[发明专利]一种顾及多维语义的移动对象时空轨迹聚类方法

权利要求书

1.一种顾及多维语义的移动对象时空轨迹聚类方法，其特征在于，包括以下步骤：

S1、获取移动对象时空轨迹，并构建时空轨迹数据集；

其中，移动对象为浮动车，其对应的时空轨迹数据为GPS轨迹数据；

S2、对移动对象时空轨迹依次进行高维语义特征筛选及降维；

S3、计算降维后的时空轨迹对应的顾及语义特征的时空轨迹相似性度；

S4、基于时空轨迹相似性度，进行基于谱聚类的时空轨迹语义聚类，获得时空轨迹数据集聚类结果，实现移动对象时空轨迹聚类。

2.根据权利要求1所述的顾及多维语义的移动对象时空轨迹聚类方法，其特征在于，所述步骤S2中的高维语义特征包括POI特征、速度特征和方向特征；

其中，所述POI特征为空间范围内地理事物空间位置和功能类型的语义表达，从语义层面对移动对象所处空间位置进行描述；

所述速度特征为描述移动对象运动变化的特征，包括速率和方向，其中，速率代表移动对象运动快慢，方向代表移动对象瞬时前进朝向；

所述方向特征为描述移动对象运动趋势的物理量，包括局部轨迹点的趋势以及由连续采样点构成的轨迹曲线整体的移动方向，用于决定时空轨迹外部的曲折和波动程度。

3.根据权利要求1所述的顾及多维语义的移动对象时空轨迹聚类方法，其特征在于，所述步骤S2中对筛选的高维语义特征降维的方法具体为：

A1、根据筛选的高维语义特征，构建时空多维语义轨迹矩阵；

A2、对时空多维语义轨迹矩阵进行SVD分解，得到降维后的特征向量及特征矩阵。

4.根据权利要求1所述的顾及多维语义的移动对象时空轨迹聚类方法，其特征在于，所述步骤S3为：

S31、计算任意两条时空轨迹A和B的特征矩阵的Hadamard乘积；

S32、根据Hadamard乘积，计算对应的加权矩阵U_AB；

S33、根据加权矩阵，计算时空轨迹A和B的相似度sim_AB。

5.根据权利要求4所述的顾及多维语义的移动对象时空轨迹聚类方法，其特征在于，所述步骤S31中，Hadamard乘积为：

所述步骤S32中，加权矩阵U_AB为：

式中，为特征矩阵U_A的矩阵元素值，为特征矩阵U_A的矩阵元素值，下标1≤i≤N，N为时空轨迹特征维度数量；

所述步骤S33中，空轨迹A和B的相似度sim_AB为：

式中，W为奇异值权重矩阵，W＝[w₁,w₂,...w_i,...w_N]，w_i为奇异值权重，且w_i＝(w_Ai+w_Bi)/2，w_Ai为时空轨迹A的第i个奇异值权重，w_Bi为时空轨迹B的第i个奇异值权重，下标1≤i≤N，N为时空轨迹特征维度数量。

6.根据权利要求5所述的顾及多维语义的移动对象时空轨迹聚类方法，其特征在于，所述步骤S4具体为：

S41、基于时空轨迹相似度构建具有多维语义的时空轨迹相似关系图；

S42、利用谱聚类的思想对构建的时空轨迹相似关系图进行切分聚类，获得时空轨迹数据集的聚类结果，实现移动对象时空轨迹聚类。