[发明专利]轨迹聚合方法、装置、存储介质及电子设备

说明书

本发明实施例提供一种轨迹聚合方法、装置、存储介质及电子设备，该方法包括：记录预设时间段内的各时间点的各用户的坐标点，以形成所述各用户的用户轨迹；将所述各用户的用户轨迹转换为所述各用户的轨迹向量；对所述各用户的轨迹向量进行聚合，获取最热轨迹向量，根据所述最热轨迹向量获取所述最热轨迹向量对应的标准最热轨迹的技术手段，能够精准的对用户轨迹聚合，提升了获取标准最热轨迹的精确度。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种轨迹聚合方法、装置、存储介质及电子设备。

背景技术

聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。在商业上，聚类可以帮助市场分析人员从消费者数据库中区分出不同的消费群体来，并且概括出每一类消费者的消费模式或者说习惯。它作为数据挖掘中的一个模块，可以作为一个单独的工具以发现数据库中分布的一些深层的信息，并且概括出每一类的特点，或者把注意力放在某一个特定的类上以作进一步的分析；并且，聚类分析也可以作为数据挖掘算法中其他分析算法的一个预处理步骤。

现有的聚类算法聚合行人路径会聚合出一条“虚拟路径”，并且现有的聚类算法，并不适用于聚合顾客的轨迹。如：K-means算法：在K-means算法中K是事先给定的，这个K值的选定是非常难以估计的；K-MEDOIDS算法不适合于大数据量的计算；Clara算法一般不太可能得到最佳的结果。

例如，若要从n条路径中选最热的5条路径，如果直接通过聚类算法将n条路径聚合为5个类簇，那么会聚合出“虚拟类簇”，因为n条路径可能是互相独立的类簇。

在实现本发明的过程中，发明人发现现有技术中的聚类算法误差比较大，聚合的轨迹不精准。

因此需要一种轨迹聚合方法、装置、存储介质及电子设备。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种轨迹聚合方法、装置、存储介质及电子设备，能够精确的聚合轨迹。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的第一方面，提供一种轨迹聚合方法，其中，所述方法包括：

记录预设时间段内的各时间点的各用户的坐标点，以形成所述各用户的用户轨迹；

将所述各用户的用户轨迹转换为所述各用户的轨迹向量；

对所述各用户的轨迹向量进行聚合，获取最热轨迹向量；

根据所述最热轨迹向量获取所述最热轨迹向量对应的标准最热轨迹。

根据一些实施例，将所述各用户的用户轨迹转换为所述各用户的轨迹向量，包括：

将各用户的用户轨迹中的坐标点转换为轨迹向量中的各分量，获取与所述用户轨迹中的坐标点数目相同的维数的向量。

根据一些实施例，通过以下公式将各用户的用户轨迹中的坐标点转换为轨迹向量中的各分量：

V_i＝ceil(x_i/k)+(ceil(w/k)+1)*ceil(y_i/k)；

其中，w表示所述用户轨迹中的坐标点所在的图片的宽度，k表示设定的w的比例系数，k大于0且小于或等于w，x_i以及y_i表示用户轨迹中的坐标点，V_i表示轨迹向量中第i个分量。

根据一些实施例，对所述各用户的轨迹向量进行聚合，获取最热轨迹向量之前，所述方法还包括：