[发明专利]交通模式识别方法、设备及存储介质

说明书

本发明公开了一种交通模式识别方法、设备及存储介质。涉及计算机识别技术。其中交通模式识别方法包括：获取轨迹数据并进行预处理获得第一轨迹数据特征；对第一轨迹数据特征进行离群值删除，获得第二轨迹数据特征；对第二轨迹数据特征进行行程分段，形成第三轨迹数据特征；将第三轨迹数据特征输入到交通模式识别模型训练后输出交通模式识别结果。本发明通过获取轨迹数据，并且将轨迹数据进行预处理获得第一轨迹数据特征，并且将第一轨迹数据特征中离群值删除后得到第二轨迹数据特征，对第二轨迹数据特征又进行了行程分段，形成第三轨迹数据特征，并且将第三轨迹数据特征输入到模型中训练，从而能够提高了模型的精度和准确度。

技术领域

本发明涉及计算机识别技术领域，尤其是涉及一种交通模式识别方法、设备及存储介质。

背景技术

模式识别就是用计算的方法根据样本的特征将样本划分到一定的类别中去，来研究模式的自动处理和判读，把环境与客体统称为“模式”。例如交通模式识别，交通模式识别是通过分析用户的移动数据来推理其出行方式，通过交通模式识别可以改善现代城市面临的许多重要问题，例如交通事故、交通拥堵和环境污染等。

目前的交通模式识别存在识别精度低的问题，无法为用户提供更好的服务。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种交通模式识别方法，能够提高交通模式识别的精度。

本发明还提出一种交通模式识别设备。

本发明还提出一种计算机可读存储介质。

根据本发明的第一方面实施例的交通模式识别方法，包括：获取轨迹数据；对所述轨迹数据预处理，获得第一轨迹数据特征；对所述第一轨迹数据特征进行离群值删除，获得第二轨迹数据特征；对所述第二轨迹数据特征进行行程分段，形成第三轨迹数据特征；将所述第三轨迹数据特征输入到交通模式识别模型训练后输出交通模式识别结果。

根据本发明实施例的交通模式识别方法，至少具有如下有益效果：能够获取到轨迹数据，并且将轨迹数据进行预处理获得第一轨迹数据特征，并且将第一轨迹数据特征中离群值删除后得到第二轨迹数据特征，为了使交通模式识别模型识别效果更佳精确，对所述第二轨迹数据特征又进行了行程分段，对第二轨迹数据特征进行了有效的切分，形成第三轨迹数据特征，并且将第三轨迹数据特征输入到模型中，从而提高了模型的精度和准确度。

根据本发明的一些实施例，所述第三轨迹数据特征包括：带标签轨迹数据特征、无标签轨迹数据特征、合成轨迹数据特征；所述将所述第三轨迹数据特征输入到交通模式识别模型训练后输出交通模式识别结果，包括：根据所述带标签轨迹数据特征进行交通模式识别模型训练后获得带标签轨迹数据特征损失函数；根据所述无标签轨迹数据特征进行交通模式识别模型训练后获得无标签轨迹数据特征损失函数；根据所述合成轨迹数据特征进行交通模式识别模型训练后获得合成轨迹数据特征损失函数；根据所述带标签轨迹数据特征损失函数、无标签轨迹数据特征损失函数、合成轨迹数据特征损失函数获得所述交通模式识别模型的损失函数；根据所述交通模式识别模型的损失函数确定所述交通模式识别模型的收敛状态；根据所述收敛状态，将所述第三轨迹数据特征输入到交通模式识别模型训练后输出交通模式识别结果。

根据本发明的一些实施例，所述根据所述带标签轨迹数据特征进行交通模式识别模型训练后获得带标签轨迹数据特征损失函数，包括：将所述带标签轨迹数据特征在交通模式识别模型中进行多次卷积以及多次池化处理后获得带标签轨迹数据特征损失函数。

根据本发明的一些实施例，所述根据所述无标签轨迹数据特征进行交通模式识别模型训练后获得无标签轨迹数据特征损失函数，包括：将所述无标签轨迹数据特征在交通模式识别模型中进行多次卷积、多次池化、多次反卷积和多次反池化处理后获得无标签轨迹数据特征损失函数。

根据本发明的一些实施例，所述根据所述第二轨迹数据特征进行行程分段后形成第三轨迹数据特征，包括：将所述第二轨迹数据特征拆分为设定长度的特征。