申请/专利权人：中南大学

申请日：2023-12-01

公开（公告）日：2024-03-19

公开（公告）号：CN117349688B

主分类号：G06F18/23

分类号：G06F18/23;G06F18/23213

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本申请适用于轨迹聚类技术领域，提供了一种基于峰值轨迹的轨迹聚类方法、装置、设备及介质。该轨迹聚类方法包括：获取轨迹的距离分布特征曲线，并确定轨迹的k邻域；获取每个k邻域中的峰值轨迹，并将峰值轨迹作为轨迹簇；将仅在峰值k邻域中的所有轨迹分配到轨迹簇中；对于同时在多个峰值k邻域中的重叠轨迹，基于重叠轨迹与重叠轨迹所在的每个峰值k邻域之间的距离，对重叠轨迹进行分配；对于不在任何峰值k邻域内的单独轨迹，根据单独轨迹与每个轨迹簇之间的距离，将单独轨迹分配给轨迹簇或标记为噪声；将轨迹簇和其他轨迹簇进行合并，得到轨迹聚类结果。本申请的轨迹聚类方法能够很好地应用于复杂场景的轨迹聚类。

主权项：1.一种基于峰值轨迹的轨迹聚类方法，其特征在于，包括：分别针对目标区域中的每条轨迹，获取所述轨迹的距离分布特征曲线，并根据所述轨迹的距离分布特征曲线，确定所述轨迹的k邻域；所述距离分布特征曲线用于描述所述轨迹与其他轨迹之间的距离，所述k邻域包含所述轨迹以及与所述轨迹相邻的k条轨迹；获取每个k邻域中的峰值轨迹，并将获取到的峰值轨迹作为一轨迹簇；分别针对每个轨迹簇，将所述轨迹簇对应的峰值k邻域中仅在所述峰值k邻域中的所有轨迹分配到所述轨迹簇中；所述峰值k邻域为所述轨迹簇对应的峰值轨迹的k邻域；对于所述目标区域中同时在多个峰值k邻域中的重叠轨迹，基于所述重叠轨迹与所述重叠轨迹所在的每个峰值k邻域之间的距离，对所述重叠轨迹进行分配；对于所述目标区域中不在任何峰值k邻域内的单独轨迹，根据所述单独轨迹与每个轨迹簇之间的距离，将所述单独轨迹分配给轨迹簇或标记为噪声；分别针对每个轨迹簇，基于所述轨迹簇和其他每个轨迹簇之间的距离，将所述轨迹簇和其他轨迹簇进行合并，得到轨迹聚类结果；其中，所述分别针对目标区域中的每条轨迹，获取所述轨迹的距离分布特征曲线，并根据所述轨迹的距离分布特征曲线，确定所述轨迹的k邻域的步骤包括：获取所述轨迹与所述目标区域中所有其他轨迹之间的距离；将所述轨迹与所述目标区域中所有其他轨迹之间的距离由小到大依次进行排序，得到所述轨迹的距离分布特征曲线；其中，所述距离分布特征曲线的横坐标为距离取值，纵坐标为轨迹数量；对所述轨迹的距离分布特征曲线进行一阶求导，得到分布曲线；通过变化值计算公式计算所述分布曲线上第个点的变化值；所述变化值计算公式为： 其中，表示所述分布曲线上第个点的纵坐标取值，表示所述分布曲线上第个点的纵坐标取值；若所述分布曲线第一次满足，则将所述第个点对应的距离取值作为目标取值；其中，为预设变化值；若不满足，则将第个点作为第个点，并返回通过变化值计算公式计算所述分布曲线上第个点的变化值的步骤；确定所述目标取值对应的轨迹数量，将所述轨迹数量作为所述轨迹的k值；基于所述轨迹与其他所有轨迹之间的距离，以所述轨迹为中心，依次取k条其他轨迹，将所述轨迹和所述k条其他轨迹作为所述轨迹的k邻域；所述获取每个k邻域中的峰值轨迹，包括：通过公式： 计算第个轨迹的轨迹密度；其中，表示所述第个轨迹与所述第个轨迹之间的距离，，表示所述第个轨迹所在的k邻域中轨迹的总数，；得到所述第个轨迹所在的k邻域中所有轨迹的轨迹密度： 其中，表示第1个轨迹的轨迹密度，表示第个轨迹的轨迹密度；将所述所有轨迹的轨迹密度中数值最大的轨迹密度对应的轨迹作为峰值轨迹。

全文数据：

权利要求：

百度查询： 中南大学 一种基于峰值轨迹的轨迹聚类方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD