CN112559587A - 基于城市语义图谱的轨迹时空语义模式提取方法 - Google Patents

Abstract

本发明属于轨迹计算技术领域，具体为一种基于城市语义图谱的轨迹时空语义模式提取方法。本发明包括：预处理：对轨迹数据进行位置与时间判定，对轨迹数据进行精简，只保留驻留点；语义判别：利用预处理阶段得到的驻留点进行语义信息判别；按照城市语义图谱中的聚类归属进行空间频次权重的加总，最高权重类别的语义标签定义为该驻留点语义；模式提取：将轨迹序列看成带有语义标签的时空驻留点序列，对海量的序列进行基于标签比较的高频序列检验和时空聚合分析，最后提取得到轨迹的时空语义模式。本发明基于城市语义图谱识别海量轨迹语义信息，克服了传统网格化轨迹模式提取的边界与粒度限制，具有时空语义模式提取数量和精度上的明显优势。

Description

基于城市语义图谱的轨迹时空语义模式提取方法

技术领域

本发明属于轨迹计算技术领域，具体涉及轨迹时空语义模式提取方法。

背景技术

时空语义模式(SpatiotemporalPattern)挖掘是一项极具有商业和社会价值的知识发现工作。其主要过程是从时空数据库中寻找最热门的运动轨迹规律和模式，并在此基础上添加人类出行行为语义信息。时空语义模式发掘的前身工作时空模式挖掘往往采用将空间平面划分为细小网格的做法来预处理时空数据，并在网格化的数据划分标准下进行运算和分析。在随后的改进工作中，兴趣区域ROI(Region of Interest)作为一项经典技术被提出。它采用聚类周边的同类高人气网格作为解决边界限制的方法实现了空间粒度的自适应。人类出行的时空模式可以借此被描述为ROI到ROI之间的迁移序列，并可以从海量序列中聚类提取出群体性时空模式。然而，这些方法都是采用基于网格的空间描述方式进行数据的预处理，因此或多或少会受网格边界误差和粒度设置的影响，这使得这类基于网格的时空模式提取算法的可用性受到了挑战。为了打破网格化的限制，不定构型语义信息构建技术被提出以改善时空语义模式的提取算法。利用不定构型语义信息构建技术可以得到一个关于城市语义数据源的知识图谱，可以将其称为城市语义图谱。在本发明中，城市语义图谱被定义为是针对城市各细粒度区域进行功能描述的数据结构。它往往以语义兴趣点(Point of Interest，简称POI)聚类的集合形式来表示，可以实现对城市不同地点的人类行为描述，比如购物、教育和医疗等等，这种对城市区域的描述称为语义信息。海量的时空轨迹原始数据本身并没有语义信息标签与标注。为了获得广泛而全面的时空语义模式，针对轨迹做语义补全和模式提取就显得极为重要。需要借助非监督学习的数据挖掘算法设计细粒度的语义知识背景图谱并实现概率关联性推测算法。本发明利用城市语义图谱为基础，利用轨迹的时空关联关系进行语义关联度打分，从而推断轨迹点对应的语义。再辅以时空分析算法与高频模式发现等关键策略，提取出高质量细粒度的时空语义模式。

发明内容

本发明克服了网格化轨迹模式提取的边界与粒度限制，提出一种基于城市语义图谱的轨迹时空语义模式提取方法。

本发明提供的轨迹时空语义模式提取方法，是基于城市语义图谱识别海量轨迹语义信息并以此提取轨迹时空语义模式。通过对语义序列化、空间临近性和时序连续性三个方面的精确分析来挖掘出行模式，在实际应用中具有时空语义模式提取数量和精度上的先进优势。

本发明提出的基于城市语义图谱的轨迹时空语义模式提取方法，具体步骤分为三个阶段：

(一)预处理阶段：对轨迹数据进行位置与时间判定，寻找驻留点；随后对轨迹数据进行精简，只保留驻留点；

具体做法，对轨迹数据进行位置与时间判定，寻找在连续的30分钟时间以上的，位置变动在50m距离内的GPS点，这些点的几何中心位置定义为驻留点(stay point)，认定为出行者在此地活动，到访了附近的POI点；将轨迹中所有的非驻留点删去，所有轨迹被精简成驻留点的时空迁移序列。

(二)语义判别阶段：利用已经获得的城市语义图谱对预处理阶段得到的驻留点进行语义信息判别；按照城市语义图谱中的聚类归属进行空间频次权重的加总，最高权重类别的语义标签定义为该驻留点语义；

具体做法为，利用已经获得的城市语义图谱对预处理阶段得到的驻留点进行语义信息判别。对于城市语义图谱中的每个POI点p^I，其到访频次定义为：

其中，三倍标准差距离R_3σ需要根据点分布预先计算得到，利用所有距离p^I点R_3σ以内的驻留点sp累计频次，d(sp，p^I)指两点之间的距离；

对于任意一个驻留点sp₀，计算一个高斯分布系数：

用来衡量驻留点和POI点之间的远近关系，则对于任意一对驻留点sp₀和POI点p^I，计算其空间频次权重为：pop(p^I)×||p^I，sp₀||；

对于驻留点sp₀附近的所有POI点，按照其在城市语义图谱中的聚类归属进行加总和投票，每种聚类归属类别的投票权重定义为所属POI点的空间频次权重之和，投票权重最高的类别的语义标签可以定义为该驻留点sp₀的语义信息。

(三)模式提取阶段：语义判别阶段识别出的语义标签信息后，可以将轨迹序列看成带有语义标签的时空点序列，对海量的序列进行基于标签比较的高频序列检验和时空聚合分析，最后可以提取得到轨迹的时空语义模式。具体执行以下步骤：

步骤(1)、序列生成。该步骤采用经典而高效的PrefixSpan算法对轨迹序列的语义标签进行高频序列提取，一般设置支持度为50，具体的执行流程为找出轨迹序列数据中所有长度为1的且出现频次大于支持度的频繁序列模式，针对这些序列模式构造其投影子序列。投影子序列定义为原序列中第一个出现长度为1的频繁序列模式的后续子序列，如果不出现则删除。将每个投影子序列视作一组新序列数据，找出其中所有长度为1的频繁序列模式，同时将投影中的频繁序列模式与之前找到的频繁序列模式前缀合并，构成新的前缀，增长频繁序列模式。不断迭代循环上述的查询和投影操作，最终得到全部的高频语义标签序列模式及其对应的驻留点轨迹数据。

步骤(2)、空间提取。对于高频语义标签序列模式中的每一个标签，都对应了一个不少于支持度的时空驻留点集合。对于每一个驻留点集合，进行空间聚集点判断。由于这些驻留点都位于城市街区范围内，可以利用城市街道路网信息，先对其进行街区划分，位于同一个街区的驻留点组成一个子空间。在划分后的街区子空间中，计算任何一对驻留点之间的距离，如果距离小于GPS误差精度∈，则认为两点之间存在一条连接边。所有的驻留点和连接边构成了图结构，利用图论算法求解图中的连通分量(子图)。删除所有驻留点数量小于支持度的连通分量。剩余每一个连通分量的驻留点几何中心视为代表点。这些代表点作为时空模式的空间位置数据被提取出来。

步骤(3)、时序提取。对于空间提取步骤中提取出的所有代表点，进行时序关联提取。序列生成步骤中的每一高频语义标签序列模式pa，假设其长度为m，即其包含的所有轨迹的长度为m，对其中所有轨迹逐一进行扫描。假设当前扫描到任一轨迹ST_i∈pa的第k(1≤k≤m)个点，则可以从空间提取步骤的结果中推导得到轨迹集合C_k，存储所有与当前轨迹ST_i的k长前缀在时空语义上高度相似的轨迹。预先定义C₀＝pa，

则利用空间提取步骤中的代表点划分关系从C_k-1划分出子集C_k。其子集划分标准为：

C_k＝{ST_j|ST_j∈C_k-1且ST_i第k点和ST_j第k点归属于同一代表点}；

不断迭代推导上述过程，最终若C_m为非空值，则将其中所有轨迹对应的唯一一组代表点提取出来，代表点序列与其对应的语义标签组成了一条时空语义模式，最后将这些轨迹删去即pa＝pa-C_m。高频语义标签序列模式扫描出来的所有时空语义模式即可反映城市中人群出行的高频时空语义规律。

本发明基于城市语义图谱识别海量轨迹语义信息并以此提取轨迹时空语义模式，克服了传统网格化轨迹模式提取的边界与粒度限制，在实际应用中具有时空语义模式提取数量和精度上的巨大优势。

附图说明

图1为预处理阶段图示。其中，O点是轨迹中的驻留点(stay points)，其余点是城市语义图谱中的POI点。其中A，B，C，D是图谱中的Shop聚类的POI点，E，F是Hospital聚类的POI点，G，H是Office聚类的POI点。这8个点是O点附近R_3σ距离内的POI点。

图2为语义判别阶段图示。其中，ST₁，ST₂，ST₃，ST₄这四条轨迹是经过预处理只保留驻留点的轨迹。SP₁₁，SP₁₂，SP₁₃属于轨迹ST_|的驻留点。SP₂₁，SP₂₂，SP₂₃属于轨迹ST₂的驻留点。SP₃₁，SP₃₂，SP₃₃属于轨迹ST₃的驻留点。SP₄₁，SP₄₂，SP₄₃属于轨迹ST₄的驻留点。经过语义判别阶段所有驻留点都被识别出了Office，Home，Restaurant三种语义标签。代表点S1，S2，S3，S4是模式提取阶段空间提取步骤中生成的4个代表点。在支持度为2的情况下，ST₁，ST₂和ST₃，ST₄可以分别提取出两条空间位置不同的Office→Home→Restaurant时空语义模式。

具体实施方式

下面结合具体实例和附图进一步说明本发明。

一、预处理阶段：通过位置与时间判定，将轨迹数据集中连续30分钟以上，位置变动距离在50m距离内的GPS点的几何中心定义为驻留点(stay point)。将轨迹中所有的非驻留点删去，所有轨迹被精简成驻留点的时空迁移序列。如图2中SP₁₁，SP₁₂，SP₁₃属于轨迹ST₁的驻留点。SP₂₁，SP₂₂，SP₂₃属于轨迹ST₂的驻留点。SP₃₁，SP₃₂，SP₃₃属于轨迹ST₃的驻留点。SP₄₁，SP₄₂，SP₄₃属于轨迹ST₄的驻留点。

二、语义判别阶段：预处理阶段提取出来的驻留点缺乏语义信息，需要借助城市语义图谱进行标签类别获取操作。如图1所示，O点为驻留点，周边有城市语义图谱中的三个语义聚类。对于聚类Shop中的A，B，C，D四个POI点而言，计算其空间频次权重为

作为投票权重即图2中右侧的voting(shop)公式。对于聚类Hospital中的E，F两个点而言voting(hospital)＝pop(E)×||O，E||+pop(F)×||O，F||。对于聚类Office中的G，H两个点而言voting(office)＝pop(G)×||O，G||+pop(H)×||O，H||。经过计算，发现voting(shop)的值最大，于是驻留点O的语义信息被判别为标签“Shop”。

三、模式提取阶段：在语义判别阶段识别出所有驻留点的语义信息以后，开始提取轨迹的时空语义模式。步骤(1)序列生成步骤采用PrefixSpan算法对轨迹序列的语义标签进行高频序列提取，比如设置支持度为2，则在图2中可以得到一条高频语义标签序列Office→Home→Restaurant，该序列由ST₁，ST₂，ST₃，ST₄四条轨迹组成。步骤(2)空间提取步骤中对高频语义标签序列的3组子空间点集：Office点集{sp₁₁，sp₂₁，sp₃₁，sp₄₁}，Home点集{sp₁₂，sp₂₂，sp₃₂，sp₄₂}，Restaurant点集{sp₁₃，sp₂₃，sp₃₃，sp₄₃}分别进行GPS误差半径∈＝10m的连边工作。如图2所示能被临近驻留点的虚线圆圈包含的则可以连一条边。随后用图论算法做连通分量的提取，并且删去驻留点数量小于支持度的分量后，一共得到了4组联通分量：{sp₁₁，sp₂₁，sp₃₁，sp₄₁}，{sp₁₂，sp₂₂}，{sp₃₂，sp₄₂}，{sp₁₃，sp₂₃，sp₃₃，sp₄₃}。其对应的连通分量几何中心代表点为S₁，S₂，S₃，S₄。步骤(3)时序提取步骤中有高频语义标签序列模式pa＝{ST₁，ST₂，ST₃，ST₄}。所有轨迹长度m＝3。预先定义轨迹集合C_k，k＝0，1，2，3且C₀＝pa，

当选择ST₁开始分3个阶段逐点扫描后，用代表点和驻留点的对应关系不断划分C_k，在划分过程中不断明确其时空模式和语义模式，其迭代过程与参数的变化列于下表1：

表1

其中，当k＝2时发现只有ST₂的第2点sp22与ST₁的第2点sp₁₂共同属于代表点S2。因此C₂只从C₁中划分到了子集{ST₁，ST₂}。完成扫描后发现时空语义模式{S₁→S₂→S₄；Office→Home→Restaurant}，并从pa中删除C₃＝{ST₁，ST₂}后，继续选择扫描ST₃，其迭代过程变化列于下表2：

表2

完成扫描后发现时空语义模式{S₁→S₃→S₄；Office→Home→Restaurant}，并从pa中删除C₃＝{ST₃，ST₄}后变为空集，算法结束。

下面通过真实数据集上的实验来算法的准确性。我们使用2015年上海共2200万条出租车轨迹数据集，和高德地图2015年上海市路网数据和120万个POI数据进行数据实验。针对传统的ROI间序列迁移分析方法和本发明提出的时空语义模式提取方法进行比较，表3展示了两种方法在结果数量与精度上的对比，比较指标分为时空语义模式总数量与模式内覆盖轨迹的平均hausdorff距离。总数量越多说明方法的数据挖掘能力越强；平均hausdorff距离越小说明时空语义模式的聚集越密集，精确度和显著性越强。可以看出在不同的输入数据量级下，本发明都具有时空语义模式提取数量和精度上的先进优势。

表3

Claims (4)

1.一种基于城市语义图谱的轨迹时空语义模式提取方法，其特征在于，具体步骤分为如下三个阶段：

(一)预处理阶段：对轨迹数据进行位置与时间判定，寻找驻留点；随后对轨迹数据进行精简，只保留驻留点；

(二)语义判别阶段：利用已经获得的城市语义图谱对预处理阶段得到的驻留点进行语义信息判别；按照城市语义图谱中的聚类归属进行空间频次权重的加总，最高权重类别的语义标签定义为该驻留点语义；

(三)模式提取阶段：将轨迹序列看成带有语义标签的时空驻留点序列，对海量的序列进行基于标签比较的高频序列检验和时空聚合分析，最后提取得到轨迹的时空语义模式。

2.根据权利要求1所述的基于城市语义图谱的轨迹时空语义模式提取方法，其特征在于，预处理阶段的具体操作流程为：

对轨迹数据进行位置与时间判定，寻找在连续的30分钟时间以上的，位置变动在50m距离内的GPS点，这些点的几何中心位置定义为驻留点，认定为出行者在此地活动，到访了附近的POI点；将轨迹中所有的非驻留点删去，所有轨迹被精简成驻留点的时空迁移序列。

3.根据权利要求2所述的基于城市语义图谱的轨迹时空语义模式提取方法，其特征在于，语义判别阶段利用已经获得的城市语义图谱对预处理阶段得到的驻留点进行语义信息判别；对于城市语义图谱中的每个POI点p^I，其到访频次定义为：

其中，需要根据点分布提前计算出三倍标准差距离R_3σ，利用所有距离p^I点R_3σ以内的驻留点sp累计频次，d(sp，p^I)指两点之间的距离；对于任意一个驻留点sp₀，计算一个高斯分布系数：

来衡量驻留点和POI点之间的远近关系，则对于任意一对驻留点sp₀和POI点p^I，计算其空间频次权重为pop(p^I)×||p^I，sp₀||；

对于驻留点sp₀附近的所有POI点，按照其在城市语义图谱中的聚类归属进行加总和投票，每种聚类归属类别的投票权重定义为所属POI点的空间频次权重之和，投票权重最高的类别的语义标签可以定义为该驻留点sp₀的语义信息。

4.根据权利要求3所述的基于城市语义图谱的轨迹时空语义模式提取方法，其特征在于，模式提取阶段，具体操作步骤为：

(1)序列生成；采用PrefixSpan算法对轨迹序列的语义标签进行高频序列提取；

(2)空间提取：对于高频语义标签序列模式中的每一个标签，都对应一个不少于支持度的时空驻留点集合；对于每一个驻留点集合，进行空间聚集点判断；由于这些驻留点都位于城市街区范围内，可以利用城市街道路网信息，先对其进行街区划分，位于同一个街区的驻留点组成一个子空间；在划分后的街区子空间中，计算任何一对驻留点之间的距离，如果距离小于GPS误差精度∈，则认为两点之间存在一条连接边；所有的驻留点和连接边构成图结构，利用图论算法求解图中的连通分量即子图；所有驻留点数量小于支持度的连通分量；剩余每一个连通分量的驻留点几何中心视为代表点；将这些代表点作为时空模式的空间位置数据提取出来；

(3)时序提取；对于空间提取步骤中提取出的所有代表点，进行时序关联提取；序列生成步骤中的每一高频语义标签序列模式pa，假设其长度为m，即其包含的所有轨迹的长度为m，对其中所有轨迹逐一进行扫描；假设当前扫描到任一轨迹ST_i∈pa的第k(1≤k≤m)个点，则从空间提取步骤的结果中推导得到轨迹集合C_k，存储所有与当前轨迹ST_i的k长前缀在时空语义上高度相似的轨迹；预先定义C₀＝pa，

则利用空间提取步骤中的代表点划分关系从C_k-1划分出子集C_k；其子集划分标准为：

C_k＝{ST_j|ST_j∈C_k-1且ST_i第k点和ST_j第k点归属于同一代表点}；

不断迭代推导上述过程，最终若C_m为非空值，则将其中所有轨迹对应的唯一一组代表点提取出来，代表点序列与其对应的语义标签组成一条时空语义模式，最后将这些轨迹删去即pa＝pa-C_m；高频语义标签序列模式扫描出来的所有时空语义模式，即反映城市中人群出行的高频时空语义规律。

Images