轨迹异常检测方法及装置与流程

技术特征：
1.一种轨迹异常检测方法，包括：对获取的轨迹数据进行预处理，得到离散后的多个轨迹点数据；将所述多个轨迹点数据输入至预先训练的长短期记忆模型，得到表征所述轨迹数据的轨迹向量，其中，所述长短期记忆模型表征轨迹点数据与轨迹向量的对应关系；基于所述轨迹向量，确定所述轨迹数据所表征的轨迹的检测结果。2.根据权利要求1所述的方法，其中，所述对获取的轨迹数据进行预处理，得到离散后的多个轨迹点数据，包括：将所述轨迹数据所表征的轨迹映射至地图上；对所述地图进行划分，得到多个预设尺寸的网格；基于所述多个预设尺寸的网格对所述轨迹数据进行离散化，得到所述多个轨迹点数据。3.根据权利要求2所述的方法，其中，所述基于所述多个预设尺寸的网格对所述轨迹数据进行离散化，得到所述多个轨迹点数据，包括：对于所述多个预设尺寸的网格中的每个网格，将处于该网格中的部分轨迹上的预设点确定为该网格所对应的轨迹点，得到该网格对应的轨迹点数据；得到所述多个轨迹点数据。4.根据权利要求1所述的方法，其中，在所述长短期记忆模型中的神经网络信号的纵向传播过程中，将选取的预设数量的神经网络信号失活，以防止所述长短期记忆模型针对所述轨迹数据的过拟合。5.根据权利要求1所述的方法，其中，所述基于所述轨迹向量，确定所述轨迹数据所表征的轨迹的检测结果，包括：将所述轨迹向量输入至预先训练的轨迹识别模型，得到所述轨迹数据所表征的轨迹的检测结果，其中，所述轨迹识别模型用于表征轨迹向量与检测结果的对应关系。6.根据权利要求5所述的方法，其中，所述长短期记忆模型和所述轨迹识别模型通过如下方式训练得到：获取训练样本集，其中，所述训练样本集中的训练样本包括所表征的轨迹的多个轨迹点数据和结果标签，结果标签用于表征轨迹是否异常；采用机器学习算法，将所述训练样本集合中的训练样本包括的多个轨迹点数据作为训练过程中的长短期记忆模型的输入数据，将训练样本包括的结果标签作为训练过程中的轨迹识别模型的期望输出数据，训练得到所述长短期记忆模型和所述轨迹识别模型，其中，训练过程中的长短期记忆模型的输出数据为训练过程中的轨迹识别模型的输入数据。7.一种轨迹异常检测装置，包括：预处理单元，被配置成对获取的轨迹数据进行预处理，得到离散后的多个轨迹点数据；向量确定单元，被配置成将所述多个轨迹点数据输入至预先训练的长短期记忆模型，得到表征所述轨迹数据的轨迹向量，其中，所述长短期记忆模型表征轨迹点数据与轨迹向量的对应关系；结果确定单元，被配置成基于所述轨迹向量，确定所述轨迹数据所表征的轨迹的检测结果。8.根据权利要求7所述的装置，其中，所述预处理单元，进一步被配置成：
将所述轨迹数据所表征的轨迹映射至地图上；对所述地图进行划分，得到多个预设尺寸的网格；基于所述多个预设尺寸的网格对所述轨迹数据进行离散化，得到所述多个轨迹点数据。9.根据权利要求8所述的装置，其中，所述预处理单元，进一步被配置成：对于所述多个预设尺寸的网格中的每个网格，将处于该网格中的部分轨迹上的预设点确定为该网格所对应的轨迹点，得到该网格对应的轨迹点数据；得到所述多个轨迹点数据。10.根据权利要求7所述的装置，其中，在所述长短期记忆模型中的神经网络信号的纵向传播过程中，将选取的预设数量的神经网络信号失活，以防止所述长短期记忆模型针对所述轨迹数据的过拟合。11.根据权利要求7所述的装置，其中，所述结果确定单元，进一步被配置成：将所述轨迹向量输入至预先训练的轨迹识别模型，得到所述轨迹数据所表征的轨迹的检测结果，其中，所述轨迹识别模型用于表征轨迹向量与检测结果的对应关系。12.根据权利要求11所述的装置，其中，所述长短期记忆模型和所述轨迹识别模型通过如下方式训练得到：获取训练样本集，其中，所述训练样本集中的训练样本包括所表征的轨迹的多个轨迹点数据和结果标签，结果标签用于表征轨迹是否异常；采用机器学习算法，将所述训练样本集合中的训练样本包括的多个轨迹点数据作为训练过程中的长短期记忆模型的输入数据，将训练样本包括的结果标签作为训练过程中的轨迹识别模型的期望输出数据，训练得到所述长短期记忆模型和所述轨迹识别模型，其中，训练过程中的长短期记忆模型的输出数据为训练过程中的轨迹识别模型的输入数据。13.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。14.一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

技术总结
本申请公开了一种轨迹异常检测方法及装置。方法的一具体实施方式包括：对获取的轨迹数据进行预处理，得到离散后的多个轨迹点数据；将多个轨迹点数据输入至预先训练的长短期记忆模型，得到表征轨迹数据的轨迹向量，其中，长短期记忆模型表征轨迹点数据与轨迹向量的对应关系；基于轨迹向量，确定轨迹数据所表征的轨迹的检测结果。本申请利用长短期记忆模型学习表征轨迹数据的多个轨迹点之间的序列信息，准确地得到轨迹数据的轨迹向量，提高了轨迹异常检测的准确性。迹异常检测的准确性。迹异常检测的准确性。


技术研发人员：鞠枭雄
受保护的技术使用者：北京京东世纪贸易有限公司
技术研发日：2020.07.30
技术公布日：2021/12/6