车辆轨迹的聚类方法和装置、存储介质和电子装置与流程

1.本技术涉及车用无线通信领域，具体而言，涉及一种车辆轨迹的聚类方法和装置、存储介质和电子装置。


背景技术：

2.目前，在不确定和动态的交通环境中，了解各个路口车辆轨迹的特征并对相似轨迹进行聚类，挖掘轨迹之中潜藏的规律，可以为车辆轨迹预测、车辆行为分析等提供有效的数据集，从而及时为车辆提供驾驶引导，提高道路交通安全和交通效率。
3.一般的聚类方法，通常是直接计算待分类点与聚类中心的欧式距离，但对于车辆轨迹，尤其是复杂路口，车辆可行驶路线较多，每条行驶路线对应的行驶方向、行驶车道存在不同，一个聚类中心点无法准确表示轨迹的位置，从而导致轨迹聚类的准确性较差。
4.由此可见，相关技术中的车辆轨迹的聚类方法，存在由于路口环境复杂导致的聚类准确性较差的问题。


技术实现要素：

5.本技术实施例提供了一种车辆轨迹的聚类方法和装置、存储介质和电子装置，以至少解决相关技术中的车辆轨迹的聚类方法存在由于路口环境复杂导致的聚类准确性较差的问题。
6.根据本技术实施例的一个方面，提供了一种车辆轨迹的聚类方法，包括：根据目标路口的可行驶路线数量n，从所述目标路口的一组车辆轨迹中选择n个参考轨迹，其中，所述一组车辆轨迹中的每个车辆轨迹为与所述每个车辆轨迹对应的车辆从所述目标路口出发到离开所述目标路口的一段行驶轨迹，n为大于或者等于2的正整数；从所述n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点；按照初始的所述n组聚类中心点，对所述一组车辆轨迹执行聚类操作，得到所述一组车辆轨迹的聚类结果，其中，所述一组车辆轨迹的聚类结果用于指示所述一组车辆轨迹聚类得到的n个轨迹类簇以及所述n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹。
7.根据本技术实施例的另一个方面，还提供了一种车辆轨迹的聚类装置，包括：选择单元，用于根据目标路口的可行驶路线数量n，从所述目标路口的一组车辆轨迹中选择n个参考轨迹，其中，所述一组车辆轨迹中的每个车辆轨迹为与所述每个车辆轨迹对应的车辆从所述目标路口出发到离开所述目标路口的一段行驶轨迹，n为大于或者等于2的正整数；选取单元，用于从所述n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点；执行单元，用于按照初始的所述n组聚类中心点，对所述一组车辆轨迹执行聚类操作，得到所述一组车辆轨迹的聚类结果，其中，所述一组车辆轨迹的聚类结果用于指示所述一组车辆轨迹聚类得到的n个轨迹类簇以及所述n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹。
8.根据本技术实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机
可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述车辆轨迹的聚类方法。
9.根据本技术实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的车辆轨迹的聚类方法。
10.在本技术实施例中，采用使用车辆轨迹上的一组聚类中心点进行车辆轨迹的聚类操作的方式，根据目标路口的可行驶路线数量n，从目标路口的一组车辆轨迹中选择n个参考轨迹，其中，一组车辆轨迹中的每个车辆轨迹为与每个车辆轨迹对应的车辆从目标路口出发到离开目标路口的一段行驶轨迹，n为大于或者等于2的正整数；从n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点；按照初始的n组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果，其中，一组车辆轨迹的聚类结果用于指示一组车辆轨迹聚类得到的n个轨迹类簇以及n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹，由于根据每个参考轨迹的轨迹特征，在每个参考轨迹中均选择了一组聚类中心点，通过一组聚类中心点可以更准确地表示不同轨迹的轨迹位置，进而可以实现降低路口复杂环境对聚类结果的影响的目的，达到提高聚类准确性的效果，进而解决了相关技术中的车辆轨迹的聚类方法存在由于路口环境复杂导致的聚类准确性较差的问题。
附图说明
11.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
12.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
13.图1是根据本技术实施例的一种可选的车辆轨迹的聚类方法的硬件环境的示意图；
14.图2是根据本技术实施例的一种可选的车辆轨迹的聚类方法的流程示意图；
15.图3是根据本技术实施例的一种可选的车辆轨迹的聚类方法的示意图；
16.图4是根据本技术实施例的一种可选的车辆轨迹的聚类装置的结构框图；
17.图5是根据本技术实施例的一种可选的电子装置的结构框图。
具体实施方式
18.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
19.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用
的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
20.根据本技术实施例的一个方面，提供了一种车辆轨迹的聚类方法。可选地，在本实施例中，上述车辆轨迹的聚类方法可以应用于如图1所示的包括车联网设备102和服务器104的硬件环境中。如图1所示，服务器104通过网络与车联网设备102进行连接，可在服务器上或独立于服务器设置数据库，用于为服务器104提供数据存储服务。这里，车联网设备102可以包括位于车辆上的车载v2x设备。
21.上述网络可以包括但不限于以下至少之一：有线网络，无线网络。上述有线网络可以包括但不限于以下至少之一：广域网，城域网，局域网，上述无线网络可以包括但不限于以下至少之一：wifi(wireless fidelity，无线保真)，蓝牙。
22.本技术实施例的车辆轨迹的聚类方法可以由服务器104来执行，也可以由服务器104和车联网设备102共同执行。以由服务器104来执行本实施例中的车辆轨迹的聚类方法为例，图2是根据本技术实施例的一种可选的车辆轨迹的聚类方法的流程示意图，如图2所示，该方法的流程可以包括以下步骤：
23.步骤s202，根据目标路口的可行驶路线数量n，从目标路口的一组车辆轨迹中选择n个参考轨迹，其中，一组车辆轨迹中的每个车辆轨迹为与每个车辆轨迹对应的车辆从目标路口出发到离开目标路口的一段行驶轨迹，n为大于或者等于2的正整数。
24.本实施例中的车辆轨迹的聚类方法可以应用到对目标路口的车辆轨迹进行聚类分析的场景。这里，目标路口可以是十字路口、人字路口、三岔路口等交叉路口。目标路口的车道布局是多样且复杂的，以目标路口的同一位置为起始点的车辆可以有多种行驶路线的选择。对目标路口的车辆轨迹进行的聚类分析，可以是指对目标路口的车辆轨迹进行轨迹分类，得到轨迹分类簇。轨迹分类簇的数量与可行驶路线的数量对应，在不同的聚类需求下，可行驶路线可以具有不同的含义，例如，聚类需求为将一组车辆轨迹进行聚类以得到各个行驶方向的行驶路线的轨迹聚类结果，其中行驶方向分为左转、直行、右转等指示的行驶方向；或者，聚类需求为将一组车辆轨迹进行聚类得到车道级的行驶路线的轨迹聚类结果。可以理解的是，在一些路口形式下，上述两种含义得到的可行驶路线的数量可以相同，例如车道与行驶方向一一对应；其他路口形式下，两者得到的可行驶路线的数量一般不同，例如某一路段存在多个直行、或者多个左转、多个右转车道时，按照行驶方向聚类会将多个相同方向的车道进行合并，而按照车道级进行聚类则会将单独车道形成的行驶路线单独聚类。当然，可行驶路线的含义还可以是其他的形式，可行驶路线的数量与路口的车道布局、聚类的目的/需求相关。
25.在不确定和动态的交通环境中，了解车辆轨迹的特征并对相似轨迹进行聚类，根据轨迹分类的结果，使用高斯回归等方法提取聚类轨迹簇的特征，可以用于对同一目标路口或类型规格(如，路口的车道宽度、行驶方向规定、车道的布局等)相同的路口的车辆轨迹的预测、车辆导航、车道锚定、碰撞预估和监控调度，为车辆行为分析等提供有效的数据集，同时，使用聚类之后的轨迹子集进行学习或应用，能有效提升后续轨迹预测等功能的处理
时间和预测结果。
26.在本实施例中，可以根据目标路口的可行驶路线的数量n，从目标路口的一组车辆轨迹中选择n个参考轨迹。这里，一组车辆轨迹中的每个车辆轨迹可以为与每个车辆轨迹对应的车辆从目标路口出发到离开目标路口的一段行驶轨迹，n可以是大于或者等于2的正整数。n个参考轨迹可以用于确定初始聚类中心点，n个参考轨迹可以是从一组车辆轨迹中选择的，可以是随机选择的，也可以是根据目标路口和车辆轨迹等特征选取的，本实施例对此不做限定。
27.上述目标路口的n个可行驶路线可以是根据目标路口车道布局情况确定的，每一车道的实际可行驶方向可以不同(直行、左转、右转等)，多条车道的可行驶方向可以相同(多条直行、多条左转、多条右转等)。对于一般的交通场景，如十字路口的车辆轨迹情况，可根据实际可以行驶的路线数量设置轨迹簇的分类数k，即前述n个参考轨迹的数量。在确定轨迹簇的数量k时，需要先确定实际研究的目标路口，再根据目标路口的交通规则来确定实际在该目标路口的车辆可能行驶的所有路线，通过计算每个通向路口的车道中可进行的行驶路线的数量的总和，确定轨迹簇的分类数k，可以减少因分类数求解过程的不确定性，避免对轨迹聚类效果的影响。
28.例如，以双向四车道十字路口为例，设同方向的左侧车道可直行和左转，同方向右侧车道可直行和右转，聚类需求为按照可行驶方向数量进行车辆轨迹聚类，则根据车道可行驶方向可确定可行驶路线为k＝4*4，对应地，对上述一组车辆轨迹进行聚类时，可以选择将分类数设置为k＝4*4。需要说明的是，同一十字路口不同车道的实际可行驶的方向不一定相同，分类数k只需要根据道路的实际情况以及聚类的需求确定即可。
29.步骤s204，从n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点。
30.一般的聚类方法，如k-means(即，k均值聚类算法)方法，通常是直接计算待分类点与聚类中心的欧式距离，但对于车辆轨迹，尤其是复杂路口，车辆可行驶路线较多，每条行驶路线对应的行驶方向、行驶车道存在不同，以十字路口为例，十字路口中同时存在的直行、左转弯、右转弯等不同方向的轨迹，一个聚类中心点无法准确表示轨迹的位置，进而导致聚类结果与实际的车辆轨迹相差较大。
31.为了至少解决上述的部分问题，在本实施例中，考虑到在目标路口的车辆轨迹具备一定规律，可以根据车辆轨迹的时空相似性对车辆轨迹进行聚类。即，按照车辆轨迹的轨迹特征，选取一组聚类中心点，分别对每个车辆轨迹进行聚类操作。
32.在本实施例中，可以从n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点。这里，一组聚类中心点可以包含多个聚类中心点。初始的n组聚类中心点可以用于聚类操作中的初始计算过程。对应地，根据一组聚类中心点的选取方式，可以在每个车辆轨迹中确定一组待分类点，以用于进行与n组聚类中心点的欧氏距离的相关计算。
33.可选地，上述一组聚类中心点可以是每个参考轨迹中有效的特征点，相比一个聚类中心点，根据一组特征点进一步进行轨迹聚类，可以更有效的表征被聚类的轨迹簇。
34.步骤s206，按照初始的n组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果，其中，一组车辆轨迹的聚类结果用于指示一组车辆轨迹聚类得到的n
个轨迹类簇以及n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹。
35.在确定初始的n组聚类中心点之后，可以按照初始的n组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果。这里，一组车辆轨迹的聚类结果可以用于指示一组车辆轨迹聚类得到的n个轨迹类簇以及n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹。
36.可选地，上述聚类操作可以是按照初始的n组聚类中心点以及一组车辆轨迹中的每个车辆轨迹的一组待分类点，对一组车辆轨迹中的每个车辆轨迹分别执行的。根据n组聚类中心点与每个车辆轨迹的一组待分类点之间的欧式距离，可以确定每个车辆轨迹在n个轨迹类簇中的类别。
37.为了提高聚类结果的准确性，设置聚类结束的条件：在确定每个车辆轨迹在n个轨迹类簇中的类别之后，可以对聚类中心点进行更新确定，重复确定n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹，直至聚类中心点的位置不再发生较大变化。需要说明的是，通过n组聚类中心点对车辆轨迹进行聚类的操作的主要动机是假设各车辆轨迹的局部子集中的车辆运动状态在时空上的性质相似。
38.通过上述步骤s202至步骤s206，根据目标路口的可行驶路线数量n，从目标路口的一组车辆轨迹中选择n个参考轨迹，其中，一组车辆轨迹中的每个车辆轨迹为与每个车辆轨迹对应的车辆从目标路口出发到离开目标路口的一段行驶轨迹，n为大于或者等于2的正整数；从n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点；按照初始的n组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果，其中，一组车辆轨迹的聚类结果用于指示一组车辆轨迹聚类得到的n个轨迹类簇以及n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹，解决了相关技术中的车辆轨迹的聚类方法存在由于路口环境复杂导致的聚类准确性较差的问题，提高了聚类准确性。
39.在一个示例性实施例中，在根据目标路口的可行驶路线数量n，从目标路口的一组车辆轨迹中选择n个参考轨迹之前，上述方法还包括：
40.s11，获取经过目标路口的一组候选车辆轨迹，其中，一组候选车辆轨迹中的每个候选车辆轨迹的轨迹信息包含与每个车辆轨迹对应的车辆位置信息和时间信息；
41.s12，根据目标路口的特征以及每个车辆轨迹对应的车辆位置信息和时间信息，从一组候选车辆轨迹中筛选出一组车辆轨迹。
42.对于目标路口的一组车辆轨迹，可以是根据每个经过目标路口的车辆轨迹的时空信息确定的。在本实施例中，在聚类操作开始之前，可以对获取到的经过目标路口的车辆轨迹进行筛选。筛除不属于目标路口的车辆轨迹，筛除车辆轨迹中含有超出该路口范围的轨迹。此外，考虑到经过目标路口的车辆的行驶总时间(经过目标路口的起始点和结束点之间的时间)是服从正态分布的，可筛除经过目标路口的总时间大于和/或小于一定范围的轨迹。
43.在本实施例中，可以获取经过目标路口的一组候选车辆轨迹，并根据目标路口的特征以及每个车辆轨迹对应的车辆位置信息和时间信息，从一组候选车辆轨迹中筛选出一组车辆轨迹。这里，一组候选车辆轨迹中的每个候选车辆轨迹的轨迹信息可以包含与每个车辆轨迹对应的车辆位置信息和时间信息。一组候选车辆轨迹可以是通过目标路口的路侧单元检测到的车辆信息以及车辆上传的定位数据等信息确定的；也可以是车辆直接将相关
信息上传到服务器中，从服务器中获取得到。
44.通过本实施例，根据经过目标路口的车辆轨迹的时空信息确定待聚类的一组车辆轨迹，可以避免因不属于目标路口的车辆轨迹参与聚类对聚类中心点的选取造成影响，进而可以提高聚类结果的准确性。
45.在一个示例性实施例中，从n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点，包括：
46.s21，分别从每个参考轨迹中选取每个参考轨迹的起始点和每个参考轨迹的结束点，得到初始的n组聚类中心点；或者，
47.s22，分别从每个参考轨迹中选取每个参考轨迹的起始点、每个参考轨迹的结束点、以及每个参考轨迹的起始点和每个参考轨迹的结束点之间的至少一个等分点，得到初始的n组聚类中心点。
48.考虑到路口处的车辆轨迹的相似性较强，从同一车道出发的车辆，其起始点位置相似。此外，因为要走到对应的车道，通常情况下，车辆经转弯或直行后到达的结束位置也是相似的，但各车辆在路口中间的转弯半径一般会存在较大不同。在本实施例中，可以将至少包含轨迹起始点和轨迹结束点在内的特征点作为聚类中心点。
49.在本实施例中，可以分别从每个参考轨迹中选取每个参考轨迹的起始点和每个参考轨迹的结束点，得到初始的n组聚类中心点。也可以分别从每个参考轨迹中选取每个参考轨迹的起始点、每个参考轨迹的结束点、以及每个参考轨迹的起始点和每个参考轨迹的结束点之间的至少一个等分点，得到初始的n组聚类中心点。
50.可选地，每个参考轨迹的起始点和结束点，可以是根据车辆轨迹中的车辆位置信息和时间信息确定的。
51.例如，以初始的聚类中心点为初始中心点a和初始中心点b为例，可以随机选择k个轨迹用于初始化中心点。将k个轨迹样本数据的两端点(起始点、结束点)都设置成一个初始中心点a和b，作为不同轨迹簇的初始中心点，中心点个数为2k，初始化的中心点坐标用(a
x
,ay)和(b
x
,by)表示，如公式(1)所示。
[0052][0053]
其中，和表示第i个车辆轨迹起始点的x，y轴坐标，和表示第i个车辆轨迹结束点的x，y轴坐标。
[0054]
可选地，在每个参考轨迹的一组聚类中心点包含每个参考轨迹的起始点、结束点、以及起始点和结束点之间的至少一个等分点的情况下，等分点的数量可以是根据目标路口处的车辆轨迹的轨迹特点确定的。在车辆轨迹较复杂(如，可行驶路线较多、车辆的实际流动方向较多等)的情况下，可以在起始点和结束点之间选择较多等分点作为聚类中心点，而在车辆轨迹较简单的情况下，可以不选择等分点或在起始点和结束点之间选择较少等分点作为聚类中心点。
[0055]
通过本实施例，根据目标路口的车辆轨迹的初始位置和结束位置的时空相似性，选择轨迹起始点和结束点作为聚类中心点，可以提高聚类中心点对车辆轨迹的表征效果，
进而提高聚类结果的准确性。
[0056]
在一个示例性实施例中，按照初始的n组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果，包括：
[0057]
s31，将初始的n组聚类中心点作为n组当前聚类中心点、并分别将一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行以下的第一聚类操作，得到一组车辆轨迹的聚类结果：
[0058]
在当前车辆轨迹中选取与n组当前聚类中心点对应的一组轨迹点，得到一组当前轨迹点，其中，n组当前聚类中心点的每组当前聚类中心点中的每个当前聚类中心点与一组当前轨迹点中的每个当前轨迹点之间具有一一对应关系；
[0059]
分别计算每组当前聚类中心点中的每个当前聚类中心点与一组当前轨迹点中对应的当前轨迹点的距离之和，得到与每组当前聚类中心点对应的距离值；将n组当前聚类中心点中，对应的距离值最小的一组当前聚类中心点对应的轨迹类簇，确定为当前车辆轨迹所属的轨迹类簇；或者，
[0060]
分别计算每组当前聚类中心点中的每个当前聚类中心点与一组当前轨迹点中对应的当前轨迹点的距离的平均值，得到与每组当前聚类中心点对应的距离值；将n组当前聚类中心点中，对应的距离值最小的一组当前聚类中心点对应的轨迹类簇，确定为当前车辆轨迹所属的轨迹类簇。
[0061]
对一组车辆轨迹进行的聚类操作可以包括计算一组聚类中心点与每个车辆轨迹的一组轨迹点(即，前述待分类点)之间的欧式距离，以根据欧式距离对一组车辆轨迹进行轨迹簇的划分。在本实施例中，在进行欧式距离的相关的计算时，可以将初始的n组聚类中心点作为n组当前聚类中心点、并分别将一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行第一聚类操作，得到一组车辆轨迹的聚类结果。
[0062]
上述第一聚类操作可以是，在当前车辆轨迹中选取与n组当前聚类中心点对应的一组轨迹点，得到一组当前轨迹点，再分别计算每组当前聚类中心点中的每个当前聚类中心点与一组当前轨迹点中对应的当前轨迹点的距离之和，得到与每组当前聚类中心点对应的距离值，并将n组当前聚类中心点中，对应的距离值最小的一组当前聚类中心点对应的轨迹类簇，确定为当前车辆轨迹所属的轨迹类簇。
[0063]
上述第一聚类操作也可以是，在得到一组当前轨迹点之后，分别计算每组当前聚类中心点中的每个当前聚类中心点与一组当前轨迹点中对应的当前轨迹点的距离的平均值，得到与每组当前聚类中心点对应的距离值，并将n组当前聚类中心点中，对应的距离值最小的一组当前聚类中心点对应的轨迹类簇，确定为当前车辆轨迹所属的轨迹类簇。需要说明的是，当前聚类中心点与对应的当前轨迹点的距离可以指的是前述欧氏距离。
[0064]
例如，以初始的聚类中心点为初始中心点a和初始中心点b为例，可以将每个待分类的样本轨迹的起始点和结束点分别与第k个轨迹簇的两个中心点ak和bk进行欧式距离的计算，并求和(或求均值)，计算公式可以如公式(2)所示，距离值表示为distance。
[0065][0066]
如公式(3)所示，可以选择distance最小的轨迹簇k作为该车辆轨迹的类别。
[0067]
k＝arg min(distance(k))
ꢀꢀꢀꢀ
(3)
[0068]
通过本实施例，通过分别计算每组聚类中心点中的聚类中心点与每个车辆轨迹的轨迹点之间的距离，确定每个车辆轨迹与参考轨迹的远近，进而确定每个车辆轨迹的轨迹簇类别，可以提高聚类结果的准确性。
[0069]
在一个示例性实施例中，按照初始的n组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果，还包括：
[0070]
s41，重复执行以下的第二聚类操作，直到聚类结束条件满足，得到一组车辆轨迹的聚类结果：
[0071]
将上一次聚类后的n组聚类中心点作为n组当前聚类中心点、并分别将一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行第一聚类操作，得到一组车辆轨迹的聚类结果，其中，上一次聚类后的n组聚类中心点包含根据上一次聚类得到的每个轨迹类簇所包含的车辆轨迹分别确定出的、与每个轨迹类簇对应的一组聚类中心点；
[0072]
其中，聚类结束条件包括：本次聚类后的n个轨迹类簇中的每个轨迹类簇的一组聚类中心点与上一次聚类后的n组聚类中心点中对应的一组聚类中心点的位置变化小于或者等于预设变化阈值。
[0073]
为了提高聚类结果的准确性，设置聚类结束的条件：可以根据第一聚类操作的结果确定新的聚类中心点，重复执行前述第一聚类操作，直至聚类中心点不再发生较大变化。在本实施例中，对一组车辆轨迹执行的聚类操作还包括重复执行第二聚类操作，直到聚类结束条件满足，得到一组车辆轨迹的聚类结果。
[0074]
上述第二聚类操作可以包括将上一次聚类后的n组聚类中心点作为n组当前聚类中心点、并分别将一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行第一聚类操作，得到一组车辆轨迹的聚类结果。这里，上一次聚类后的n组聚类中心点可以包含根据上一次聚类得到的每个轨迹类簇所包含的车辆轨迹分别确定出的、与每个轨迹类簇对应的一组聚类中心点。
[0075]
上述聚类结束条件可以包括，本次聚类后的n个轨迹类簇中的每个轨迹类簇的一组聚类中心点与上一次聚类后的n组聚类中心点中对应的一组聚类中心点的位置变化小于或者等于预设变化阈值。这里，预设变化阈值可以是预先设定的阈值，用于判断聚类中心点的变化大小。
[0076]
可选地，上述聚类中心点的位置可以是指聚类中心点的坐标位置。对应地，预设变化阈值可以是根据坐标轴数量设定的多个变化阈值，也可以是根据与不同坐标轴对应的数值变化之和设定的一个变化阈值，还可以是根据与不同坐标轴对应的数值变化平均值设定的一个变化阈值，本实施例对此不做限定。
[0077]
通过本实施例，通过根据前次计算结果更新聚类中心点，并重复执行聚类操作直至聚类中心点的位置变化小于阈值，得到最终聚类结果。
[0078]
在一个示例性实施例中，在将上一次聚类后的n组聚类中心点作为n组当前聚类中心点、并分别将一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行第一聚类操作之后，上述方法还包括：
[0079]
s51，根据本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹，确定与每个轨迹类簇对应的一组聚类中心点，得到本次聚类后的n组聚类中心点；
[0080]
s52，确定本次聚类后的n组聚类中心点中的每组聚类中心点与上一次聚类后的n
组聚类中心点中对应的一组聚类中心点的位置偏差，得到与每组聚类中心点对应的位置偏差；
[0081]
s53，在与每组聚类中心点对应的位置偏差的偏差和小于或者等于第一偏差阈值的情况下，确定聚类结束条件满足；或者，
[0082]
s54，在与每组聚类中心点对应的位置偏差的平均偏差小于或者等于第二偏差阈值的情况下，确定聚类结束条件满足。
[0083]
在重复执行第二聚类操作的过程中，可以在将上一次聚类后的n组聚类中心点作为n组当前聚类中心点、并分别将一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行第一聚类操作之后，根据本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹，确定与每个轨迹类簇对应的一组聚类中心点，得到本次聚类后的n组聚类中心点。
[0084]
可选地，上述本次聚类后的n组聚类中心点的每组聚类中心点，是根据本次聚类结束得到的每个轨迹类簇中包含的全部车辆轨迹的轨迹点进行分析计算后确定的。
[0085]
根据确定的本次聚类后的n组聚类中心点的位置，可以确定本次聚类后的n组聚类中心点中的每组聚类中心点与上一次聚类后的n组聚类中心点中对应的一组聚类中心点的位置偏差，得到与每组聚类中心点对应的位置偏差。
[0086]
在前述预设变化阈值为根据与不同坐标轴对应的数值变化之和设定的一个变化阈值(即，第一偏差阈值)的情况下，可以将前述与每组聚类中心点对应的位置偏差与第一偏差阈值相比较，并在与每组聚类中心点对应的位置偏差的偏差和小于或者等于第一偏差阈值的情况下，确定聚类结束条件满足。
[0087]
在前述预设变化阈值为根据与不同坐标轴对应的数值变化平均值设定的一个变化阈值(即，第二偏差阈值)的情况下，可以将前述与每组聚类中心点对应的位置偏差与第二偏差阈值相比较，并在与每组聚类中心点对应的位置偏差的平均偏差小于或者等于第二偏差阈值的情况下，确定聚类结束条件满足。
[0088]
通过本实施例，通过根据本次聚类后的轨迹类簇确定的聚类中心点与前次聚类中心点的位置偏差之和或平均值与对应阈值的关系，确定聚类是否结束，可以提高聚类结果的准确性。
[0089]
在一个示例性实施例中，根据本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹，确定与每个轨迹类簇对应的一组聚类中心点，得到本次聚类后的n组聚类中心点，包括：
[0090]
s61，将本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的起始点的质心、以及本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的结束点的质心，确定为本次聚类后的每个轨迹类簇的一组聚类中心点，得到本次聚类后的n组聚类中心点；或者，
[0091]
s62，将本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的起始点的质心、本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的结束点的质心、以及本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的等分点的质心，确定为本次聚类后的每个轨迹类簇的一组聚类中心点，得到本次聚类后的n组聚类中心点。
[0092]
在根据本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹，确定本次聚类后的n组聚类中心点时，可以将本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的对应的轨迹点的质心确定为对应的聚类中心点。
[0093]
对应地，在初始的一组聚类中心点为参考轨迹的起始点和结束点时，可以将本次
聚类结束得到的每个轨迹类簇所包含的车辆轨迹的起始点的质心、以及本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的结束点的质心，确定为本次聚类后的每个轨迹类簇的一组聚类中心点，得到本次聚类后的n组聚类中心点。
[0094]
例如，以初始的聚类中心点为初始中心点a和初始中心点b为例，对于每个类别ck的轨迹簇li，可以如公式(4)和公式(5)所示，取每个类别的起始点和结束点的质心作为新的聚类中心点。
[0095][0096][0097]
在初始的一组聚类中心点为参考轨迹的起始点、结束点以及起始点和结束点之间的至少一个等分点时，可以将本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的起始点的质心、本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的结束点的质心、以及本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的等分点的质心，确定为本次聚类后的每个轨迹类簇的一组聚类中心点，得到本次聚类后的n组聚类中心点。
[0098]
通过本实施例，根据每次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的对应的轨迹点的质心确定下次聚类的聚类中心点，可以提高聚类中心点与车辆轨迹簇的关联性，进而提高轨迹聚类的准确性。
[0099]
下面结合可选示例对本技术实施例中的车辆轨迹的聚类方法进行解释说明。在本可选示例中，目标路口为十字路口，n为k。
[0100]
本可选示例中提供了一种针对十字路口的车辆轨迹聚类方法，通过根据车辆轨迹的轨迹特征将聚类中心点设置为多个，可以使聚类中心点更准确表达车辆轨迹的位置，进而提高聚类结果的准确性。
[0101]
本可选示例中的车辆轨迹的聚类方法可以如图3所示，车辆轨迹的聚类方法的流程可以包括以下步骤：
[0102]
步骤1，根据交通场景及聚类目的确定聚类分类数k。交通场景指的是路口的道路环境，如车道布局、行驶方向设置等；聚类目的，指的是最终要实现分类的指标，例如分类到路口的各个行驶方向对应的所有行驶路线，或者是分类到路口的各个车道对应的所有行驶路线等。
[0103]
步骤2，确定聚类的初始中心点。
[0104]
步骤3，进行样本轨迹分类。
[0105]
步骤4，更新聚类中心，重复步骤3。
[0106]
步骤5，聚类结束。
[0107]
通过本可选示例，充分利用从相同起始位置到相同结束位置的轨迹中车辆位置和速度的时空相似性，选择多个聚类中心点对车辆轨迹进行聚类，能够提高聚类结果的准确性，更有效的提取轨迹特征。
[0108]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知
悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0109]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom(read-only memory，只读存储器)/ram(random access memory，随机存取存储器)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例的方法。
[0110]
根据本技术实施例的另一个方面，还提供了一种用于实施上述车辆轨迹的聚类方法的车辆轨迹的聚类装置。图4是根据本技术实施例的一种可选的车辆轨迹的聚类装置的结构框图，如图4所示，该装置可以包括：
[0111]
选择单元402，用于根据目标路口的可行驶路线数量n，从目标路口的一组车辆轨迹中选择n个参考轨迹，其中，一组车辆轨迹中的每个车辆轨迹为与每个车辆轨迹对应的车辆从目标路口出发到离开目标路口的一段行驶轨迹，n为大于或者等于2的正整数；
[0112]
选取单元404，与选择单元402相连，用于从n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点；
[0113]
执行单元406，与选取单元404相连，用于按照初始的n组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果，其中，一组车辆轨迹的聚类结果用于指示一组车辆轨迹聚类得到的n个轨迹类簇以及n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹。
[0114]
需要说明的是，该实施例中的选择单元402可以用于执行上述步骤s202，该实施例中的选取单元404可以用于执行上述步骤s204，该实施例中的执行单元406可以用于执行上述步骤s206。
[0115]
通过上述模块，通过根据目标路口的可行驶路线数量n，从目标路口的一组车辆轨迹中选择n个参考轨迹，其中，一组车辆轨迹中的每个车辆轨迹为与每个车辆轨迹对应的车辆从目标路口出发到离开目标路口的一段行驶轨迹，n为大于或者等于2的正整数；从n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点；按照初始的n组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果，其中，一组车辆轨迹的聚类结果用于指示一组车辆轨迹聚类得到的n个轨迹类簇以及n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹，解决了相关技术中的车辆轨迹的聚类方法存在由于路口环境复杂导致的聚类准确性较差的问题，提高了聚类准确性。
[0116]
在一个示例性实施例中，上述装置还包括：
[0117]
获取单元，用于在根据目标路口的可行驶路线数量n，从目标路口的一组车辆轨迹中选择n个参考轨迹之前，获取经过目标路口的一组候选车辆轨迹，其中，一组候选车辆轨迹中的每个候选车辆轨迹的轨迹信息包含与每个车辆轨迹对应的车辆位置信息和时间信息；
[0118]
筛选单元，用于根据目标路口的特征以及每个车辆轨迹对应的车辆位置信息和时间信息，从一组候选车辆轨迹中筛选出一组车辆轨迹。
[0119]
在一个示例性实施例中，选取单元包括：
[0120]
第一选取模块，用于分别从每个参考轨迹中选取每个参考轨迹的起始点和每个参考轨迹的结束点，得到初始的n组聚类中心点；或者，
[0121]
第二选取模块，用于分别从每个参考轨迹中选取每个参考轨迹的起始点、每个参考轨迹的结束点、以及每个参考轨迹的起始点和每个参考轨迹的结束点之间的至少一个等分点，得到初始的n组聚类中心点。
[0122]
在一个示例性实施例中，执行单元包括：
[0123]
第一执行模块，用于将初始的n组聚类中心点作为n组当前聚类中心点、并分别将一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行以下的第一聚类操作，得到一组车辆轨迹的聚类结果：
[0124]
在当前车辆轨迹中选取与n组当前聚类中心点对应的一组轨迹点，得到一组当前轨迹点，其中，n组当前聚类中心点的每组当前聚类中心点中的每个当前聚类中心点与一组当前轨迹点中的每个当前轨迹点之间具有一一对应关系；
[0125]
分别计算每组当前聚类中心点中的每个当前聚类中心点与一组当前轨迹点中对应的当前轨迹点的距离之和，得到与每组当前聚类中心点对应的距离值；将n组当前聚类中心点中，对应的距离值最小的一组当前聚类中心点对应的轨迹类簇，确定为当前车辆轨迹所属的轨迹类簇；或者，
[0126]
分别计算每组当前聚类中心点中的每个当前聚类中心点与一组当前轨迹点中对应的当前轨迹点的距离的平均值，得到与每组当前聚类中心点对应的距离值；将n组当前聚类中心点中，对应的距离值最小的一组当前聚类中心点对应的轨迹类簇，确定为当前车辆轨迹所属的轨迹类簇。
[0127]
在一个示例性实施例中，执行单元还包括：
[0128]
第二执行模块，用于重复执行以下的第二聚类操作，直到聚类结束条件满足，得到一组车辆轨迹的聚类结果：
[0129]
将上一次聚类后的n组聚类中心点作为n组当前聚类中心点、并分别将一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行第一聚类操作，得到一组车辆轨迹的聚类结果，其中，上一次聚类后的n组聚类中心点包含根据上一次聚类得到的每个轨迹类簇所包含的车辆轨迹分别确定出的、与每个轨迹类簇对应的一组聚类中心点；
[0130]
其中，聚类结束条件包括：本次聚类后的n个轨迹类簇中的每个轨迹类簇的一组聚类中心点与上一次聚类后的n组聚类中心点中对应的一组聚类中心点的位置变化小于或者等于预设变化阈值。
[0131]
在一个示例性实施例中，上述装置还包括：
[0132]
第一确定单元，用于在将上一次聚类后的n组聚类中心点作为n组当前聚类中心点、并分别将一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行第一聚类操作之后，根据本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹，确定与每个轨迹类簇对应的一组聚类中心点，得到本次聚类后的n组聚类中心点；
[0133]
第二确定单元，用于确定本次聚类后的n组聚类中心点中的每组聚类中心点与上一次聚类后的n组聚类中心点中对应的一组聚类中心点的位置偏差，得到与每组聚类中心点对应的位置偏差；
[0134]
第三确定单元，用于在与每组聚类中心点对应的位置偏差的偏差和小于或者等于第一偏差阈值的情况下，确定聚类结束条件满足；或者，
[0135]
第四确定单元，用于在与每组聚类中心点对应的位置偏差的平均偏差小于或者等于第二偏差阈值的情况下，确定聚类结束条件满足。
[0136]
在一个示例性实施例中，第一确定单元包括：
[0137]
第一确定模块，用于将本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的起始点的质心、以及本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的结束点的质心，确定为本次聚类后的每个轨迹类簇的一组聚类中心点，得到本次聚类后的n组聚类中心点；或者，
[0138]
第二确定模块，用于将本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的起始点的质心、本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的结束点的质心、以及本次聚类结束得到的每个轨迹类簇所包含的车辆轨迹的等分点的质心，确定为本次聚类后的每个轨迹类簇的一组聚类中心点，得到本次聚类后的n组聚类中心点。
[0139]
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
[0140]
根据本技术实施例的又一个方面，还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行本技术实施例中上述任一项车辆轨迹的聚类方法的程序代码。
[0141]
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
[0142]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
[0143]
s1，根据目标路口的可行驶路线数量n，从目标路口的一组车辆轨迹中选择n个参考轨迹，其中，一组车辆轨迹中的每个车辆轨迹为与每个车辆轨迹对应的车辆从目标路口出发到离开目标路口的一段行驶轨迹，n为大于或者等于2的正整数；
[0144]
s2，从n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点；
[0145]
s3，按照初始的n组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果，其中，一组车辆轨迹的聚类结果用于指示一组车辆轨迹聚类得到的n个轨迹类簇以及n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹。
[0146]
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例中对此不再赘述。
[0147]
可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、rom、ram、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0148]
根据本技术实施例的又一个方面，还提供了一种用于实施上述车辆轨迹的聚类方法的电子装置，该电子装置可以是服务器、终端、或者其组合。
[0149]
图5是根据本技术实施例的一种可选的电子装置的结构框图，如图5所示，包括处理器502、通信接口504、存储器506和通信总线508，其中，处理器502、通信接口504和存储器
506通过通信总线508完成相互间的通信，其中，
[0150]
存储器506，用于存储计算机程序；
[0151]
处理器502，用于执行存储器506上所存放的计算机程序时，实现如下步骤：
[0152]
s1，根据目标路口的可行驶路线数量n，从目标路口的一组车辆轨迹中选择n个参考轨迹，其中，一组车辆轨迹中的每个车辆轨迹为与每个车辆轨迹对应的车辆从目标路口出发到离开目标路口的一段行驶轨迹，n为大于或者等于2的正整数；
[0153]
s2，从n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点；
[0154]
s3，按照初始的n组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果，其中，一组车辆轨迹的聚类结果用于指示一组车辆轨迹聚类得到的n个轨迹类簇以及n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹。
[0155]
可选地，通信总线可以是pci(peripheral component interconnect，外设部件互连标准)总线、或eisa(extended industry standard architecture，扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子装置与其他设备之间的通信。
[0156]
存储器可以包括ram，也可以包括非易失性存储器(non-volatile memory)，例如，至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
[0157]
作为一种示例，上述存储器506中可以但不限于包括上述车辆轨迹的聚类装置中的选择单元402、选取单元404、以及执行单元406。此外，还可以包括但不限于上述车辆轨迹的聚类装置中的其他模块单元，本示例中不再赘述。
[0158]
上述处理器可以是通用处理器，可以包含但不限于：cpu(central processing unit，中央处理器)、np(network processor，网络处理器)等；还可以是dsp(digital signal processing，数字信号处理器)、asic(application specific integrated circuit，专用集成电路)、fpga(field－programmable gate array，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0159]
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
[0160]
本领域普通技术人员可以理解，图5所示的结构仅为示意，实施上述车辆轨迹的聚类方法的设备可以是终端设备，该终端设备可以是智能手机(如android手机、ios手机等)、平板电脑、掌上电脑以及移动互联网设备(mobile internet devices，mid)、pad等终端设备。图5其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图5中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图5所示的不同的配置。
[0161]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、rom、ram、磁盘或光盘等。
[0162]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0163]
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本技术的技
术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。
[0164]
在本技术的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0165]
在本技术所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0166]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
[0167]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以至少两个单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0168]
以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。

技术特征：
1.一种车辆轨迹的聚类方法，其特征在于，包括：根据目标路口的可行驶路线数量n，从所述目标路口的一组车辆轨迹中选择n个参考轨迹，其中，所述一组车辆轨迹中的每个车辆轨迹为与所述每个车辆轨迹对应的车辆从所述目标路口出发到离开所述目标路口的一段行驶轨迹，n为大于或者等于2的正整数；从所述n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点；按照初始的所述n组聚类中心点，对所述一组车辆轨迹执行聚类操作，得到所述一组车辆轨迹的聚类结果，其中，所述一组车辆轨迹的聚类结果用于指示所述一组车辆轨迹聚类得到的n个轨迹类簇以及所述n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹。2.根据权利要求1所述的方法，其特征在于，在所述根据目标路口的可行驶路线数量n，从所述目标路口的一组车辆轨迹中选择n个参考轨迹之前，所述方法还包括：获取经过所述目标路口的一组候选车辆轨迹，其中，所述一组候选车辆轨迹中的每个候选车辆轨迹的轨迹信息包含与所述每个车辆轨迹对应的车辆位置信息和时间信息；根据所述目标路口的特征以及所述每个车辆轨迹对应的车辆位置信息和时间信息，从所述一组候选车辆轨迹中筛选出所述一组车辆轨迹。3.根据权利要求1所述的方法，其特征在于，所述从所述n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的n组聚类中心点，包括：分别从所述每个参考轨迹中选取所述每个参考轨迹的起始点和所述每个参考轨迹的结束点，得到初始的所述n组聚类中心点；或者，分别从所述每个参考轨迹中选取所述每个参考轨迹的起始点、所述每个参考轨迹的结束点、以及所述每个参考轨迹的起始点和所述每个参考轨迹的结束点之间的至少一个等分点，得到初始的所述n组聚类中心点。4.根据权利要求1所述的方法，其特征在于，所述按照初始的所述n组聚类中心点，对所述一组车辆轨迹执行聚类操作，得到所述一组车辆轨迹的聚类结果，包括：将初始的所述n组聚类中心点作为n组当前聚类中心点、并分别将所述一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行以下的第一聚类操作，得到所述一组车辆轨迹的聚类结果：在所述当前车辆轨迹中选取与所述n组当前聚类中心点对应的一组轨迹点，得到一组当前轨迹点，其中，所述n组当前聚类中心点的每组当前聚类中心点中的每个当前聚类中心点与所述一组当前轨迹点中的每个当前轨迹点之间具有一一对应关系；分别计算所述每组当前聚类中心点中的每个当前聚类中心点与所述一组当前轨迹点中对应的当前轨迹点的距离之和，得到与所述每组当前聚类中心点对应的距离值；将所述n组当前聚类中心点中，对应的距离值最小的一组当前聚类中心点对应的轨迹类簇，确定为所述当前车辆轨迹所属的轨迹类簇；或者，分别计算所述每组当前聚类中心点中的每个当前聚类中心点与所述一组当前轨迹点中对应的当前轨迹点的距离的平均值，得到与所述每组当前聚类中心点对应的距离值；将所述n组当前聚类中心点中，对应的距离值最小的一组当前聚类中心点对应的轨迹类簇，确定为所述当前车辆轨迹所属的轨迹类簇。5.根据权利要求4所述的方法，其特征在于，所述按照初始的所述n组聚类中心点，对所
述一组车辆轨迹执行聚类操作，得到所述一组车辆轨迹的聚类结果，还包括：重复执行以下的第二聚类操作，直到聚类结束条件满足，得到所述一组车辆轨迹的聚类结果：将上一次聚类后的所述n组聚类中心点作为所述n组当前聚类中心点、并分别将所述一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行所述第一聚类操作，得到所述一组车辆轨迹的聚类结果，其中，上一次聚类后的所述n组聚类中心点包含根据上一次聚类得到的所述每个轨迹类簇所包含的车辆轨迹分别确定出的、与所述每个轨迹类簇对应的一组聚类中心点；其中，所述聚类结束条件包括：本次聚类后的所述n个轨迹类簇中的每个轨迹类簇的一组聚类中心点与上一次聚类后的所述n组聚类中心点中对应的一组聚类中心点的位置变化小于或者等于预设变化阈值。6.根据权利要求5所述的方法，其特征在于，在所述将上一次聚类后的所述n组聚类中心点作为n组当前聚类中心点、并分别将所述一组车辆轨迹中的每个车辆轨迹作为当前车辆轨迹执行所述第一聚类操作之后，所述方法还包括：根据本次聚类结束得到的所述每个轨迹类簇所包含的车辆轨迹，确定与所述每个轨迹类簇对应的一组聚类中心点，得到本次聚类后的所述n组聚类中心点；确定本次聚类后的所述n组聚类中心点中的每组聚类中心点与上一次聚类后的所述n组聚类中心点中对应的一组聚类中心点的位置偏差，得到与所述每组聚类中心点对应的位置偏差；在与所述每组聚类中心点对应的位置偏差的偏差和小于或者等于第一偏差阈值的情况下，确定所述聚类结束条件满足；或者，在与所述每组聚类中心点对应的位置偏差的平均偏差小于或者等于第二偏差阈值的情况下，确定所述聚类结束条件满足。7.根据权利要求6所述的方法，其特征在于，所述根据本次聚类结束得到的所述每个轨迹类簇所包含的车辆轨迹，确定与所述每个轨迹类簇对应的一组聚类中心点，得到本次聚类后的所述n组聚类中心点，包括：将本次聚类结束得到的所述每个轨迹类簇所包含的车辆轨迹的起始点的质心、以及本次聚类结束得到的所述每个轨迹类簇所包含的车辆轨迹的结束点的质心，确定为本次聚类后的所述每个轨迹类簇的一组聚类中心点，得到本次聚类后的所述n组聚类中心点；或者，将本次聚类结束得到的所述每个轨迹类簇所包含的车辆轨迹的起始点的质心、本次聚类结束得到的所述每个轨迹类簇所包含的车辆轨迹的结束点的质心、以及本次聚类结束得到的所述每个轨迹类簇所包含的车辆轨迹的等分点的质心，确定为本次聚类后的所述每个轨迹类簇的一组聚类中心点，得到本次聚类后的所述n组聚类中心点。8.一种车辆轨迹的聚类装置，其特征在于，包括：选择单元，用于根据目标路口的可行驶路线数量n，从所述目标路口的一组车辆轨迹中选择n个参考轨迹，其中，所述一组车辆轨迹中的每个车辆轨迹为与所述每个车辆轨迹对应的车辆从所述目标路口出发到离开所述目标路口的一段行驶轨迹，n为大于或者等于2的正整数；选取单元，用于从所述n个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得
到初始的n组聚类中心点；执行单元，用于按照初始的所述n组聚类中心点，对所述一组车辆轨迹执行聚类操作，得到所述一组车辆轨迹的聚类结果，其中，所述一组车辆轨迹的聚类结果用于指示所述一组车辆轨迹聚类得到的n个轨迹类簇以及所述n个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹。9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行权利要求1至7中任一项所述的方法。10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至7中任一项所述的方法。

技术总结
本申请公开了一种车辆轨迹的聚类方法和装置、存储介质和电子装置，其中，上述方法包括：根据目标路口的可行驶路线数量N，从目标路口的一组车辆轨迹中选择N个参考轨迹，其中，一组车辆轨迹中的每个车辆轨迹为与每个车辆轨迹对应的车辆从目标路口出发到离开目标路口的一段行驶轨迹，N为大于或者等于2的正整数；从N个参考轨迹中的每个参考轨迹中分别选取一组聚类中心点，得到初始的N组聚类中心点；按照初始的N组聚类中心点，对一组车辆轨迹执行聚类操作，得到一组车辆轨迹的聚类结果，其中，一组车辆轨迹的聚类结果用于指示一组车辆轨迹聚类得到的N个轨迹类簇以及N个轨迹类簇中的每个轨迹类簇所包含的车辆轨迹。每个轨迹类簇所包含的车辆轨迹。每个轨迹类簇所包含的车辆轨迹。


技术研发人员：徐佳 韩茂强 张星宇 杜宇航 王庆飞
受保护的技术使用者：北京万集科技股份有限公司
技术研发日：2023.04.14
技术公布日：2023/7/25