系发现方法及装置 | |
CN107301658B (zh) | 一种无人机影像与大规模旧时相影像快速匹配定位的方法 | |
CN116136406A (zh) | 一种伴随关系确定方法及装置 | |
CN112614162B (zh) | 基于空间优化策略的室内视觉快速匹配定位方法及*** | |
Wang | An online data compression algorithm for trajectories (An OLDCAT) | |
CN113012430A (zh) | 一种车辆排队长度检测方法、装置、设备及可读存储介质 | |
CN114663793A (zh) | 目标行为识别方法及装置、存储介质、终端 | |
US20180232647A1 (en) | Detecting convergence of entities for event prediction | |
KR20200122900A (ko) | 감시 영상 기반의 차량 추적 시스템 | |
CN115994934B (zh) | 数据时间对齐方法、装置以及域控制器 | |
US10282850B2 (en) | Method and implementation to detect coordinated motions of multiple entities | |
CN112200768B (zh) | 一种基于地理位置的点云信息提取*** | |
CN113674315B (zh) | 一种物体检测方法、设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |