[发明专利]一种复杂GPS轨迹中的重要地点挖掘方法及装置

说明书

本发明涉及本发明涉及GPS技术领域，提供了一种复杂GPS轨迹中的重要地点挖掘方法及装置。其主旨在于解决目前基于密度距离测量的方法来挖掘重要地点存在的当各个簇的局部密度不统一时，用户难以用一个全局距离半径EPS值来区分出这些密度不同的簇的技术问题。主要方案为通过获取轨迹点的索引领域IN(p_i)及索引领域速度NV(p_i)获取特征点cp_i，然后根据特征点cp_i构建索引领域图，然后根据建索引领域图内的边的时空权重w(cp_i,cp_j)来更新通过连连接的取特征点cp_i的标签，最后把标签相同的点聚集为同一个簇，然后通过用户指定的时间阈值minDuration过滤持续时间小于minDuration的簇得到最终的重要地点。

技术领域

本发明涉及GPS技术领域，提供了一种复杂GPS轨迹中的重要地点挖掘方法及装置。

背景技术

现有的重要地点挖掘方法主要分为基于速度特征的重要地点挖掘方法，基于方向特征的重要地点挖掘方法和基于概率的重要地点挖掘方法三类。基于速度特征的重要地点挖掘方法以速度为特征，将一定领域范围内速度较低的轨迹点聚类到一起，得到重要地点。然而，对于对速度不敏感的应用场景，该方法会产生误报。基于方向特征的重要地点挖掘方法首先计算出所有点的方向角，再根据相邻点的方向角改变量对轨迹点进行聚类得到结果。基于速度特征的重要地点挖掘方法虽然在一定程度上能够增加对速度不敏感的应用场景的适应性，但高度依赖方向变化，难以扩展到日常行进方向基本不变的应用场景中。基于概率的重要地点挖掘方法通过定义高斯核函数算出每个点的停止概率，然后根据停止概率将重要地点挖掘出来，但停止概率难以指定。目前的方法阈值参数较多，对用户指定的阈值参数高度敏感，同时存在挖掘准确度不高，可扩展性弱，挖掘效率较低的问题。

现有技术问题存在分析：

问题1：需要用户提前指定的阈值参数过多(5个以上)，没有先验知识或者经验的用户难以在短时间内获得最优的阈值参数组合；

问题2：现有的基于密度的聚类算法在一定条件下产生了有意义且充分的结果，但当存在不同密度的聚类时，其结果并不令人满意

对于C1上的每个物体p来说，物体p和它最近的邻居之间的距离大于02和C2之间的距离。因此，在存在不同密度的簇时，我们难以选择合适的距离半径EPS值。如果距离半径Eps值小于02到C2的距离，则C1中的某些对象被指定为噪声对象。如果距离半径Eps值大于02到C2的距离，则02不被指定为噪声对象。

总结一下：当各个簇的局部密度不统一时，用户难以用一个全局距离半径EPS值来区分出这些密度不同的簇。

问题3：存在性能问题，比如速度较慢，目前存在的方法的最快时间复杂度最快是0(nlogn)，而我们的方法的时间复杂度接近0(n)，几乎是线性。在描述算法复杂度时，经常用到0(1)，0(n)，0(logn)，0(nlogn)来表示对应复杂度程度。

问题4：没有充分考虑轨迹点的时间特征和空间特征，导致重要地点挖掘的精度较低。

发明内容

本发明的目的在于解决目前基于密度距离测量的方法来挖掘重要地点存在的当各个簇的局部密度不统一时，用户难以用一个全局距离半径EPS值来区分出这些密度不同的簇的技术问题。

为了实现上述目的本发明采用以下技术手段：

本发明提供了一种复杂GPS轨迹中的重要地点挖掘方法，其特征在于，