专利名称：一种道路网络空间中车辆对象移动轨迹聚类的方法
技术领域：
本发明涉及的是道路网络空间中车辆对象移动轨迹聚类的方法。
背景技术：
随着经济发展和技术进步，交通运输已经成为人们社会生活中不可缺少的重要组成部分，它对保证社会经济体系的发展及日常生活的正常运转发挥着越来越大的作用。在人类的生活和生产过程中，存在着大量与空间位置有关的移动对象的信息。移动对象在人们的日常生活中随处可见，而移动对象的时间与空间性质是影响人们日常生活行为的重要因素之一。近年来，随着各种定位技术的普及和发展，用户可以方便地获取移动对象的位置信息并将其以轨迹的形式记录下来。移动对象轨迹包含丰富的信息，如何查询轨迹以及对其进行处理已成为人们研究的热点，以轨迹为基本对象的轨迹数据库越来越受到广大数据库研究者的关注。同时，移动对象轨迹中包含丰富的知识，且对象位置随时间变化而发生变化的特性，对数据挖掘领域也带来巨大的挑战。聚类分析是数据挖掘技术中重要技术之一，如何对移动对象轨迹进行建模与聚类具有广阔的研究价值与应用前景。
发明内容
本发明的目的在于提供一种提高预测物体运动行为准确性的道路网络空间中车辆对象移动轨迹聚类的方法。本发明的目的是这样实现的:本发明包括如下步 骤:(I)将移动对象的数据属性分为静态属性和动态属性；(2)在离散时刻对移动对象的位置进行采样存储，并定义兴趣点、路网空间；(3)在离散时刻对采样节点之间的轨迹进行还原；(4)将移动对象轨迹作为一个点集进行刻画；(5)计算两条轨迹间的距离；(6)把移动对象相异性的区间标度变量的度量值转换为无单位的值；(7)计算两条轨迹间的时间距离:
权利要求
1.一种道路网络空间中车辆对象移动轨迹聚类的方法，其特征是，包括如下步骤: (1)将移动对象的数据属性分为静态属性和动态属性； (2)在离散时刻对移动对象的位置进行采样存储，并定义兴趣点、路网空间； (3)在离散时刻对采样节点之间的轨迹进行还原； (4)将移动对象轨迹作为一个点集进行刻画； (5)计算两条轨迹间的距离； (6)把移动对象相异性的区间标度变量的度量值转换为无单位的值； (7)计算两条轨迹间的时间距离:
2.根据权利要求1所述的一种道路网络空间中车辆对象移动轨迹聚类的方法，其特征在于，所述的相似性转化的方法包括: (1)输入轨迹在t时刻经过的点以pos=(Rid, offset, speed)的方式表示，其中Rid为路段标识，offset为偏移量，speed为移动对象速度； (2)对于位置pos,已知offset和Rid,依次计算该路段上的兴趣点和该路段起始点之间的距离，获取与pos的offset之差最小的兴趣点Pi,用Pi近似代替pos。
3.根据权利要求1或2所述的一种道路网络空间中车辆对象移动轨迹聚类的方法，其特征在于，所述的初始聚类包括: (1)对输入的轨迹集合进行预处理，调用轨迹转换算法来转化每条轨迹，将轨迹简化成路网空间上已有的兴趣点来表示； (2)对经过预处理的轨迹,依次查询其ε-邻域,如果一条轨迹的ε -邻域中轨迹的数目小于阈值，则将该轨迹标记为噪声；否则该轨迹为核心轨迹，再对核心轨迹的ε -邻域中的轨迹进行时间距离的提纯，将其中时间距离小于给定阈值的轨迹标记到一个簇中； (3)把标记到一个簇中的轨迹压入堆栈，利用本簇中的每条轨迹对簇进行一次扩展操作ExpandCluster, ExpandCluster O对簇进行扩展时,整个过程即扫描所有与待计算轨迹密度相连的轨迹，算法将所有达到密度相连的轨迹聚到一个簇中。
4.根据权利要求3所述的一种道路网络空间中车辆对象移动轨迹聚类的方法，其特征在于，所述的增量聚类的方法包括: (1)确定初始聚类簇中的核心轨迹，由核心轨迹中提取代表轨迹； (2)计算新增轨迹与代表轨迹的距离，如果与所有簇的代表轨迹的距离都大于阈值dfflax,则将TR标记为噪声；否则，将TR聚到与其代表轨迹距离最小的那个簇中，把TR标记上相应的簇标号，并计算TR的Ne (TR)，以确定TR是否为核心轨迹，如果TR是核心轨迹，则要将TR加入重新计算该簇的代表轨迹； (3)对变化的轨迹进行增量聚类，计算变化的那段轨迹和每个簇的代表轨迹之间的距离，如果与所有簇的代表轨迹间的距离都大于dmax，对整条轨迹TR重新进行计算，判断能否归入簇中，如果能则将TR重新标记，否则记为噪声；如果与所有簇的代表轨迹间的距离不都大于dmax，将新增长的轨迹段聚到与其代表轨迹距离最小的簇中，判断这段轨迹段和之前的轨迹是否处于同一簇中，如果是则将原轨迹更新，否则将两段轨迹所在的簇合并，调整簇标号并将TR标记。然后计算TR的Ne (TR)，以确定TR是否为核心轨迹，如果TR是核心轨迹，则要将TR加入重新计算·该簇的代表轨迹。
全文摘要
本发明涉及的是道路网络空间中车辆对象移动轨迹聚类的方法。本发明包括将移动对象的数据属性分为静态属性和动态属性；在离散时刻对移动对象的位置进行采样存储，并定义兴趣点、路网空间；在离散时刻对采样节点之间的轨迹进行还原；将移动对象轨迹作为一个点集进行刻画；计算两条轨迹间的距离；把描述对象相异性的区间标度变量的度量值转换为无单位的值；计算两条轨迹间的时间距离；对于车辆对象移动轨迹进行相似性转化；对进行过相似性转化的轨迹初始聚类；对经过初始聚类的轨迹聚类簇进行增量聚类。本发明提出的方法对移动对象进行处理，并和已有算法比较，在保证正确聚类结果的基础上，提高了算法的运行效率。
文档编号G06F17/30GK103246706SQ20131012119
公开日2013年8月14日 申请日期2013年4月9日 优先权日2013年4月9日
发明者韩启龙, 张经纬, 潘海为, 印桂生, 董宇欣, 蔡少滨, 姚念民 申请人:哈尔滨工程大学