CN109743689B - 一种基于稳定性值的室内轨迹停留区域发现方法 - Google Patents

一种基于稳定性值的室内轨迹停留区域发现方法 Download PDF

Info

Publication number
CN109743689B
CN109743689B CN201910021401.8A CN201910021401A CN109743689B CN 109743689 B CN109743689 B CN 109743689B CN 201910021401 A CN201910021401 A CN 201910021401A CN 109743689 B CN109743689 B CN 109743689B
Authority
CN
China
Prior art keywords
points
stability
point
stability value
value
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
Application number
CN201910021401.8A
Other languages
English (en)
Other versions
CN109743689A (zh
Inventor
皮德常
陈怡�
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910021401.8A priority Critical patent/CN109743689B/zh
Publication of CN109743689A publication Critical patent/CN109743689A/zh
Application granted granted Critical
Publication of CN109743689B publication Critical patent/CN109743689B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于稳定性值的室内轨迹停留区域发现方法，包括：记录室内轨迹中样本点的位置；计算位置点相距的长度；计算位置点的稳定性值；稳定性值小于稳定性阈值的点被认为处于稳定状态，将其加入到候选停留点集合中；对候选集中的每一个位置点进行扩展，给定时间阈值，遍历候选集中在该时间阈值范围内的所有邻居位置点并计算它们之间的稳定性值；重复进行前述的步骤，直到完成所有邻居位置点的判断；停留点构成的集合即为被发现的停留区域。本发明的优点是：基于稳定性值发现停留区域，即综合考虑了位置点之间的距离和时间差，平衡了这两个因素对稳定性值的影响。本发明适用于发现室内环境中移动对象轨迹的停留区域，具有普适性。

Description

一种基于稳定性值的室内轨迹停留区域发现方法
技术领域
本发明涉及一种基于稳定性值的室内轨迹停留区域发现方法，是针对室内环境中的移动对象轨迹的停留区域发现，属于工程应用与信息科学的交叉领域。
背景技术
随着多种移动定位设备的普及，基于位置的服务(LBS)已经在日常生活中广泛存在。根据诺基亚提供的数据，人们在生活中有87％至90％的时间是在室内空间中度过的。大家都看到了室内定位技术所带来的巨大商机，世界各国的相关公司都在积极地往室内位置服务行业靠拢。
停留区域是移动对象轨迹中具有重要意义的位置点集合，它并不是真正地指移动对象处于静止状态，而是移动对象在一段时间内以较低的速度在一个较小的范围内进行移动。室内轨迹中的停留区域具有一定的语义信息，或是嫌疑用户的足迹，或是正常用户对某地点不熟悉而停留略久的表现，在一定程度上可以反映出移动对象的行动状态和心态。从移动轨迹数据中挖掘用户的停留区域，不仅可以提高基于位置的服务技术，而且还能采取防范措施保障人身安全，以更好地促进基于位置服务的发展。
然而，目前室内移动对象轨迹的研究还处于起步阶段，该领域缺少相关的分析方法，急需一定的科学技术以满足位置服务行业的需求。尽管国内外许多学者已经对室外环境下的移动对象轨迹从不同方面进行了大量的研究，但是由于室内与室外的定位技术、轨迹数据表达方式和空间约束性都不相同，所以室外的技术方案并不能直接用于室内空间中。
在移动轨迹数据挖掘中，发现停留区域这一技术难题，已经成为近年来的研究热点。另外，现有的对轨迹停留的研究中，均没有考虑停留区域问题。为了使室内位置服务能够得到更快更好的发展，本发明设计了有效可行的解决方案，这种基于稳定性值的室内轨迹停留区域发现方法是一种新颖的解决方案，具有非常好的应用前景，可应用于大型商场、医院、候机楼等大型室内环境。
发明内容
发明目的：本发明的目的是提供一种基于稳定性值的室内轨迹停留区域发现方法。该方法充分利用室内移动对象的轨迹数据，参数自主选择，以发现室内轨迹中的停留区域，可以更好地促进基于位置的服务(LBS)这一行业的发展，降低用户的轨迹隐私泄露的风险，甚至保护用户的轨迹隐私不受侵犯。
技术方案：为实现上述目的，本发明提出一种基于稳定性值的室内轨迹停留区域发现方法，综合考虑位置点之间的距离和时间，平衡这两个因素对稳定性值的影响，使得解决方法更加严谨可行。其具体的技术方案包括以下几个步骤：
步骤一：对室内轨迹数据进行预处理。
(1)遍历室内轨迹数据库中的每一条轨迹，以三维坐标的形式记录其中样本点的位置，形如P(x，y，z)。
步骤二：计算位置点之间的距离。
(1)根据轨迹中的样本点所处的位置，计算其相距的长度；
(2)若样本点A的坐标为(x1，y1，z1)，点B的坐标为(x2，y2，z2)，则点A与点B之间的距离按照如下公式进行计算：
Figure BSA0000177262930000021
步骤三：计算位置点之间的稳定性值。
(1)记录已计算出的位置点之间的距离DAB，并记录位置点之间的时间差TAB；
(2)计算位置点之间的稳定性值：对每条轨迹中的样本点计算其稳定性值，稳定性值小于稳定性阈值ThreS的位置点被认为处于稳定状态，将其加入到候选停留点集合中。否则舍弃，进行下一步的识别。稳定性值的计算公式如下：SAB＝ln(k×DAB+DAB/TAB+1)。其中，k为一个正系数，其取值越大，两点间的距离DAB对稳定性值SAB的影响越大，速度DAB/TAB对SAB的影响越小。为了平衡距离和速度这两个因素对稳定性值的贡献，根据两者数量级上的差别，需要将正系数k取值适当，使它们对稳定性值的贡献相当。注意，在公式SAB＝ln(k×DAB+DAB/TAB+1)中，为了确保稳定性值SAB始终是大于0的，所以在真数后面加1。
步骤四：对候选集进行处理。
(1)对候选停留点集合中的位置点进行扩展，给定时间阈值ThreTime。遍历候选点在ThreTime时间范围内的所有邻居位置点，计算它们与该点的稳定性值。若结果小于稳定性阈值ThreS，则将该邻居位置点添加到候选集合中；否则将其舍弃，继续进行下一步的识别。重复上述操作，直到完成所有邻居位置点的判断。最后，候选点集合及其扩展的邻居点中所有满足稳定性值小于稳定性阈值的位置点被认为是停留点，由停留点构成的集合即为被发现的停留区域。
有益效果：本发明针对室内轨迹中的停留区域，提出了一种新颖的基于稳定性值的室内轨迹停留区域发现方法，是该领域的首次提出。该方法能够通过室内轨迹中被发现的停留区域，为基于位置的服务(LBS)行业提供借鉴，促进该行业蓬勃发展。同时，本发明可以降低用户的轨迹隐私泄露的风险，甚至可以保护用户的轨迹隐私不受侵犯。
附图说明
图1是本发明方法的总体流程图。
图2是停留区域的示意图。
图3是数据预处理的流程图。
图4是计算位置点之间距离的示意图。
图5是计算位置点之间稳定性值的示意图。
图6是处理候选集的流程图。
具体实施方式
下面结合附图，对本发明做进一步说明。
本发明的总体流程如图1所示。其包含的子模块流程分别如图2、图3、图4、图5和图6所示，以下结合各图进行详细说明。
本发明以三维坐标的形式记录室内轨迹中样本点的位置；根据轨迹中样本点的位置，计算其相距的长度；记录轨迹中位置点之间的距离和时间差，并计算其稳定性值；稳定性值小于稳定性阈值的点被认为处于稳定状态，将其加入到候选停留点集合中；其余的位置点则被舍弃，继续进行下一步的识别；对候选集中的每一个位置点进行扩展，给定时间阈值，遍历候选集中在该时间阈值范围内的所有邻居位置点并计算它们之间的稳定性值；若计算得出的稳定性值小于稳定性阈值，则其为停留点；重复进行前述的步骤，直到完成所有邻居位置点的判断；停留点构成的集合即为被发现的停留区域。其具体实施步骤如下，且总体流程见附图1。
1、室内轨迹数据预处理
首先对室内空间中的轨迹数据进行预处理，具体处理步骤如下，且示意图见附图3。
(1)：遍历室内轨迹数据库中的每一条轨迹，以三维坐标的形式记录其中样本点的位置，形如P(x，y，z)。
2、计算位置点之间的距离
计算轨迹中位置点之间的距离，其具体过程如下所示，且示意图见附图4。
(1)根据轨迹中的样本点所处的位置，计算其相距的长度；
(2)若样本点A的坐标为(x1，y1，z1)，点B的坐标为(x2，y2，z2)，则点A与点B之间的距离按照如下公式进行计算：
Figure BSA0000177262930000031
3、计算位置点之间的稳定性值
计算轨迹中位置点之间的稳定性值是本发明的核心步骤。其具体过程如下，且处理的流程图见附图5。
(1)记录步骤2中计算出的位置点之间的距离DAB，并记录位置点之间的时间差TAB；
(2)计算位置点之间的稳定性值：对每条轨迹中的样本点计算其稳定性值，稳定性值小于稳定性阈值ThreS的位置点被认为处于稳定状态，将其加入到候选停留点集合中。否则舍弃，进行下一步的识别。稳定性值的计算公式如下：SAB＝ln(k×DAB+DAB/TAB+1)。其中，k为一个正系数，其取值越大，两点间的距离DAB对稳定性值SAB的影响越大，速度DAB/TAB对SAB的影响越小。为了平衡距离和速度这两个因素对稳定性值的贡献，根据两者数量级上的差别，需要将正系数k取值适当，使它们对稳定性值的贡献相当。注意，在公式SAB＝ln(k×DAB+DAB/TAB+1)中，为了确保稳定性值SAB始终是大于0的，所以在真数后面加1。
4、对候选集进行处理
对步骤3中的候选集里的停留点进行处理，是本发明成功的重要环节。其具体过程如下，且详细处理流程见附图6。
(1)对候选停留点集合中的位置点进行扩展，给定时间阈值ThreTime。遍历候选点在ThreTime时间范围内的所有邻居位置点，计算它们与该点的稳定性值。若结果小于稳定性阈值ThreS，则将该邻居位置点添加到候选集合中；否则将其舍弃，继续进行下一步的识别。重复上述操作，直到完成所有邻居位置点的判断。最后，候选点集合及其扩展的邻居点中所有满足稳定性值小于稳定性阈值的位置点被认为是停留点，由停留点构成的集合即为被发现的停留区域。
本发明提出的发现方法总体描述如下：
Figure BSA0000177262930000041
Figure BSA0000177262930000051

Claims (3)

1.一种基于稳定性值的室内轨迹停留区域发现方法，其主要特征包括如下步骤：
(1)室内轨迹数据预处理：首先遍历室内轨迹数据库中的每一条轨迹，以坐标的形式记录其中样本点的位置，形如P(x，y，z)；
(2)计算位置点之间的距离：根据轨迹中样本点的位置，计算其相距的长度；
(3)计算位置点之间的稳定性值：记录轨迹中位置点之间的距离和时间差，并计算其稳定性值，稳定性值小于稳定性阈值的点被认为处于稳定状态，将其加入到候选停留点集合中，其余的位置点则被舍弃，继续进行下一步的识别；其实现方法如下：
(3-1)记录步骤(2)中计算出的位置点之间的距离DAB，并记录位置点之间的时间差TAB；
(3-2)计算位置点之间的稳定性值：对每条轨迹中的样本点计算其稳定性值，稳定性值小于稳定性阈值ThreS的位置点，就认为处于稳定状态，并将其加入到候选停留点集合中，否则舍弃，进行下一步的识别；
稳定性值的计算公式如下：SAB＝ln(k×DAB+DAB/TAB+1)，其中，k为一个正系数，其取值越大，两点间的距离DAB对稳定性值SAB的影响越大，速度DAB/TAB对SAB的影响就越小，为了平衡距离和速度这两个因素对稳定性值的影响，根据两者数量级上的差别，正系数k的取值范围设为0.01～0.02，使它们对稳定性值的贡献相当；注意，在公式SAB＝ln(k×DAB+DAB/TAB+1)中，为了确保稳定性值SAB始终大于0，所以在真数后面加1；
(4)对候选集进行处理：对候选集中的每一个位置点进行扩展，给定时间阈值，遍历候选集中在该时间阈值范围内的所有邻居位置点，并计算它们之间的稳定性值，若计算得出的稳定性值小于稳定性阈值，则其为停留点，直到完成所有邻居位置点的判断，停留点构成的集合即为被发现的停留区域。
2.根据权利要求1所述的基于稳定性值的室内轨迹停留区域发现方法，其特征在于，步骤(2)是计算位置点之间的距离，具体实现方法包括：
(2-1)根据轨迹中的样本点所处的位置，计算其相距的长度；
(2-2)若样本点A的坐标为(x1，y1，z1)，点B的坐标为(x2，y2，z2)，则点A与点B之间的距离按照如下公式进行计算：
Figure FSB0000189223820000021
3.根据权利要求1所述的基于稳定性值的室内轨迹停留区域发现方法，其特征在于，步骤(4)是对候选集进行处理，其实现方法如下：
(4-1)对候选停留点集合中的位置点进行扩展，给定时间阈值ThreTime，遍历候选点在ThreTime时间范围内的所有邻居位置点，计算它们与该点的稳定性值，若结果小于稳定性阈值ThreS，则将该邻居位置点添加到候选集合中；否则将其舍弃，继续进行下一步的识别，直到完成所有邻居位置点的判断，最后，候选点集合及其扩展的邻居点中所有满足稳定性值小于稳定性阈值的位置点被认为是停留点，由停留点构成的集合即为被发现的停留区域。
CN201910021401.8A 2019-01-09 2019-01-09 一种基于稳定性值的室内轨迹停留区域发现方法 Active CN109743689B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910021401.8A CN109743689B (zh) 2019-01-09 2019-01-09 一种基于稳定性值的室内轨迹停留区域发现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910021401.8A CN109743689B (zh) 2019-01-09 2019-01-09 一种基于稳定性值的室内轨迹停留区域发现方法

Publications (2)

Publication Number Publication Date
CN109743689A CN109743689A (zh) 2019-05-10
CN109743689B true CN109743689B (zh) 2020-11-17

Family

ID=66364248

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910021401.8A Active CN109743689B (zh) 2019-01-09 2019-01-09 一种基于稳定性值的室内轨迹停留区域发现方法

Country Status (1)

Country Link
CN (1) CN109743689B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111578933B (zh) * 2020-05-09 2022-03-11 北京上下文系统软件有限公司 一种快速识别用户进入特定地理区域内的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018094502A1 (en) * 2016-11-22 2018-05-31 Aerial Technologies Device-free localization methods within smart indoor environments
CN108834077A (zh) * 2018-07-04 2018-11-16 北京邮电大学 基于用户移动特性的跟踪区划分方法、装置及电子设备

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5422436B2 (ja) * 2010-02-22 2014-02-19 日本電信電話株式会社 滞在場所推定装置、方法及びプログラム
CN104850604B (zh) * 2015-05-04 2018-11-02 华中科技大学 一种基于张量的用户轨迹挖掘方法
CN104933710B (zh) * 2015-06-10 2018-06-19 华南理工大学 基于监控视频下的商店人流轨迹智能分析方法
CN106384120B (zh) * 2016-08-29 2019-08-23 深圳先进技术研究院 一种基于手机定位数据的居民活动模式挖掘方法及装置
CN107071719A (zh) * 2016-12-12 2017-08-18 浙江大学 一种基于室内移动对象轨迹分析的热点区域热度分析方法
CN106840165B (zh) * 2017-01-17 2019-11-12 中国地质大学（武汉） 一种语义位置历史的构建方法及装置
CN108509434B (zh) * 2017-02-23 2020-12-25 中国移动通信有限公司研究院 一种群体用户的挖掘方法及装置
CN107016126A (zh) * 2017-05-12 2017-08-04 西南交通大学 一种基于序列模式挖掘的多用户模型移动轨迹预测方法
CN107633067B (zh) * 2017-09-21 2020-03-27 北京工业大学 一种基于人员行为规律和数据挖掘方法的群体识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018094502A1 (en) * 2016-11-22 2018-05-31 Aerial Technologies Device-free localization methods within smart indoor environments
CN108834077A (zh) * 2018-07-04 2018-11-16 北京邮电大学 基于用户移动特性的跟踪区划分方法、装置及电子设备

Also Published As

Publication number Publication date
CN109743689A (zh) 2019-05-10

Similar Documents

Publication Publication Date Title
CN103634902B (zh) 基于指纹聚类的新型室内定位方法
Shang et al. A location estimation algorithm based on RSSI vector similarity degree
CN102638888B (zh) 基于信号统计的室内定位指纹分组方法
CN109165527B (zh) 支持个性化隐私的轨迹敏感数据保护方法
CN110500512B (zh) 燃气爆管分析方法和装置
CN108091134B (zh) 一种基于手机信令位置轨迹数据的通用数据集生成方法
CN104661306B (zh) 移动终端被动定位方法及系统
CN103020098A (zh) 提供具有语音识别功能的导航业务的搜索方法
CN109743689B (zh) 一种基于稳定性值的室内轨迹停留区域发现方法
US20230152121A1 (en) Indoor map generation method and apparatus
Aikawa et al. WLAN finger print localization using deep learning
Tasnim et al. Semantic-aware clustering-based approach of trajectory data stream mining
Zhao et al. Indoor access points location optimization using differential evolution
CN109947817B (zh) 一种基于关联图谱的六度空间关系分析方法及系统
Li et al. Estimating crowd flow and crowd density from cellular data for mass rapid transit
Zhao et al. Research on Crowdsourcing network indoor localization based on Co-Forest and Bayesian Compressed Sensing
Li et al. Public transportation mode detection from cellular data
CN103166942A (zh) 一种恶意代码的网络协议解析方法
Wu et al. Urban functional area recognition based on unbalanced clustering
CN111582663A (zh) Nqi质量服务的方法、平台、用户终端及可读存储介质
CN111563073A (zh) Nqi信息共享的方法、平台、服务器及可读存储介质
CN110691336A (zh) 一种基于集成学习和相对定位的双尺度定位算法
Xu et al. WiFi indoor location determination via ANFIS with PCA methods
Alamri et al. Vertical indexing for moving objects in multifloor environments
CN114051202A (zh) 一种无线定位信号指纹样本库的自动学习方法

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