[发明专利]基于移动轨迹的社会关系建模方法

说明书

本发明公开了一种基于移动轨迹的社会关系建模方法，该方法包括以下步骤：1)根据采集的用户的轨迹数据，在设定时间段内按照预设时间间隔记录用户的轨迹点，形成用户轨迹的时间戳序列；2)根据各用户轨迹的时间戳序列，判断用户是否相遇，若有相遇，则记录每两个用户之间的相遇记录向量；3)根据相遇记录向量构建基于移动轨迹的社会关系模型；4)根据社会关系模型计算用户之间的社会关系强度，划分用户所属的移动社区。本发明构建了一种通过计算不同移动用户之间的相遇次数和相遇时间来度量社会关系强度的计算方法，该方法将社会关系强度转换为带权的社会关系网络，从而构建不同的用户社区，为基于轨迹的更准确的位置服务提供帮助。

技术领域

本发明涉及社交网络技术，尤其涉及一种基于移动轨迹的社会关系建模方法。

背景技术

随着便携式设备和定位技术的成熟，轨迹数据量越来越大。大规模轨迹数据刻画了个体和群体的时空动态性，蕴含着人类、车辆、动物的行为信息，如何从中提取出潜在的、有意义的知识己成为数据挖掘领域新的研究热点和难题。而移动用户位置预测是提供基于位置服务的前提，轨迹数据中隐藏的移动用户社会关系是潜在的有用信息，可提高移动模式挖掘和移动位置预测的准确性。如何度量社会网络中人之间的社会关系强度一直是社交网络关系分析中的一个难点问题。交互频率、时间、位置、距离以及轨迹相似性等信息能够直接体现人们之间的交互关系以及关系强度，通过对这些信息的分析处理，形成了以互动频率、联系次数和亲密程度三方面为衡量关系强度的测量指标，可利用不同用户在相同地理位置同时出现的次数来推断社交关系。通过对社会心理学相关研究成果的分析，认为人们之间的关系强度与他们之间的轨迹相似性以及日常行为的相似性密切相关。一般从上述这两个方面来计算人们之间的关系强度。

在已有的轨迹预测方法中，一般均以马尔科夫模型为基础对节点进行初步位置预测，结合日常移动规律和社会关系对预测结果进行修正，也可将日常生活划分成不同的时间段，用马尔科夫模型预测每个事件段的轨迹位置，然后再利用社会关系进行修正。在对社会关系建模时，主要是通过计算任意两个移动节点之间相遇的总次数来衡量节点之间关系的紧密程度，形成关系网络，然后使用复杂网络社区发现算法计算包含在其中的社区，同一社区的节点具有较强的社会关系，不同社区的节点之间具有较弱的社会关系。这些方法具有一定的局限性，一是因为在现实中移动节点之间的关系强度不仅与相遇次数有关，更与每次相遇的时长相关，选择不同的复杂网络社区发现算法对结果影响较大，所以构建合适的社会关系模型和社区发现算法是值得研究的问题。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于移动轨迹的社会关系建模方法。

本发明解决其技术问题所采用的技术方案是：一种基于移动轨迹的社会关系建模方法，包括以下步骤：

1)根据采集的用户的轨迹数据，在设定时间段内按照预设时间间隔记录用户的轨迹点,形成用户轨迹的时间戳序列；

所述用户的轨迹数据表示为(l₁,t₁,a₁,…,l_i,t_i,a_i，…，l_n，t_n，a_n，其中1≤i≤n，l_i＝＜x_i,y_i＞表示用户所在位置的经度和纬度数据，t_i为用户到达l_i的时刻，a_i为轨迹数据对应时刻的运动属性，包括方向和速度；且满足t_i＜t_i+1；