[发明专利]一种多维轨迹分析方法及装置

说明书

本发明提供了一种多维轨迹分析方法及装置，方法包括：对多维数据结构化处理后存储至数据仓库；从数据仓库中提取目标轨迹和各关联轨迹；将目标轨迹、各关联轨迹划分为各个轨迹段；确定每一轨迹段的时空特征值；对于与目标轨迹同类的关联轨迹，统计该关联轨迹与目标轨迹的时空特征值相同的轨迹段数量，作为该关联轨迹的关联值；对于与目标轨迹不同类的关联轨迹，将目标轨迹转换为与该关联轨迹同类的特征轨迹，统计该关联轨迹与特征轨迹的时空特征值相同的轨迹段数量，作为该关联轨迹的关联值；按照关联值大小对各关联轨迹进行排序；将排名前预设位的关联轨迹确定为目标关联对象的轨迹。应用本发明实施例，提高了多维轨迹分析的效率和准确度。

技术领域

本发明涉及多维轨迹分析领域，尤其涉及一种多维轨迹分析方法及装置。

背景技术

为了加强城市的安全防护，通常需要对某些目标的轨迹进行分析，以确定出与该目标同行的其他对象，例如，通过车牌号找同行人员所使用WIFI的MAC号，通过所使用WIFI的MAC号找同行人员所乘坐的车等等。

目前，现有的多维轨迹分析方法，通常是直接对目标的轨迹和其他对象的轨迹进行比较，进而确定二者是否具有关联。但是，在现实环境中，各个维度的轨迹数据总是存在数据重复和单点位数据过密等问题，路况的拥堵情况、采集设备分布的合理与否、网络拥塞与延时、前端与后端系统的衔接程度等，都会对目标的轨迹造成相应的影响。例如，在堵车过程中，车主的号牌信息会在短时间内被同一设备多次采集。虽然此种情况也是反映出该车主在此时间范围内的行为轨迹，但是在就对目标(车主)的整个行为轨迹的分析上来看，在堵车的时间段内的目标产生的轨迹的信息熵将会较低。同时此种情况也会造成目标在堵车地点附近的空间范围内数据密度增大，从而增加了关联分析时目标的轨迹规模，最终增大了分析难度，降低了分析效率。

另外，由于不同类型的采集设备在采集过程存在差异，造成了不同维度的轨迹的数据密度差异较大。例如，WIFI、RFID等嗅探设备的数据采集密度是车辆、人像等卡口设备的数倍以上，这就导致在跨维度的轨迹分析中，数据密度存在不一致的问题，增加了多维轨迹分析的难度，容易造成关联分析准确度不高、数据分析效率低等问题。

因此有必要设计一种新的多维轨迹分析方法，以克服上述问题。。

发明内容

本发明的目的在于克服现有技术之缺陷，提供了一种多维轨迹分析方法及装置，以实现提高多维轨迹分析的效率和准确率。

本发明是这样实现的：

第一方面，本发明提供一种多维轨迹分析方法，所述方法包括：

获得各类采集设备采集的多维数据，对所获得的多维数据进行结构化处理；将结构化处理后的多维数据持久化存储至数据仓库；

从数据仓库中提取预设时段内目标出现的各轨迹点，形成目标轨迹；从数据仓库中提取预设时段内除所述目标以外的各个关联对象出现的各轨迹点，形成各个关联轨迹；

将目标轨迹、各个关联轨迹分别按照时间维度划分为长度均为预设同行时长的各个轨迹段；基于聚类算法，确定所划分的每一轨迹段的时空特征值；

对于与目标轨迹同类型的每一关联轨迹，统计该关联轨迹与目标轨迹的时空特征值相同的轨迹段的数量，作为目标轨迹与该关联轨迹的关联值；

对于与目标轨迹不同类型的每一关联轨迹，基于目标轨迹的每一轨迹段的时空特征值，将目标轨迹转换为与该关联轨迹同类型的特征轨迹；确定特征轨迹的每一轨迹段的时空特征值；统计该关联轨迹与特征轨迹的时空特征值相同的轨迹段的数量，作为目标轨迹与该关联轨迹的关联值；

按照关联值大小，对各关联轨迹进行排序；将排名前预设位的关联轨迹确定为与目标具有关联关系的目标关联对象的轨迹。

可选的，基于聚类算法，确定所划分的每一轨迹段的时空特征值，包括：