本发明涉及一种楼宇运动物体轨迹相似性度量方法，属于计算机空间数据库中的运动物体管理技术领域。
背景技术：
目前，运动轨迹的相似度计算主要集中在室外空间或道路网络空间。欧氏距离被用来计算在室外空间中的运动轨迹的相似性。首先通过欧氏距离的坐标计算，然后对整个轨迹的加权平均相似度，该方法计算简单，易于理解，但只对长度相等的轨迹，很难得到实际应用。dtw（动态时间弯曲距离）的时间坐标点的值达到当地时间2路径转换前的动态时间规整的复制方法，可以计算出轨道的长度不同，但这种方法对噪声敏感。m.vlachos基于lcs方法最长公共子序列求解轨迹长度的限制，而重量不同的轨道段的相似程度，有效地解决噪声问题的轨迹。结果表明，该方法优于欧氏距离和经典方法dtw。林等人通过定义距离的距离函数来度量运动轨迹形状的相似性。
上述方法只考虑了空间和形状的相似性，不考虑时间因素对相似性的影响。pelekis等人考虑到时间因素，提出了室外空间的相似性度量方法是一个方法，他们提出了唇的概念，一些小地区两轨道重叠包围的空间相似性计算的基础上，同时与两轨道和时间的相似性考虑的最大时间的面积比，影响因素时间和空间的综合考虑，得到最终的相似性。skoumas等人将轨迹认为是多线段的组合，在两个轨道的时间段对应的水平距离，空间，距离和垂直角度的综合因素计算，空间轨迹的综合相似性。
除了使用的相似性的空间和时间的距离和形状的轨迹来测量的轨迹相似性，也有一个重要的位置的轨迹相似性测量的影响。ying等人在轨迹的相似度计算，增加了位置的语义信息，位置和语义标记的空间单元划分的方法添加，然后濒海战斗舰的方法计算两轨道的相似性。楼宇空间与室外空间存在显著差异，上述方法不能直接应用于楼宇空间。目前，关于楼宇轨迹相似性度量的研究还比较少。康等人在2009首次提出了一种基于濒海战斗舰内轨迹相似法的计算方法，通过在重叠的时间轨迹相似性的两个跟踪统计在同一位置，所提出的方法是简单的，但对于轨迹计算过于粗糙，和语义的位置信息是通过字符只应用取代很难得到。随后，王等人利用欧氏距离和编辑距离法，克服了仅以位置作为字符的缺点。金等人表示与地理坐标信息相比，语义信息更多的位置是通过相似度值，他们设计了一个概念层次移动模式是用来测量楼宇位置之间的语义信息，从而获得用户的位置偏好。
技术实现要素：
发明目的
本发明的目的是提出一种楼宇运动物体轨迹相似性度量方法。由于目前针对运动物体轨迹相似性度量的研究多基于室外空间，对楼宇空间的研究较少，然而楼宇空间和室外空间的结构不同，运动物体定位方式不同，移动轨迹维度不同等因素，已有的基于室外空间移动轨迹查询研究不能直接应用于楼宇空间。为了解决在楼宇环境下移动轨迹相似性查询问题，需要根据楼宇空间结构以及移动轨迹特征，定义新的三维轨迹距离度量方法。楼宇环境运动物体轨迹的差异不仅仅存在于时间和空间，更集中于位置语义信息的不同，所以将时空和位置语义信息同时纳入相似性度量计算以适应不同用户的不同需求具有现实意义。
技术方案
本发明涉及一种楼宇运动物体相似性的测量方法：
步骤一：提出了一种轨迹重建算法，并定义了相应的位置偏差和角度偏差阈值，精简保证基于庞大冗杂的轨迹轨迹数据的完整性。
步骤二：独立轨迹的时空相似度计算模型：轨迹距离计算采用三维轨迹投影技术，对空间轨迹计算公式给出距离：slip(t,r)=∑areai*ωi*hi。其中area，ωi，h分别是移动轨迹投影相交面积，权重系数，移动轨迹投影距离。运动轨迹的时间距离计算分为两种方式：时间的交点和时间的交点。
步骤三：为移动轨迹相似度计算的语义扩展的位置，语义联想lsr_tree树结构来描述语义位置之间的关系设计的位置，和树节点定义的轨道位置的语义距离高度之间的关系，设计语义距离提取算法。
第二步，每个运动轨迹的tr，根据特征点提取算法，我们可以得到的位置设定为代表的特征点cps={cp1,…,cpm}。特征点序列中，每两个相邻的特征点按到达时间的先后组成一条轨迹段l，由此该条轨迹便可以表示为多个3d线段组成的有向序列。假设轨迹线段表示为t={l1,l2…,lm}，r={l1,l2…,ln}，轨迹t’为轨迹t在轨迹r所在二维平面的投影轨迹，记轨迹相交点为i={i1,i2,…,iq}。定义投影后轨迹相交点和轨迹特征点所围成的封闭多边形内投影高度最大值为高度距离，记为h。定义投影后轨迹相交点和轨迹特征点所围成的封闭多边形的面积为轨迹相交面积，记为area。定义lengtht和lengthr分别表示移动轨迹t和r的轨迹长度，即轨迹特征点个数，lengtht(ii,ii+1)和lengthr(ii,ii+1)分别表示封闭多边形areai内移动轨迹t和r的轨迹长度，则权重系数ωi，然后权重系数等于闭合多边形路径长度轨道总长度的比值。
第三步，在wp_tree结构，叶节点代表的语义属性对应的实际位置在楼宇空间中的位置，即语义标签。非叶节点表示下节点的位置类别，级别越高，位置越大，位置语义相似度越小。相反，相似性越大。在树上，由两个特征点轨迹访问的叶节点，找到最小的公共父节点，节点级公共父亲的高度和wp_tree高度比距离的语义特征点位置之间。
第四步，所得到的测量结果跟踪时间和空间位置的语义距离在三个方面，根据不同用户的需要，根据不同比例的三个因素可以通过以下方式获得的空间语义相似度的整个轨迹的。考虑到不同的单位和数量级，采用归一化（最小max）方法来统一差分数据，对原始数据进行线性变换。
上述步骤四中，在lsr_tree结构中，通过两个轨迹特征点所访问的叶子节点，寻找到其最小公共父亲节点，并定义公共父亲节点所在层次高度与lsr_tree高度之比为特征点之间的位置语义距离。由特征点表示的移动轨迹为t={p1,p2…,pm},r={p1,p2…,pn},改进动态时间规整算法：disttr(t,r)=f(m,n)。
有益效果
本发明采用以上技术方案与现有技术相比，具有以下有益效果：
1)本发明结合楼宇空间结构，利用轨迹角度偏移和位置偏移给出了移动轨迹重构算法，解决了计算轨迹相似度期间计算量过大的问题。
2)本发明将运动物体轨迹时空距离分开计算，很好的利用楼宇轨迹特点，采取轨迹投影策略，解决了已有轨迹距离计算方法无法直接应用于楼宇空间的问题。
3)本发明设计了运动物体轨迹位置语义关联树结构对轨迹的语义关系进行描述，结合树结构的层次关系并改进动态时间规整算法，给出了运动物体位置语义相似度计算方法，解决了将文本相似度算法直接应用于轨迹语义相似度计算代价过大的缺陷。
4)本发明采用了数据标准化将不同数量级的轨迹相似度计算数据进行归一化，给出融合了空间，时间和位置语义三种影响因素的运动物体轨迹综合相似度，更好的适应用户需求。
附图说明
图1是本发明的楼宇运动物体轨迹重构原理图。
图2是本发明的楼宇运动物体轨迹空间距离计算示意图。
图3是本发明的楼宇运动物体轨迹时间距离计算示意图。
具体实施方式
以下结合附图和实施例对本发明的技术方案做进一步详细说明，移动轨迹相似性度量是移动轨迹分析领域里的一个重要部分，指的是找到一种合适的距离方法来度量两条移动轨迹之间的相似程度，包括轨迹形状、空间距离、轨迹时间等。移动轨迹相似性度量在基于位置的服务中有着许多重要的实际应用。目前针对运动物体轨迹相似性度量的研究多基于室外空间，对楼宇空间的研究较少，由于楼宇空间和室外空间的结构不同，运动物体定位方式不同，移动轨迹维度不同等因素，已有的基于室外空间移动轨迹查询研究不能直接应用于楼宇空间。楼宇环境由于房间、走廊、楼梯等因素的限制，使得欧式距离、路网距离等不再适用，必须重新定义符合楼宇空间约束的三维轨迹空间距离度量方法。而且，在楼宇空间中，移动轨迹的时间距离和位置语义距离对轨迹相似性度量有重要影响。如附图3所示，移动轨迹t和r的空间形状走向极为相似，但考虑到时间属性，便不能再认为是相似轨迹。传统的轨迹分析研究中多将语义信息符号化，但在楼宇环境中，位置语义信息应用需求较高，例如在大型机场中，人们通常的描述为“我在登机口”而不是“我在位置1”，所以空间形状相似的轨迹在位置语义的角度可能出现很大的差异。有时用户的查询需要会有所侧重，例如查询某一时间段的相似轨迹，那么时间相似度就相对重要。本发明将空间、时间、位置语义分别度量，用户可以根据自己的需要对其中一个或多个方面着重度量，以更好地适应不同需求。
如附图1所示，定义tr为楼宇运动物体的一条轨迹，角度偏移阈值ω，位置距离阈值d，，若pi.label=“电梯”或“扶梯”,或者dθpi>ω，或者dpi>d，则pi是一个特征点，轨迹的开始点和结束点自动归为特征点。假设pi到标记向量pcpc+1的最小欧式距离为dpi，定义dpi为pi的位置偏移距离。若pi与pcpc+1所成夹角α和β均为锐角或存在直角，则最小距离定义为垂线段d1，若α和β中有钝角存在，则最小距离为距离较短者。角度偏移距离阈值ω：轨迹的转向角反映了轨迹的运动趋势，pipi+1为标记向量，pi为轨迹下一个采样点，此处定义向量pipi+1与向量pipi+1的夹角θ的补角即为角度偏移距离。如附图2所示，定义投影后轨迹相交点和轨迹特征点所围成的封闭多边形内投影高度最大值为高度距离，记为h。定义投影后轨迹相交点和轨迹特征点所围成的封闭多边形的面积为轨迹相交面积，记为area。定义移动轨迹t和r的空间相似度slip为：slip(t,r)=∑areai*ωi*hi，其中ωi∈[0,1]为每个封闭区域areai的权重系数。如附图3所示，轨迹t和r在轨迹开始点和结束点的时间段内无时间交集，则时间距离为第一段轨迹开始点与第二段轨迹结束点差值的绝对值。若有交集，则时间距离为第一段轨迹开始点到第二段轨迹结束点时间差值与两条轨迹相交时间段的比值。
根据附图和本发明的技术方案的实施方案的进一步细节，移动轨迹相似性测量领域中的移动轨迹分析的一个重要组成部分，是发现测量轨迹间的相似性距离适宜的方法，包括轨迹形状、空间距离、时间轨迹等。移动轨迹的相似性度量在基于位置的服务中有许多重要的实际应用。目前基于楼宇空间室外空间的多运动目标轨迹相似性度量的研究较少，因为楼宇空间和室外空间的结构，以不同的方式移动目标定位，不同的因素如维轨迹，基于现有的户外空间轨迹查询不能直接应用于楼宇空间。由于楼宇、走廊、楼梯等因素的限制，路网的欧式距离和距离不再适用。此外，在内部空间中，运动轨迹的时间距离和位置语义距离的轨迹相似性测量有重要影响。如图3所示，t和r的空间轨迹形状非常相似，但考虑到时间属性，它不能被认为是类似的轨迹。语义信息符号的传统轨迹的分析，但在楼宇环境中，在高位置的语义信息的应用，如大型机场，人们通常所说的“我在门口”而不是“我的位置在1，所以轨迹空间形状相似性可能出现在语义的角度位置巨大的差异。有时用户的查询需要集中，如查询一个时间段的相似轨迹，那么时间相似度比较重要。本发明可以分别测量空间、时间和位置语义，用户可以根据自己的需要权衡一个或多个方面，从而更好地适应不同的需求。
如图1所示，tr的定义作为一个跟踪楼宇运动物体，角度偏移阈值ω，位置距离阈值d，，若pi.label=“电梯”或“扶梯”,或者dθpi>ω，或者dpi>d，则pi是一个特征点，轨迹的开始点和结束点自动归为特征点。假设pi到标记向量pcpc+1的最小欧式距离为dpi，定义dpi为pi的位置偏移距离。若pi与pcpc+1所成夹角α和β均为锐角或存在直角，则最小距离定义为垂线段d1，若α和β中有钝角存在，则最小距离为距离较短者。角度偏移距离阈值ω：轨迹的转向角反映了轨迹的运动趋势，pipi+1为标记向量，pi为轨迹下一个采样点，此处定义向量pipi+1与向量pipi+1的夹角θ的补角即为角度偏移距离。如附图2所示，定义投影后轨迹相交点和轨迹特征点所围成的封闭多边形内投影高度最大值为高度距离，记为h。定义投影后轨迹相交点和轨迹特征点所围成的封闭多边形的面积为轨迹相交面积，记为area。定义移动轨迹t和r的空间相似度slip为：slip(t,r)=∑areai*ωi*hi，其中ωi∈[0,1]为每个封闭区域areai的权重系数。如图3所示，t和r轨迹的起始点和终点的时间在没有时间在第一次轨迹的交点距离，轨迹到绝对值点和第二端点轨迹的差异。如果有交点，则时间间隔为第一轨道开始与第二轨道开始时间差和两个轨迹时间的比值。
实例1
本发明的实施例一介绍了楼宇运动物体轨迹数据重构方法，具体步骤包括:
a.计算移动轨迹t的采样点数目，并初始化重构轨迹r；
b.将第一个采样点直接记作特征点，放入重构轨迹r中，记为一个标记向量；
c.利用轨迹特征点定义作为判断条件查找p2~pn-1之间的特征点；
d.将所得特征点纳入重构轨迹r之中，顺序下移标记向量；
e.将最后一个采样点直接记作特征点放入重构轨迹r中。
实例2
本发明的实施例二介绍楼宇运动物体轨迹空间距离计算方法，具体步骤如下：
a.计算移动轨迹t和r的特征点个数为轨迹长度lengtht和lengthr；
b.寻找移动轨迹相交点，将所有交点放入集合i中；
c.分别计算i中每两个相邻的点之间轨迹的长度length(ii,ii+1)；
d.计算多边形区域面积areai；
e.计算多边形区域的投影最大高度h；
f.将轨迹段长度length(ii,ii+1)累加并与轨迹总长度取比值即为权重ωi；
g.将多边形区域面积，投影最大高度和权重取乘积后返回。
实例3
本发明的实施例三计算轨迹位置语义距离具体步骤如下所示：
a、初始化语义树高度high，最小公共父节点；
b、获取移动轨迹t和r的特征点个数为轨迹长度lengtht和lengthr；
c、遍历位置语义分类树；
d、计算两个节点之间最小公共父节点，获取其高度h；
e、计算h/high作为移动轨迹两个特征点之间的位置语义相似度dist(pi,pj)；
f、将dist(pi,pj)与改进的动态时间规整算法结合；
g、返回运动物体位置语义相似度dsem(t,r)。