[发明专利]一种基于改进的LCSS算法的海量轨迹相似度计算方法

说明书

本发明公开了一种基于改进的LCSS算法的海量轨迹相似度计算方法，包括：基于采集设备采集移动对象实时位置信息，得到轨迹数据；对得到的轨迹数据进行校验；将经过校验的轨迹数据接入HBASE数据库；通过web前端输入要查询的对象轨迹的相似轨迹及其具体日期，根据对象ID查询出对象当天轨迹；将对象当天轨迹T_0以参数形式下发给大数据平台，大数据平台调度任务后启动MR任务计算相似度。本发明改进现有LCSS算法在计算轨迹点相似度的时候出现对时间阈值选取敏感的问题；解决了大数据集情况下，轨迹相似度计算的实时性问题；实现了挖掘并展示对象的关联轨迹的效果。

技术领域

本发明公开了一种基于改进的LCSS算法的海量轨迹相似度计算方法，涉及互联网信息技术领域。

背景技术

在现有的对象轨迹信息定位处理方法中，由于采集设备采集移动对象位置信息时，会出现采样不均匀问题，导致在计算对象之间的轨迹相似度的时候，要从全局最优的角度上来匹配轨迹之间的相似度。

现有技术中传统的LCSS算法，在轨迹点比对时，会出现对时空轨迹点时间差阈值选取时敏感性的问题。同时，由于对象轨迹数据量较大，若在计算轨迹相似度的时候在单机上运行算法，运算速度会显得比较慢，计算所需要的时间较长，导致系统的实时性较差。

发明内容

本发明所要解决的技术问题是：针对现有技术的缺陷，提供一种基于改进的LCSS算法的海量轨迹相似度计算方法，通过特定算法对移动对象轨迹信息进行相似度计算，基于该算法可以得到对象的潜在时空关系对象，进而完善对象的时空关系图谱。本发明中，改进的LCSS算法定义为LCSS+，该算法从使轨迹点相似性之和最大为目标，克服了对于时间阈值敏感的问题，在平均情况下优于LCSS算法，比LCSS算法更加精确。同时，本发明利用Hadoop集群充分发挥机器的运算能力，使用MapReduce作为其计算框架，将计算任务分而治之，从而缩短计算所需要的时间，并设计实现了分布式的LCSS+算法，进一步的提升系统的实时性。

本发明为解决上述技术问题采用以下技术方案：一种基于改进的LCSS算法的海量轨迹相似度计算方法，包括如下步骤：

步骤一、通过采集设备采集移动对象实时位置信息，得到轨迹数据；

步骤二、对得到的轨迹数据进行校验，判断获取的位置信息中必要字段是否有值且格式正确，如果无值或非格式正确那么舍弃该条数据；

步骤三、将经过校验的轨迹数据接入HBASE数据库；

步骤四、通过web前端输入要查询的对象轨迹的相似轨迹及其具体日期，根据对象ID查询出对象当天轨迹；

步骤五、将对象当天轨迹T₀以参数形式下发给大数据平台，大数据平台调度任务后启动MR任务计算相似度。

进一步的，步骤五中所述启动MR任务计算相似度的具体步骤包括：

501、将对象轨迹数据中的各个轨迹点规约到对象身上，形成完整的轨迹，在展示端以轨迹身份证号为key，对象经度、纬度、时间为value进行输出；

502、得到对象的轨迹后，对轨迹点在时间上进行分段；

若时间段内有多个轨迹点，则针对时间、经度、纬度分别求中心点，直至使得在时间段内只有一个轨迹点，形成处理后的轨迹T₁；

对轨迹T₁和轨迹T₀在时间上进行求交运算，各自取公共的出现时间的轨迹点；

运用LCSS+算法对轨迹相似度进行计算，以对象ID为key，轨迹相似度为value进行输出；

503、求得与指定对象轨迹相似度大于设定阈值的k个对象，求解完成后输出结果入存储库。