[发明专利]一种目标轨迹相似性分析方法

权利要求书

1.一种目标轨迹相似性分析方法，其特征在于，包括如下步骤：

步骤1，制定目标轨迹相似性度量准则，包括：轨迹点空间位置特征相似性度量准则、轨迹曲线形状特征相似性度量准则、轨迹曲线点实时跟随特征相似性度量准则，其中：

轨迹点空间位置特征相似性度量准则采用两轨迹在空间上的最近距离作为空间位置特征的度量，通过最近距离刻画两目标出现在空间位置的特点；

轨迹曲线形状特征相似性度量准则采用匹配轨迹在空间上形成的矢量在目标轨迹上的投影为形状特征的度量，通过矢量投影反应目标轨迹路径在空间上的平行、交叉特征；

轨迹曲线点实时跟随特征相似性度量准则采用两轨迹在空间上同一时刻点的距离为实时跟随特征度量为实时跟随特征的度量，通过同时刻距离反应两目标跟随的距离、跟随的时长，从而判定两目标的运动关系；

步骤2，计算基准轨迹与其它轨迹在三个相似度度量准则下的度量距离，通过相似性度量标准将度量距离转化为相似度数值，使用0-1的数值刻画两轨迹的相似程度。

2.根据权利要求1所述的目标轨迹相似性分析方法，其特征在于，步骤1中，基于轨迹点空间位置特征相似性度量准则，计算两轨迹在空间位置特征上的度量距离，具体计算方法为：

S1，选择两目标轨迹数据的经纬度、高度数据，对数据进行最大最小归一化，具体计算方法如下：

1)取两目标轨迹的经纬度、高度数据组成数据集其中轨迹1有n₁个数据点，轨迹2有n₂个数据点：

2)对经度、纬度、高度进行数据归一化，归一化采用最大最小归一化，方法如下：

其中：(long*,lat*,alt*)为数据集数据中的某一点原始数据，经度、纬度、高度最大最小值为：

S2，两目标轨迹数据空间位置特征相似性度量准则为：以为基准，计算的每个点到轨迹最近点距离和；

1)使用归一化后的数据计算的每个点到轨迹的每个点的距离矩阵为：

其中距离计算方法为欧式距离，的任意两点p,q点的欧式距离d_p,q为：

2)以为基准，与空间位置特征的度量距离为距离矩阵每行最小值之和，计算公式如下：

。

3.根据权利要求1所述的目标轨迹相似性分析方法，其特征在于，步骤1中，基于轨迹曲线形状特征相似性度量准则，计算两轨迹在曲线形状特征上的度量距离，具体计算方法为：

S1，取两目标轨迹的速度大小和速度方向数据组成数据集其中轨迹1有n₁个数据点，轨迹2有n₂个数据点：

S2，两目标轨迹数据曲线形状特征相似性度量准则为：以为基准，计算的每个向量在轨迹上的投影和；

1)计算的每个向量在轨迹上的投影矩阵为：

矩阵的每个元素pr_p,q为的点p在的点q上的投影计算方法为：

pr_p,q＝v_p2cos(vθ_q1-vθ_p2) (8)

2)以为基准，与曲线形状特征的度量距离为投影矩阵元素之和，计算公式如下：

。