一种出行道路轨迹识别方法、装置、设备及存储介质与流程

本发明涉及移动通信，尤其涉及一种出行道路轨迹识别方法、装置、设备及存储介质。

背景技术：

1、目前，识别用户的出行道路轨迹方法通常基于gps位置信息，然而这种方法需要用户开启gps功能，其存在很多局限性。首先，gps室内、城市峡谷等区域无法获得，导致无法准确分析用户的轨迹信息，其次，gps精度受限，特别是在高楼、山谷、密林等环境下，gps信号会受到干扰和阻挡，导致定位精确度低。

2、因此，目前亟需一种出行道路轨迹识别方法，以解决传统的基于 gps 位置信息的方法存在无法准确分析用户在一些特定环境下的出行轨迹的局限性，导致无法对用户出行道路轨迹信息进行准确分析的问题。

技术实现思路

1、本发明的主要目的在于提供一种出行道路轨迹识别方法、装置、设备以及存储介质，旨在解决传统的基于 gps 位置信息的方法存在无法准确分析用户在一些特定环境下的出行轨迹的局限性，导致无法对用户出行道路轨迹信息进行准确分析的问题。

2、为实现上述目的，本发明提供一种出行道路轨迹识别方法，所述出行道路轨迹识别方法包括：

3、获取待识别移动终端的mr信息数据及基站位置信息数据；

4、基于k近邻算法、预设道路指纹库、所述mr信息数据以及所述基站位置信息数据，获取与所述mr信息数据相匹配的指纹数据，并匹配所述指纹数据对应的道路节点；

5、使用卡尔曼滤波算法，对道路匹配后的mr信息数据进行异常点过滤，得到过滤后的mr信息数据对应的道路节点；

6、使用最小生成树算法对所述过滤后的mr信息数据对应的道路节点进行轨迹绘制，得到待识别移动终端的出行道路轨迹。

7、可选地，所述使用卡尔曼滤波算法，对道路匹配后的mr信息数据进行异常点过滤，得到过滤后的mr信息数据对应的道路节点的步骤，具体包括：

8、基于所述道路匹配后的mr信息数据，使用最大期望算法，对卡尔曼滤波模型进行训练，得到训练后的卡尔曼滤波模型；

9、基于所述训练后的卡尔曼滤波模型和所述道路匹配后的mr信息数据的初始点，对所述道路匹配后的mr信息数据进行异常点过滤，得到过滤后的mr信息数据对应的道路节点。

10、可选地，所述基于所述道路匹配后的mr信息数据，使用最大期望算法，对卡尔曼滤波模型进行训练，得到训练后的卡尔曼滤波模型的步骤，具体包括：

11、基于所述道路匹配后的mr信息数据，将所述mr信息数据中时间戳最早的数据对应的经纬度设置为卡尔曼滤波模型的初始点；

12、使用最大期望算法，对卡尔曼滤波模型进行训练，得到训练后的卡尔曼滤波模型。

13、可选地，所述基于k近邻算法、预设道路指纹库、所述mr信息数据以及所述基站位置信息数据，获取与所述mr信息数据相匹配的指纹数据，并匹配所述指纹数据对应的道路节点的步骤之前，所述方法还包括：

14、将预设道路区域划分为多个栅格；

15、在预设时间段内，在每个栅格中采集mr信息数据和基站位置信息数据；

16、基于多个栅格采集的所述mr信息数据和所述基站位置信息数据，生成指纹数据，其中，每条指纹数据具有对应的道路节点；

17、将所述指纹数据进行修正以构建所述预设道路指纹库。

18、可选地，所述使用最小生成树算法对所述过滤后的mr信息数据对应的道路节点进行轨迹绘制，得到待识别移动终端的出行道路轨迹的步骤之后，所述方法还包括：

19、对所述待识别移动终端的出行道路轨迹进行可视化呈现。

20、为实现上述目的，本发明还提供一种出行道路轨迹识别装置，所述出行道路轨迹识别装置包括：

21、数据获取模块，用于获取待识别移动终端的mr信息数据及基站位置信息数据；

22、道路节点匹配模块，用于基于k近邻算法、预设道路指纹库、所述mr信息数据以及所述基站位置信息数据，获取与所述mr信息数据相匹配的指纹数据，并匹配所述指纹数据对应的道路节点；

23、数据过滤模块，用于使用卡尔曼滤波算法，对道路匹配后的mr信息数据进行异常点过滤，得到过滤后的mr信息数据对应的道路节点；

24、道路轨迹绘制模块，用于使用最小生成树算法对所述过滤后的mr信息数据对应的道路节点进行轨迹绘制，得到待识别移动终端的出行道路轨迹。

25、为实现上述目的，本发明还提供一种出行道路轨迹识别设备，包括：

26、处理器，存储器以及存储在所述存储器中的出行道路轨迹识别程序，所述出行道路轨迹识别程序被所述处理器运行时实现如上任一项所述出行道路轨迹识别方法的步骤。

27、此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有出行道路轨迹识别程序，所述出行道路轨迹识别程序被处理器执行时实现如上任一项所述的出行道路轨迹识别方法。

28、本发明实施例提出的出行道路轨迹识别方法通过采集海量手机终端的mr测量信息及基站位置信息，利用mr的指标的空间分布特征，结合机器学习算法，得出用户在道路上的位置，再把道路信息按照图模型进行建模，并使用最小生成树算法将这些位置按照时序连接成连续的路径，实现用户的出行轨迹识别。

29、本发明通过基于大数据机器学习的道路匹配算法预测用户所在道路位置，并与图计算相结合识别用户道路轨迹，所使用的用户移动终端mr数据相比gps数据用户覆盖率更高，产生频率也更快。

30、综上所述，由于采用了上述技术方案，本发明的有益效果为：

31、本发明的出行道路轨迹识别方法适用于所有使用手机终端的用户出行轨迹的识别，可以实现高精度的用户出行轨迹记录和分析，同时具有快速处理速度和实时性的特点，其可以满足移动通信运营商对用户道路轨迹分析的需求，提高运营商的服务质量和用户体验，此外，还可以实现移动终端用户道路轨迹的自动识别，提升用户出行数据的全面性和准确性，指导位置服务、旅游行业、物流行业和城市规划等各行各业工作的开展，无需使用较难获取的gps数据，实现降本增效，具有更新频率快、准确性高的特点。

技术特征：

1.一种出行道路轨迹识别方法，其特征在于，包括：

2.根据权利要求1所述的出行道路轨迹识别方法，其特征在于，所述使用卡尔曼滤波算法，对道路匹配后的mr信息数据进行异常点过滤，得到过滤后的mr信息数据对应的道路节点的步骤，具体包括：

3.根据权利要求2所述的出行道路轨迹识别方法，其特征在于，所述基于所述道路匹配后的mr信息数据，使用最大期望算法，对卡尔曼滤波模型进行训练，得到训练后的卡尔曼滤波模型的步骤，具体包括：

4.根据权利要求1所述的出行道路轨迹识别方法，其特征在于，所述基于k近邻算法、预设道路指纹库、所述mr信息数据以及所述基站位置信息数据，获取与所述mr信息数据相匹配的指纹数据，并匹配所述指纹数据对应的道路节点的步骤之前，所述方法还包括：

5.根据权利要求1所述的出行道路轨迹识别方法，其特征在于，所述使用最小生成树算法对所述过滤后的mr信息数据对应的道路节点进行轨迹绘制，得到待识别移动终端的出行道路轨迹的步骤之后，所述方法还包括：

6.一种出行道路轨迹识别装置，其特征在于，所述出行道路轨迹识别装置包括：

7.一种出行道路轨迹识别设备，其特征在于，包括：处理器，存储器以及存储在所述存储器中的出行道路轨迹识别程序，所述出行道路轨迹识别程序被所述处理器运行时实现如权利要求1至5中任一项所述出行道路轨迹识别方法的步骤。

8.一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出行道路轨迹识别程序，所述出行道路轨迹识别程序被处理器执行时实现如权利要求1至5中任一项所述的出行道路轨迹识别方法。

技术总结
本发明公开了一种出行道路轨迹识别方法、装置、设备及存储介质，属于移动通信技术领域。该方法包括获取待识别移动终端的MR信息数据及基站位置信息数据；基于K近邻算法、预设道路指纹库、MR信息数据以及基站位置信息数据，获取与MR信息数据相匹配的指纹数据，并匹配指纹数据对应的道路节点；使用卡尔曼滤波算法，对道路匹配后的MR信息数据进行异常点过滤，得到过滤后的MR信息数据对应的道路节点；使用最小生成树算法对过滤后的MR信息数据对应的道路节点进行轨迹绘制，得到出行道路轨迹。本发明提出的出行道路轨迹识别方法可解决传统的基于GPS位置信息的方法存在GPS信号限制局限性，导致无法对用户出行道路轨迹信息进行准确分析的问题。

技术研发人员：袁旭明,李嘉杰,靳森,王娜
受保护的技术使用者：德特赛维技术有限公司
技术研发日：
技术公布日：2024/1/14