为了让广大的开发者

更深入地了解

百度地图开放平台的

技术能力

轻松掌握满满的

技术干货

更加简单地接入

位置服务

我们特别推出了

“位置服务（LBS）开发微课堂”

系列技术案例

第二期的主题是

《轨迹重合率分析API升级》

---

百度地图的鹰眼轨迹服务是一款行业领先的商用级轨迹管理服务，它结合百度地图专业精准的地理位置数据优势，助力开发者更高效地进行轨迹的分析和处理，让轨迹数据创造更大的价值。

在轨迹数据的分析处理中，重合率是非常重要的指标，不仅可用于聚类分析，还能帮助识别出异常数据。结合用户反馈，鹰眼轨迹服务对轨迹重合率分析API进行了全面的升级。

此次升级在轨迹上限、分析精度以及可用范围上均实现了显著提升，不仅突破了以往轨迹点数、轨迹距离的限制，同时也降低了使用门槛，使用该服务更加便捷高效。

---

01 问题引入

轨迹重合率分析在众多行业中都展现出了广泛的应用价值。

例如，在危化品运输过程中，要求运输车辆必须严格按照规划路线行驶。这就需要从车辆采集的数千公里长距离轨迹中，准确识别出偏航情况并标识出偏航路段。

同样，在网约车行业中，顺风车拼单是一个典型的业务场景。这需要从愿意拼车的候选轨迹集合中，找出收益最高的轨迹组合，并评估拼单对原订单的影响。

轨迹 1

轨迹 2

在这些实际应用场景中，对轨迹的重合率分析服务都提出了较高的要求。

---

02 轨迹重合率分析升级

2.1 效果提升

为了更好地满足实际应用场景中的各类复杂需求，鹰眼轨迹服务的重合率分析API进行了以下升级：

1. 支持的点数提升到单条轨迹5万点，且对轨迹长度不作限制。这一升级可以满足货运客户纵贯南北、横贯东西的超长距离轨迹分析需求。

2. 消除了对路网数据的强依赖，可以对全球用户提供效果一致的重合率分析能力。

3. 提供了可配置的匹配半径功能，让用户能够自由定义“重合”的标准。这一功能既可以满足网约车米级精度的偏航识别需求，也可以用于海运海里级的偏航分析。

4. 消除了对轨迹时间戳和点间距的依赖。路线规划出的路线简单拼接后就可以直接进行分析，极大地降低了使用难度。

新旧版本特性对照：

优化点	优化前	优化后
轨迹点数	500 ~ 2000点	50000点
距离提升	500km	不限距离
轨迹真实时间戳	必须	可选
可用区域	路网覆盖（国内）	不限
重合判定阈值	固定	可调

2.2 匹配算法优化

旧版API：采用"线-线"匹配的方式判断重合

（1）图中待分析轨迹的c'、d'两段，与基准轨迹中的c段属性要素（方向/经纬度）差异大于阈值，则视为不重合，其他段则视为重合。

（2）引入基础路网绑路，使用修正后的轨迹进行判断，可以有效减少匹配错误，但也限制了使用区域，增加了资源成本。

新版API：采用"点-线"匹配的方式判断重合

（1）将待分析轨迹中的形点，根据匹配半径召回基准轨迹中的线段，并根据属性要素（距离/方向/点序）计算形点落在线段上的放射概率，取放射概率最大的线段计算投影点。若相邻原始点组成的直线（如ab）与投影点在基准轨迹截取的折线（如a'b'）小于阈值，则视为重合。

（2）若形点（如d）未召回任何线段，则该形点与前后点组成的线段（cd和de）视为与基准轨迹不重合。

2.3 细分场景表现

2.3.1 无路网场景

海面无路网的情况，仍可以提供重合率分析能力。

重合率结果（部分）：

{
    "status": 0,
    "message": "OK",
    "data": {
        "similarity": 67.65,
        "standard_track_distance": 151002.05,
        "track_distance": 154475.49,
        "unmatched_distance": 51060.44,
        "matched_distance": 103415.05,
        "standard_match_ratio": 68.37,
        "standard_matched_distance": 103246.76
    }
}

2.3.2 相同位置多次轨迹重叠

轨迹AB进行分析，两条轨迹可识别出有1圈重合。

轨迹AC进行分析，两条轨迹可识别出有2圈重合。

2.3.3 位置相同，方向相反

在相同路线上，以相反方向行驶产生的两条真实轨迹，整体仅有14%的重合率（起点区域是重合的）。

逆时针

顺时针

重合率分析响应：

{
    "status": 0,
    "message": "OK",
    "data": {
        "similarity": 14.08,                                // 整体重合率
        "standard_track_distance": 19038.64,                // 逆时针轨迹总长
        "track_distance": 22015.05,                         // 顺时针轨迹总长
        "unmatched_distance": 19378.15,                     
        "matched_distance": 2636.89,                        // 顺时针轨迹中重合长度
        "standard_match_ratio": 16.51,
        "standard_matched_distance": 3144.75                // 逆时针轨迹中重合长度
    }
}

2.3.4 起终点位置不同，行驶轨迹相同

相同轨迹序列，将起点处部分轨迹挪到终点后（调整起点位置），整体重合率为99.46%（轨迹非闭合，缺口位置识别为不重合）。

原始轨迹

变换起点位置后

重合率分析结果（部分）：

{
    "status": 0,
    "message": "OK",
    "data": {
        "similarity": 99.46,                            // 整体重合率
        "standard_track_distance": 19038.64,
        "track_distance": 18985.78,
        "unmatched_distance": 75.46,
        "matched_distance": 18910.31,
        "standard_match_ratio": 99.32,
        "standard_matched_distance": 18910.31
    }
}

---

03 使用体验提升

轨迹重合率分析是一类Web API接口服务，开发者可以从官网接口文档直接获取多语言版本的请求demo。

优化后的API极大降低了使用难度，开发者仅需填充standard_track（基准轨迹）和track（待匹配轨迹）两个参数即可开始分析。

分析不再依赖时间戳，除经纬度外的其他字段均缺省时，仍能保证分析准确。

---

04 效果展示

回到最开始的问题，对于危化品运输行业和网约车行业遇到的实际问题，重合率分析服务有怎样的表现呢？

4.1 危化品运输

基准路线：全长397km，轨迹点35244个

待分析轨迹：全长393km，轨迹点32202个

详细结果如下，经过分析，该车辆有25.1km的行程偏离预定路线（unmatched_distance）。

重合率分析结果（部分）：

{
    "status": 0,
    "message": "OK",
    "data": {
        "similarity": 93.09,                            // 综合重合率
        "standard_track_distance": 397258.78,           // 基准轨迹长度
        "track_distance": 393006.23,                    // 待分析轨迹长度
        "unmatched_distance": 25144.21,                 // 待分析轨迹中偏离基准轨迹长度
        "matched_distance": 367862.01,
        "standard_match_ratio": 92.6,                   // 基准轨迹中可以匹配上的长度占总长的比例
        "standard_matched_distance": 367865.2           // 基准轨迹中可以与待分析轨迹重合的长度
    }
}

基准轨迹不匹配的轨迹逐点标识，可以粗略看出存在两个部分

4.2 网约车行业（顺风车拼单）

顺风车拼单可以拆解为以下3个步骤：

（1）发现拼单机会：计算多条路线间的重合率，选出重合率最高的组合。

（2）得到拼单轨迹：使用路线规划服务对重合率最高的组合重新算路。

（3）评估拼单影响：计算拼单轨迹与原始轨迹重合率。

具体分析过程如下：

（1）将候选集合中的3条轨迹分别计算整体重合率（similarity），重合率最高的组合“轨迹1&2”拼单机会最高。

轨迹 1&2 重合率（部分）：

{
    "status": 0,
    "message": "OK",
    "data": {
        "similarity": 43.13   // 整体重合率
    }
}

轨迹 1&3 重合率（部分）：

{
    "status": 0,
    "message": "OK",
    "data": {
        "similarity": 15.27   // 整体重合率
    }
}

轨迹 2&3 重合率（部分）：

{
    "status": 0,
    "message": "OK",
    "data": {
        "similarity": 13.73   // 整体重合率   
    }
}

（2）将轨迹2的起终点作为轨迹1的途径点重新算路，得到拼单轨迹。

轨迹1送客途中接上轨迹2的乘客

（3）以原始轨迹为基准，将拼单后轨迹分别与原始轨迹计算重合率，可以得出：

1）拼单对轨迹2的乘客几乎没有影响（基准轨迹重合率100%）。

2）对轨迹1的乘客路线影响相对较大（基准轨迹重合率55%），但成本增加不大（距离增加1.3km）。

轨迹 1& 拼单后轨迹重合率（部分）：

{
    "status": 0,
    "message": "OK",
    "data": {
        "standard_track_distance": 23092.86,      // 轨迹1距离（米）
        "track_distance": 24440.58,               // 拼单后轨迹距离（米）
        "standard_match_ratio": 55.41,            // 基准轨迹重合率
    }
}

轨迹 2& 拼单后轨迹重合率（部分）：

{
    "status": 0,
    "message": "OK",
    "data": {
        "standard_track_distance": 11981.52,      // 轨迹2距离（米）
        "track_distance": 24440.58,               // 拼单后轨迹距离（米）
        "standard_match_ratio": 100.0,            // 基准轨迹重合率
    }
}

新版轨迹重合率分析API，以其强大的性能和广泛的应用场景，无疑将为开发者带来更加便捷、高效的位置服务体验。

新版本将于9月底在官网发布，敬请期待！

·END·

你还想了解哪些技术内容？

快来评论区留言告诉我们吧！