时空轨迹数据的分级处理方法与流程

本发明涉及时空数据处理领域，特别涉及一种时空轨迹数据的分级处理方法。

背景技术：

随着GPS技术的不断发展和个人终端产品的广泛使用，现实生活中产生了大量的轨迹数据，比如手机记录的人们的每天出行轨迹数据，其中包含了人们日常经过的道路信息和经常去的超市、商场、餐馆等感兴趣地点信息；出租车上GPS所记录的车租车行驶轨迹数据，其中包含了城市中人们出行的频繁区域和道路拥堵信息等。

一方面，轨迹数据中包含了一些重要的信息，在大数据时代越多的数据越能挖掘出更多感兴趣的知识，另一方面，平均几秒一次的采样率使得每天积累了大量数据，随着时间的推移产生了海量轨迹数据，对存储条件带来了巨大的考验。因此，如何对时空移动轨迹数据进行处理成了亟待解决的问题。现有的时空轨迹数据处理一般只针对问题给出离线或在线压缩其中某一种方法，并且在对数据压缩后没有进行进一步的特征提取，整个过程缺少了分级处理框架，不利于后续的数据分析和挖掘，如何对轨迹数据进行分层地，多角度地处理仍缺乏具体的处理流程和方法。

技术实现要素：

鉴于现有方案存在的问题，为了克服上述现有技术方案的不足，本发明提出了一种时空轨迹数据的分级处理方法。

根据本发明的一个方面，提供了一种时空轨迹数据的分级处理方法，其中，包括以下步骤：获取增量轨迹数据，所述轨迹为一移动对象在空间中形成的路径；使用在线压缩方法对所述增量轨迹数据进行实时压缩；获取一段时间内的离线轨迹数据；使用离线压缩方法对所述离线轨迹数据进行压缩；以及从所述离线轨迹数据提取出特征向量。

从上述技术方案可以看出，本发明具有以下有益效果：

通过分级处理减少了计算复杂度，减少了存储空间而且最大程度保留了轨迹数据信息，全面地对时空轨迹数据进行前期处理，可以满足各种应用场合的需求，最大可能的保留了数据的原始信息，并且加以提炼、提取，增加了数据的表达形式，提高了时空轨迹数据的使用效率，便于后续的数据分析和挖掘；

对增量轨迹数据基于Sliding Window算法在线压缩，针对收集到的实时轨迹点数据决定是否保存，减小存储压力；

对离线轨迹数据基于动态分割进行离线压缩，结合不同的应用场景，设定合适的曲率阈值，对于特定时间段内数据进行压缩，剔除不重要的冗余数据；

对离线轨迹数据进行特征提取及构建特征向量，可以用于构建目标知识库和目标判别工作

附图说明

图1是本发明实施例时空轨迹数据的分级处理方法流程图；

图2是图1中步骤S2中基于Sliding Window算法的轨迹数据在线压缩流程图；

图3是图1中步骤S4中基于动态分割的轨迹数据离线压缩流程图；

图4是图1中步骤S5中时空轨迹数据特征提取流程图。

具体实施方式

本发明某些实施例于后方将参照所附附图做更全面性地描述，其中一些但并非全部的实施例将被示出。实际上，本发明的各种实施例可以许多不同形式实现，而不应被解释为限于此数所阐述的实施例；相对地，提供这些实施例使得本发明满足适用的法律要求。

在本说明书中，下述用于描述本发明原理的各种实施例只是说明，不应该以任何方式解释为限制发明的范围。参照附图的下述描述用于帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例。下述描述包括多种具体细节来帮助理解，但这些细节应认为仅仅是示例性的。因此，本领域普通技术人员应认识到，在不悖离本发明的范围和精神的情况下，可以对本文中描述的实施例进行多种改变和修改。此外，为了清楚和简洁起见，省略了公知功能和结构的描述。此外，贯穿附图，相同附图标记用于相似功能和操作。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明实施例提供了一种本发明实施例提供了一种时空轨迹的分级处理方法，对增量轨迹数据和离线轨迹数据采用不同的压缩处理，减少了存储空间而且最大程度保留了轨迹数据信息，可以满足各种应用场合的需求，最大可能的保留了数据的原始信息，并对离线轨迹数据提取特征向量，增加了数据的表达形式，提高了时空轨迹数据的使用效率，便于后续的数据分析和挖掘。

图1示出了本发明实施例时空轨迹数据的分级处理方法流程图，请参照图1，本方法实施例中的时空轨迹数据的分级处理方法具体包括：

S1、获取增量轨迹数据，所述轨迹为一移动对象在空间中形成的路径；

S2、对增量轨迹数据，使用在线压缩方法进行实时压缩，用于实时可视化的功能；

S3、获取一段时间内的离线轨迹数据，所述一段时间针对不同应用场景可以进行设置，如一小时、一天、一周等

S4、对步骤S3获取的离线轨迹数据，使用离线压缩方法进行压缩；

S5、对步骤S3获取的离线轨迹数据，使用特征提取技术提取出特征向量。

图2为步骤S2中基于Sliding Window算法的轨迹数据在线压缩流程图，Sliding Window算法由起始轨迹点开始，每次将新产生的数据点加入滑动窗，并作为新的终止点，连接起始点和终止点，计算之间点到该连线的最大距离，如果小于设定阈值，则以此类推，增加窗口大小；如果大于设定阈值，则将之间的点除上次终止点外都删除，以此次终止点作为新的初始窗口，以此类推。

请参照附图2步骤S2具体包括：

S21、初始化滑动窗，滑动窗初始大小为1，即仅包括一个轨迹点，设定轨迹点到起始点与终止点连线的距离阈值d，所述起始点为滑动窗内的第一个轨迹点，终止点为滑动窗口最新增加的轨迹点；

S22、计算滑动窗内所有轨迹点到起始点与终止点连线的距离Di；

具体的，轨迹点到起始点与终止点连线的距离可以包括垂直欧氏距离或时间同步欧氏距离。

垂直欧氏距离为将起始点与终止点连线后，之间各个轨迹点到该连线的垂直距离；时间同步欧氏距离为将起始点与终止点连线后，按照对象均匀运动方式，根据两点之间时间，对应映射到该连线，原始点与映射点的距离即为时间同步欧式距离。

S23、统计上述距离中Di的最大值，令Dmax＝Max(Di)；

S24、将上述距离中Di的最大值Dmax与设定阈值d对比，若Dmax＜d，则执行步骤S25，否则执行步骤S26；

S25、将窗口后一个轨迹点加入，形成新的滑动窗口，并将新加入轨迹点更新为终止点，返回步骤S22；

S26、保留起始点和终止点的前一个轨迹点，删除起始点与终止点之间其他的轨迹点，并将终止点作为新的滑动窗口的起始点，返回步骤21；

S27、重复步骤S21到S25，直到轨迹压缩任务完成。

图3为步骤S4中基于动态分割的轨迹数据离线压缩流程图，请参照附图3，步骤S4具体包括：

S41、获取起始点和终止点之间所有待处理的轨迹点数据；

具体地，获取步骤S3中获得的离线轨迹数据中所有的轨迹点数据。

S42、根据基于Douglas-Peucker算法的先验实验确定曲率阈值与压缩比关系公式，设定曲率阈值k；

曲率阈值与压缩比关系公式如式(1)所示，其中k为曲率阈值，z为压缩比

S43、计算出所有轨迹点的曲率值；

所述计算出第i个轨迹点的曲率值可通过式(2)计算，其中x_i表示第i个点的横坐标，y_i表示第i个点的纵坐标：

S44、将各个轨迹点曲率与曲率阈值对比，将完整的轨迹按曲率划分为N+1段，其中N为自然数，且N≥1；

将选取所有曲率大于等于曲率阈值的轨迹点，若符合要求的轨迹点数量为N，则将整个轨迹按照从起始点到终止点的顺序基于上述符合要求的轨迹点分割为N+1段，其中第i段为起始点为第i-1个符合要求的轨迹点之后的第一个点，终止点为i个符合要求的轨迹点，其中1≤i≤N+1。

S45、对N+1段分割轨迹，都做如下操作：计算每一点到起始点和终止点连线的垂直径向距离，找到最大距离对应的轨迹点，并与距离阈值f进行对比，如果小于f，则保留起始点和终止点两点完成压缩任务，如果大于f，则对轨迹分割，将最大距离对应的点作为分割点，对分割后的轨迹段再次重复如上操作，直到压缩完成。

图4为步骤S5的时空轨迹数据特征提取流程图，请参照附图4，步骤S4具体包括：

S51、获取起始点和终止点之间所有待处理的轨迹数据；

具体地，获取步骤S3中获得的离线轨迹数据中所有的轨迹点数据。

S52、提取出轨迹数据中全局特征和属性特征；

全局特征是轨迹点运动参数的统计特性，所述的运动参数包括速度、加速度、方向和转角、曲率等，属性特征包括国家地区、活动区域等。

S53、对全局特征统计分析；

对全局特征统计分析包括：

计算出最大最小的各三个值、取值范围、均值、方差、偏度、峰度、自相关系数、变异系数、转角变化率等；其中，自相关系数为不同步长下观测值的相关程度，变异系数为描述数据的散布程度，转角变化率为转角大于某个阈值的比例。

S54、采用时序图分解方法提取出轨迹数据局部特征；

时序图分解方法具体为，将所有轨迹点分成高幅高频，低幅低频，高幅低频，低幅高频四类，并且将轨迹分段，计算每一段的统计量，统计例如每类长度的均值、方差；每条轨迹轨迹段改变的数目，每类轨迹段所占百分比。

S55、将全局特征和属性特征及局部特征构造成高维特征向量，对每条轨迹的全局特征、局部特征和属性特征拼接成行向量。

前面的附图中所描绘的进程或方法可通过包括硬件(例如，电路、专用逻辑等)、固件、软件(例如，被承载在非瞬态计算机可读介质上的软件)，或两者的组合的处理逻辑来执行。虽然上文按照某些顺序操作描述了进程或方法，但是，应该理解，所描述的某些操作能以不同顺序来执行。此外，可并行地而非顺序地执行一些操作。

需要说明的是，在附图或说明书正文中，未绘示或描述的实现方式，均为所属技术领域中普通技术人员所知的形式，并未进行详细说明。此外，上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。