[发明专利]基于海量时空数据的频繁轨迹提取方法及其挖掘系统

说明书

本发明提供一种从历史时空数据提取出带时间约束的频繁轨迹的方法，属于大数据挖掘领域。该方法包括连续轨迹切分；对连续轨迹站点去重等数据清洗；1‑频繁轨迹集合生成；支持度阈值α过滤；k+1序列生成；k+1序列的支持度阈值α过滤。反复执行上述由低阶频繁轨迹生成高阶候选轨迹、筛选得到频繁轨迹的步骤，完成对时空数据的所有频繁轨迹的挖掘。在挖掘频繁轨迹的过程中加入了时间间隔约束，使得本发明更具有实际的参考价值和应用性。本发明对海量的历史轨迹数据进行挖掘，通过轨迹划分和子轨迹归纳，最终输出目标的频繁轨迹，对于用户有效处理轨迹数据、滤除冗余信息、研究轨迹间的前后关联等都有重要的意义。

技术领域

本发明涉及大数据挖掘领域，是一种基于海量时空数据的轨迹特征提取方法及其系统。

背景技术

由位置和时间戳顺序形成的原始轨迹对于人们来说是没有意义的，不能直观地得到有效信息，需要对海量时空数据进行深度挖掘，找出目标的活动规律。为了解决这一难题，可以通过轨迹划分和轨迹归纳，将满足支持度阈值的频繁轨迹展示给用户。将每一天的轨迹视为一项独立的事务，本问题即可转化为频繁序列挖掘的问题，即将每一个由站点组合形成的路径视为一个频繁序列，我们找出出现次数最多的序列。目前此类算法模型已经有经典的PrefixSpan算法等。PrefixSpan是一种基于序列数据集和支持度阈值α，挖掘数据集中频繁序列的算法。该方法存在明显的不足之处：在挖掘频繁轨迹时，可能会遇到需要对序列的时间进行约束的情形，比如已知两条轨迹(time1,site1),(time2,site2)和(time3,site1),(time4,site2),如果time3-time1Δt,则被视为意义不同的序列，此时经典的PrefixPan算法则无法满足这种带时间约束的频繁序列挖掘需求。

本发明申请主要解决的就是由复杂的目标轨迹数据，提取出其频繁路径的问题。

发明内容

本发明主要解决在海量时空数据时，由复杂的目标轨迹数据提取出其频繁路径的问题。

为了实现上述目的，本发明的技术方案如下：

一种基于海量时空数据的特征轨迹提取方法，包括以下步骤：

S1：时空数据的切分，将原始的时空数据的采集时间向前推N个小时，采集数据按照其前推后的归属日期切分成多条轨迹，形成序列数据集D；

S2：获取序列数据集D、支持度阈值α、去重时间间隔阈值ΔT、相同轨迹点时间间隔阈值Δt；

S3：序列数据集D中的每一个子轨迹去重，在同一站点被连续采集两次或两次以上，且距离第一次记录时间差小于设定阈值ΔT时，只保留第一次采集记录；

S4：将k初始化为1，找出所有长度为k的前缀和对应的投影数据库S；

S5：对长度为1的前缀进行计数，站点相同、时间差在Δt以内的轨迹点视为同一种前缀，将支持度低于阈值α的前缀对应的项从数据集S删除，同时得到所有的频繁1项序列；

S6：判断S5所得频繁序列是否为空集，若是，则执行步骤S8，否则执行步骤S7；

S7：对于每个长度为k+1满足支持度要求的前缀进行递归挖掘；

S8：将所有的频繁序列集合输出到磁盘；

所述的步骤S5具体包括：

S5a：将站点相同的前缀对应的时间组成一个一维张量M，若有n个站点，则M中有n个元素；

S5b：初始化i＝1,开始处理张量中的第一个元素L；

S5c：找出L内时间差最小的两个元素Time1、Time2，若abs(Time1-Time2)Δt，将Time1和Time2合并为一组，并用均值代替原Time1和Time2，进入步骤S5d，否则，退出步骤S5；