[发明专利]一种时空轨迹数据的频繁模式增量挖掘方法和电子设备

权利要求书

1.一种时空轨迹数据的频繁模式增量挖掘方法，其特征在于，包括以下步骤：

S1、获取目标的新增的时空轨迹数据并进行预处理；

S2、对该目标的经过预处理后的时空轨迹数据进行聚类处理得到多个聚类类簇，每个聚类类簇包括聚类中心和聚类范围，每个聚类中心配有一个身份标识；步骤S2包括：

S21、对未进行过聚类处理的目标的经过预处理后的时空轨迹数据直接进行聚类处理；和/或

S22、对进行过聚类处理的目标的经过预处理后的时空轨迹数据在历史的聚类类簇的基础上进行增量式的聚类处理，其中，进行过聚类处理的目标的经过预处理后的时空轨迹数据是对前次进行过聚类处理后新存入的时空轨迹数据进行预处理后得到的新增轨迹数据，其中，所述步骤S22包括：

S221、在新增轨迹数据中的某个新增轨迹点处于历史的聚类类簇的聚类范围内且该新增轨迹点在新增轨迹数据中能作为一个聚类类簇的聚类中心时，将该新增轨迹点所在的聚类类簇与该历史的聚类类簇合并为一个聚类类簇并重新确定其聚类中心和聚类范围，其中，重新确定的聚类中心使用该历史的聚类类簇原有的聚类中心的身份标识，和/或

在新增轨迹数据中的某个新增轨迹点处于历史的聚类类簇的聚类范围内但该新增轨迹点在新增轨迹数据中不能作为一个聚类类簇的聚类中心时，将该新增轨迹点的邻域内的所有轨迹点加入到该历史的聚类类簇合并为一个聚类类簇并重新确定其聚类中心和聚类范围，其中，重新确定的聚类中心使用该历史的聚类类簇原有的聚类中心的身份标识；

S222、对新增轨迹数据中未被合并到新的聚类类簇中的新增轨迹点与新增轨迹数据之前的历史轨迹数据中不属于任何历史的聚类类簇的历史轨迹点进行聚类处理，得到新的聚类类簇并确定其聚类中心和聚类范围，为新的聚类中心分配身份标识；

S3、按照时序将该目标的经过预处理后的时空轨迹数据中的轨迹点映射到对应的聚类中心以提取经纬度坐标落在相应聚类类簇的聚类范围的轨迹点并将其用该聚类中心的身份标识表示，得到用聚类中心的身份标识按序排列表示的该目标的经映射后的轨迹，其中，所述该目标的经映射后的轨迹中含有多种序列；

S4、基于该目标的经映射后的轨迹，进行频繁模式挖掘，以获取目标的经映射后的轨迹中各种序列的出现次数并将出现次数达到预设次数的序列作为该目标的频繁序列。

2.根据权利要求1所述的时空轨迹数据的频繁模式增量挖掘方法，其特征在于，所述预处理包括清洗和切割，其中，所述清洗包括将目标的时空轨迹数据中的轨迹点按时间排序,并剔除经纬度无效的轨迹点；所述切割包括将目标的时空轨迹数据从相邻轨迹点的时间间隔超过预设时间间隔处进行切割。

3.根据权利要求2所述的时空轨迹数据的频繁模式增量挖掘方法，其特征在于，所述步骤S21包括：

S211、计算经过预处理后的时空轨迹数据中每一个轨迹点的邻域内的轨迹点数量，其中，轨迹点的邻域是以该轨迹点为圆心、半径为预设半径的圆所包含的范围；

S212、将邻域内的轨迹点数量大于等于密度阈值的轨迹点作为核心点；

S213、将邻域彼此相交的核心点的邻域合并作为聚类类簇，获取该聚类类簇中与其他所有轨迹点的距离之和最小的轨迹点作为聚类中心，为每个聚类中心分配身份标识，并将以该聚类中心为圆心、以该聚类类簇中离该聚类中心最远的轨迹点与该聚类中心之间的距离为半径的圆覆盖的范围作为聚类范围。

4.根据权利要求2所述的时空轨迹数据的频繁模式增量挖掘方法，其特征在于，所述步骤S222包括：

S2221、计算新增轨迹数据中未被合并到新的聚类类簇中的新增轨迹点与新增轨迹数据之前的历史轨迹数据中不属于任何历史的聚类类簇的历史轨迹点中每一个轨迹点的邻域内的轨迹点数量，其中，轨迹点的邻域是以该轨迹点为圆心、半径为预设半径的圆所包含的范围；

S2222、将邻域内的轨迹点数量大于等于密度阈值的轨迹点作为核心点；

S2223、将邻域彼此相交的核心点的邻域合并作为聚类类簇，获取该聚类类簇中与其他所有轨迹点的距离之和最小的轨迹点作为聚类中心，为每个聚类中心分配身份标识，并将以该聚类中心为圆心、以该聚类类簇中离该聚类中心最远的轨迹点与该聚类中心之间的距离为半径的圆覆盖的范围作为聚类范围。