CN107526801A - 一种基于布朗桥的移动对象跟随模式挖掘方法 - Google Patents

一种基于布朗桥的移动对象跟随模式挖掘方法 Download PDF

Info

Publication number
CN107526801A
CN107526801A CN201710718370.2A CN201710718370A CN107526801A CN 107526801 A CN107526801 A CN 107526801A CN 201710718370 A CN201710718370 A CN 201710718370A CN 107526801 A CN107526801 A CN 107526801A
Authority
CN
China
Prior art keywords
mrow
msup
mobile object
mfrac
follow
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.)
Pending
Application number
CN201710718370.2A
Other languages
English (en)
Inventor
刘良桂
陈炳宪
贾会玲
张宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Sci Tech University ZSTU
Original Assignee
Zhejiang Sci Tech University ZSTU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Sci Tech University ZSTU filed Critical Zhejiang Sci Tech University ZSTU
Priority to CN201710718370.2A priority Critical patent/CN107526801A/zh
Publication of CN107526801A publication Critical patent/CN107526801A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开一种基于布朗桥的移动对象跟随模式挖掘方法，该方法利用布朗桥建模的方式来分析移动对象模式，将跟随模式通过用概率分布的方式描述，利用直观的概率表示跟随的概率大小，从而解决实际采样数据离散性和采样不完备的问题。该方法在发现具有某种联系的运动模式的移动对象时有着显著的应用。

Description

一种基于布朗桥的移动对象跟随模式挖掘方法
技术领域
本发明涉及移动对象跟随模式挖掘领域，具体涉及一种基于布朗桥的移动对象跟随模式挖掘方法。
背景技术
随着各种定位工具的不断发展，大量的移动对象数据得以被GPS设备，智能手机，无线网络设备等记录。这些移动数据作为分析移动对象行为的基，包含着移动对象在空间和时间上的重要信息。对这些信息进行模式研究，不仅有助于理解移动对象的行为模式，而且研究成果也被应用于交通管理、动物异常行为分析、路径规划等领域。目前，移动对象模式挖掘主要集中在周期模式挖掘，频繁模式挖掘，护卫模式挖掘，集群模式挖掘等方面。
移动对象跟随模式是指跟随者与领导者有着相似的运动轨迹，但是跟随者在到达与领导者相似位置点时有一定的时间延迟。移动对象跟随模式的研究有益于许多实际的应用，例如研究动物群体中各个移动对象的亲近程度，通过分析可疑行踪来追踪罪犯等。
现有的移动对象跟随模式挖掘方法并没有考虑到在数据采集过程中可能会出现低采样率的情况。而这种情况会导致移动对象的跟随挖掘出现较大的误差，与实际情况并不相符。
发明内容
针对现有跟随模式挖掘方法中没有考虑到低采样率会导致数据不确定性这一问题。本发明提出一种基于布朗桥的移动对象跟随模式挖掘方法，从而使跟随模式的挖掘更加精确形象，具体技术方案如下：
一种基于布朗桥的移动对象跟随模式挖掘方法，其特征在于，该方法包括如下步骤：
(1)获取两个移动对象R和S的空间和时间信息
通过智能设备获取移动对象R和S的空间和时间信息，移动对象R在t∈[0,T]时刻的位置点为R(t)，移动对象S在时刻t′的位置点为S(t′)，则在布朗桥模型中，则位置点R(t)满足数学期望为μR(t)、方差为的概率分布，位置点S(t′)满足数学期望为μS(t′)、方差为的概率分布；
(2)计算移动位置点R(t)和S(t′)的距离的概率分布
设R(t)和S(t′)之间的距离为||R(t)-S(t′)||，其中R(t)-S(t′)满足数学期望为μR(t)-μS(t′)、方差为的正态分布，则两个位置点R(t)和S(t′)的距离的概率分布为
其中，
(3)计算移动位置点R(t)跟随S(t′)的概率为：
其中，dmax取值范围为移动对象R和S在任意时刻的距离的最大值和最小值之间，Δtmax为移动对象R和S采样时间的最大间隔；
(4)计算时间间隔[0,T]内，移动对象R跟随S的概率为：
当PT大于0.85时，认为位置点a和b具有跟随模式。
与现有技术相比，本发明的有益效果是：
利用布朗桥建模的方式分析移动对象模式，将跟随模式通过用概率分布的方式描述，利用直观的概率表示跟随的概率大小，从而解决实际采样数据离散性和采样不完备的问题。
具体实施方式
下面结合具体的实施方式对本发明的基于布朗桥的移动对象跟随模式挖掘方法进行进一步的阐述。
一种基于布朗桥的移动对象跟随模式挖掘方法，其特征在于，该方法包括如下步骤：
(1)获取两个移动对象R和S的空间和时间信息
通过智能设备获取移动对象R和S的空间和时间信息，移动对象R在t∈[0,T]时刻的位置点为R(t)，移动对象S在时刻t′的位置点为S(t′)，则在布朗桥模型中，则位置点R(t)满足数学期望为μR(t)、方差为的概率分布，位置点S(t′)满足数学期望为μS(t′)、方差为的概率分布；
(2)计算移动位置点R(t)和S(t′)的距离的概率分布
设R(t)和S(t′)之间的距离为||R(t)-S(t′)||，其中R(t)-S(t′)满足数学期望为μR(t)-μS(t′)、方差为的正态分布，则两个位置点R(t)和S(t′)的距离的概率分布为
其中，
(3)计算移动位置点R(t)跟随S(t′)的概率为：
其中，dmax取值范围为移动对象R和S在任意时刻的距离的最大值和最小值之间，Δtmax为移动对象R和S采样时间的最大间隔；
(4)计算时间间隔[0,T]内，移动对象R跟随S的概率为：
当PT大于0.85时，认为位置点a和b具有跟随模式。

Claims (1)

1.一种基于布朗桥的移动对象跟随模式挖掘方法，其特征在于，该方法包括如下步骤：
(1)获取两个移动对象R和S的空间和时间信息
通过智能设备获取移动对象R和S的空间和时间信息，移动对象R在t∈[0,T]时刻的位置点为R(t)，移动对象S在时刻t′的位置点为S(t′)，则在布朗桥模型中，则位置点R(t)满足数学期望为μR(t)、方差为的概率分布，位置点S(t′)满足数学期望为μS(t′)、方差为的概率分布。
(2)计算移动位置点R(t)和S(t′)的距离的概率分布
设R(t)和S(t′)之间的距离为||R(t)-S(t′)||，其中R(t)-S(t′)满足数学期望为μR(t)-μS(t′)、方差为的正态分布，则两个位置点R(t)和S(t′)的距离的概率分布为
<mrow> <mi>p</mi> <mrow> <mo>(</mo> <mo>|</mo> <mo>|</mo> <mi>R</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <mi>S</mi> <mo>(</mo> <msup> <mi>t</mi> <mo>&amp;prime;</mo> </msup> <mo>)</mo> <mo>|</mo> <mo>|</mo> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mi>t</mi> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> </mfrac> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mfrac> <mrow> <msup> <mi>t</mi> <mn>2</mn> </msup> <mo>+</mo> <mi>v</mi> </mrow> <mrow> <mn>2</mn> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> </mrow> </mfrac> </mrow> </msup> </mrow>
其中，ν＝||μR(t)-μS(t′)||，
(3)计算移动位置点R(t)跟随S(t′)的概率为：
其中，dmax取值范围为移动对象R和S在任意时刻的距离的最大值和最小值之间，Δtmax为移动对象R和S采样时间的最大间隔。
(4)计算时间间隔[0,T]内，移动对象R跟随S的概率为：
<mrow> <msub> <mi>P</mi> <mi>T</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mi>T</mi> </msubsup> <mi>p</mi> <mo>&amp;lsqb;</mo> <mi>p</mi> <mrow> <mo>(</mo> <mo>|</mo> <mo>|</mo> <mi>R</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>S</mi> <mrow> <mo>(</mo> <msup> <mi>t</mi> <mo>&amp;prime;</mo> </msup> <mo>)</mo> </mrow> <mo>|</mo> <mo>|</mo> <mo>)</mo> <mo>&amp;le;</mo> <msub> <mi>d</mi> <mi>max</mi> </msub> <mo>&amp;rsqb;</mo> <mi>d</mi> <mi>t</mi> </mrow> <mi>T</mi> </mfrac> <mo>=</mo> <mfrac> <mrow> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mi>T</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>d</mi> <mi>max</mi> </msub> <mo>-</mo> <mfrac> <mn>1</mn> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> </mfrac> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mfrac> <mrow> <msup> <mi>t</mi> <mn>2</mn> </msup> <mo>+</mo> <mi>v</mi> </mrow> <mrow> <mn>2</mn> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> </mrow> </mfrac> </mrow> </msup> <mo>)</mo> </mrow> <mi>d</mi> <mi>t</mi> </mrow> <mi>T</mi> </mfrac> </mrow>
当PT大于0.85时，认为位置点a和b具有跟随模式。
CN201710718370.2A 2017-08-21 2017-08-21 一种基于布朗桥的移动对象跟随模式挖掘方法 Pending CN107526801A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710718370.2A CN107526801A (zh) 2017-08-21 2017-08-21 一种基于布朗桥的移动对象跟随模式挖掘方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710718370.2A CN107526801A (zh) 2017-08-21 2017-08-21 一种基于布朗桥的移动对象跟随模式挖掘方法

Publications (1)

Publication Number Publication Date
CN107526801A true CN107526801A (zh) 2017-12-29

Family

ID=60681551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710718370.2A Pending CN107526801A (zh) 2017-08-21 2017-08-21 一种基于布朗桥的移动对象跟随模式挖掘方法

Country Status (1)

Country Link
CN (1) CN107526801A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110072191A (zh) * 2019-04-23 2019-07-30 安徽致远慧联电子科技有限公司 基于无线技术的学生校内轨迹分析系统及分析方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512727A (zh) * 2015-11-27 2016-04-20 浙江理工大学 一种基于Markov的个人路径预测方法
US20160195401A1 (en) * 2013-08-12 2016-07-07 Chigoo Interactive Technology Co., Ltd. Method and system for locating an object

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160195401A1 (en) * 2013-08-12 2016-07-07 Chigoo Interactive Technology Co., Ltd. Method and system for locating an object
CN105512727A (zh) * 2015-11-27 2016-04-20 浙江理工大学 一种基于Markov的个人路径预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈丽: "移动对象跟随模式挖掘方法研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110072191A (zh) * 2019-04-23 2019-07-30 安徽致远慧联电子科技有限公司 基于无线技术的学生校内轨迹分析系统及分析方法

Similar Documents

Publication Publication Date Title
Xu et al. A survey for mobility big data analytics for geolocation prediction
CN101204115B (zh) 将地理位置与无线装置上发生的事件相关联的设备和方法
CN103471586B (zh) 一种传感器辅助的终端组合定位方法及装置
CN105190345A (zh) 用于使用三维位置信息改进定位服务的系统和方法
CN104819726A (zh) 导航数据处理方法、装置及导航终端
CN107578427A (zh) 动态障碍物的检测方法、装置及计算机可读存储介质
CN107871400B (zh) 路网信息更新方法及装置
CN104598621A (zh) 一种基于滑动窗口的轨迹压缩方法
CN106525031A (zh) 一种组合的室内定位方法
EP2930959B1 (en) Locating method, drive test terminal and hand-held terminal
CN106781463B (zh) 一种基于手机信令和od属性计算城市道路流速的方法
CN104584094B (zh) 位置估计方法及系统
CN109186607A (zh) 一种车辆行驶轨迹点预测的方法
CN102722541A (zh) 一种时空轨迹相似度计算方法及系统
CN110830915B (zh) 一种确定起点位置的方法及装置
CN107526801A (zh) 一种基于布朗桥的移动对象跟随模式挖掘方法
CN105678246A (zh) 一种基于基站标号轨迹的运动模式挖掘方法
KR101290750B1 (ko) Ｇｐｓ 신호를 이용한 목적지 추정 방법 및 그 장치
CN112748453B (zh) 道路侧定位方法、装置、设备及存储介质
Derrmann et al. Estimating urban road traffic states using mobile network signaling data
CN104063884A (zh) 基于运动预测与多模板匹配相结合的图像目标识别方法
CN104713547A (zh) 一种生成位置信息的方法和终端
CN105451171B (zh) 上传用户地理位置数据的方法及设备
Li et al. TrackU: Exploiting User's Mobility Behavior via WiFi List
CN110874707A (zh) 出租车交班地点的检测方法及计算机可读存储介质

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171229

WD01 Invention patent application deemed withdrawn after publication