本公開涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及一種運動軌跡表示方法和裝置。

背景技術(shù)：

諸如人、車輛或其它物體等對象的運動軌跡通常以一組在運動過程中定位得到的位置數(shù)據(jù)進(jìn)行表示。

以用戶進(jìn)行騎行運動為例，用戶可隨身攜帶具有定位功能的定位器，如GPS(Global Positioning System，全球定位系統(tǒng))定位器。在騎行過程中，定位器每隔預(yù)定時間間隔采集一次用戶的位置數(shù)據(jù)。用戶整個騎行過程的運動軌跡便可采用該騎行過程中采集得到的所有位置數(shù)據(jù)的集合進(jìn)行表示。例如，定位器每隔3秒采集一次位置數(shù)據(jù)，則用戶在1小時內(nèi)的運動軌跡便可采用該1小時內(nèi)采集得到的1000多個位置數(shù)據(jù)進(jìn)行表示。

然而，采用上述方式表示運動軌跡將會帶來較大的數(shù)據(jù)量，且不利于后續(xù)對運動軌跡進(jìn)行分析時的計算處理。

技術(shù)實現(xiàn)要素：

本公開實施例提供了一種運動軌跡表示方法和裝置。所述技術(shù)方案如下：

根據(jù)本公開實施例的第一方面，提供了一種運動軌跡表示方法，所述方法包括：

獲取目標(biāo)對象的運動軌跡所對應(yīng)的k個位置數(shù)據(jù)，k為正整數(shù)；

根據(jù)所述k個位置數(shù)據(jù)確定所述運動軌跡對預(yù)設(shè)的n個熱點區(qū)域的訪問情況，所述熱點區(qū)域是根據(jù)若干個歷史運動軌跡統(tǒng)計得到的訪問熱度高于預(yù)設(shè)閾值的地理區(qū)域，n為正整數(shù)；

根據(jù)所述訪問情況確定所述運動軌跡對應(yīng)的軌跡特征向量，所述軌跡特征向量用于表示所述運動軌跡的特征。

可選地，所述根據(jù)所述k個位置數(shù)據(jù)確定所述運動軌跡對預(yù)設(shè)的n個熱點 區(qū)域的訪問情況，包括：

對于每一個熱點區(qū)域，當(dāng)所述k個位置數(shù)據(jù)中存在屬于所述熱點區(qū)域的位置數(shù)據(jù)時，確定所述運動軌跡經(jīng)過所述熱點區(qū)域；

當(dāng)所述k個位置數(shù)據(jù)中不存在屬于所述熱點區(qū)域的位置數(shù)據(jù)時，確定所述運動軌跡未經(jīng)過所述熱點區(qū)域。

可選地，所述軌跡特征向量a＝(x₁,…,x_i,…,x_n)，i∈[1，n]；

其中，x_i用于表示所述運動軌跡對第i個熱點區(qū)域的訪問情況；當(dāng)x_i＝1時，表示所述運動軌跡經(jīng)過所述第i個熱點區(qū)域；當(dāng)x_i＝0時，表示所述運動軌跡未經(jīng)過所述第i個熱點區(qū)域。

可選地，所述方法還包括：

將目標(biāo)地理區(qū)域劃分為若干個區(qū)域網(wǎng)格；

獲取p個樣本，每個樣本中包含一條所述目標(biāo)地理區(qū)域內(nèi)的歷史運動軌跡所對應(yīng)的至少一個位置數(shù)據(jù)，p為正整數(shù)；

采用基于密度的聚類算法對所述p個樣本中包含的所述位置數(shù)據(jù)進(jìn)行聚類得到n個類；

對于每一個類，根據(jù)所述類中包含的位置數(shù)據(jù)在所述若干個區(qū)域網(wǎng)格中的分布情況構(gòu)建對應(yīng)的熱點區(qū)域，每個熱點區(qū)域中包含至少一個區(qū)域網(wǎng)格。

可選地，所述方法還包括：

獲取所述目標(biāo)對象或者其它目標(biāo)對象的另一運動軌跡對應(yīng)的另一軌跡特征向量；

計算所述軌跡特征向量與所述另一軌跡特征向量之間的第一相似度，所述第一相似度用于表示所述運動軌跡與所述另一運動軌跡之間的相似度。

可選地，所述方法還包括：

根據(jù)所述目標(biāo)對象的m個軌跡特征向量，計算所述目標(biāo)對象對應(yīng)的對象特征向量，m≥1；

其中，所述m個軌跡特征向量包括所述軌跡特征向量，所述對象特征向量用于表示所述目標(biāo)對象的總體運動特征。

可選地，所述對象特征向量b＝(S₁,…,S_i,…,S_n)，i∈[1，n]；

其中，j∈[1，m]；x_i(j)用于表示所述目標(biāo)對象的第j個運動軌跡對第i個熱點區(qū)域的訪問情況；當(dāng)x_i(j)＝1時，表示所述第j個運動軌跡經(jīng)過所 述第i個熱點區(qū)域；當(dāng)x_i(j)＝0時，表示所述第j個運動軌跡未經(jīng)過所述第i個熱點區(qū)域；S_i表示所述目標(biāo)對象對第i個熱點區(qū)域的訪問次數(shù)。

可選地，所述方法還包括：

獲取另一目標(biāo)對象對應(yīng)的另一對象特征向量；

計算所述對象特征向量與所述另一對象特征向量之間的第二相似度，所述第二相似度用于表示所述目標(biāo)對象與所述另一目標(biāo)對象之間的總體運動特征的相似度。

根據(jù)本公開實施例的第二方面，提供了一種運動軌跡表示裝置，所述裝置包括：

數(shù)據(jù)獲取模塊，被配置為獲取目標(biāo)對象的運動軌跡所對應(yīng)的k個位置數(shù)據(jù)，k為正整數(shù)；

訪問確定模塊，被配置為根據(jù)所述k個位置數(shù)據(jù)確定所述運動軌跡對預(yù)設(shè)的n個熱點區(qū)域的訪問情況，所述熱點區(qū)域是根據(jù)若干個歷史運動軌跡統(tǒng)計得到的訪問熱度高于預(yù)設(shè)閾值的地理區(qū)域，n為正整數(shù)；

軌跡特征向量確定模塊，被配置為根據(jù)所述訪問情況確定所述運動軌跡對應(yīng)的軌跡特征向量，所述軌跡特征向量用于表示所述運動軌跡的特征。

可選地，所述訪問確定模塊，包括：第一確定子模塊和第二確定子模塊；

所述第一確定子模塊，被配置為對于每一個熱點區(qū)域，當(dāng)所述k個位置數(shù)據(jù)中存在屬于所述熱點區(qū)域的位置數(shù)據(jù)時，確定所述運動軌跡經(jīng)過所述熱點區(qū)域；

所述第二確定子模塊，被配置為當(dāng)所述k個位置數(shù)據(jù)中不存在屬于所述熱點區(qū)域的位置數(shù)據(jù)時，確定所述運動軌跡未經(jīng)過所述熱點區(qū)域。

可選地，所述軌跡特征向量a＝(x₁,…,x_i,…,x_n)，i∈[1，n]；

其中，x_i用于表示所述運動軌跡對第i個熱點區(qū)域的訪問情況；當(dāng)x_i＝1時，表示所述運動軌跡經(jīng)過所述第i個熱點區(qū)域；當(dāng)x_i＝0時，表示所述運動軌跡未經(jīng)過所述第i個熱點區(qū)域。

可選地，所述裝置還包括：

區(qū)域劃分模塊，被配置為將目標(biāo)地理區(qū)域劃分為若干個區(qū)域網(wǎng)格；

樣本獲取模塊，被配置為獲取p個樣本，每個樣本中包含一條所述目標(biāo)地理區(qū)域內(nèi)的歷史運動軌跡所對應(yīng)的至少一個位置數(shù)據(jù)，p為正整數(shù)；

數(shù)據(jù)聚類模塊，被配置為采用基于密度的聚類算法對所述p個樣本中包含的所述位置數(shù)據(jù)進(jìn)行聚類得到n個類；

區(qū)域構(gòu)建模塊，被配置為對于每一個類，根據(jù)所述類中包含的位置數(shù)據(jù)在所述若干個區(qū)域網(wǎng)格中的分布情況構(gòu)建對應(yīng)的熱點區(qū)域，每個熱點區(qū)域中包含至少一個區(qū)域網(wǎng)格。

可選地，所述裝置還包括：

軌跡特征向量獲取模塊，被配置為獲取所述目標(biāo)對象或者其它目標(biāo)對象的另一運動軌跡對應(yīng)的另一軌跡特征向量；

軌跡相似度計算模塊，被配置為計算所述軌跡特征向量與所述另一軌跡特征向量之間的第一相似度，所述第一相似度用于表示所述運動軌跡與所述另一運動軌跡之間的相似度。

可選地，所述裝置還包括：

對象特征向量計算模塊，被配置為根據(jù)所述目標(biāo)對象的m個軌跡特征向量，計算所述目標(biāo)對象對應(yīng)的對象特征向量，m≥1；

其中，所述m個軌跡特征向量包括所述軌跡特征向量，所述對象特征向量用于表示所述目標(biāo)對象的總體運動特征。

可選地，所述對象特征向量b＝(S₁,…,S_i,…,S_n)，i∈[1，n]；

其中，j∈[1，m]；x_i(j)用于表示所述目標(biāo)對象的第j個運動軌跡對第i個熱點區(qū)域的訪問情況；當(dāng)x_i(j)＝1時，表示所述第j個運動軌跡經(jīng)過所述第i個熱點區(qū)域；當(dāng)x_i(j)＝0時，表示所述第j個運動軌跡未經(jīng)過所述第i個熱點區(qū)域；S_i表示所述目標(biāo)對象對第i個熱點區(qū)域的訪問次數(shù)。

可選地，所述裝置還包括：

對象特征向量獲取模塊，被配置為獲取另一目標(biāo)對象對應(yīng)的另一對象特征向量；

對象相似度計算模塊，被配置為計算所述對象特征向量與所述另一對象特征向量之間的第二相似度，所述第二相似度用于表示所述目標(biāo)對象與所述另一目標(biāo)對象之間的總體運動特征的相似度。

根據(jù)本公開實施例的第三方面，提供了一種運動軌跡表示裝置，所述裝置包括：

處理器；

用于存儲所述處理器的可執(zhí)行指令的存儲器；

其中，所述處理器被配置為：

獲取目標(biāo)對象的運動軌跡所對應(yīng)的k個位置數(shù)據(jù)，k為正整數(shù)；

根據(jù)所述k個位置數(shù)據(jù)確定所述運動軌跡對預(yù)設(shè)的n個熱點區(qū)域的訪問情況，所述熱點區(qū)域是根據(jù)若干個歷史運動軌跡統(tǒng)計得到的訪問熱度高于預(yù)設(shè)閾值的地理區(qū)域，n為正整數(shù)；

根據(jù)所述訪問情況確定所述運動軌跡對應(yīng)的軌跡特征向量，所述軌跡特征向量用于表示所述運動軌跡的特征。

本公開實施例提供的技術(shù)方案可以包括以下有益效果：

通過采用訪問熱度高的地理區(qū)域作為熱點區(qū)域，使用熱點區(qū)域作為運動軌跡的參考特征，根據(jù)運動軌跡對各個熱點區(qū)域的訪問情況構(gòu)建軌跡特征向量，并以該軌跡特征向量來表示運動軌跡；解決了直接采用位置數(shù)據(jù)來表示運動軌跡所帶來的較大數(shù)據(jù)量，且不利于后續(xù)對運動軌跡進(jìn)行分析時的計算處理的問題；實現(xiàn)了采用更小的數(shù)據(jù)量對運動軌跡進(jìn)行更為簡化地表示，達(dá)到了數(shù)據(jù)降維的效果，且便于后續(xù)對運動軌跡的分析計算。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開。

附圖說明

此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本公開的實施例，并與說明書一起用于解釋本公開的原理。

圖1是根據(jù)一示例性實施例示出的一種運動軌跡表示方法的流程圖；

圖2A是根據(jù)另一示例性實施例示出的一種運動軌跡表示方法的流程圖；

圖2B是根據(jù)一示例性實施例示出的一種熱點區(qū)域分布的示意圖；

圖3是根據(jù)一示例性實施例示出的構(gòu)建熱點區(qū)域涉及的流程圖；

圖4是根據(jù)另一示例性實施例示出的一種運動軌跡表示方法的流程圖；

圖5是根據(jù)一示例性實施例示出的一種運動軌跡表示裝置的框圖；

圖6是根據(jù)另一示例性實施例示出的一種運動軌跡表示裝置的框圖；

圖7是根據(jù)一示例性實施例示出的一種裝置的框圖。

通過上述附圖，已示出本公開明確的實施例，后文中將有更詳細(xì)的描述。 這些附圖和文字描述并不是為了通過任何方式限制本公開構(gòu)思的范圍，而是通過參考特定實施例為本領(lǐng)域技術(shù)人員說明本公開的概念。

具體實施方式

這里將詳細(xì)地對示例性實施例進(jìn)行說明，其示例表示在附圖中。下面的描述涉及附圖時，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實施例中所描述的實施方式并不代表與本公開相一致的所有實施方式。相反，它們僅是與如所附權(quán)利要求書中所詳述的、本公開的一些方面相一致的裝置和方法的例子。

圖1是根據(jù)一示例性實施例示出的一種運動軌跡表示方法的流程圖。如圖1所示，該運動軌跡表示方法可以包括如下幾個步驟：

在步驟102中，獲取目標(biāo)對象的運動軌跡所對應(yīng)的k個位置數(shù)據(jù)，k為正整數(shù)。

在步驟104中，根據(jù)k個位置數(shù)據(jù)確定運動軌跡對預(yù)設(shè)的n個熱點區(qū)域的訪問情況，該熱點區(qū)域是根據(jù)若干個歷史運動軌跡統(tǒng)計得到的訪問熱度高于預(yù)設(shè)閾值的地理區(qū)域，n為正整數(shù)。

在步驟106中，根據(jù)訪問情況確定運動軌跡對應(yīng)的軌跡特征向量，該軌跡特征向量用于表示運動軌跡的特征。

綜上所述，本實施例提供的運動軌跡表示方法，通過采用訪問熱度高的地理區(qū)域作為熱點區(qū)域，使用熱點區(qū)域作為運動軌跡的參考特征，根據(jù)運動軌跡對各個熱點區(qū)域的訪問情況構(gòu)建軌跡特征向量，并以該軌跡特征向量來表示運動軌跡；解決了直接采用位置數(shù)據(jù)來表示運動軌跡所帶來的較大數(shù)據(jù)量，且不利于后續(xù)對運動軌跡進(jìn)行分析時的計算處理的問題；實現(xiàn)了采用更小的數(shù)據(jù)量對運動軌跡進(jìn)行更為簡化地表示，達(dá)到了數(shù)據(jù)降維的效果，且便于后續(xù)對運動軌跡的分析計算。

圖2A是根據(jù)另一示例性實施例示出的一種運動軌跡表示方法的流程圖。如圖2A所示，該運動軌跡表示方法可以包括如下幾個步驟：

在步驟201中，獲取目標(biāo)對象的運動軌跡所對應(yīng)的k個位置數(shù)據(jù)，k為正整 數(shù)。

其中，目標(biāo)對象可以是人、車輛或其它物體，本實施例對此不作限定。在目標(biāo)對象的運動過程中，通過定位技術(shù)采集若干個位置數(shù)據(jù)。例如，上述k個位置數(shù)據(jù)可以是通過GPS定位技術(shù)采集得到的。

在一個例子中，以用戶進(jìn)行騎行運動為例。在騎行過程中，可通過GPS定位器每隔預(yù)定時間間隔采集一次用戶的位置數(shù)據(jù)，整個騎行過程的運動軌跡對應(yīng)于在該騎行過程中采集得到的所有位置數(shù)據(jù)的集合。

在相關(guān)技術(shù)中，直接采用運動軌跡所對應(yīng)的k個位置數(shù)據(jù)來表示運動軌跡；而在本實施例中，通過下述步驟202和步驟203對k個位置數(shù)據(jù)進(jìn)行降維，以更為簡化的方式來表示運動軌跡。

在步驟202中，根據(jù)k個位置數(shù)據(jù)確定運動軌跡對預(yù)設(shè)的n個熱點區(qū)域的訪問情況，n為正整數(shù)。

其中，熱點區(qū)域是根據(jù)若干個歷史運動軌跡統(tǒng)計得到的訪問熱度高于預(yù)設(shè)閾值的地理區(qū)域。如圖3所示，在一種可能的實施方式中，可通過如下幾個步驟構(gòu)建某一目標(biāo)地理區(qū)域內(nèi)的熱點區(qū)域：

在步驟31中，將目標(biāo)地理區(qū)域劃分為若干個區(qū)域網(wǎng)格。

區(qū)域網(wǎng)格的大小可依據(jù)對計算精度的要求進(jìn)行確定。若對計算精度的要求較高，可將目標(biāo)地理區(qū)域劃分為若干個尺寸較小的區(qū)域網(wǎng)格；反之，若對計算精度的要求較低，可將目標(biāo)地理區(qū)域劃分為若干個尺寸較大的區(qū)域網(wǎng)格。

在步驟32中，獲取p個樣本，每個樣本中包含一條目標(biāo)地理區(qū)域內(nèi)的歷史運動軌跡所對應(yīng)的至少一個位置數(shù)據(jù)，p為正整數(shù)。

該p個樣本是預(yù)先記錄存儲的。

在步驟33中，采用基于密度的聚類算法對p個樣本中包含的位置數(shù)據(jù)進(jìn)行聚類得到n個類。

由于位置數(shù)據(jù)通常是以時間等距的方式進(jìn)行采集的，某一地理區(qū)域內(nèi)位置數(shù)據(jù)的密度越高，表明運動軌跡經(jīng)過該地理區(qū)域的頻率也越高，也即該地理區(qū)域的訪問熱度越高。在本實施例中，采用基于密度的聚類算法對p個樣本中包含的所有位置數(shù)據(jù)進(jìn)行聚類，可得到任意形狀的空間聚類，每一個空間聚類中包含分布密度高于閾值的若干個位置數(shù)據(jù)。

可選地，基于密度的聚類算法可采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪聲的基于密度的空間聚類方法)算法。DBSCAN算法具有聚類速度快、能夠有效處理噪聲點以及發(fā)現(xiàn)任意形狀的空間聚類等優(yōu)點。當(dāng)然，在實際應(yīng)用中，也可采用其它的基于密度的聚類算法，本實施例對此不作限定。

在步驟34中，對于每一個類，根據(jù)該類中包含的位置數(shù)據(jù)在上述若干個區(qū)域網(wǎng)格中的分布情況構(gòu)建對應(yīng)的熱點區(qū)域，每個熱點區(qū)域中包含至少一個區(qū)域網(wǎng)格。

在采用基于密度的聚類算法得到n個空間聚類后，對于每一個空間聚類，將其所包含的位置數(shù)據(jù)在上述若干個區(qū)域網(wǎng)格中的分布區(qū)域作為一個熱點區(qū)域。一個目標(biāo)地理區(qū)域內(nèi)的熱點區(qū)域，是該目標(biāo)地理區(qū)域內(nèi)訪問熱度高于預(yù)設(shè)閾值的地理區(qū)域。

如圖2B所示，其示出了一種熱點區(qū)域分布的示意圖。目標(biāo)地理區(qū)域21中包含7個熱點區(qū)域。假設(shè)該7個熱點區(qū)域依次為第一熱點區(qū)域22a、第二熱點區(qū)域22b、第三熱點區(qū)域22c、第四熱點區(qū)域22d、第五熱點區(qū)域22e、第六熱點區(qū)域22f以及第七熱點區(qū)域22g。每一個熱點區(qū)域在圖2B中以圓圈進(jìn)行表示。

另外，通過如下方式確定運動軌跡對預(yù)設(shè)的n個熱點區(qū)域的訪問情況：對于每一個熱點區(qū)域，當(dāng)k個位置數(shù)據(jù)中存在屬于熱點區(qū)域的位置數(shù)據(jù)時，確定運動軌跡經(jīng)過熱點區(qū)域；反之，當(dāng)k個位置數(shù)據(jù)中不存在屬于熱點區(qū)域的位置數(shù)據(jù)時，確定運動軌跡未經(jīng)過熱點區(qū)域。

如圖2B所示，運動軌跡23(圖中實線所示)經(jīng)過第一熱點區(qū)域22a、第二熱點區(qū)域22b、第三熱點區(qū)域22c、第四熱點區(qū)域22d和第五熱點區(qū)域22e。

在步驟203中，根據(jù)訪問情況確定運動軌跡對應(yīng)的軌跡特征向量，該軌跡特征向量用于表示運動軌跡的特征。

在本實施例中，使用熱點區(qū)域作為運動軌跡的參考特征，根據(jù)運動軌跡對各個熱點區(qū)域的訪問情況構(gòu)建軌跡特征向量，并以該軌跡特征向量來表示運動軌跡。

可選地，軌跡特征向量a＝(x₁,…,x_i,…,x_n)，i∈[1，n]。其中，x_i用于表示運動軌跡對第i個熱點區(qū)域的訪問情況；當(dāng)x_i＝1時，表示運動軌跡經(jīng)過第i個熱點區(qū)域；當(dāng)x_i＝0時，表示運動軌跡未經(jīng)過第i個熱點區(qū)域。

結(jié)合參考圖2B，運動軌跡23的軌跡特征向量a＝(1,1,1,1,1,0,0)。

可見，相比于直接采用運動軌跡所對應(yīng)的k個位置數(shù)據(jù)來表示運動軌跡，采用軌跡特征向量來表示運動軌跡，達(dá)到了數(shù)據(jù)降維的效果，以更為簡化的方式來表示運動軌跡。

可選地，本實施例還可包括如下步驟204和步驟205：

在步驟204中，獲取目標(biāo)對象或者其它目標(biāo)對象的另一運動軌跡對應(yīng)的另一軌跡特征向量。

本步驟與上述步驟201至步驟203中獲取軌跡特征向量的方式相同，此處不再贅述。

結(jié)合參考圖2B，另一運動軌跡24(圖中虛線所示)的軌跡特征向量a′＝(1,1,1,1,0,0,0)。

在步驟205中，計算軌跡特征向量與另一軌跡特征向量之間的第一相似度，該第一相似度用于表示運動軌跡與另一運動軌跡之間的相似度。

對于兩個運動軌跡，通過計算該兩個運動軌跡分別對應(yīng)的兩個軌跡特征向量之間的第一相似度，可得到該兩個運動軌跡之間的相似度。

在一種可能的實施方式中，可采用Jaccard(杰卡德)相似度計算方法來計算兩個軌跡特征向量之間的第一相似度，以提高計算效率，且在熱點區(qū)域的數(shù)量增加時具有較好的擴(kuò)展性。兩個軌跡特征向量之間的第一相似度等于兩個軌跡特征向量間相同元素的數(shù)量除以軌跡特征向量所包含的元素總數(shù)量。例如，上述軌跡特征向量a與上述軌跡特征向量a′之間的第一相似度ε＝6/7≈0.86。

第一相似度的值越大，表明兩條運動軌跡之間的相似度越高。當(dāng)兩條運動軌跡為兩個不同用戶所產(chǎn)生的運動軌跡時，第一相似度反映了兩個用戶的地理興趣維度的特征。第一相似度越高，表明兩個用戶的地理興趣越相似?？蛇x地，可根據(jù)第一相似度實現(xiàn)熱點區(qū)域推薦。例如，當(dāng)?shù)谝幌嗨贫雀哂陬A(yù)設(shè)門限值時，根據(jù)第一用戶的運動軌跡對各個熱點區(qū)域的訪問情況，為第二用戶推薦待訪問的熱點區(qū)域。結(jié)合參考圖2B，假設(shè)運動軌跡23為第一用戶的運動軌跡，運動軌跡24為第二用戶的運動軌跡，由于兩者的相似度較高，可結(jié)合運動軌跡23對各個熱點區(qū)域的訪問情況，為第二用戶推薦第五熱點區(qū)域22e作為下一個待訪問的熱點區(qū)域。

綜上所述，本實施例提供的運動軌跡表示方法，通過采用訪問熱度高的地理區(qū)域作為熱點區(qū)域，使用熱點區(qū)域作為運動軌跡的參考特征，根據(jù)運動軌跡 對各個熱點區(qū)域的訪問情況構(gòu)建軌跡特征向量，并以該軌跡特征向量來表示運動軌跡；解決了直接采用位置數(shù)據(jù)來表示運動軌跡所帶來的較大數(shù)據(jù)量，且不利于后續(xù)對運動軌跡進(jìn)行分析時的計算處理的問題；實現(xiàn)了采用更小的數(shù)據(jù)量對運動軌跡進(jìn)行更為簡化地表示，達(dá)到了數(shù)據(jù)降維的效果，且便于后續(xù)對運動軌跡的分析計算。

另外，本實施例提供的運動軌跡表示方法，還通過計算兩個軌跡特征向量之間的第一相似度，以此來反映兩條運動軌跡之間的相似度，并為后續(xù)的路徑推薦提供了參考基礎(chǔ)。

圖4是根據(jù)另一示例性實施例示出的一種運動軌跡表示方法的流程圖。如圖4所示，該運動軌跡表示方法可以包括如下幾個步驟：

在步驟401中，獲取目標(biāo)對象的運動軌跡所對應(yīng)的k個位置數(shù)據(jù)，k為正整數(shù)。

在步驟402中，根據(jù)k個位置數(shù)據(jù)確定運動軌跡對預(yù)設(shè)的n個熱點區(qū)域的訪問情況，n為正整數(shù)。

其中，熱點區(qū)域是根據(jù)若干個歷史運動軌跡統(tǒng)計得到的訪問熱度高于預(yù)設(shè)閾值的地理區(qū)域。

在步驟403中，根據(jù)訪問情況確定運動軌跡對應(yīng)的軌跡特征向量，該軌跡特征向量用于表示運動軌跡的特征。

可選地，軌跡特征向量a＝(x₁,…,x_i,…,x_n)，i∈[1，n]。其中，x_i用于表示運動軌跡對第i個熱點區(qū)域的訪問情況；當(dāng)x_i＝1時，表示運動軌跡經(jīng)過第i個熱點區(qū)域；當(dāng)x_i＝0時，表示運動軌跡未經(jīng)過第i個熱點區(qū)域。

上述步驟401至步驟403與圖2A所示實施例中步驟301至步驟303相同，參見圖2A所示實施例中的介紹和說明，本實施例對此不再贅述。

在步驟404中，根據(jù)目標(biāo)對象的m個軌跡特征向量，計算目標(biāo)對象對應(yīng)的對象特征向量，m≥1。

其中，m個軌跡特征向量包括上述步驟403中確定的軌跡特征向量。該m個軌跡特征向量對應(yīng)于同一目標(biāo)對象的m個運動軌跡。在本實施例中，根據(jù)同一膜表對象的m個軌跡特征向量，計算該目標(biāo)對象對應(yīng)的對象特征向量，該對象特征向量用于表示目標(biāo)對象的總體運動特征。

可選地，對象特征向量b＝(S₁,…,S_i,…,S_n)，i∈[1，n]。其中，j∈[1，m]；x_i(j)用于表示目標(biāo)對象的第j個運動軌跡對第i個熱點區(qū)域的訪問情況；當(dāng)x_i(j)＝1時，表示第j個運動軌跡經(jīng)過第i個熱點區(qū)域；當(dāng)x_i(j)＝0時，表示第j個運動軌跡未經(jīng)過第i個熱點區(qū)域；S_i表示目標(biāo)對象對第i個熱點區(qū)域的訪問次數(shù)。

例如，假設(shè)目標(biāo)對象的3個軌跡特征向量分別為a₁＝(1,1,1,1,1,0,0)、a₂＝(1,0,0,1,1,1,0)和a₃＝(0,1,1,0,0,1,1)，則該目標(biāo)對象對應(yīng)的對象特征向量b＝(2,2,2,2,2,2,1)。

可選地，在數(shù)據(jù)庫中，可采用矩陣的形式統(tǒng)計記錄不同目標(biāo)對象各自對應(yīng)的對象特征向量。例如，根據(jù)l個目標(biāo)對象分別對應(yīng)的對象特征向量，構(gòu)建目標(biāo)矩陣V_l×n：

其中，S_u,i表示第u個目標(biāo)對象對第i個熱點區(qū)域的訪問次數(shù)，u∈[1，l]，i∈[1，n]，l、n均為正整數(shù)。

采用矩陣的形式統(tǒng)計記錄不同目標(biāo)對象對各個熱點區(qū)域的訪問次數(shù)，在目標(biāo)對象和/或熱點區(qū)域的數(shù)量增加時，具有較好的擴(kuò)展性。

可選地，S_u,i可采用下述任意一種表達(dá)方式：

1、布爾型；當(dāng)?shù)趗個目標(biāo)對象對第i個熱點區(qū)域的訪問次數(shù)大于或等于1時，S_u,i＝1；當(dāng)?shù)趗個目標(biāo)對象對第i個熱點區(qū)域的訪問次數(shù)等于0時，S_u,i＝0。

2、0～1之間的連續(xù)值；將目標(biāo)矩陣中的各個元素歸一化至[0,1]區(qū)間。

3、權(quán)重表示；基于訪問次數(shù)產(chǎn)生整數(shù)權(quán)重評分。

可選地，本實施例還可包括如下步驟405和步驟406：

在步驟405中，獲取另一目標(biāo)對象對應(yīng)的另一對象特征向量。

本步驟與上述步驟401至步驟404中獲取對象特征向量的方式相同，此處不再贅述。

在本實施例中，假設(shè)另一目標(biāo)對象對應(yīng)的另一對象特征向量b′＝(1,2,0,0,1,2,1)。

在步驟406中，計算對象特征向量與另一對象特征向量之間的第二相似度， 該第二相似度用于表示目標(biāo)對象與另一目標(biāo)對象之間的總體運動特征的相似度。

對于兩個目標(biāo)對象，通過計算該兩個目標(biāo)對象分別對應(yīng)的兩個對象特征向量之間的第二相似度，可得到該兩個目標(biāo)對象之間的總體運動特征的相似度。第二相似度的值越大，表明兩個目標(biāo)對象之間的總體運動特征的相似度越高。當(dāng)兩個目標(biāo)對象為兩個不同用戶時，第二相似度反映了兩個用戶的地理興趣維度的特征。第二相似度越高，表明兩個用戶的地理興趣越相似。

可選地，當(dāng)對象特征向量中的元素采用布爾型的表達(dá)方式時，可采用Jaccard相似度計算方法來計算兩個對象特征向量之間的第二相似度，以提高計算效率，且在熱點區(qū)域的數(shù)量增加時具有較好的擴(kuò)展性。兩個對象特征向量之間的第二相似度等于兩個對象特征向量間相同元素的數(shù)量除以對象特征向量所包含的元素總數(shù)量。例如，對象特征向量b對應(yīng)的布爾型表達(dá)方式為b＝(1,1,1,1,1,1,1)，另一特征向量b′對應(yīng)的布爾型表達(dá)方式為b′＝(1,1,0,0,1,1,1)，兩者之間的第二相似度η＝5/7≈0.71。

可選地，當(dāng)對象特征向量中的元素采用權(quán)重表示時，可采用余弦夾角度量的方式來計算兩個對象特征向量之間的第二相似度。此時，第u個目標(biāo)對象對應(yīng)的對象特征向量bu可表示為：

b_u＝(w_u,1t_u,1,…,w_u,it_u,i,…,w_u,nt_u,n)；

其中，t_u,i為布爾變量，表示第u個目標(biāo)對象是否訪問過第i個熱點區(qū)域，w_u,i表示t_u,i對應(yīng)的權(quán)重，i∈[1,n]?？蛇x地，各個權(quán)重可采用學(xué)習(xí)算法對歷史運動軌跡樣本進(jìn)行學(xué)習(xí)計算得到。

綜上所述，本實施例提供的運動軌跡表示方法，通過采用訪問熱度高的地理區(qū)域作為熱點區(qū)域，使用熱點區(qū)域作為運動軌跡的參考特征，根據(jù)運動軌跡對各個熱點區(qū)域的訪問情況構(gòu)建軌跡特征向量，并以該軌跡特征向量來表示運動軌跡；解決了直接采用位置數(shù)據(jù)來表示運動軌跡所帶來的較大數(shù)據(jù)量，且不利于后續(xù)對運動軌跡進(jìn)行分析時的計算處理的問題；實現(xiàn)了采用更小的數(shù)據(jù)量對運動軌跡進(jìn)行更為簡化地表示，達(dá)到了數(shù)據(jù)降維的效果，且便于后續(xù)對運動軌跡的分析計算。

另外，本實施例提供的運動軌跡表示方法，還通過根據(jù)目標(biāo)對象的m個軌跡特征向量，計算該目標(biāo)對象對應(yīng)的對象特征向量，采用該對象特征向量來表 示目標(biāo)對象的總體運動特征，實現(xiàn)了采用更小的數(shù)據(jù)量對目標(biāo)對象的總體運動特征進(jìn)行更為簡化地表示，達(dá)到了數(shù)據(jù)降維的效果。

另外，本實施例提供的運動軌跡表示方法，通過軌跡特征向量對運動軌跡進(jìn)行特征標(biāo)定，通過對象特征向量對同一目標(biāo)對象的一條或多條運動軌跡進(jìn)行特征標(biāo)定，實現(xiàn)了采用更為簡化的方式對運動軌跡特征和目標(biāo)對象的總體運動特征進(jìn)行標(biāo)定。

需要補(bǔ)充說明的一點是：上述運動軌跡表示方法的執(zhí)行主體可以是任何具備計算處理能力的電子設(shè)備，如手機(jī)、計算機(jī)、服務(wù)器等電子設(shè)備，本公開實施例對此不作限定。

下述為本公開裝置實施例，可以用于執(zhí)行本公開方法實施例。對于本公開裝置實施例中未披露的細(xì)節(jié)，請參照本公開方法實施例。

圖5是根據(jù)一示例性實施例示出的一種運動軌跡表示裝置的框圖。該運動軌跡表示裝置可以包括：數(shù)據(jù)獲取模塊510、訪問確定模塊520和軌跡特征向量確定模塊530。

數(shù)據(jù)獲取模塊510，被配置為獲取目標(biāo)對象的運動軌跡所對應(yīng)的k個位置數(shù)據(jù)，k為正整數(shù)。

訪問確定模塊520，被配置為根據(jù)所述k個位置數(shù)據(jù)確定所述運動軌跡對預(yù)設(shè)的n個熱點區(qū)域的訪問情況，所述熱點區(qū)域是根據(jù)若干個歷史運動軌跡統(tǒng)計得到的訪問熱度高于預(yù)設(shè)閾值的地理區(qū)域，n為正整數(shù)。

軌跡特征向量確定模塊530，被配置為根據(jù)所述訪問情況確定所述運動軌跡對應(yīng)的軌跡特征向量，所述軌跡特征向量用于表示所述運動軌跡的特征。

綜上所述，本實施例提供的運動軌跡表示裝置，通過采用訪問熱度高的地理區(qū)域作為熱點區(qū)域，使用熱點區(qū)域作為運動軌跡的參考特征，根據(jù)運動軌跡對各個熱點區(qū)域的訪問情況構(gòu)建軌跡特征向量，并以該軌跡特征向量來表示運動軌跡；解決了直接采用位置數(shù)據(jù)來表示運動軌跡所帶來的較大數(shù)據(jù)量，且不利于后續(xù)對運動軌跡進(jìn)行分析時的計算處理的問題；實現(xiàn)了采用更小的數(shù)據(jù)量對運動軌跡進(jìn)行更為簡化地表示，達(dá)到了數(shù)據(jù)降維的效果，且便于后續(xù)對運動軌跡的分析計算。

圖6是根據(jù)另一示例性實施例示出的一種運動軌跡表示裝置的框圖。該運動軌跡表示裝置可以包括：數(shù)據(jù)獲取模塊510、訪問確定模塊520和軌跡特征向量確定模塊530。

數(shù)據(jù)獲取模塊510，被配置為獲取目標(biāo)對象的運動軌跡所對應(yīng)的k個位置數(shù)據(jù)，k為正整數(shù)。

訪問確定模塊520，被配置為根據(jù)所述k個位置數(shù)據(jù)確定所述運動軌跡對預(yù)設(shè)的n個熱點區(qū)域的訪問情況，所述熱點區(qū)域是根據(jù)若干個歷史運動軌跡統(tǒng)計得到的訪問熱度高于預(yù)設(shè)閾值的地理區(qū)域，n為正整數(shù)。

軌跡特征向量確定模塊530，被配置為根據(jù)所述訪問情況確定所述運動軌跡對應(yīng)的軌跡特征向量，所述軌跡特征向量用于表示所述運動軌跡的特征。

可選地，所述訪問確定模塊520，包括：第一確定子模塊520a和第二確定子模塊520b。

所述第一確定子模塊520a，被配置為對于每一個熱點區(qū)域，當(dāng)所述k個位置數(shù)據(jù)中存在屬于所述熱點區(qū)域的位置數(shù)據(jù)時，確定所述運動軌跡經(jīng)過所述熱點區(qū)域。

所述第二確定子模塊520b，被配置為當(dāng)所述k個位置數(shù)據(jù)中不存在屬于所述熱點區(qū)域的位置數(shù)據(jù)時，確定所述運動軌跡未經(jīng)過所述熱點區(qū)域。

可選地，所述軌跡特征向量a＝(x₁,…,x_i,…,x_n)，i∈[1，n]；

其中，x_i用于表示所述運動軌跡對第i個熱點區(qū)域的訪問情況；當(dāng)x_i＝1時，表示所述運動軌跡經(jīng)過所述第i個熱點區(qū)域；當(dāng)x_i＝0時，表示所述運動軌跡未經(jīng)過所述第i個熱點區(qū)域。

可選地，所述裝置還包括：區(qū)域劃分模塊501、樣本獲取模塊502、數(shù)據(jù)聚類模塊503和區(qū)域構(gòu)建模塊504。

區(qū)域劃分模塊501，被配置為將目標(biāo)地理區(qū)域劃分為若干個區(qū)域網(wǎng)格。

樣本獲取模塊502，被配置為獲取p個樣本，每個樣本中包含一條所述目標(biāo)地理區(qū)域內(nèi)的歷史運動軌跡所對應(yīng)的至少一個位置數(shù)據(jù)，p為正整數(shù)。

數(shù)據(jù)聚類模塊503，被配置為采用基于密度的聚類算法對所述p個樣本中包含的所述位置數(shù)據(jù)進(jìn)行聚類得到n個類。

區(qū)域構(gòu)建模塊504，被配置為對于每一個類，根據(jù)所述類中包含的位置數(shù)據(jù)在所述若干個區(qū)域網(wǎng)格中的分布情況構(gòu)建對應(yīng)的熱點區(qū)域，每個熱點區(qū)域中包 含至少一個區(qū)域網(wǎng)格。

可選地，所述裝置還包括：軌跡特征向量獲取模塊540和軌跡相似度計算模塊550。

軌跡特征向量獲取模塊540，被配置為獲取所述目標(biāo)對象或者其它目標(biāo)對象的另一運動軌跡對應(yīng)的另一軌跡特征向量；

軌跡相似度計算模塊550，被配置為計算所述軌跡特征向量與所述另一軌跡特征向量之間的第一相似度，所述第一相似度用于表示所述運動軌跡與所述另一運動軌跡之間的相似度。

可選地，所述裝置還包括：對象特征向量計算模塊560。

對象特征向量計算模塊560，被配置為根據(jù)所述目標(biāo)對象的m個軌跡特征向量，計算所述目標(biāo)對象對應(yīng)的對象特征向量，m≥1；

其中，所述m個軌跡特征向量包括所述軌跡特征向量，所述對象特征向量用于表示所述目標(biāo)對象的總體運動特征。

可選地，所述對象特征向量b＝(S₁,…,S_i,…,S_n)，i∈[1，n]；

其中，j∈[1，m]；x_i(j)用于表示所述目標(biāo)對象的第j個運動軌跡對第i個熱點區(qū)域的訪問情況；當(dāng)x_i(j)＝1時，表示所述第j個運動軌跡經(jīng)過所述第i個熱點區(qū)域；當(dāng)x_i(j)＝0時，表示所述第j個運動軌跡未經(jīng)過所述第i個熱點區(qū)域；S_i表示所述目標(biāo)對象對第i個熱點區(qū)域的訪問次數(shù)。

可選地，所述裝置還包括：對象特征向量獲取模塊570和對象相似度計算模塊580。

對象特征向量獲取模塊570，被配置為獲取另一目標(biāo)對象對應(yīng)的另一對象特征向量。

對象相似度計算模塊580，被配置為計算所述對象特征向量與所述另一對象特征向量之間的第二相似度，所述第二相似度用于表示所述目標(biāo)對象與所述另一目標(biāo)對象之間的總體運動特征的相似度。

綜上所述，本實施例提供的運動軌跡表示裝置，通過采用訪問熱度高的地理區(qū)域作為熱點區(qū)域，使用熱點區(qū)域作為運動軌跡的參考特征，根據(jù)運動軌跡對各個熱點區(qū)域的訪問情況構(gòu)建軌跡特征向量，并以該軌跡特征向量來表示運動軌跡；解決了直接采用位置數(shù)據(jù)來表示運動軌跡所帶來的較大數(shù)據(jù)量，且不利于后續(xù)對運動軌跡進(jìn)行分析時的計算處理的問題；實現(xiàn)了采用更小的數(shù)據(jù)量 對運動軌跡進(jìn)行更為簡化地表示，達(dá)到了數(shù)據(jù)降維的效果，且便于后續(xù)對運動軌跡的分析計算。

另外，本實施例提供的運動軌跡表示裝置，還通過計算兩個軌跡特征向量之間的第一相似度，以此來反映兩條運動軌跡之間的相似度，并為后續(xù)的路徑推薦提供了參考基礎(chǔ)。

另外，本實施例提供的運動軌跡表示裝置，還通過根據(jù)目標(biāo)對象的m個軌跡特征向量，計算該目標(biāo)對象對應(yīng)的對象特征向量，采用該對象特征向量來表示目標(biāo)對象的總體運動特征，實現(xiàn)了采用更小的數(shù)據(jù)量對目標(biāo)對象的總體運動特征進(jìn)行更為簡化地表示，達(dá)到了數(shù)據(jù)降維的效果。

另外，本實施例提供的運動軌跡表示裝置，通過軌跡特征向量對運動軌跡進(jìn)行特征標(biāo)定，通過對象特征向量對同一目標(biāo)對象的一條或多條運動軌跡進(jìn)行特征標(biāo)定，實現(xiàn)了采用更為簡化的方式對運動軌跡特征和目標(biāo)對象的總體運動特征進(jìn)行標(biāo)定。

需要補(bǔ)充說明的一點是：上述運動軌跡表示裝置可應(yīng)用于任何具備計算處理能力的電子設(shè)備中，如手機(jī)、計算機(jī)、服務(wù)器等電子設(shè)備，本公開實施例對此不作限定。

另外，關(guān)于上述實施例中的裝置，其中各個模塊執(zhí)行操作的具體方式已經(jīng)在有關(guān)該方法的實施例中進(jìn)行了詳細(xì)描述，此處將不做詳細(xì)闡述說明。

圖7是根據(jù)一示例性實施例示出的一種裝置700的框圖。例如，裝置700可以被提供為一服務(wù)器。參照圖7，裝置700包括處理組件722，其進(jìn)一步包括一個或多個處理器，以及由存儲器732所代表的存儲器資源，用于存儲可由處理部件722執(zhí)行的指令，例如應(yīng)用程序。存儲器732中存儲的應(yīng)用程序可以包括一個或一個以上的每一個對應(yīng)于一組指令的模塊。此外，處理組件722被配置為執(zhí)行指令，以執(zhí)行上述運動軌跡表示方法。

裝置700還可以包括一個電源組件726被配置為執(zhí)行裝置700的電源管理，一個有線或無線網(wǎng)絡(luò)接口750被配置為將裝置700連接到網(wǎng)絡(luò)，和一個輸入輸出(I/O)接口758。裝置700可以操作基于存儲在存儲器732的操作系統(tǒng)，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，F(xiàn)reeBSDTM或類似。

本領(lǐng)域技術(shù)人員在考慮說明書及實踐這里公開的發(fā)明后，將容易想到本公開的其它實施方案。本申請旨在涵蓋本公開的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本公開的一般性原理并包括本公開未公開的本技術(shù)領(lǐng)域中的公知常識或慣用技術(shù)手段。說明書和實施例僅被視為示例性的，本公開的真正范圍和精神由下面的權(quán)利要求指出。

應(yīng)當(dāng)理解的是，本公開并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進(jìn)行各種修改和改變。本公開的范圍僅由所附的權(quán)利要求來限制。