[发明专利]一种基于轨迹相似性的特定人员发现方法及模块

说明书

本发明提供一种基于轨迹相似性的特定人员发现方法及模块，属于大数据挖掘技术领域。该方法包括整理特定人员、潜在特定人员、非特定人员轨迹画像；寻找重点站点；计算特定人员和潜在特定人员的轨迹相似性和轨迹分布的时差；最后基于轨迹相似性和时差，确定特定人员。

技术领域

本发明涉及大数据挖掘领域，更具体地说，是一种基于轨迹相似性的特定人员发现方法及模块。

背景技术

近年来，GPS设备、无线传感器、物联网通信、视频跟踪等技术的不断发展与广泛应用，使得定位终端上采集到大量移动对象数据，这些数据蕴含着非常丰富的信息，如何利用这些丰富的信息日益成为社会关注的焦点。

关于巨量的轨迹数据的研究有很多。有宏观角度研究总体状况的，也有从微观角度研究个体的。基于轨迹的特点，寻找同类人员就是探究个体轨迹的一种研究方向。有基于轨迹构建特征工程，进而使用有监督的学习算法的;也有基于两人的轨迹联系程度的，认为共站频繁的两人属于同类特定人员的可能性高。

而在某些业务场景中上，人与人“同时”出现在某个地点并不重要，甚至会有刻意避开明显的同时同地出现，轨迹上具有一定的时间周期差，但是从轨迹的地点分布上却具有高度相似性。本发明旨在基于更一般的轨迹相似来解决这一类特定人员发现的问题。

发明内容

本发明实施例的目的在于提供一种基于轨迹相似性的特定人员发现方法，旨在整理特定人员轨迹画像；寻找重点站点；计算特定人员和潜在特定人员的轨迹相似性和轨迹分布的时差；最后基于轨迹相似性和轨迹分布的时差，确定特定人员。

为了实现上述目的，本发明的技术方案如下：

一种基于轨迹相似性的特定人员发现方法，包括以下步骤：

S1：根据人员的不同性质将人员划分为：特定人员、潜在特定人员以及非特定人员，整理特定人员、潜在特定人员、非特定人员的轨迹画像数据；

S2：抽取S1中三组人员若干天的轨迹画像数据，以指定定长划分时间，同时以横轴为站点，以纵轴为时间，整理每一个人员的轨迹矩阵，该轨迹包含了每一个人员在所抽取的若干天中的每一天中的轨迹详情，并通过轨迹矩阵寻找重点站点；

S3：计算特定人员和潜在特定人员在重点站点的轨迹相似性；

S4：基于轨迹相似性，确定特定人员。

优选地，所述步骤S2中，寻找重点站点的方法包括以下步骤：

第一步，遍历每一个站点，比较每一个站点平均每个特定人员和平均每个非特定人员过去若干天的每个时间区间的轨迹分布；

第二步，进行数据的独立同分布检验，即先进行方差齐次性检验，对于通过方差齐次性检验的数据，利用方差分析确定两组轨迹分布是否同分布；然后借助K-L信息量法计算两组轨迹在各个时间区间的轨迹分布的相似度和时差；如果一个站点在多个时间区间相似度超过指定阈值，且时长不超过指定阈值，则该站点即为可以指示特定人员的站点，即为重点站点。

优选地，所述步骤S3中，计算特定人员和潜在特定人员在重点站点的轨迹相似性具体为：利用每一个特定人员和每一个潜在特定人员在S2中筛选出的每一个重点站点的轨迹分布，进行数据的独立同分布检验，先进行方差齐次性检验，对于通过方差齐次性检验的数据，利用方差分析确定两组轨迹分布是否同分布；然后借助K-L信息量法计算特定人员和潜在特定人员在某一站点过去若干天的轨迹分布的相似度和时差。