CN106960006B - 一种不同轨迹间相似度度量系统及其度量方法 - Google Patents
一种不同轨迹间相似度度量系统及其度量方法 Download PDFInfo
- Publication number
- CN106960006B CN106960006B CN201710101794.4A CN201710101794A CN106960006B CN 106960006 B CN106960006 B CN 106960006B CN 201710101794 A CN201710101794 A CN 201710101794A CN 106960006 B CN106960006 B CN 106960006B
- Authority
- CN
- China
- Prior art keywords
- track
- module
- tracks
- similarity
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种不同轨迹间相似度度量系统,包括轨迹数据文件上传模块和计算结果可视化模块,其中轨迹数据文件上传模块通过数据预处理模块后经过轨迹间相似度计算模块得到最相似段构造模块,最后通过计算结果可视化模块传送给用户;一种不同轨迹间相似度度量系统的度量方法,包括1、数据上传;2、判断轨迹数据文件是否合法,如果判断文件合法则对进行预处理,如果判断文件不合法则进行错误提示;3、通过轨迹间相似度计算模块对轨迹间的相似度进行评价;4、通过最相似段构造模块寻找出最为相似的两条轨迹;5、通过计算结果可视化模块将计算结果显示出来。本发明结果更加准确,同时利用最长公共子序列的方法来构造轨迹间的最相似段。
Description
技术领域
本发明属于数据挖掘技术领域,特别涉及一种不同轨迹间相似度度量系统及其度量方法。
背景技术
数据挖掘(datamining)是一种从海量的历史业务数据中,透过数理分析模式提取出蕴藏于其中的潜在信息的过程。时空轨迹数据挖掘则是专门针对时空轨迹数据进行有效信息发掘的一种过程,随着移动通讯设备和视频监控设备的快速发展,轨迹数据与日剧增,针对移动对象的分析和研究也越来越受到人们的重视。如何有效管理和利用移动对象的各种信息已成为目前研究的热点之一。轨迹数据处理主要包括数据采集、数据预处理、数据分析、结果可视化等流程。
时空轨迹数据挖掘中轨迹间相似度计算已有很多经典算法,这些算法适用于轨迹聚类,缺乏对轨迹数据多维度的分析,而轨迹间最相似轨迹段的计算尚无比较统一的方法。目前尚无面向用户的纯粹的轨迹相似度度量的系统,轨迹相似度计算多从属于一些移动端应用的模块等。
发明内容
发明目的:针对现有技术中存在的问题,本发明提供一种结果更加准确,同时利用最长公共子序列的方法来构造轨迹间的最相似段的不同轨迹间相似度度量系统及其度量方法。
技术方案:为解决上述技术问题,本发明提供一种不同轨迹间相似度度量系统,包括用户参与的轨迹数据文件上传模块和计算结果可视化模块,其中轨迹数据文件上传模块通过数据预处理模块后经过轨迹间相似度计算模块得到最相似段构造模块,最后通过计算结果可视化模块传送给用户;
轨迹数据文件上传模块用于通过Web上传方式获取数据;
数据预处理模块用于读取从数据采集模块获取的轨迹数据,判断轨迹数据是否为经纬度或经纬度带时间定义的合法数据;
轨迹间相似度计算模块用于在保留轨迹整体特征的情况下对已经过预处理的两条轨迹进行轨迹点的匹配,然后对匹配结果进行统计分析,结合动态时间规整得出的特征值计算出轨迹间的相似度大小;
最相似段构造模块用于按顺序考虑每一对轨迹点是否可以构造一对临近点对,最终得出全局最优结果,并从构造结果内得出不同对子轨迹段,进而从子轨迹段对中找出最相似轨迹段;
计算结果可视化模块用于将分析的结果通过GIS形式进行展现。
进一步的,所述计算结果可视化模块包括显示器和含有GPS定位功能的地图软件。
一种如上所述的不同轨迹间相似度度量系统的度量方法,具体步骤如下:
步骤一:通过轨迹数据文件上传模块实现数据上传,具体的:使用Web上传方式采集数据,通过监听Web客户端的数据上传请求,建立客户端和数据存储服务器的Socket连接,再使用JavaI/O流将数据集写入到数据存储服务器的文件系统中;
步骤二:读取步骤一中轨迹数据文件上传模块获取的轨迹数据,判断轨迹数据文件是否合法,即是否为经纬度或经纬度带时间定义的轨迹;如果判断文件合法则进入步骤三,如果判断文件不合法则进行错误提示并返回步骤一;
步骤三:通过数据预处理模块对合法的文件进行预处理,预处理主要包括异常点检测并去除,利用k-means算法对一条轨迹进行聚类,若某个类中仅有单独一个轨迹点,则认定该轨迹点为异常点,将其去除,通过预处理提取出轨迹数据对象;
步骤四:通过轨迹间相似度计算模块对轨迹间的相似度进行评价,具体的:基于经典的动态时间规整算法,在保留轨迹整体特征的情况下对已经预处理的两条轨迹进行轨迹点的匹配,然后对匹配结果进行统计分析,从经过临近的点、经过各点的顺序、经过各点的时间接近程度这三个方面考量轨迹间的相似度,最终归一化处理计算出轨迹间的相似度大小;
步骤五:通过最相似段构造模块寻找出最为相似的两条轨迹,具体的:利用统计分析找出两条轨迹上轨迹点之间区分临近的一个距离阈值,利用该阈值进行最长公共子序列的构造,结合动态规划思想,按顺序考虑每一对轨迹点是否可以构造一对临近点对,最终得出全局最优结果;然后从构造结果内得出不同对子轨迹段,继而计算每对子轨迹段之间的相似度大小,子轨迹段之间相似度的计算按照步骤四中的计算方法依然考虑经过临近的点、经过各点的顺序、经过各点的时间接近程度这三个方面,从子轨迹段对中找出最相似轨迹段即为两条轨迹最相似段;
步骤六:通过计算结果可视化模块将计算结果显示出来。
与现有技术相比,本发明的优点在于:
本发明充分分析影响轨迹间相似度的轨迹点之间距离、顺序差、时间差等因素,综合这些因素来评价轨迹间的相似度,将统计分析的思想与经典的动态时间规整算法相结合,深入考虑了轨迹间相似度的语义背景,相较于单一利用欧氏距离度量、利用动态时间规整距离度量、或者利用编辑距离度量等轨迹间相似度度量方法,计算结果更符合语义需要,更准确,可信度也更高。同时基于本相似度度量方法创新地利用最长公共子序列算法的思想来构造轨迹间的最相似段,提供了一种查询轨迹间最相似轨迹段的方案,该方案查询结果满足需要,并且利用动态规划思想实现最长公共子序列算法也使得这种构造方法效率较高。
附图说明
图1为本发明的结构示意图;
图2为本发明的总体流程图。
具体实施方式
下面结合附图和具体实施方式,进一步阐明本发明。
如图1所示,本发明涉及的轨迹相似度度量系统为用户提供了经纬度或经纬度带时间定义的不同轨迹间相似度的度量以及最相似轨迹段的查询功能,用户只需在轨迹数据上传模块提交轨迹数据文件,即可在结果可视化模块查看所提交轨迹的计算结果,非常便捷。
本发明设计并实现轨迹数据文件上传模块使用Web上传方式获取数据,其处理机制是通过监听Web客户端的数据上传请求,建立客户端和数据存储服务器的Socket连接,再使用JavaI/O流将数据集写入到数据存储服务器的文件系统中。对于单个轨迹数据文件或者轨迹数据文件集,分别采取不同处理方法。
轨迹数据预处理模块先读取从数据采集模块获取的轨迹数据,判断轨迹数据是否为经纬度或经纬度带时间定义的合法数据。若不合法则返回错误提示,若合法则继续进行必要的预处理,包括异常点检测、缺失值处理、数据压缩,避免异常数据以及冗余数据。
本发明提出的系统的核心思想是引入统计分析的思想,对轨迹间的相似度进行评价。基于经典的动态时间规整算法,在保留轨迹整体特征的情况下对已经过预处理的两条轨迹进行轨迹点的匹配,然后对匹配结果进行统计分析,结合动态时间规整得出的特征值计算出轨迹间的相似度大小。
本发明提出的系统是利用统计分析找出两条轨迹上轨迹点之间区分临近的一个距离阈值,利用该阈值进行最长公共子序列的构造。结合动态规划思想,按顺序考虑每一对轨迹点是否可以构造一对临近点对,最终得出全局最优结果。从构造结果内得出不同对子轨迹段,进而从子轨迹段对中找出最相似轨迹段。
本发明对于轨迹相似度分析的展示结果使用GIS形式,调用了百度地图API来实现的。
本发明所述的度量方法主要包括以下步骤;
步骤1:设计并实现轨迹数据文件上传模块。使用Web上传方式采集数据,通过监听Web客户端的数据上传请求,建立客户端和数据存储服务器的Socket连接,再使用JavaI/O流将数据集写入到数据存储服务器的文件系统中。考虑到轨迹数据可以是单个轨迹数据文件或者轨迹数据文件集,应分别采取不同处理方法。
步骤2:设计并实现数据预处理模块。读取轨迹数据文件上传模块获取的轨迹数据,判断轨迹数据文件是否合法,即是否为经纬度或经纬度带时间定义的轨迹。若数据不合法则进行错误提示,对于合法的数据进一步进行必要的预处理,包括异常点检测、缺失值处理、数据压缩,避免异常数据以及冗余数据对轨迹相似度度量的影响。轨迹数据经预处理提取出轨迹数据对象,供后续轨迹间相似度的度量。
步骤3:设计并实现相似度评价模型模块。引入统计分析的思想,对轨迹间的相似度进行评价。基于经典的动态时间规整算法,在保留轨迹整体特征的情况下对已经过预处理的两条轨迹进行轨迹点的匹配,然后对匹配结果进行统计分析,从经过临近的点、经过各点的顺序、经过各点的时间接近程度这三个方面考量轨迹间的相似度,最终归一化处理计算出轨迹间的相似度大小。
步骤4:设计并实现轨迹间最相似段构造模块。利用统计分析找出两条轨迹上轨迹点之间区分临近的一个距离阈值,利用该阈值进行最长公共子序列的构造,结合动态规划思想,按顺序考虑每一对轨迹点是否可以构造一对临近点对,最终得出全局最优结果。从构造结果内得出不同对子轨迹段,继而计算每对子轨迹段之间的相似度大小,子轨迹段之间相似度的计算依然考虑经过临近的点、经过各点的顺序、经过各点的时间接近程度这三个方面,从子轨迹段对中找出最相似轨迹段即为两条轨迹最相似段。
步骤5:设计并实现结果可视化显示模块。首先将相似度计算结果进行展示,同时可以通过调用可访问百度地图进行轨迹的展示,充分表现轨迹的经纬度信息并在途中标注出最相似轨迹段。
如图2所示,本发明所述的不同轨迹间相似度度量系统的度量方法,具体步骤如下:
步骤一:通过轨迹数据文件上传模块实现数据上传,具体的:使用Web上传方式采集数据,通过监听Web客户端的数据上传请求,建立客户端和数据存储服务器的Socket连接,再使用JavaI/O流将数据集写入到数据存储服务器的文件系统中;
步骤二:读取步骤一中轨迹数据文件上传模块获取的轨迹数据,判断轨迹数据文件是否合法,即是否为经纬度或经纬度带时间定义的轨迹;如果判断文件合法则进入步骤三,如果判断文件不合法则进行错误提示并返回步骤一;
步骤三:通过数据预处理模块对合法的文件进行预处理,预处理主要包括异常点检测并去除,利用k-means算法对一条轨迹进行聚类,若某个类中仅有单独一个轨迹点,则认定该轨迹点为异常点,将其去除,通过预处理提取出轨迹数据对象;
步骤四:通过轨迹间相似度计算模块对轨迹间的相似度进行评价,具体的:基于经典的动态时间规整算法,在保留轨迹整体特征的情况下对已经预处理的两条轨迹进行轨迹点的匹配,然后对匹配结果进行统计分析,从经过临近的点、经过各点的顺序、经过各点的时间接近程度这三个方面考量轨迹间的相似度,最终归一化处理计算出轨迹间的相似度大小;
步骤五:通过最相似段构造模块寻找出最为相似的两条轨迹,具体的:利用统计分析找出两条轨迹上轨迹点之间区分临近的一个距离阈值,利用该阈值进行最长公共子序列的构造,结合动态规划思想,按顺序考虑每一对轨迹点是否可以构造一对临近点对,最终得出全局最优结果;然后从构造结果内得出不同对子轨迹段,继而计算每对子轨迹段之间的相似度大小,子轨迹段之间相似度的计算按照步骤四中的计算方法依然考虑经过临近的点、经过各点的顺序、经过各点的时间接近程度这三个方面,从子轨迹段对中找出最相似轨迹段即为两条轨迹最相似段;
步骤六:通过计算结果可视化模块将计算结果显示出来。
以上所述仅为本发明的实施例子而已,并不用于限制本发明。凡在本发明的原则之内,所作的等同替换,均应包含在本发明的保护范围之内。本发明未作详细阐述的内容属于本专业领域技术人员公知的已有技术。
Claims (3)
1.一种不同轨迹间相似度度量系统,其特征在于:包括用户参与的轨迹数据文件上传模块和计算结果可视化模块,其中轨迹数据文件上传模块通过数据预处理模块后经过轨迹间相似度计算模块得到最相似段构造模块,最后通过计算结果可视化模块传送给用户;
轨迹数据文件上传模块用于通过Web上传方式获取数据;
数据预处理模块用于读取从数据采集模块获取的轨迹数据,判断轨迹数据是否为经纬度或经纬度带时间定义的合法数据;
轨迹间相似度计算模块用于在保留轨迹整体特征的情况下对已经过预处理的两条轨迹进行轨迹点的匹配,然后对匹配结果进行统计分析,结合动态时间规整得出的特征值计算出轨迹间的相似度大小;
最相似段构造模块用于按顺序考虑每一对轨迹点是否可以构造一对临近点对,最终得出全局最优结果,并从构造结果内得出不同对子轨迹段,进而从子轨迹段对中找出最相似轨迹段;利用统计分析找出两条轨迹上轨迹点之间区分临近的一个距离阈值,利用该阈值进行最长公共子序列的构造,结合动态规划思想,按顺序考虑每一对轨迹点是否可以构造一对临近点对,最终得出全局最优结果;从构造结果内得出不同对子轨迹段,继而计算每对子轨迹段之间的相似度大小,子轨迹段之间相似度的计算依然考虑经过临近的点、经过各点的顺序、经过各点的时间接近程度这三个方面,从子轨迹段对中找出最相似轨迹段即为两条轨迹最相似段;基于本相似度度量方法创新地利用最长公共子序列算法的思想来构造轨迹间的最相似段;
计算结果可视化模块用于将分析的结果通过GIS形式进行展现。
2.根据权利要求1所述的一种不同轨迹间相似度度量系统,其特征在于:所述计算结果可视化模块包括显示器和含有GPS定位功能的地图软件。
3.一种如权利要求1或2所述的不同轨迹间相似度度量系统的度量方法,其特征在于:具体步骤如下:
步骤一:通过轨迹数据文件上传模块实现数据上传,具体的:使用Web上传方式采集数据,通过监听Web客户端的数据上传请求,建立客户端和数据存储服务器的Socket连接,再使用Java I/O流将数据集写入到数据存储服务器的文件系统中;
步骤二:读取步骤一中轨迹数据文件上传模块获取的轨迹数据,判断轨迹数据文件是否合法,即是否为经纬度或经纬度带时间定义的轨迹;如果判断文件合法则进入步骤三,如果判断文件不合法则进行错误提示并返回步骤一;
步骤三:通过数据预处理模块对合法的文件进行预处理,预处理主要包括异常点检测并去除,利用k-means算法对一条轨迹进行聚类,若某个类中仅有单独一个轨迹点,则认定该轨迹点为异常点,将其去除,通过预处理提取出轨迹数据对象;
步骤四:通过轨迹间相似度计算模块对轨迹间的相似度进行评价,具体的:基于经典的动态时间规整算法,在保留轨迹整体特征的情况下对已经预处理的两条轨迹进行轨迹点的匹配,然后对匹配结果进行统计分析,从经过临近的点、经过各点的顺序、经过各点的时间接近程度这三个方面考量轨迹间的相似度,最终归一化处理计算出轨迹间的相似度大小;
步骤五:通过最相似段构造模块寻找出最为相似的两条轨迹,具体的:利用统计分析找出两条轨迹上轨迹点之间区分临近的一个距离阈值,利用该阈值进行最长公共子序列的构造,结合动态规划思想,按顺序考虑每一对轨迹点是否可以构造一对临近点对,最终得出全局最优结果;然后从构造结果内得出不同对子轨迹段,继而计算每对子轨迹段之间的相似度大小,子轨迹段之间相似度的计算按照步骤四中的计算方法依然考虑经过临近的点、经过各点的顺序、经过各点的时间接近程度这三个方面,从子轨迹段对中找出最相似轨迹段即为两条轨迹最相似段;
步骤六:通过计算结果可视化模块将计算结果显示出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710101794.4A CN106960006B (zh) | 2017-02-24 | 2017-02-24 | 一种不同轨迹间相似度度量系统及其度量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710101794.4A CN106960006B (zh) | 2017-02-24 | 2017-02-24 | 一种不同轨迹间相似度度量系统及其度量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106960006A CN106960006A (zh) | 2017-07-18 |
CN106960006B true CN106960006B (zh) | 2020-05-05 |
Family
ID=59480961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710101794.4A Active CN106960006B (zh) | 2017-02-24 | 2017-02-24 | 一种不同轨迹间相似度度量系统及其度量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106960006B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886731A (zh) * | 2017-11-03 | 2018-04-06 | 武汉元鼎创天信息科技有限公司 | 一种非法营运车辆智能检测方法 |
CN108470146B (zh) * | 2018-02-11 | 2022-07-08 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 经典航迹的相似航迹识别方法 |
CN108460424B (zh) * | 2018-03-27 | 2022-06-21 | 上海赛图计算机科技股份有限公司 | 一种基于线点转换和聚类对比的空间运动轨迹识别方法 |
CN110610182A (zh) * | 2018-06-15 | 2019-12-24 | 武汉安天信息技术有限责任公司 | 用户轨迹相似度判断方法和相关装置 |
CN110650438B (zh) * | 2018-06-26 | 2021-12-07 | 中国移动通信集团江西有限公司 | 用户常住区域相似度判断方法、装置、设备及介质 |
CN111291141B (zh) * | 2018-12-07 | 2023-06-20 | 阿里巴巴集团控股有限公司 | 一种轨迹相似度确定方法及装置 |
CN109684384B (zh) * | 2018-12-29 | 2023-03-28 | 太原科技大学 | 一种轨迹数据时空密度分析系统及其分析方法 |
CN110162586B (zh) * | 2019-05-24 | 2021-10-19 | 中国科学院地理科学与资源研究所 | 一种适用于移动目标分支轨迹的相似度查询系统及方法 |
CN110322295B (zh) * | 2019-07-09 | 2022-04-26 | 北京百度网讯科技有限公司 | 关系强度确定方法及系统、服务器、计算机可读介质 |
CN110942019B (zh) * | 2019-11-25 | 2024-01-23 | 深圳市甲易科技有限公司 | 一种用于找出两条轨迹的最长伴随子路径的分析方法 |
CN111159254B (zh) * | 2019-12-30 | 2023-07-25 | 武汉长江通信产业集团股份有限公司 | 一种基于大数据处理的车辆与人员的关联方法 |
CN111651527B (zh) * | 2020-04-21 | 2023-06-13 | 高新兴科技集团股份有限公司 | 基于轨迹相似度的身份关联方法、装置、设备及存储介质 |
CN111914287B (zh) * | 2020-06-17 | 2023-03-31 | 西安交通大学 | 一种轨迹隐私保护的改进dtw度量方法、存储设备及设备 |
CN112328649A (zh) * | 2020-10-09 | 2021-02-05 | 福建亿榕信息技术有限公司 | 一种多轨迹数据相似度的计算方法和存储设备 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
CN115762490B (zh) * | 2022-11-08 | 2023-07-21 | 广东广信通信服务有限公司 | 一种基于轨迹修正的在线强化语义学习方法 |
CN116386339B (zh) * | 2023-06-06 | 2023-08-15 | 中路高科交通科技集团有限公司 | 一种省际客运未按线路行驶违法行为智能检测方法 |
CN116541727B (zh) * | 2023-07-07 | 2023-09-12 | 中国兵工物资集团有限公司 | 一种轨迹相似度计算方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636505A (zh) * | 2015-03-13 | 2015-05-20 | 北京世纪互联宽带数据中心有限公司 | 一种视频检索方法及装置 |
WO2015120255A1 (en) * | 2014-02-06 | 2015-08-13 | University Of Massachusetts | System and methods for trajectory pattern recognition |
US10140575B2 (en) * | 2013-11-15 | 2018-11-27 | Disney Enterprises, Inc. | Sports formation retrieval |
-
2017
- 2017-02-24 CN CN201710101794.4A patent/CN106960006B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10140575B2 (en) * | 2013-11-15 | 2018-11-27 | Disney Enterprises, Inc. | Sports formation retrieval |
WO2015120255A1 (en) * | 2014-02-06 | 2015-08-13 | University Of Massachusetts | System and methods for trajectory pattern recognition |
CN104636505A (zh) * | 2015-03-13 | 2015-05-20 | 北京世纪互联宽带数据中心有限公司 | 一种视频检索方法及装置 |
Non-Patent Citations (2)
Title |
---|
"一种基于DTW 改进的轨迹相似度算法";郭岩;《研究与开发》;20160930;全文 * |
"轨迹大数据:数据处理关键技术研究综述";高强等;《软件学报》;20161124;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106960006A (zh) | 2017-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106960006B (zh) | 一种不同轨迹间相似度度量系统及其度量方法 | |
CN110956547B (zh) | 一种基于搜索引擎的实时识别欺诈团伙的方法及系统 | |
Delafontaine et al. | Analysing spatiotemporal sequences in Bluetooth tracking data | |
CN111506599B (zh) | 基于规则匹配和深度学习的工控设备识别方法及系统 | |
Ikanovic et al. | An alternative approach to the limits of predictability in human mobility | |
CN105354196A (zh) | 信息推送方法和信息推送装置 | |
CN109634946B (zh) | 一种基于大数据挖掘的轨迹智能匹配关联分析方法 | |
CN111563103B (zh) | 一种用于数据血缘检测方法和系统 | |
CN113806463B (zh) | 一种基于时空金字塔匹配的轨迹相似度计算方法 | |
CN112347296B (zh) | 一种基于人脸识别的人员与案件关联分析方法和装置 | |
CN110458091A (zh) | 基于位置筛选的人脸识别1比n算法优化方法 | |
Ghorpade et al. | An integrated stop-mode detection algorithm for real world smartphone-based travel survey | |
CN112258254A (zh) | 基于大数据架构的互联网广告风险监测方法及系统 | |
CN103177189A (zh) | 一种众源位置签到数据质量分析方法 | |
Čavojský et al. | Analysis and experimental evaluation of the Needleman-Wunsch algorithm for trajectory comparison | |
CN110012426B (zh) | 消亡poi的确定方法、装置、计算机设备和存储介质 | |
CN111126422B (zh) | 行业模型的建立及行业的确定方法、装置、设备及介质 | |
CN113821702A (zh) | 一种城市多维空间多元异构信息数据处理方法 | |
CN112363996B (zh) | 用于建立电网知识图谱的物理模型的方法及系统和介质 | |
CN116881430A (zh) | 一种产业链识别方法、装置、电子设备及可读存储介质 | |
CN111949699A (zh) | 一种基于多重验证的轨迹碰撞方法及系统 | |
CN114495137A (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
Meng et al. | Towards the inference of travel purpose with heterogeneous urban data | |
Lyu et al. | Movement-aware map construction | |
CN107480271B (zh) | 基于抽样查找和索引查找的人群画像方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |