本申请实施例涉及数据质量评估,具体涉及一种定位点质量评估方法、装置、设备及计算机可读存储介质。
背景技术:
1、随着定位设备的普及,目前已有多种方案来获取目标物体的轨迹信息。通常情况下,轨迹信息是由连续采样得到的一连串定位点所组成。然而,由于采集设备本身的因素影响以及外界条件的不可控干扰,在实际采样得到轨迹信息的过程中,实际采样所得到的定位点的质量参差不齐,并且和真实数据相比往往都会存在漂移、冗余、缺失、错位等问题。而为了提供高质量的交通信息服务,往往需要对各种方式采集得到的定位点数据进行质量评估,将低质量的定位点数据剔除,仅仅保留高质量的定位点数据。
2、然而,目前对定位点数据进行质量评估通常只是横向对比采集得到的各定位点数据之间的差异,导致各定位点数据的质量评估结果不够理想,最终所确定的高质量定位点数据仍不够精确。
技术实现思路
1、本申请实施例提供一种定位点质量评估方法、装置、设备及计算机可读存储介质,旨在解决现有的定位点质量评估方法所存在的评估结果不够理想,最终确定出的高质量定位点数据不够精确的技术问题。
2、一方面,本申请实施例提供一种定位点质量评估方法,包括:
3、获取待评估的目标定位点;
4、根据预设的标准轨迹信息对所述目标定位点进行纠偏处理,得到纠偏定位点;
5、根据所述目标定位点以及所述纠偏定位点确定所述目标定位点的质量评估结果。
6、作为本申请的一种可选实施例,所述根据所述目标定位点以及所述纠偏定位点确定所述目标定位点的质量评估结果包括:
7、根据所述纠偏定位点的参数信息提取所述纠偏定位点的序列特征;所述参数信息至少包括位置信息、速度信息、时间信息的一种;
8、根据所述目标定位点的参数信息与所述纠偏定位点的参数信息的差异,确定所述纠偏定位点的纠偏特征;
9、将所述序列特征和所述纠偏特征输入至已训练的网络模型进行处理,输出所述目标定位点的质量评估结果。
10、作为本申请的一种可选实施例,所述将所述序列特征和所述纠偏特征输入至已训练的网络模型进行处理,输出所述目标定位点的质量评估结果之前,所述方法包括:
11、根据所述目标定位点中相邻定位点的位置信息,确定所述目标定位点对应的轨迹长度;
12、获取与所述轨迹长度对应的关联网络模型;所述关联网络模型是预先基于训练样本的轨迹长度以及训练标签训练得到;
13、将所述关联网络模型设定为已训练的网络模型
14、作为本申请的一种可选实施例,所述根据所述纠偏定位点的参数信息提取所述纠偏定位点的序列特征,包括:
15、根据所述纠偏定位点中相邻定位点对的参数信息的差异,确定所述纠偏定位点的第一局部特征;
16、根据所述纠偏定位点的参数信息的数据统计结果确定所述纠偏定位点的第一全局特征;所述数据统计结果至少包括平均数、中位数、众数中的一种;
17、将所述第一局部特征和所述第一全局特征设为所述纠偏定位点的序列特征。
18、作为本申请的一种可选实施例,所述根据所述目标定位点的参数信息与所述纠偏定位点的参数信息的差异,确定所述纠偏定位点的纠偏特征,包括:
19、将所述目标定位点的参数信息与所述纠偏定位点的参数信息的差值,设为所述纠偏定位点的第二局部特征;
20、根据所述差值的数据统计结果确定所述纠偏定位点的第二全局特征;所述数据统计结果至少包括平均数、中位数、众数中的一种;
21、将所述第二局部特征和所述第二全局特征设为所述纠偏定位点的纠偏特征。
22、作为本申请的一种可选实施例,所述已训练的网络模型包括已训练的长短期记忆神经网络以及已训练的全连接层;
23、所述将所述序列特征和所述纠偏特征输入至已训练的网络模型进行处理,输出所述目标定位点的质量评估结果包括:
24、将所述序列特征中的局部特征与所述纠偏特征中的局部特征进行拼接,得到所述目标定位点的局部特征;
25、将所述序列特征中的全局特征与所述纠偏特征中的全局特征进行拼接,得到所述目标定位点的全局特征;
26、将所述目标定位点的局部特征输入所述已训练的长短期记忆神经网络,输出处理后的局部特征;
27、将所述处理后的局部特征与所述目标定位点的全局特征输入所述已训练的全连接层,输出所述目标定位点的质量评估结果。
28、作为本申请的一种可选实施例,所述根据所述目标定位点以及所述纠偏定位点确定所述目标定位点的质量评估结果包括:
29、分别对所述目标定位点和所述纠偏定位点分别进行划分,得到目标定位点集合以及与所述目标定位点集合对应的纠偏定位点集合;
30、根据所述目标定位点集合中的目标定位点,以及所述纠偏定位点集合中的纠偏定位点,确定各所述目标定位点集合的质量评估结果;
31、根据各所述目标定位点集合的质量评估结果确定所述目标定位点的质量评估结果。
32、另一方面,本申请实施例还提供一种定位点质量评估方法,包括:
33、获取模块,用于获取待评估的目标定位点;
34、纠偏模块,用于根据预设的标准轨迹信息对所述目标定位点进行纠偏处理,得到纠偏定位点;
35、评估模块,用于根据所述目标定位点以及所述纠偏定位点确定所述目标定位点的质量评估结果。
36、另一方面,本申请实施例还提供一种定位点质量评估设备,所述定位点质量评估设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的定位点质量评估程序,所述处理器执行所述定位点质量评估程序以实现上述的定位点质量评估方法中的步骤。
37、另一方面,本申请实施例还提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有定位点质量评估程序,所述定位点质量评估程序被处理器执行以实现上述的定位点质量评估方法中的步骤。
38、本申请实施例提供的技术方案,通过对目标定位点进行纠偏处理,得到纠偏定位点,相比于现有技术中单纯通过横向比对不同目标定位点之间的差异来对目标定位点进行质量评估的技术方案,本申请实施例最终根据目标定位点以及纠偏定位点对目标定位点进行评估是综合了目标定位点不同维度的特征来进行的,能够更深入地实现对目标定位点的分析,从而得到更准确的评估结果,更便于筛选出高质量的定位点数据。
1.一种定位点质量评估方法,其特征在于,包括:
2.根据权利要求1所述的定位点质量评估方法,其特征在于,所述根据所述目标定位点以及所述纠偏定位点确定所述目标定位点的质量评估结果包括:
3.根据权利要求2所述的定位点质量评估方法,其特征在于,所述将所述序列特征和所述纠偏特征输入至已训练的网络模型进行处理,输出所述目标定位点的质量评估结果之前,所述方法包括:
4.根据权利要求2所述的定位点质量评估方法,其特征在于,所述根据所述纠偏定位点的参数信息提取所述纠偏定位点的序列特征,包括:
5.根据权利要求2所述的定位点质量评估方法,其特征在于,所述根据所述目标定位点的参数信息与所述纠偏定位点的参数信息的差异,确定所述纠偏定位点的纠偏特征,包括:
6.根据权利要求2所述的定位点质量评估方法,其特征在于,所述已训练的网络模型包括已训练的长短期记忆神经网络以及已训练的全连接层;
7.根据权利要求1~6任一所述的定位点质量评估方法,其特征在于,所述根据所述目标定位点以及所述纠偏定位点确定所述目标定位点的质量评估结果包括:
8.一种定位点质量评估方法,其特征在于,包括:
9.一种定位点质量评估设备,其特征在于,所述定位点质量评估设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的定位点质量评估程序,所述处理器执行所述定位点质量评估程序以实现权利要求1至7任一项所述的定位点质量评估方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有定位点质量评估程序,所述定位点质量评估程序被处理器执行以实现权利要求1至7任一项所述的定位点质量评估方法中的步骤。