[发明专利]一种移动目标关联共现模式的确定方法

摘要

本发明提出了一种移动目标关联共现模式的确定方法，包括以下步骤：步骤1、对移动目标的活动数据进行划分得到活动数据集；步骤2、依据改进的PrefixSpan算法，计算单个移动目标的频繁活动模式；步骤3、计算两两目标间的共现强度；步骤4、根据用户筛选条件，确定两两目标间的共现模式。本发明的移动目标关联共现模式的确定方法，借鉴关联挖掘相关算法，提供一种综合考虑移动目标自身频繁模式和目标间共现强度的关联共现模式的确定方法，且结果具有较高的可信度。

主权项

1.一种移动目标关联共现模式的确定方法，其特征在于，具体步骤为：

步骤1、对移动目标的活动数据进行划分得到活动数据集；

步骤2、依据改进的PrefixSpan算法，计算单个移动目标的频繁活动模式；

步骤3、根据两个移动目标间的关联共现参数以及单个移动目标的频繁活动模式计算两个移动目标间的共现强度；

步骤4、根据用户筛选条件，确定两个移动目标间的共现模式。

2.根据权利要求1所述的移动目标关联共现模式的确定方法，其特征在于，步骤1中对移动目标的活动数据进行划分得到活动数据集的具体划分方法为：

对所有移动目标的活动区域按经纬度进行划分，得到活动区域数据集：

Area＝{a₁,a₂,…,a_area}

式中，area为划分区域的总个数；

在选定时间段D＝[d_s,d_e]内，以天为单位，对原始轨迹数据集中所有的轨迹数据按日期不同进行划分，得到划分过后的轨迹数据集：

Trace＝{trace₁,trace₂,…,trace_n}＝{trace_i}，i∈{1,2,…,n}

式中，d_s为开始日期，d_e为结束日期，n为历史数据所跨天数，trace_i表示在第d_i天所有移动目标的轨迹数据集；

按移动目标个体的不同，对第d_i天移动目标的轨迹数据集trace_i进行划分得到：

trace_i＝{indi_i1,indi_i2,…,indi_im}

式中，m为移动目标个体种数；indi_ij为第d_i天移动目标个体x_j的轨迹数据集，j∈{1,2,…,m}，若当天，移动目标个体x_j没有轨迹数据，则有：

按照行为的不同，第d_i天移动目标个体x_j的轨迹数据集划分为：

式中，act为移动目标行为种数；为第d_i天，移动目标个体x_j具有第k种行为的轨迹数据集，k∈{1,2,…,act}，若当天，移动目标个体x_j没有具有第k种行为的轨迹数据，则有：

3.根据权利要求1所述的移动目标关联共现模式的确定方法，其特征在于，步骤2中依据改进的PrefixSpan算法，计算单个移动目标的频繁活动模式，具体步骤为：

步骤2.1、对于选定时间段D＝[d_s,d_e]内，移动目标个体x_j第k种行为的轨迹数据集为:

取出其包含的每一条轨迹数据，提取其中包含的区域顺序信息，化为序列形式则有：

Q_count＝<I₁,I₂,I₃,…,I_TOTAL>

式中，I₁,I₂,I₃,…,I_TOTAL分别表示一个移动目标个体x_j去过的区域，且按时间升序排列，TOTAL表示该条轨迹数据经过的区域个数，对于则有

步骤2.2、寻找轨迹数据集中的序列模式，构建频繁序列集合，具体方法为：

定义support(Q_cnt)为序列Q_cnt的支持数，其中定义sup为支持度；

当序列Q_cnt的支持数support(Q_cnt)不小于支持度sup时，将序列Q_cnt称作是在轨迹数据<