(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221083210 6.2 (22)申请日 2022.07.15 (71)申请人 京东城市 （北京） 数字科技有限公司 地址 100086 北京市海淀区知春路76号 （写 字楼） 1号楼 9层1-7-5号 (72)发明人 郜贺鹏　韩博洋　苏义军　张钧波　 郑宇　寄家豪　 (74)专利代理 机构 中原信达知识产权代理有限 责任公司 1 1219 专利代理师 李阳　徐敏 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/08(2012.01)G06Q 30/02(2012.01) G06Q 50/26(2012.01) G06Q 50/30(2012.01) (54)发明名称 一种地块画像方法、 装置、 电子设备及计算 机可读介质 (57)摘要 本申请公开了地块画像方法、 装置、 电子设 备及计算机可读介质， 涉及智 能城市技术领域， 该方法包括： 获取轨迹数据和所述轨迹数据对应 的标识信息； 根据轨迹数据， 生成驻留点序列； 将 驻留点序列与预设的地块信息进行匹配， 进而生 成地块访问序列； 基于预设的目标 维度对地块访 问序列进行特征提取， 以生 成对应各标识信息的 时空特征； 基于各时空特征， 生成地块访问序列 中各地块的地块画像。 基于得到的地块画像， 可 以辅助城市区域细粒度管理， 对检测特种物质运 输、 区域间流转的异常、 危险区域预警、 区域精准 广告投放、 交通流量分析和城市规划提供支持， 提高对地块的多个维度进行打分标注的效率及 准确率， 减少了人力参与， 降低数据处 理成本。 权利要求书3页 说明书13页 附图6页 CN 115169466 A 2022.10.11 CN 115169466 A 1.一种地 块画像方法， 其特 征在于， 包括： 获取轨迹数据和所述轨 迹数据对应的标识信息； 根据所述轨 迹数据， 生成驻留点序列； 将所述驻留点序列 与预设的地 块信息进行匹配， 进 而生成地 块访问序列； 基于预设的目标维度对所述地块访问序列进行特征提取， 以生成对应各所述标识信 息 的时空特 征； 基于各所述时空特 征， 生成所述 地块访问序列中各地 块的地块画像。 2.根据权利要求1所述的方法， 其特 征在于， 所述 生成驻留点序列包括： 根据所述轨 迹数据， 确定车辆驻留位置和驻留时长； 根据所述车辆驻留位置和所述 驻留时长， 生成驻留点序列。 3.根据权利要求1所述的方法， 其特征在于， 在所述基于预设的目标维度对所述地块访 问序列进行 特征提取之前， 所述方法还 包括： 对所述地块访 问序列基于自然日或驻留时长进行划分， 以得到各子地块访 问序列； 以 及 所述基于预设的目标维度对所述地块访问序列进行特征提取， 以生成对应各所述标识 信息的时空特 征， 包括： 分别基于时间维度和空间维度对所述各子地块访问序列进行特征提取， 以生成对应各 所述标识信息的时间特 征和空间特 征。 4.根据权利要求1所述的方法， 其特征在于， 所述基于各所述时空特征， 生成所述地块 访问序列中各地 块的地块画像， 包括： 对于所述地块访 问序列中的每一个地块， 确定对应的标识信息， 进而调用深度学习 网 络模型中的预训练特征提取模块， 以基于所述地块访问序列中的每一个地块对应的标识信 息对应的时空特 征， 生成所述 地块访问序列中各地 块的地块画像。 5.根据权利要求4所述的方法， 其特征在于， 所述生成所述地块访问序列中各地块的地 块画像， 包括： 对于每一个地 块访问序列， 从中选取一个地 块作为锚点； 筛选经过所述锚点的地块访问序列， 进而从所述经过所述锚点的地块访问序列中确定 目标地块访问序列； 获取所述目标地块访问序列对应的时空特征， 进而基于所述目标地块访问序列对应的 时空特征、 所述目标地块访问序列中的锚点位置、 所述锚点以及所述锚点所在的地块访问 序列的时空特 征， 生成所述锚点对应的地 块的地块画像。 6.根据权利要求5所述的方法， 其特征在于， 所述从所述经过所述锚点的地块访问序列 中确定目标地 块访问序列， 包括： 确定所述经 过所述锚点的地 块访问序列的长度和锚点 位置； 基于所述长度和所述锚点位置， 从所述经过所述锚点的地块访问序列中确定出目标地 块访问序列。 7.根据权利要求4所述的方法， 其特征在于， 在所述调用深度学习网络模型中的预训练 特征提取模块之前， 所述方法还 包括： 获取初始神经网络模型；权　利　要　求　书 1/3 页 2 CN 115169466 A 2获取训练样本集， 所述训练样本集包括基于空间特征的相似样本对、 基于时间特征的 相似样本对、 所述基于空间特征 的相似样本对所对应的空间锚点对、 所述基于时间特征 的 相似样本对所对应的时间锚点对、 标注的所述空间锚点对的第一距离、 标注的所述时间锚 点对的第二距离和标注的地 块画像； 将所述基于空间特征的相似样本对作为所述初始神经网络模型的编码转换层的输入， 将所述基于空间特征的相似样本对所对应的空间锚点对和所述第一距离作为所述初始神 经网络模型的编码转换层的期望 输出， 对所述初始神经网络模型进行自监 督训练； 将所述基于时间特征的相似样本对作为所述初始神经网络模型的编码转换层的输入， 将所述基于时间特征的相似样本对所对应的时间锚点对和所述第二距离作为所述初始神 经网络模型的编码转换层的期望 输出， 对所述初始神经网络模型进行自监 督训练； 分别将所述空间锚点对、 所述 时间锚点对、 所述第 一距离、 所述第二距离作为所述初始 神经网络模型 的线性层的输入， 将所述表述的地块画像作为所述线性层的期望输出， 对所 述初始神经网络模型进行训练， 进而通过损失函数进行优化， 以得到所述深度学习网络模 型中的预训练特 征提取模块。 8.一种地 块画像装置， 其特 征在于， 包括： 接收单元， 被配置成获取轨 迹数据和所述轨 迹数据对应的标识信息； 驻留点序列生成单 元， 被配置成根据所述轨 迹数据， 生成驻留点序列； 地块访问序列生成单元， 被配置成将所述驻留点序列与预设的地块信息进行匹配， 进 而生成地 块访问序列； 时空特征生成单元， 被配置成基于预设的目标维度对所述地块访问序列进行特征提 取， 以生成对应各 所述标识信息的时空特 征； 地块画像生成单元， 被配置成基于各所述时空特征， 生成所述地块访 问序列中各地块 的地块画像。 9.根据权利要求8所述的装置， 其特征在于， 所述驻留点序列生成单元进一步被配置 成： 根据所述轨 迹数据， 确定车辆驻留位置和驻留时长； 根据所述车辆驻留位置和所述 驻留时长， 生成驻留点序列。 10.根据权利要求8所述的装置， 其特征在于， 所述装置还包括序列划分单元， 被配置 成： 对所述地块访 问序列基于自然日或驻留时长进行划分， 以得到各子地块访 问序列； 以 及 所述时空特 征生成单 元进一步被配置成： 分别基于时间维度和空间维度对所述各子地块访问序列进行特征提取， 以生成对应各 所述标识信息的时间特 征和空间特 征。 11.一种数据处 理电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序， 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 ‑7中任一所述的方法。权　利　要　求　书 2/3 页 3 CN 115169466 A 3