CN110909037A

CN110909037A - 一种频繁轨迹模式的挖掘方法及装置

Info

Publication number: CN110909037A
Application number: CN201910955847.8A
Authority: CN
Inventors: 陈锐; 陈明剑
Original assignee: Information Engineering University of PLA Strategic Support Force
Current assignee: Information Engineering University of PLA Strategic Support Force
Priority date: 2019-10-09
Filing date: 2019-10-09
Publication date: 2020-03-24
Anticipated expiration: 2039-10-09
Also published as: CN110909037B

Abstract

本发明涉及一种频繁轨迹模式的挖掘方法及装置，属于数据挖掘技术领域。本发明首先提取轨迹的起讫点，然后对起讫点进行聚类，得到热点区域；最后对热点区域间的轨迹进行标记得到频繁轨迹模式。该方法将聚类对象设定为起讫点的点对象，而不是轨迹段的线对象，能够在相似性度量计算及聚类过程大幅减小计算负担，提高了计算效率。同时该方法得到频繁轨迹模式不仅揭示了热点路径的信息，更揭示了热点区域的分布，具有更加直观的现实意义，为智能交通系统建设、交通管理和用户路径规划等实际应用提供了决策支持。

Description

一种频繁轨迹模式的挖掘方法及装置

技术领域

本发明涉及一种频繁轨迹模式的挖掘方法及装置，属于数据挖掘技术领域。

背景技术

频繁轨迹模式是指由移动用户产生的海量轨迹数据中存在的由相似轨迹组成的特定模式。如经过繁忙路段的车辆轨迹，经过特定航道的船舶轨迹，以及连接不同热点区域的用户轨迹等。从海量的轨迹数据中挖掘频繁轨迹模式是一种无监督式的知识提取过程。挖掘出的频繁轨迹模式属于轨迹数据中有价值的知识信息，可为许多实际应用提供决策支持。具体体现在：分析某一特定区域如某城市或某海域中移动用户的频繁轨迹模式，可以为智能交通系统建设，交通管理和用户路径规划等提供帮助。

轨迹的起讫点指的是一段完整轨迹的起点和终点。某特定研究区域内的轨迹起讫点通常包括两类：轨迹于该区域的进出点以及轨迹停留点。进出点代表着轨迹在该研究区域的开始和结束，停留点也代表着一段行程轨迹的终止和下一段行程轨迹的开始。轨迹挖掘领域中，目前常用的频繁轨迹模式挖掘方法主要依赖于频繁模式挖掘方法和聚类方法。

在利用频繁模式方法方面，申请公布号为CN103914563A的中国专利申请文件公开了一种时空轨迹的模式挖掘方法，该方法在统计现有时空点以及数据预处理的基础之上生成用户的时空轨迹，同时考虑空间维度信息和时间维度信息，定义了轨迹之间的时空相似性，并利用频繁模式挖掘方法PrefixSpan方法分析相似性，分析得到的频繁项，包括频繁路线和地点，作为时空轨迹的模式。但是该方法生成时空轨迹的预处理步骤较为繁琐，同时，将整段轨迹作为线对象，进行轨迹间相似性度量的计算时计算成本较大。申请公布号为CN109213941A的中国专利申请文件提出通过建立模糊网格序列，挖掘室内用户轨迹的频繁模式，该方法在轨迹预处理过程中，利用正六边形网格对地图进行离散化，并根据垂线投影距离将网格分为准确区域和模糊区域；然后遍历轨迹中的样本点，将轨迹的坐标序列转换为模糊网格组成的序列；最后通过计算网格索引的支持度挖掘出所有的轨迹频繁模式。该方法适用于室内轨迹挖掘，但面对更大范围的轨迹时，离散化空间容易导致维数灾难和稀疏性问题，不具有更广范围的普适性。

在利用聚类方法方面，申请公布号为CN107133269A的中国专利申请文件提出了一种确定目标频繁位置轨迹的方法，该方法在获取移动目标的位置信息后，首先根据预设的网格划分方式，划分关联操作后的位置信息，并提取网格划分后的位置信息的特征点，得到重采样轨迹；然后按照时间属性、位置属性、方位属性以及预设空间聚类算法，以子轨迹形式对提取特征点后的重采样轨迹进行聚类；最后扫描聚类后的子轨迹，并生成频繁位置轨迹。该方法的网格划分操作同样会带来维数灾难和稀疏性问题，同时，以轨迹为线对象进行聚类也将带来较重的计算负担。

发明内容

本发明的目的是提供一种频繁轨迹模式的挖掘方法及装置，以解决目前频繁轨迹模式挖掘过程中存在的以轨迹为对象进行计算导致的计算量大、计算效率低的问题。

本发明为解决上述技术问题而提供一种频繁轨迹模式的挖掘方法，该挖掘方法包括以下步骤：

1)对获取的定位数据进行离散化处理，从中提取出轨迹的起讫点，所述轨迹的起讫点包括轨迹于设定区域的进出点及轨迹停留点；

2)对提取的起讫点进行聚类，得到各个起讫点集中分布的热点区域；

3)根据聚类得到的热点区域，提取出热点区域之间的轨迹，并将提取出的轨迹作为频繁轨迹模式。

本发明还提供了一种频繁轨迹模式的挖掘装置，该挖掘装置包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现以下步骤：

3)根据聚类得到热点区域，提取出热点区域之间的轨迹，并将提取出的轨迹作为频繁轨迹模式。

本发明首先提取轨迹的起讫点，然后对起讫点进行聚类，得到热点区域；最后对热点区域间的轨迹进行标记得到频繁轨迹模式。该方法将聚类对象设定为起讫点的点对象，而不是轨迹段的线对象，能够在相似性度量计算及聚类过程大幅减小计算负担，提高了计算效率。同时该方法得到频繁轨迹模式不仅揭示了热点路径的信息，更揭示了热点区域的分布，具有更加直观的现实意义，为智能交通系统建设、交通管理和用户路径规划等实际应用提供了决策支持。

进一步地，为了提高聚类效果，避免噪声点的影响，所述步骤2)中的聚类采用OPTICS算法。

进一步地，所述步骤2)的聚类过程如下：

A.根据设定邻域距离阈值和设定邻域大小阈值从各个起讫点中选取满足要求的点，将满足要求的点作为核心对象；

B.确定核心对象在设定邻域距离阈值内与其第N_pts近的起讫点，N_pts为设定邻域大小阈值，并将核心对象和所述最近的起讫点之间的距离做为核心距离；

C.计算核心对象的距离确定核心对象到其他起讫点的可达距离，根据设定的可达距离变化幅度确定起讫点的聚类结果，得到起讫点集中分布的热点区域。

进一步地，为了保证轨迹停留点选取的准确性，所述轨迹停留点指的是轨迹上两点之间的时间间隔大于转移时间阈值且两点之间的距离小于转移距离阈值的点。

进一步地，为了方便计算两点之间的距离，轨迹上两点之间的距离采用Haversine距离计算得到。

附图说明

图1是本发明频繁轨迹模式的挖掘方法的流程示意图；

图2是本发明方法实施例中的起讫点提取示意图；

图3是本发明所采用的OPTICS算法核心部分流程图；

图4是本发明实施例中采用OPTICS算法计算的可达距离排序结果示意图；

图5是本发明实施例得到的频繁轨迹模式示意图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步地说明。

方法实施例

本发明针对目前频繁轨迹模式挖掘过程中存在的计算量偏大的问题，提出了一种频繁轨迹模式的挖掘方法，该方法首先基于用户的轨迹数据，从轨迹数据中提取起讫点；然后对提取的起讫点进行聚类，得到热点区域；最后将连接这些热点区域的轨迹进行标记，将标记后的轨迹作为挖掘出的频繁轨迹模式。该方法实现流程如图1所示，具体实施步骤如下。

1.从用户轨迹数据中提取起讫点。

用户轨迹数据一般是时间排序存储在数据库中连续定位点数据，包括各定位点的经纬度和时间戳等属性：

P＝{x,t}

x＝{lng,lat} (1)

其中，P表示定位点，x表示包含经度lng纬度lat的空间坐标，t是相应的时间戳。起讫点是一段行程轨迹的两个端点，通过提取起讫点可以将连续的定位点划分为独立的轨迹，组成轨迹集合T：

T＝{T¹,T²,...,Tⁱ,...T^m} (2)

其中Tⁱ表示第i条独立轨迹：

其中，P₁ ⁱ和

分别表示轨迹Tⁱ的起点和终点，即起讫点。

在设定目标区域中，轨迹的起讫点包括两类，一类是该设定目标区域的进出点，一类是该设定目标区域内的轨迹停留点。其中进出点的提取可通过设定目标区域的坐标范围确定，具体过程这里不再详述。因此本发明关于起讫点提取的关键在于轨迹停留点的检测。

当轨迹上的两个点之间的时间间隔大于转移时间阈值，且这两点之间的距离小于转移距离阈值时，则认为这两个点为轨迹停留点，其中两个之间的具体采用Haversine距离公式进行计算，两个定位点P_i与P_j之间的Haversine距离d_ij为：

其中表示R地球半径，lat_i表示定位点P_i的纬度，lat_j表示为定位点P_j的纬度，lon_i表示定位点P_i的经度，lon_j lat_j表示为定位点P_j的经度。

对本实施例而言，如图2所示，在一个停留区域内范围可能会存在多个轨迹停留点，将这些停留点的两个端点作为轨迹的起讫点。

2.对提取的起讫点进行聚类，得到起讫点集中分布的热点区域。

对起讫点进行聚类，可采用的聚类算法有很多，例如K-Means(均值)、均值漂移聚类、基于密度的聚类方法(DBSCAN)、高斯混合模型(GMM)的最大期望(EM)聚类等，考虑到本发明的聚类对象起讫点分布不规则、密度不均匀以及易受噪声影响的问题，本实施例采用OPTICS聚类算法进行聚类，OPTICS聚类算法是基于密度的聚类算法，全称是Orderingpoints to identify the clustering structure，目的是将空间中的数据按照密度分布进行聚类，其思想和DBSCAN非常类似，但是和DBSCAN不同的是，OPTICS算法可以获得不同密度的聚类，直接说就是经过OPTICS算法的处理，理论上可以获得任意密度的聚类。OPTICS算法有两个基础参数，一个是半径，一个是最少点数，基于这两个参数需要确定核心对象、核心距离和可达距离。

核心对象：x∈X是点集合X中的一个点对象，设ε为邻域距离阈值(半径)，则N_ε(x)＝{x′∈X|d(x,x′)≤ε}表示对象x的ε邻域，其中d(x,x′)表示其他点x′与对象点x之间的距离，设N_pts为点的邻域大小阈值(最少点数)，当x的ε邻域大小大于该阈值，即|N_ε(x)|≥N_pts时，x可视为核心对象。对本实施例而言，X为步骤1中提取出的起讫点集合，按照核心对象的定义从中取出满足上述条件的起讫点作为核心对象。

核心距离：使得x成为核心对象的最小距离为核心距离：

其中，

表示核心对象x的ε邻域内，离x第N_pts近的点。值得注意的是，核心距离与邻域距离阈值的关系总是满足cd(x)≤ε。

可达距离：对于x,x′∈X，从x到x′的可达距离为：

OPTICS算法的核心部分流程如图3所示，通过该算法可以得到数据集中各对象关于可达距离的排序。基于可达距离排序画出可达距离图，如图4。可达距离图直观地揭示对象的密度分布结构。形成聚集区域的点对象对应着可达距离图中的低谷；与其他点相距较远，不属于任何一个聚集区域的噪声点对应的可达距离值较大。通过设定可达距离变化幅度的参数，便可从可达距离图中提取出任意大小和任意密度的聚类结果。

3.连接各热点区域之间轨迹

根据步骤2中得到起讫点的聚类结果后，连接聚类结果得到热点区域，对连接这些热点区域的轨迹进行标记，即可得到往返于这些聚类区域的频繁轨迹，从而挖掘出目标区域范围内的频繁轨迹模式，对本实施例而言，其结果如图5所示，其中A、B、C、D表示起讫点聚类结果，即起讫点集中的热点区域，则AB、AC、AD、BC、BD、CD为最终得到的频繁轨迹模式。

装置实施例

本实施例的频繁轨迹模式的挖掘装置包括存储器和处理器，以及存储在存储器上并在处理器上运行的计算机程序，处理器与存储器相耦合，处理器执行所述计算机程序时实现以下步骤：

上述步骤的具体实现过程已在方法的实施例中进行了详细说明，这里不赘述。

本发明作为一种无监督式的知识轨迹挖掘方法，可在无任何先验信息的情况下挖掘频繁轨迹模式这一具有实用价值的隐藏信息，并以起讫点作为聚类对象，在聚类过程中减少了计算量，又通过OPTICS聚类算法进行聚类，能够得到更好的聚类结果，不仅揭示了热点路径的信息，更揭示了热点区域的分布。因此通过本发明挖掘出的频繁轨迹模式是轨迹数据中有价值的知识信息，对于理解研究区域范围内的移动用户运动规律，发现承载大量交通出行活动的热点区域和热点路径信息有很大的帮助。这些被挖掘出的知识信息可被广泛应用于实际层面，如智能交通系统，交通管理和路径规划等，具有重要的现实意义。

Claims

1.一种频繁轨迹模式的挖掘方法，其特征在于，该挖掘方法包括以下步骤：

2.根据权利要求1所述的频繁轨迹模式的挖掘方法，其特征在于，所述步骤2)中的聚类采用OPTICS算法。

3.根据权利要求2所述的频繁轨迹模式的挖掘方法，其特征在于，所述步骤2)的聚类过程如下：

4.根据权利要求1或2所述的频繁轨迹模式的挖掘方法，其特征在于，所述轨迹停留点指的是轨迹上两点之间的时间间隔大于转移时间阈值且两点之间的距离小于转移距离阈值的点。

5.根据权利要求4所述的频繁轨迹模式的挖掘方法，其特征在于，轨迹上两点之间的距离采用Haversine距离计算得到。

6.一种频繁轨迹模式的挖掘装置，其特征在于，该挖掘装置包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现以下步骤：

7.根据权利要求6所述的频繁轨迹模式的挖掘装置，其特征在于，所述步骤2)中的聚类采用OPTICS算法。

8.根据权利要求7所述的频繁轨迹模式的挖掘装置，其特征在于，所述步骤2)的聚类过程如下：

9.根据权利要求6或7所述的频繁轨迹模式的挖掘装置，其特征在于，所述轨迹停留点指的是轨迹上两点之间的时间间隔大于转移时间阈值且两点之间的距离小于转移距离阈值的点。

10.根据权利要求9所述的频繁轨迹模式的挖掘装置，其特征在于，轨迹上两点之间的距离采用Haversine距离计算得到。