CN101527000A - 一种基于取样的快速移动对象轨迹聚类方法 - Google Patents

Abstract

本发明公开了一种基于取样的快速移动对象轨迹聚类方法，属于轨迹数据聚类领域。该方法为：在用户设定输入参数发出聚类分析请求后，使用最小描述长度原理将每条原始轨迹划分成一个轨迹划分子集合，根据线段间的相似性度量，对轨迹划分集合进行聚类分析，得到一个轨迹聚类集合，最后为每个轨迹聚类生成一条代表轨迹和一个覆盖区域，输出并可视化代表轨迹和覆盖区域，将结果返回给用户。本发明用于大型、低粒度的移动对象轨迹数据的聚类分析，在待分析轨迹数据粒度很低的情况下仍能在保持轨迹聚类效果的同时高效地发现轨迹聚类，从而提高系统效率。

Description

一种基于取样的快速移动对象轨迹聚类方法

技术领域

本发明涉及一种移动对象轨迹聚类方法，尤其涉及一种适用于大型、低粒度移动对象轨迹数据快速聚类方法，属于轨迹数据聚类领域。

背景技术

近几年，随着GPS设备、RFID传感器、卫星和无线通信等技术的快速发展，各种大小的移动对象都可以在全球范围内被跟踪。这导致海量的移动对象轨迹数据被收集并存储在数据库中，并迫切需要对这些数据进行有效地分析。一个典型的数据分析任务是寻找以相同方式运动的对象，聚类技术可以满足这项任务的需要，这使得移动对象轨迹聚类这一研究方向应运而生。移动对象轨迹聚类在台风登陆预测、交通堵塞预报和动物移动分析等领域具有十分广阔的应用。特别地，移动对象轨迹聚类技术的发展为防台抗灾工作带来了契机。

台风是最致命的和最有破坏力的自然灾害之一，每年都给大洋沿岸的国家带来严重的灾害威胁，这在气象学和灾害学领域已经是一个不争的事实。而气象学家们也一直在研究如何提高预测台风登陆位置和时间的能力。他们研究表明，通过对靠近海岸线(在登陆时)或海域内(在登陆前)的历年台风公共子行为进行分析，将有利于提高预测台风登陆位置的精度。因此，通过引进数据挖掘的能力，对历年台风轨迹数据进行聚类分析，发现尽可能多登陆前的公共子轨迹，以提高预测台风登陆位置和时间的精度，对防台抗灾工作决策的制定提供帮助，可大大减轻台风所带来的人员伤亡和经济损失。

目前的轨迹数据分析技术大多将轨迹视为一个整体，没有考虑到公共子轨迹。然而，在真实世界中，一条轨迹可能是很长且复杂的路径，即使许多轨迹的一些部分呈现出共同的行为，但是整条轨迹也许并没有呈现出共同行为。因此，将轨迹作为一个整体进行聚类并不能发现轨迹的相似部分。而在许多实际应用领域中，特别是需要对感兴趣的区域进行分析(例如台风轨迹聚类分析)，发现公共子轨迹可以提供更多的有用信息，并显得尤为重要。另外，由于轨迹数据的时间和位置粒度通常都很低，这导致轨迹数据量很大，而目前的轨迹数据分析技术时间效率和可伸缩性均不高，这严重地制约了它们在大型、低粒度的移动对象轨迹数据集上的应用。

发明内容

本发明针对目前的轨迹聚类技术需要线性阶的邻域查询操作次数问题而提出一种能高效分析大型、低粒度的移动对象轨迹数据的方法。

一种基于取样的快速移动对象轨迹聚类方法，包括如下步骤：

(1)用户向移动对象轨迹聚类装置设定输入参数，并由该装置向移动对象轨迹数据发出聚类分析请求；

(2)使用最小描述长度原理将每条原始轨迹划分成一个轨迹划分子集合，所有原始轨迹的轨迹划分子集合构成轨迹划分集合D；

(3)根据线段之间的相似性度量，对轨迹划分集合D执行基于取样的快速线段聚类方法进行聚类分析，得到一个轨迹聚类的集合；

(4)为每个所述轨迹聚类生成一条代表轨迹和一个覆盖区域，然后输出并可视化代表轨迹和覆盖区域；

(5)将代表轨迹和覆盖区域这两类轨迹聚类结果返回给用户，然后结束。

本发明是一种适用于大型、低粒度的移动对象轨迹数据的快速聚类方法，该方法在轨迹聚类扩张过程中，根据基于极大连通子图的合并原理，对核心线段的Eps邻域以及与该Eps邻域相重叠的所有轨迹聚类进行合并，形成更大的轨迹聚类，相当于在轨迹聚类分析过程中进行取样，从而在保持轨迹聚类质量的同时提高了轨迹聚类的时间效率，避免了位于核心线段Eps邻域内线段的不必要邻域查询操作，解决了目前大多数方法需要对原始轨迹划分后的每条线段进行邻域查询的问题。

附图说明

图1是本发明的方法流程图。

图2是本发明中基于取样的快速线段聚类方法流程图。

图3是本发明中根据基于极大连通子图的合并原理进行Eps邻域合并过程流程图。

图4是本发明中基于取样的快速线段聚类方法中用于确定输入参数Eps的方法流程图。

具体实施方式

本发明的方法流程如图1所示，这也是移动对象轨迹聚类装置的工作流程图。

图1的步骤10是起始动作，假设GPS设备和RFID传感器等收集到的原始轨迹数据经数据发送模块发送到计算机，计算机经过数据接收模块接收到这些原始轨迹数据，并对它们进行预处理后保存到数据库中，得到待进行聚类分析的移动对象轨迹数据对应于轨迹数据集 $\mathrm{TR}=\{{\mathrm{TR}}_1,...,{\mathrm{TR}}_{{\mathrm{num}}_{\mathrm{tra}}}\},$ 其中 ${\mathrm{TR}}_i=p_1{p}_2{p}_3...p_j...p_{{\mathrm{len}}_i}(1\≤i\≤{\mathrm{num}}_{\mathrm{tra}}),$ p_j(1≤j≤len_i)是一个d维点，num_tra是轨迹的总数目，len_i是轨迹TR_i的长度，不同轨迹的长度len_i可以不同。

图1的步骤11采用信息论中广泛使用的最小描述长度(Minimum Description Length，MDL)原理对轨迹数据集TR进行近似轨迹划分处理，得到一个轨迹划分(实质为一条线段)集合D。具体地说，步骤11首先根据MDL原理从轨迹中寻找移动对象运动行为迅速改变的点，即特征点；然后轨迹在每个特征点处被划分，每条轨迹被划分成一个轨迹划分子集合，所有轨迹对应的轨迹划分子集合组成轨迹划分集合D，每个轨迹划分由两个连续的特征点表示。进行轨迹划分有如下两个目的：①经过轨迹划分处理后，所述基于取样的快速线段聚类方法将对划分后的线段而不是整条轨迹进行聚类，这样可保证有效地发现公共子轨迹；②由于轨迹通常是用带有时间属性的二维点表示，但这种表示方法的时间粒度太低，如果所述基于取样的快速线段聚类方法直接对轨迹中两个连续时间点之间的线段进行聚类，时间代价太高，所以要进行轨迹划分。

图1的步骤12根据线段之间的相似性度量，对所述轨迹划分集合D执行基于取样的快速线段聚类方法进行聚类分析，以发现公共子轨迹，其详细说明如图2所示。这里使用对模式识别教科书中常用的Hausdorff距离进行改编后的距离，共包括垂直距离、水平距离和角距离这三个要素，来度量线段L_i和线段L_j之间的相似性。

图1的步骤13通过沿与轨迹聚类方向向量相垂直的方向扫描一条直线，计算所有与当前扫描线相交的线段关于聚类方向向量的平均坐标，来确定代表轨迹中的一个点。继续这一过程，直到扫描线不再与聚类中的线段相交为止。通过上述方式为每个所述轨迹聚类生成一条代表轨迹，这相当于模式的表示。同时，一个轨迹聚类中所有线段的最小外接区域就组成覆盖区域。轨迹聚类方向向量定义如下：设C_i′为有向轨迹数据集中的一个轨迹聚类，则C_i′中每条轨迹划分均为有向线段，C_i′的轨迹聚类方向向量为C_i′中每条线段方向向量之和的单位向量。输出并可视化代表轨迹和覆盖区域后，移动对象轨迹聚类装置即进入步骤14所示的结束状态。

图2给出了图1中步骤12的详细描述，具体说明了如何对原始轨迹划分后的轨迹划分集合D进行聚类分析。图2中的步骤1200是起始状态，步骤1201将线段聚类列表LSClusterList置为空，步骤1202至步骤1208构成一个循环体，当所有线段都已标号时循环体结束。在循环体的每一轮中，顺序扫描D并从D中选择首次发现的未标号线段L，对L进行Eps邻域查询，步骤1205判断L的Eps邻域的势，如果Eps邻域内线段数目少于用户预设的阈值MinLns例如8，那么暂时将L视为离群线段或边界线段，否则进入如图3所示的核心线段Eps邻域合并过程。这里，核心线段Eps邻域定义为：N_Eps(L)＝{S∈D|dist(L，S)≤Eps}。当循环体结束后，步骤1209将线段聚类列表LSClusterList转换为轨迹聚类。最后步骤1210检查每个轨迹聚类的轨迹势，如果当前轨迹聚类的轨迹势低于给定阈值，基于取样的线段聚类方法将过滤掉该轨迹聚类。这是因为，所述方法的目的是从轨迹数据中发现公共子轨迹，由于每条轨迹都经过轨迹划分模块的处理，这使得同一个轨迹聚类中会存在许多来自同一条轨迹的轨迹划分。当一个轨迹聚类中的轨迹划分来自不同轨迹的数目低于某个阈值时，该轨迹聚类仅表现少量轨迹的行为或者某一条轨迹的重复行为，这已经与“公共”子轨迹这一目的相违背，所以在步骤1210中检查每个轨迹聚类的轨迹势很重要。这里，轨迹势定义如下：轨迹聚类C_i′的划分轨迹(Participating Trajectories)集合定义为 $\mathrm{PTR}\left({C_i}^{\′}\right)=\left\{\mathrm{TR}\left(L_i\right)\right|\∀L_j\∈{C_i}^{\′}\},$ 其中：TR(L_i)表示轨迹聚类C_i′中线段L_i由哪条轨迹被划分得到，|PTR(C_i′)|称为C_i′的轨迹势。步骤1211是图2的结束状态。

图3给出了图2中步骤1208的详细描述，具体说明了如何将线段集合EpsSeeds以及已发现的与EpsSeeds相重叠的所有线段聚类进行合并，以达到轨迹聚类扩张操作的目的。步骤1208是步骤12中所述基于取样的快速线段聚类方法的核心。图3中的步骤120800是起始状态，步骤120801将bFirstMerge置为TRUE，newC_i置为空。步骤120802取线段聚类列表LSClusterList中的第一个线段聚类C_i，步骤120803至步骤120813构成一个循环体，该循环体实质是一个根据下述基于极大连通子图的合并原理进行轨迹聚类扩张的过程。如果两条核心线段之间的距离小于等于2×Eps，则这两条核心线段是邻接核心线段。这样就可以用无向图来描述轨迹聚类分析过程中取样的核心线段，图的顶点是核心线段，邻接核心线段之间有一条边，处于同一个极大连通子图中的核心线段组成一类，该类中核心线段的Eps邻域就组成了一个轨迹聚类。基于取样的快速线段聚类方法把求上述无向图的极大连通子图融入到发现轨迹聚类的过程中。另外，由于线段之间的距离函数不满足三角不等式，会存在两个Eps邻域之间存在重叠而它们的核心线段之间距离却大于2×Eps的情况，这会导致轨迹聚类的分裂。所以当一条核心线段与一个轨迹聚类中所有Eps邻域的核心线段之间距离都大于2×Eps时，再判断该核心线段的Eps邻域是否与轨迹聚类中某一条核心线段的Eps邻域存在重叠。

在图3中的循环体的每一轮中，对线段聚类列表LSClusterList中的每个线段聚类C_i，步骤120804判断当前线段聚类C_i与当前线段的Eps邻域之间是否重叠，如果存在重叠，就需要合并。在首次合并时，步骤120806至步骤120809先将该线段聚类与EpsSeeds合并，合并的结果保存到newC_i中，同时将核心线段和组成该线段聚类的Eps邻域对应的核心线段都加入到newC_i对应的核心线段表中，然后用newC_i代替LSClusterList中的当前线段聚类C_i，最后将bFirstMerge置为FALSE。否则步骤120810至步骤120812将该线段聚类C_i添加到newC_i，同时将该线段聚类对应的核心线段表加入到newC_i对应的核心线段表中，并从聚类列表中删除该线段聚类。步骤120813取线段聚类列表LSClusterList中的下一个线段聚类，重复上述过程。对于EpsSeeds与当前线段聚类列表中的线段聚类都不存在重叠的情况，步骤120814至步骤120816将EpsSeeds作为一个新线段聚类加入线段聚类列表，并将核心线段加入到线段集合EpsSeeds对应的核心线段表中。步骤120817是图3的结束状态。

图4详细说明了本发明使用的基于取样的快速线段聚类方法中用于确定输入参数Eps的方法。图4中的步骤200是起始状态。步骤201设定初始温度T、步长step、每个T值需迭代次数C和连续未接受新解次数阈值UC。步骤202至步骤212以及步骤214构成一个外循环体，当已连续未接受新解次数大于连续未接受新解次数阈值UC时循环体结束。在外循环体的每一轮中，首先步骤202将每个T值已迭代次数cnt置为0、Eps起始值s置为s₀和已连续未接受新解次数unAcceptCnt置为0，然后步骤203至步骤212以及步骤214构成的内循环体为每个T值迭代C次，最后步骤213将T重置为k×T(k为Boltzmann常数)，继续外循环体。

在图4中的内循环体的每一轮中，步骤204修改模型，即产生新解(状态)s′＝s+step，步骤205计算接受新解s′后导致熵值的变化量Δt′＝H(s′)-H(s)，如果新解s′对应的熵值H(s′)小于当前解s对应的熵值H(s)，则步骤207接受这次状态改变，否则如果熵值H(s′)反而更高，则按照概率e^-Δt′/T接受这次状态改变。如果已连续未接受新解次数unAcceptCnt大于连续未接受新解次数阈值UC，即unAcceptCnt大于UC，那么进入图4中步骤214的结束状态。这里，熵值的定义如下：

$H\left(x\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}p\left(x_i\right){\log }_2\frac{1}{p\left(x_i\right)}=-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}p\left(x_i\right){\log }_{2}p\left(x_i\right)$

其中： $p\left(x_i\right)=\left|N_{\mathrm{Eps}}\left(x_i\right)\right|/{\mathrm{\Σ}}_{j=1}^n\left|N_{\mathrm{Eps}}\left(x_j\right)\right|.$

从以上具体实施方式可看出，本发明的方法在进行移动对象轨迹数据聚类分析时，首先进行轨迹划分，然后基于划分后的线段集合进行基于取样的快速线段聚类，最后生成代表轨迹和覆盖区域。这种独特的基于取样、并将邻域和密度的思想相结合的轨迹数据聚类方法使得即使在面对大型、低粒度的移动对象轨迹数据时该方法仍可避免不必要的邻域查询操作，并且根据基于极大连通子图的合并原理进行轨迹聚类扩张，以保证轨迹聚类的有效发现，从而使本发明的方法可以在保持轨迹聚类效果的同时获得很高的效率。

Claims (4)

1、一种基于取样的快速移动对象轨迹聚类方法，其特征在于包括如下步骤：

(1)用户向移动对象轨迹聚类装置设定输入参数，并由该装置向移动对象轨迹数据发出聚类分析请求；

(2)使用最小描述长度原理将每条原始轨迹划分成一个轨迹划分子集合，所有原始轨迹的轨迹划分子集合构成轨迹划分集合D；

(3)根据线段之间的相似性度量，对轨迹划分集合D执行基于取样的快速线段聚类方法进行聚类分析，得到一个轨迹聚类的集合；

(4)为每个所述轨迹聚类生成一条代表轨迹和一个覆盖区域，然后输出并可视化代表轨迹和覆盖区域；

(5)将代表轨迹和覆盖区域这两类轨迹聚类结果返回给用户，然后结束。

2、根据权利要求1所述的一种基于取样的快速移动对象轨迹聚类方法，其特征在于：所述步骤(3)中基于取样的快速线段聚类方法是根据基于极大连通子图的合并原理，对核心线段的Eps邻域以及与该Eps邻域相重叠的所有轨迹聚类进行合并，形成更大的轨迹聚类。

3、根据权利要求1所述的一种基于取样的快速移动对象轨迹聚类方法，其特征在于：所述步骤(3)中基于取样的快速线段聚类方法包括如下步骤：

a.将线段聚类列表LSClusterList置为空；

b.若轨迹划分集合D中还存在未标号的线段，则执行步骤c，否则执行步骤i；

c.顺序扫描轨迹划分集合D并从中选择首次发现的未标号线段L；

d.对上述未标号线段L进行Eps邻域查询，得到线段集合EpsSeeds；

e.若线段集合EpsSeeds的势小于用户预设的阈值MinLns，则未标号线段L为非核心线段，执行步骤f，否则未标号线段L为核心线段，执行步骤g；

f.将上述未标号线段L暂时视为离群线段或边界线段，执行步骤b；

g.将线段集合EpsSeeds中所有未标号线段的标号均设置为已标号；

h.将线段集合EpsSeeds及已发现的与线段集合EpsSeeds相重叠的所有线段聚类进行合并，执行步骤b；

i.将线段聚类列表LSClusterList转换为轨迹聚类；

j.检查每个轨迹聚类的轨迹势，然后结束。

4、根据权利要求3所述的一种基于取样的快速移动对象轨迹聚类方法，其特征在于：所述步骤h包括如下步骤：

k.将bFirstMerge置为TRUE，newC_i置为空；

l.取线段聚类列表LSClusterList中的第一个线段聚类C_i；

m.若该线段聚类C_i不为空，则执行步骤n，否则执行步骤x；

n.若当前线段的Eps邻域的线段集合EpsSeeds与上述线段聚类C_i存在重叠，则执行步骤o，否则执行步骤w；

o.若bFirstMerge为TRUE，则执行步骤p，否则执行步骤t；

p.将上述线段聚类C_i与线段集合EpsSeeds合并，其结果保存到newC_i；

q.将核心线段和上述线段聚类C_i对应的核心线段表加入到newC_i对应的核心线段表中；

r.用newC_i代替线段聚类列表LSClusterList中的上述线段聚类C_i；

s.将bFirstMerge置为FALSE，执行步骤w；

t.将上述线段聚类C_i添加到newC_i；

u.从线段聚类列表LSClusterList中删除上述线段聚类C_i；

v.将上述线段聚类C_i对应的核心线段表加入到newC_i对应的核心线段表中；

w.取线段聚类列表LSClusterList中的下一个线段聚类，同样执行步骤m；

x.若bFirstMerge为TRUE，则执行步骤y，否则结束；

y.将线段集合EpsSeeds作为新线段聚类加入线段聚类列表LSClusterList中；

z.将核心线段加入到线段集合EpsSeeds对应的核心线段表中。

Images