技术特征：
1.一种联合多元时空轨迹的群体行为模式挖掘方法，其特征在于：所述方法的具体步骤如下：步骤s1：驻留点检测，将轨迹建模为：其中，x、y是空间坐标，t是当前点的时刻；设置最大驻留半径r，按时序将轨迹中的点分别设置为锚点，向后遍历，寻找连续的s个与锚点距离小于最大驻留半径的点，公式如下：其中，为锚点，是轨迹中锚点后序的点；当连续s个点与锚点构成驻留点后，将该驻留点记作，其中空间坐标为驻留点序列内的所有点的空间几何中心坐标，t1为驻留起始时间，t
s
为驻留终止时间，并将p
s+1
作为下一个锚点继续搜索至轨迹终点；步骤s2：驻留点轨迹替换，使用识别出的sp替换其中的所有驻留点，将轨迹替换为形如的新轨迹序列表示；为轨迹第一个点，为轨迹中由p2……
p
s
构成的驻留点,为驻留点后的第一个点,为轨迹中的第二个驻留点，为轨迹的最后一个点，此处p与sp的顺序按照时间顺序排列；步骤s3：驻留点和地点的关联，查询路网信息以及地理实体数据，将驻留点与地理实体数据建立空间索引，获取驻留点相关地理实体属性，作为该轨迹的重要特征点以及事件判断依据；步骤s4： 驻留点地理信息相似性度量，依据上一步骤中查询到的驻留点地理实体属性，度量不同路径之间驻留点的相同地理实体的重合度，驻留点的真实地理实体相关度，以及相同场所的轨迹经过时间之间的重合率，由此衡量轨迹驻留点地理信息相似度，构建邻接矩阵；步骤s5：基于路网信息的轨迹平滑降噪，根据单向距离，计算轨迹到路网的距离，选取最近路径，将轨迹拟合到最近邻路网上；步骤s6： 轨迹分段处理，依据路网信息，将轨迹按照路网关键节点拆分，并提取轨迹经过路段起止点时的时刻信息，将轨迹模型转化为时间维度模型，将轨迹的不同时间段索引到固定路段和不同驻留点即：其中path代表轨迹中拟合到路网后，单端的平直轨迹及其时间信息，其中path
n
代表第n条轨迹，sp
m
代表第m个驻留点；此处path与sp的顺序按照时间顺序排列；步骤s7：轨迹时空相似性度量，根据路网信息查询轨迹之间每一段的路径相关性padis，由此衡量轨迹路网路径相似度邻接矩阵；步骤s8：时空轨迹关系图构建，根据步骤s4与步骤s7获取的邻接矩阵，以及步骤s6中对
轨迹的重构，对场景中所有轨迹构建图结构，以每条轨迹作为图中的一个节点，轨迹重构作为节点特征，此处path与sp的顺序按照时间顺序排列，节点间相似性度量，其中α和β分别为两个权重，用来衡量迹驻留点地理信息相似度邻接矩阵与轨迹路网路径相似度邻接矩阵的权重，当驻留点地理信息相似度和轨迹路网路径相似度关注度相同时，α和β都取值0.5；步骤s9：时空轨迹聚类，将构成的图输入无监督的图神经网络，实现轨迹间深层关联信息的挖掘，从而实现轨迹间的聚类，完成群体行为分析及团伙行为识别。2.根据权利要求1所述的联合多元时空轨迹的群体行为模式挖掘方法，其特征在于：在步骤s4中衡量轨迹驻留点地理信息相似度具体方法为：构建邻接矩阵，其中其中，tr表示轨迹，tr
i
表示第i条轨迹，tr
j
表示第j条轨迹，sp
n
为第n个驻留点，sp
m
为第m个驻留点，为sp
n
与sp
m
之间的时间重合度权重，dis表示地点间相关性，表示驻留点sp
n
与sp
m
的地理信息相似性。3.根据权利要求2所述的联合多元时空轨迹的群体行为模式挖掘方法，其特征在于，在步骤s5中，根据路网信息，拟合待处理轨迹到最近邻路网上，其过程可以表示为其中，表示路网中的第i条道路轨迹；tr表示轨迹，p为轨迹中的点。4.根据权利要求3所述的联合多元时空轨迹的群体行为模式挖掘方法，其特征在于，在步骤s7中轨迹路网路径相似度邻接矩阵，计算方法为：其中，为path
i
与path
j
之间的时间重合度权重，为第i条路径path
i
，与第j条路径path
j
的路径相似度。
技术总结
本发明公开一种联合多元时空轨迹的群体行为模式挖掘方法，属于社交网络分析技术领域。本发明包括以下步骤：提取轨迹驻留点，联合地理实体数据建立空间场所信息索引，从而赋予轨迹场所及事件信息；依据路网信息，将轨迹拟合到路网不同路段，实现轨迹的降噪及路网索引，将轨迹相似度计算转为路网路段相似度查询；同时使用驻留点地理信息相似度和轨迹路网相似度联合构建轨迹相关性模型；使用无监督的图神经网络挖掘轨迹深层关联；本发明增加驻留点地理实体信息关联度，引入路网信息对轨迹进行平滑降噪，去除冗余信息，同时将轨迹间的距离计算转化为路网关系查询，加快检测。加快检测。加快检测。
技术研发人员：王青旺 张梓峰 沈韬 曾凯 汪志锋 刘全君
受保护的技术使用者：昆明理工大学
技术研发日：2023.02.22
技术公布日：2023/3/24