买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种基于均值动态时间规整的车辆轨迹运动模式提取方法_之江实验室;浙江工业大学_202111248749.4 

申请/专利权人:之江实验室;浙江工业大学

申请日:2021-10-26

公开(公告)日:2024-04-05

公开(公告)号:CN114021629B

主分类号:G06V10/762

分类号:G06V10/762;G06F17/16;G06V10/774

优先权:

专利状态码:有效-授权

法律状态:2024.04.05#授权;2022.02.25#实质审查的生效;2022.02.08#公开

摘要:本发明公开了一种基于均值动态时间规整的车辆轨迹运动模式提取方法。该方法先对原始轨迹进行初始化和重采样,获取重采样轨迹集合;根据重采样轨迹,计算基于均值动态时间规整的轨迹间距离;基于均值动态时间规整的轨迹间距离度量方法,并运用聚类算法进行聚类,得到聚类簇集合;最后为每个簇分别提取特征运动模式,得到特征运动模式集合。本发明通过采用限定的技术,可以准确地度量相似轨迹间距离,对长序列轨迹间距离度量更精准,适用于长序列轨迹的车辆行为分析,还可以从车辆轨迹数据集中提取特征运动模式;每一条提取的特征运动模式轨迹都可以直观地反映车辆的运动模式,更易于赋予运动模式语义赋予和可视化展示。

主权项:1.一种基于均值动态时间规整的车辆轨迹运动模式提取方法,其特征在于包括如下步骤:步骤1:样本准备令原始车辆轨迹样本数据集合为T={Ti|i=1,2,...,m},其中,Ti={xij,yij|j=1,2,...,mi}表示第i条原始车辆轨迹,xij,yij表示第i条原始车辆轨迹中车辆在第j个位置时的中心点坐标,mi表示第i条原始车辆轨迹的中点点坐标数量,m表示车辆轨迹样本数量;对于所有Ti以相同间隔δ重采样为Fi={fis|s=1,2,…,ei},其中,δ表示重采样的轨迹点间隔,Fi表示第i条轨迹的重采样轨迹,表示第i条轨迹的第s个重采样轨迹坐标,重采样坐标表示第i条轨迹的第ps个坐标,ps的计算公式如式1所示; 其中ei表示第i条轨迹的重采样坐标数量;步骤2:输入重采样轨迹Fi,计算基于均值动态时间规整的轨迹间距离,具体为:为度量原始车辆轨迹Ti与轨迹Tj之间的距离,Ti∈T,Tj∈T,j≠i,首先构建距离矩阵和数量矩阵且其中a=1,2,…,ei,b=1,2,…,ej,且表示轨迹点fia和fjb之间的距离,表示轨迹Ti从fi1到fia的子序列与轨迹Tj从fj1到fjb的子序列中纳入DTW计算的点的次数;对Dij和Oij进行初始化,即对所有进行置零操作,并根据公式2的a'和b'记录中最小值的下标;然后根据公式3遍历计算Dij中所有元素的结果;再根据公式4遍历计算Oij中所有元素的结果;最后根据公式5的均值动态时间规整度量函数输出disTi,Tj作为轨迹Ti与Tj的轨迹间距离; 步骤3:基于均值动态时间规整的轨迹间距离度量方法,并运用DBSCAN聚类算法进行聚类,得到聚类簇集合C;步骤4:为簇集合C={Ck}中的每个簇分别提取特征运动模式CTk,得到特征运动模式集合CT={CTk|k=1,2,…,K},其中,CTk表示第k个簇的特征运动模式,具体为:对任意的簇Ck,遍历所有属于该簇的轨迹Tik,计算其到该簇其他所有轨迹的平均距离,最终选取平均距离最小的轨迹作为该类的特征运动模式其计算公式如式6所示,再对C中所有集群提取特征运动模式后,得到特征运动模式集合CT, 其中nk表示簇Ck中的轨迹数量。

全文数据:

权利要求:

百度查询: 之江实验室;浙江工业大学 一种基于均值动态时间规整的车辆轨迹运动模式提取方法

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。