[发明专利]基于p-stable lsh的时空伴随查询方法

权利要求书

1.基于p-stable lsh的时空伴随查询方法，其特征在于，包括：

获取时空伴随对象轨迹的离线数据；

对所述离线数据进行预处理，生成多维向量数据；所述预处理包括基于geohash算法按照时间节点生成的针对对象轨迹的位置点经纬度的多维向量数据；

基于p-stable lsh算法将所述多维向量数据生成离线的对象轨迹的数字签名；

将所述离线的数字签名同步至在线的数据查询大数据库中；

基于所述在线的数据查询大数据库，构建快速检索工具，根据所述数字签名查询相似目标对象。

2.根据权利要求1所述的基于p-stable lsh的时空伴随查询方法，其特征在于，所述对所述离线数据进行预处理，生成多维向量数据，包括：

将对象轨迹的所有位置点基于geohash算法进行编码；

按照预先设定的时间片段长度将预设的总时间长度进行时间切片处理，将总的时间长度切分为若干个时间切片；

对每个时间切片中的位置点的出现的geohash编码进行排序，提取出现次数最多的geohash编码作为相应位置点的geohash编码；

将所有时间切片中的相应位置点geohash编码的经纬度数据提取形成多维向量数据。

3.根据权利要求1所述的基于p-stable lsh的时空伴随查询方法，其特征在于，基于p-stable lsh算法将所述多维向量数据生成离线的对象轨迹的数字签名，包括：

对所述多维向量数据中的每个向量附加hash值；

根据哈希碰撞概率公式确定分桶大小w；

其中，w是分桶大小；c代表欧式距离；t的取值范围根据不同地区的经纬度最大最小值确定；p根据经验值一般取0.7以上；f是在高斯概率分布函数，函数公式如下：

其中，μ为数学期望，σ为标准差；

根据所述分桶大小及多维向量数据的总数量确定分桶的数量；

根据所述分桶的数量确定hash值的数量；

将确定数量的hash值设定为相应数量的数字签名。

4.根据权利要求3所述的基于p-stable lsh的时空伴随查询方法，其特征在于，所述将确定数量的hash值设定为相应数量的数字签名，包括：

将所述hash值进行分类存储，每类中包含若干个hash值；

将每一类中的hash值进行合并处理，每一类确定一个合并后的hash值；

将所述合并后的hash值作为相应类的数字签名。

5.根据权利要求4述的基于p-stable lsh的时空伴随查询方法，其特征在于，所述将每一类中的hash值进行合并处理，包括：

将每一类中的hash值进行二进制转换，转换成一组二进制数据；

将所述二进制数据再次进行进制转换，形成字符串；

相应的，将所述合并后的hash值作为相应类的数字签名，包括：

将所述字符串作为相应类的数字签名。

6.根据权利要求4所述的基于p-stable lsh的时空伴随查询方法，其特征在于，所述将所述hash值进行分类存储，每类中包含若干个hash值，包括：

将所述hash值按照long型字段存储，每个long型字段中包含8个hash值；

相应的，所述将每一类中的hash值进行合并处理，每一类确定一个合并后的hash值，包括：

将每个long型字段中的hash值合并，形成该long型字段对应的字符串；

所述将所述合并后的hash值作为相应类的数字签名，包括：

将每个long型字段对应的字符串设定为该long型字段对应的数字签名。

7.根据权利要求6所述的基于p-stable lsh的时空伴随查询方法，其特征在于，所述构建快速检索工具，包括：

确认待查询对象轨迹的数字签名；

根据所述数字签名对应的long型字段，将相应的long型字段进行解析；

根据解析后的hash值相同的个数进行排序。