CN104850604A - 一种基于张量的用户轨迹挖掘方法 - Google Patents

Abstract

本发明公开了一种基于张量的用户轨迹数据挖掘方法，包括：(1)获取用户的历史轨迹数据；(2)将历史轨迹数据中时间差超过设定时间阈值的数据分割，形成多段连续的轨迹数据；(3)针对每段连续的轨迹数据，提取用户在每段轨迹上的停留点；(4)将停留点划分为起始点和目的点，通过地图匹配方法获取对应的路段序列；(5)将停留点数据与路段序列组建成一个三维张量；(6)对于一个用户查询请求(S,D)找到起始点和目的点之间的关联热点路段；(7)根据路段权值集合计算出推荐的路径。本发明的结果为对于用户查询请求起始点与目的点之间的热点推荐路线，检索只需提供起始点和目的点的经纬度，用户不需理解后台隐含的数据结构。

Description

一种基于张量的用户轨迹挖掘方法

技术领域

本发明属于移动互联网信息技术领域，更具体地，涉及一种基于张量的用户轨迹挖掘方法。

背景技术

基于用户轨迹位置数据的研究是当前移动互联网的研究热点之一，轨迹是移动对象(人或者车辆等物体)随着时间变化在空间中移动所留下的印迹。随着移动设备嵌入式技术的飞速发展，GPS定位技术在移动设备上获得了广泛的应用。随着基于位置服务(Location Based Service，LBS)的普及，用户可以通过各式各样的平台例如：Google+或者Foursquare来随时上传与分享自己的轨迹数据，大量的轨迹数据在日常生活中正在日益积累并为不同类型的应用所服务。然而大多数的应用都是在使用GPS的原始数据，例如GPS点的位置经纬度、GPS点的时间戳，而没有过多去挖掘其中的信息。

轨迹挖掘是数据挖掘的一个新兴分支，其研究热点集中于轨迹聚类、轨迹分类、离群点检测、兴趣区域、隐私保护、位置推荐等方面。现有技术对用户轨迹的挖掘主要是从位置方面入手，研究用户的热点兴趣位置规律发现频繁模式从而进行推荐；不足是位置仅仅是轨迹的一部分，连接位置之间的移动路线也是属于轨迹很重要的一部分。本发明尝试从轨迹数据挖掘角度入手，实现轨迹搜索、频繁路径挖掘等目标，对于轨迹挖掘的深入研究有着重要意义。

发明内容

大量的轨迹数据给数据管理和应用带来许多挑战，主要是三个方面：数据规模、数据稀疏性以及智能提取。为了处理轨迹数据的稀疏性，更有效的预处理轨迹大数据和更好的计算，因此通过引入张量数据结构，对轨迹进行分割聚类，将用户的出发点作为第一维度的数据，将用户的目的地作为第二维度的数据，将用户轨迹过程对应的路段作为第三维度的数据，则可以构建一个三维的张量来表示用户的历史轨迹数据。结合不同的张量计算，可以实现轨迹搜索、轨迹频繁模式挖掘等目标。张量被广泛应用于如下领域：信号处理、数字线性代数、数值分析、图像分析、神经系统科学、数据挖掘等等，同时也能用来存储大数据以及较好的应对数据的稀疏性。

本发明的目的在于提供一种基于张量的用户轨迹数据挖掘方法。该方法通过利用张量数据结构处理用户轨迹数据以及基于各种权重的张量计算，能够有效处理轨迹数据之间的聚类与协同运算，从而实现轨迹搜索、轨迹频繁模式挖掘等目标。

本发明提供了一种基于张量的用户轨迹数据挖掘方法，包括如下步骤：

(1)获取用户的历史轨迹数据；

(2)将历史轨迹数据中时间差超过设定时间阈值的数据分割，形成多段连续的轨迹数据；

(3)针对每段连续的轨迹数据，提取用户在每段轨迹上的停留点；

(4)针对步骤(3)获得的一对对停留点，将有先后时间关联关系的停留点划分为起始点和目的点，起始点和停留点之间是一串连续的GPS点，运用地图匹配方法，将GPS点对应到真实的道路交通网络上从而匹配到对应的道路路段上，获得对应的起始点和目的点之间的关联路段序列；

(5)将用户的出发点作为第一维度的数据，将用户的目的点作为第二维度的数据，将用户轨迹过程对应的路段作为第三维度的数据，构建一个三维的张量来表示用户的历史轨迹数据；

(6)对于一个用户查询请求(QueryS,QueryD)，对QueryS附近的起始点进行聚类，按照与QueryS的距离不同赋予不同的权重向量，获得关于起始点的权重向量V_S；对QueryD附近的起始点进行聚类，按照与QueryD的距离不同赋予不同的权重向量,获得关于起始点的权重向量V_D；运用获得的关于QueryS和QueryD的两个权重向量对张量进行降维处理获得热点路段权值集合；其中，QueryS表示用户查询的起始点，QueryD表示用户查询的目的点；

(7)运用路线搜索方法检索QueryS到QueryD之间的路段集合，选择综合热点权值最高的路段集合作为推荐路径。

本发明方法提供一种基于张量的用户轨迹数据挖掘方法，能针对用户经过的历史路段挖掘热度信息，并且计算出一条综合的热门路线。具体而言，本发明具有以下有益效果：

(1)利用轨迹分割、停留点提取、地图匹配等预处理工作将用户的历史轨迹数据有效分割，整理，有效聚类形成对应的匹配路段集；

(2)将用户的轨迹形成三维结构的张量形式表达，有效的利用其相关性引入不同的计算模式针对不同的应用场景；

(3)运用张量结构有效对应处理数据的稀疏性，而对于轨迹位置信息这类“大数据”的张量形式表达研究也是目前的热点之一；

(4)利用“起始点-目的点-关联路段”三元关系构建三维张量，通过张量的特性与运算方法挖掘不同用户之间的协同热点路段，重组成推荐热点路线。

附图说明

图1是本发明基于张量的用户轨迹数据挖掘方法流程图；

图2(a)为对于给定的检索请求找出相关路段的实例图；

图2(b)为对于给定的检索请求生成推荐路径的实例图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，本发明基于张量的用户轨迹数据挖掘方法包括以下几个步骤：

(1)获取用户的历史轨迹数据。轨迹是移动对象(人或者车辆等物体)随着时间变化在空间中移动所留下的印迹，用户的历史轨迹数据点P为如下格式(用户ID、经度、纬度、时间)，其数据结构可以对应地表示为(P.id，P.lon，P.lat，P.t)。

(2)针对步骤(1)的历史轨迹数据，将历史轨迹数据中时间差超过设定时间阈值T(T是一个时间值用来分割两段相隔时间比较长的轨迹，例如：4个小时)的数据分割，形成多段连续的轨迹数据。轨迹数据的表达形式是

T：P₁->P₂->P₃…P_n并且0<P_i+1.t-P_i.t<△T。

△T用来限制GPS轨迹点的采样频率，一般情况下采用的是高采样频率的GPS轨迹数据，高采样频率是指GPS设备以高频率输出定位坐标，低采样频率一般是指采样间隔大于2分钟的轨迹数据。因此△T定义为2分钟。

(3)针对步骤(2)提取的每段连续的轨迹数据，提取用户在每段轨迹上的停留点。

停留点的定义是一个人在一个区域内停留超过一个时间阈值T_threshold，则取区域的中心点作为停留点。对于一条连续的GPS轨迹T＝{P₁，P₂，P₃，…P_n}，如果对于所有的i(1<i<n)，Distance(P₁,P_i)<D_threshold并且P_n.t-P₁.t>＝T_threshold。

Distance表示计算两个GPS点之间的距离的函数，上面的表述为对于任意的P_i，第一个点P₁与P_i的距离不超过一个停留区域距离阈值D_threshold(设置为实际距离200m)并且最后一个轨迹点P_n的采样时间P_n.t与第一个GPS轨迹点的采样时间P₁.t超过一个停留时间间隔阈值T_threshold(设置为20分钟)，则我们取轨迹T的中心点作为一个停留区域中心点。

(4)通过步骤(3),获得了一对对有时间先后关系的停留点，将有先后时间关联关系的停留点划分为起始点和目的点，起始点和停留点之间是一串连续的GPS点，运用地图匹配方法，将GPS点对应到真实的道路交通网络上，匹配到对应的道路路段上，获得对应的起始点和目的点之间的关联路段序列(Source,Destination,Road segments)。

Source和Destination都表示一条轨迹T上的停留点，如果他们之间有轨迹点相联系，则提取出(Source,Destination,Road segments)的三元组数据。Road segments表示Source和Destination之间的GPS轨迹点地图匹配完成后的路段集合，路段是道路交通网络上相邻两个节点之间的基本线元。

(5)将用户的出发点作为第一维度的数据，将用户的目的点作为第二维度的数据，将用户轨迹过程对应的路段作为第三维度的数据，则可以构建一个三维的张量(S-D-R tensor)X_sdr来表示用户的历史轨迹数据，S表示轨迹的起始停留点(起点)，D表示轨迹的终结停留点(终点)，R表示从S到D之间经过的路段匹配数据权重集，没有访问过的路段权重为0，访问过则为1。

(6)对于一个用户查询请求(QueryS,QueryD),QueryS表示用户查询的起始点，包含经度与纬度(QueryS.lat,QueryS.lon)，QueryD表示用户查询的目的点。对三维张量的第一维，第二维进行检索。对QueryS附近的起始点进行聚类，按照与QueryS的距离不同赋予不同的权重向量，对第一维起始点的位置与QueryS进行比较，如果小于500米，权重为1(V_S上对应的起始点索引的值为1)；大于500米而且小于1000米权重为0.5，处理完毕后获得关于起始点的权重向量V_S。对QueryD附近的起始点进行聚类，按照与QueryD的距离不同赋予不同的权重向量,处理完毕后获得关于起始点的权重向量V_D。按照与QueryD的距离不同赋予不同的权重向量，具体为：

对第一维目的点的位置与QuerySD进行比较，如果小于500米，权重为1，大于500米而且小于1000米权重为0.5。

运用获得的关于QueryS和QueryD的两个权重向量对张量进行降维处理

${\left[X{\stackrel{\&OverBar;}{\&times;}}_1{V}_s\right]}_{\mathrm{dr}}=\underset{i=1}{\overset{s}{\mathrm{\&Sigma;}}}{v}_i{X}_{\mathrm{idr}}$

其中X表示步骤(5)中根据用户历史轨迹数据生成的三维张量,V_s表示对查询起始点QueryS进行聚类后的权重向量，表示X从第一维度展开与权重向量V_s进行张量积的数学运算。对X中所有的起始点S进行逐次循环累加，V_i表示第i个起始点所对应的权值，X_idr表示第i个起始点所对应的目的点和路段。

${\left[X{\stackrel{\&OverBar;}{\&times;}}_2{V}_d\right]}_{\mathrm{sr}}=\underset{i=1}{\overset{d}{\mathrm{\&Sigma;}}}{v}_i{X}_{\mathrm{sir}}$

其中X表示步骤(5)中根据用户历史轨迹数据生成的三维张量,V_d表示对查询起始点QueryD进行聚类后的权重向量，表示X从第二维度展开与权重向量V_d进行张量积的数学运算。对X中所有的目的点D进行逐次循环累加，V_i表示第i个目的点所对应的权值，X_sir表示第i个目的点所对应的起始点和路段。

公式表示对X中与查询请求(QueryS,QueryD)相近的历史记录进行路段访问频度的累加。最终获得热点路段权值集合{(R_i.id,R_i.weight)}

图2(a)中，给出了一个检索要求(QueryS,QueryD)(在图中小圆点表示给定的检索起始点QueryS，三角表示给定的检索目的点QueryD)，可以看出在道路网络中，有多个与QueryS和QueryD相关的历史路段(在图中以加粗的黑色线段表示)，这些路段根据访问频度的不同有不同的权重，这些路段可以组成3条路径，每条路径的总权重由组成路径的权重累加起来。

(7)运用路线搜索方法检索QueryS到QueryD之间的路段集合，选择综合热点权值最高的路段集合(路径)作为推荐路径。

图2(b)表示对于给定的检索要求(QueryS,QueryD)(在图中以两个小点表示)，所计算出的推荐路径。推荐路径是子图(a)中，综合热点权值(路线的路段权重之和除以路段数量)最高的那条路径，以此作为计算的最终结果输出。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于张量的用户轨迹数据挖掘方法，其特征在于，所述方法包括如下步骤：

(1)获取用户的历史轨迹数据；

(2)将历史轨迹数据中时间差超过设定时间阈值的数据分割，形成多段连续的轨迹数据；

(3)针对每段连续的轨迹数据，提取用户在每段轨迹上的停留点；

(4)针对步骤(3)获得的一对对停留点，将有先后时间关联关系的停留点划分为起始点和目的点，起始点和停留点之间是一串连续的GPS点，运用地图匹配方法，将GPS点对应到真实的道路交通网络上从而匹配到对应的道路路段上，获得对应的起始点和目的点之间的关联路段序列；

(5)将用户的出发点作为第一维度的数据，将用户的目的点作为第二维度的数据，将用户轨迹过程对应的路段作为第三维度的数据，构建一个三维的张量来表示用户的历史轨迹数据；

(6)对于一个用户查询请求(QueryS,QueryD)，对QueryS附近的起始点进行聚类，按照与QueryS的距离不同赋予不同的权重向量，获得关于起始点的权重向量V_S；对QueryD附近的起始点进行聚类，按照与D的距离不同赋予不同的权重向量,获得关于起始点的权重向量V_D；运用获得的关于QueryS和QueryD D的两个权重向量对张量进行降维处理获得热点路段权值集合；其中，QueryS表示用户查询的起始点，QueryD表示用户查询的目的点；

(7)运用路线搜索方法检索QueryS到QueryD之间的路段集合，选择综合热点权值最高的路段集合作为推荐路径。

2.如权利要求1所述的方法，其特征在于，所述步骤(6)中按照与QueryS的距离不同赋予不同的权重向量，具体为：

对第一维起始点的位置与QueryS进行比较，如果小于500米，权重为1，大于500米而且小于1000米权重为0.5。

3.如权利要求1所述的方法，其特征在于，所述步骤(6)中按照与QueryD的距离不同赋予不同的权重向量，具体为：

对第一维目的点的位置与QuerySD进行比较，如果小于500米，权重为1，大于500米而且小于1000米权重为0.5。

4.如权利要求1至3任一项所述的方法，其特征在于，所述步骤(5)中构建的三维张量具体为：

用(S-D-R tensor)X_Sdr来表示用户的历史轨迹数据，S表示轨迹的起始停留点，D表示轨迹的终结停留点，R表示从S到D之间经过的路段匹配数据权重集，没有访问过的路段权重为0，访问过则为1。

5.如权利要求1至3任一项所述的方法，其特征在于，所述步骤(3)中的停留点定义为，如果移动对象在一个区域内停留超过一个时间阈值T_threshold，则取区域的中心点作为停留点，具体地：

对于一条连续的GPS轨迹T＝{P₁，P₂，P₃，…P_n}，如果对于所有的i(1<i<n)，Distance(P₁,P_i)<D_threshold并且P_n.t-P₁.t>＝T_threshold；

其中，Distance表示计算两个GPS点之间的距离的函数，对于任意的P_i，第一个点P₁与P_i的距离不超过一个停留区域距离阈值D_threshold，并且最后一个轨迹点P_n的采样时间P_n.t与第一个GPS轨迹点的采样时间P₁.t超过一个停留时间间隔阈值T_threshold，则取轨迹T的中心点作为一个停留区域中心点。

6.如权利要求1至3任一项所述的方法，其特征在于，所述步骤(4)中的起始点和目的点之间的关联路段序列定义为(Source,Destination,Road segments)，其中：

Source和Destination都表示一条轨迹T上的停留点，如果他们之间有轨迹点相联系，则提取出(Source,Destination,Road segments)的三元组数据，Road segments表示Source和Destination之间的GPS轨迹点地图匹配完成后的路段集合，路段是道路交通网络上相邻两个节点之间的基本线元。

7.如权利要求1至3任一项所述的方法，其特征在于，所述步骤(6)中对张量进行降维处理，具体为：

运用获得的关于QueryS和QueryD的两个权重向量对张量进行降维处理

${\left[X{\stackrel{\&OverBar;}{\&times;}}_1{V}_s\begin{array}{c}\end{array}\right]}_{\mathrm{dr}}=\underset{i=1}{\mathrm{\&Sigma;}}{X}_{\mathrm{idr}}$

其中X表示步骤(5)中根据用户历史轨迹数据生成的三维张量，V_s表示对查询起始点QueryS进行聚类后的权重向量，表示X从第一维度展开与权重向量V_s进行张量积的数学运算；对X中所有的起始点S进行逐次循环累加，V_i表示第i个起始点所对应的权值，X_idr表示第i个起始点所对应的目的点和路段；

${\left[X{\stackrel{\&OverBar;}{\&times;}}_2{V}_d\begin{array}{c}\end{array}\right]}_{\mathrm{sr}}=\underset{i=1}{\overset{d}{\mathrm{\&Sigma;}}}{v}_i{X}_{\mathrm{sir}}$

其中X表示步骤(5)中根据用户历史轨迹数据生成的三维张量,V_d表示对查询起始点QueryD进行聚类后的权重向量，表示X从第二维度展开与权重向量V_d进行张量积的数学运算；对X中所有的目的点D进行逐次循环累加，V_i表示第i个目的点所对应的权值，X_sir表示第i个目的点所对应的起始点和路段；

通过上述公式对X中与查询请求(QueryS,QueryD)相近的历史记录进行路段访问频度的累加。最终获得热点路段权值集合{(R_i.id,R_i.weight)}。