[发明专利]一种多时空特征融合下的兴趣点轨迹聚类方法

权利要求书

1.一种多时空特征融合下的兴趣点轨迹聚类方法，其特征在于，该多时空特征融合下的兴趣点轨迹聚类方法利用轨迹的运动信息和兴趣点停留信息，更加准确表达具有社会行为相似性的轨迹集合；

具体包括以下步骤：

步骤一、根据轨迹连续坐标点间的时间和空间跨度获取用户停留的兴趣点，通过兴趣点将轨迹分割为多条轨迹段；

步骤二、通过计算轨迹段在空间、时间、速度和方向上的差异来综合判断两条轨迹间的相似度；

步骤三、基于OPTICS方法对轨迹进行密度聚类，并剪裁掉轨迹数量稀疏的聚类簇。

2.如权利要求1所述的多时空特征融合下的兴趣点轨迹聚类方法，其特征在于，充分利用轨迹的运动信息和兴趣点停留信息，表达具有社会行为相似性的轨迹集合，计算轨迹段时空相似度的具体方法为：

步骤一、基于空间四叉树索引，以轨迹S中各轨迹段为查询对象，获取轨迹R中与S各轨迹段空间距离最接近的相应的轨迹段，两轨迹段间的空间距离小于阈值，则构成轨迹段对SP；

步骤二、在同一SP内的轨迹段进行后续相似性计算，轨迹段之间的相似性计算包括4方面：空间相以性spatialSIM、时间相以性tempoSIM、方向相以性OrientSIM和速度相似性velocitySIM。

3.如权利要求2所述的多时空特征融合下的兴趣点轨迹聚类方法，其特征在于，充分利用轨迹的运动信息和兴趣点停留信息，表达具有社会行为相似性的轨迹集合，计算轨迹段时空相似度的中，spatialSIM为两轨迹段U、V始末兴趣点中心位置的差异值为：

Δd_u，v＝|p_u，s-p_v，s|+|p_u，e-p_v，e|

时间相似性tempoSIM包括两轨迹段始末坐标点的时间差异及轨迹段间隔时间差异为：

Δt_u，v＝|t_u，s-t_v，s|+|t_u，e-t_v，e|+|Δt_u-Δt_v|

                                              ；

+|Δtp_u，s-Δtp_v，s|+|Δtp_u，e-Δtp_v，e|

方向相似性OrientSIM为：

Δθ_u，v＝|θ_u-θ_v|；

速度相似性velocitySIM为：

ΔV‾u,v=|V‾u-V‾v|;]]>

采用LCSS的倒数获得轨迹段间各采样点的相似性(ΔL_u，v)；

轨迹U和V间的时空距离公式为：

DIS(U,V)=exp{I[U]+I[V]2}min(|U|,|V|)×Σ⟨u,v⟩,u∈U,v∈VΔdu,vΔLu,vΔθu,vΔtu,vmin(|u|,|v|).]]>

4.如权利要求1所述的多时空特征融合下的兴趣点轨迹聚类方法，其特征在于，利用轨迹U和V间的时空距离公式，基于OPTICS算法对轨迹聚类，让最终轨迹聚类结果能反映出具有重要全局意义的主干路径分布，具体方法为：聚类簇C中包含的轨迹数目为簇基数n_cb，给定阈值τ，定义簇基数n_b高于τ聚类簇称为显著簇，其余的聚类结果为非显著簇，最终被裁剪掉。