本发明涉及导航技术领域，尤其涉及一种从历史轨迹中提取路线特征的方法。
背景技术：
导航应用是一种在路网中找到最佳路线和相应的转弯方向的应用。现有导航应用提供的由转弯方向(turn-by-turn)构成的导航服务，是专门从底端路网中提取信息而得来的。所以，它很容易被转换成物理世界的信息去讲述(多远/多久转方向)。但是这种翻译，忽略了人类对地理空间的认知，对于了解地理区域的司机来说，往往很冗长。大多数道路上的司机都有良好的城市知识和熟悉道路网络中的某些部分，他们采取的路线，(例如，路线从家到附近的公路，可以被一句话概述：从家到xxx公路；而不是：前面xx米左转，……)。因此，如果对司机熟悉的部分道路，也使用现有导航应用的转弯方向导航，那么实际上导航系统将是十分冗余和复杂的，相应的导航程序对资源的需求也高，导致导航应用的开发成本和运营成本也高。并且，如果一直使用逐转方向导航，用户接收到的信息通常是“前方xx米左转、前方xx米右转、前方直行xx米左转，……”，用户接收到的导航信息单一，难以满足个性化的导航需求。尤其是随着移动互联网技术的发展，移动设备和车载导航系统的导航应用地不断增长，积累了大量的用户生成的轨迹数据，使用这些大数据产生更有效的、更容易被人理解的导航信息是非常有用的。
由于gps和无线通信技术的快速发展，描述运动物体的运动历史的空间轨迹正在以前所未有的速度形成和累积。由时间戳位置(经度、纬度和时间)顺序形成的原始轨迹对于人们来说是没有任何意义的，因为人们并不能理解其代表什么含义。为了解决这一问题，可以通过轨迹划分和文本归纳框架，最终将简洁的、有代表性的导航信息发送给用户。但是，文本总结要简明扼要、便于人们理解，这显然不能包含所有的路线特征。所选取的路线特征是不规则路线特征，即该特征的值不同于正常情况下的值。本申请主要解决的问题是选取最不规则的路线特征来描述每一轨迹分区的运动行为。
技术实现要素：
本发明的目的在于克服现有技术的不足，提供一种从历史轨迹中提取路线特征的方法，在每个轨迹分区里选取最不则的路线特征来描述运动行为，既简洁扼要、便于用户理解，又能将该轨迹分区里最主要的路线特征表现出来。
本发明的目的是通过以下技术方案来实现的：一种从历史轨迹中提取路线特征的方法，包括：
s1：从历史轨迹中提取
s2：将路线特征f归一化得到特征序列
其中，
并且，将
s3：计算
其中，rest(·)返回特征值序列除了第一个特征值外的其余所有特征值；head(·)返回特征值序列第一个特征值；
s4：计算路线特征f的不规则率
其中，wf是用户指定的特征f的权重；length(·)是集合序列中元素的个数；
进一步地，在步骤s4中：
对于可数字化的路线特征f：
对于分种类的路线特征f：
本发明的有益效果是：
(1)本发明通过在每个轨迹分区里选取了最不则的路线特征来描述运动行为，既简洁扼要、便于用户理解，又能将该轨迹分区里最主要的路线特征表现出来。
(2)本发明将每个轨迹分区的所有的路线特征作为算法的输入，输出为用于描述该轨迹分区的路线特征，可以使导航仪将该路段最具代表性的路线特征呈现给用户。
(3)本发明所选取的运动特征是不规则运动特征，这些不规则特征的值不同于正常情况下的值，本发明的方法解决了选取最不规则的运动特征来描述每一轨迹分区的运动行为的技术问题。
附图说明
图1为本发明的方法步骤流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
本申请中涉及的概念定义和符号表示：
原始轨迹t：是由从运动物体的运动路线抽样得到的坐标和与之对应的时间戳构成的一个有穷序列，即：t＝[(p1,t1),(p2,t2),…,(pn,tn)]。
地标l：是空间中的一个地理位置，它是稳定的、独立于轨迹。
符号轨迹
轨迹片段
轨迹分区
地标意义l.s：衡量人们对地标l的熟悉度。
f：轨迹
特征分为路线特征和运动特征。路线特征包括路的等级、路宽和方向，运动特征包括速度、停留次数和u型急转弯次数。详细信息如下表：
为了使归纳总结文本既简洁、便于用户理解，又满足用户的需求。故选取的特征应该是最不规则的特征。不规则率比用户指定的阈值高的所有特征都应被写入总结归纳中。我们分别设计了路线特征和运动特征的不规则率的方法。下面分别介绍每一分区内路线特征和运动特征的选取方法：
实施例一
如图1所示，一种从历史轨迹中提取路线特征的方法，包括：
s1：从历史轨迹中提取
s2：将路线特征f归一化得到特征序列
其中，
并且，将
s3：计算
其中，rest(·)返回特征值序列除了第一个特征值外的其余所有特征值；head(·)返回特征值序列第一个特征值；
s4：计算路线特征f的不规则率
其中，wf是用户指定的特征f的权重；length(·)是集合序列中元素的个数；
进一步地，在步骤s4中：
对于可数字化的路线特征f：
对于分种类的路线特征f：
实施例二
在实施例一的基础上，还包括：从历史轨迹中提取运动特征，进一步包括如下步骤：
s1：在每个轨迹分区下，从历史轨迹中提取出每个特征的值，使用有向图g(v,e)表示历史轨迹特征图，用于归纳两个地标之间的特征f，然后构建历史轨迹特征地图；
s2：使用如下公式计算每个轨迹分区下的每个运动特征的不规则率
其中，wf是用户指定的特征f的权重，norm(·)返回的是归一化值，归一化常量n为该分区内所有轨迹片段中的特征f的最大值，即
进一步地，在步骤s1中，所述的构建历史轨迹特征地图，包括如下子步骤：
s11：给定地标集，历史符号轨迹数据集和选定的运动物体的特征f；
s12：将地标集中的每个地标添加到历史轨迹特征图的顶点集v中；
s13：添加有向边，如果在历史符号轨迹数据集中存在从li到lj的轨迹
s14：用轨迹t(li→lj)的特征f的平均值标注每条边。
在本发明的实施例中，文本总结要简明扼要、便于人们理解，这显然不能包含所有的路线特征。所选取的路线特征应该是不规则路线特征，即该特征的值不同于正常情况下的值。该算法主要解决的问题就是选取最不规则的路线特征来描述每一轨迹分区的运动行为。
通过该算法在每个轨迹分区里选取了最不规则的路线特征来描述运动行为。既简洁扼要、便于用户理解，又能将该轨迹分区里最主要的路线特征表现出来。
将每个轨迹分区的所有的路线特征作为该算法的输入，输出为用于描述该轨迹分区的路线特征，该算法可以使导航仪将该路段最具代表性的路线特征呈现给用户。
本申请中，head(.)，length(.)等是现有技术中标准的编辑距离(editdistance)的表示方法，例如
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。