[發(fā)明專利]利用云端數(shù)據(jù)進行行為軌跡篩選以及提取特征數(shù)據(jù)的工作方法

在審

• 申請?zhí)枺?/td>: 201710885291.0
• 申請日: 2017-09-26
• 公開（公告）號: CN107506492A
• 公開（公告）日: 2017-12-22
• 發(fā)明（設計）人: 劉玉蓉;楊曉凡
• 申請（專利權）人: 重慶市智權之路科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/15
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明涉及大數(shù)據(jù)智能行駛控制領域，尤其涉及一種利用云端數(shù)據(jù)進行行為軌跡篩選以及提取特征數(shù)據(jù)的工作方法。

背景技術

由于人口的老齡化逐漸凸顯出來，其生活質量和健康狀況需要得到社會的關心和照顧，而且行動不便的人員也希望吸收一些新鮮空氣和與社會進行交互溝通，但是由于行動不便的原因，而不能夠進行外出活動，從而應運而生了醫(yī)療運輸裝備，例如助力輪椅或者電動輪椅，以及手控平衡車等產品，雖然成品已經市場化。但是由于使用者對電子設備操控理解較慢，而不能夠很好的進行人車交互，這就應運而生了自動駕駛輪椅，但是自動駕駛輪椅所產生的問題就是對于使用者行走的路線不能很好的規(guī)劃判斷，節(jié)省路徑或者提高效率縮短駕駛時間。

發(fā)明內容

本發(fā)明旨在至少解決現(xiàn)有技術中存在的技術問題，特別創(chuàng)新地提出了一種利用云端數(shù)據(jù)進行行為軌跡篩選以及提取特征數(shù)據(jù)的工作方法。

為了實現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種利用云端數(shù)據(jù)進行行為軌跡篩選以及提取特征數(shù)據(jù)的工作方法，包括：

獲取用戶行為軌跡需求信息，根據(jù)云端數(shù)據(jù)所提供的行為軌跡信息，確定最優(yōu)的用戶行為軌跡路線。

S1，對于云端海量數(shù)據(jù)進行初步篩選，根據(jù)用戶導航信息確定該用戶所處的地理位置，在該地理位置從海量數(shù)據(jù)中獲取與地理位置數(shù)據(jù)類似的行進軌跡數(shù)據(jù)；

S2，對于行進軌跡數(shù)據(jù)通過如下公式進行篩選，根據(jù)所確定的地理位置信息采用均方誤差乘積算法，

K(p)＝R(|r(p)²|)·n(p)·[|r(p)²|/q(p)]·[|r(p)²|·u(p)]

其中，r(p)²為行進軌跡數(shù)據(jù)的強度，p為地理位置信息，n(p)為位置p處形成軌跡前的強度，q(p)為位置p處形成軌跡后的強度，u(p)為位置p處形成前后總體軌跡的強度，R(|r(p)²|)為地理位置軌跡場景模型；

S3，通過乘積算法運算之后，進行收斂數(shù)據(jù)篩選，從行進軌跡數(shù)據(jù)中通過概率密度運算進行篩選，

其中，μ_p為地理位置累加參數(shù)，T_si為第s個行進軌跡的第i個時間分量，為第s個行進軌跡的第i個興趣點分量，c₁和c₂為興趣因子，x₁和x₂為地理位置坐標的隨機數(shù)，p_gi為全部行進軌跡中第i個軌跡分量，u_si為第s個行進軌跡的第i個地點分量，t≥0。

S4，提取每個行進軌跡的時間耗費值

其中，E_γ為行進軌跡的時間強度，η為待定參量，Γ(n)為行進軌跡中第n 條軌跡時間趨勢的Γ分布，T(t)為行進軌跡在地理位置信息中時間耗費的紋理，t≥0；

S5，提取每個行進軌跡的時間耗費的預測值

N_j(t)＝2[E_γ(T(t)+T(t+1))-μ_p·T(t)]，

其中，μ_p為地理位置累加參數(shù)，T(t+1)為行進軌跡在地理位置信息中下一時間段的時間耗費的紋理，

S6，提取每個行進軌跡的風速判斷值

其中，為風速沖擊響應分量，為風速動態(tài)變化調整分量，為風速變化的干擾分量，為風速動態(tài)變化中的隨機干擾分量，為風速動態(tài)變化的時間節(jié)點分量，為t時刻風速動態(tài)變化的周期分量，

S7，提取每個行進軌跡的氣溫的判斷值

其中，為氣溫獨立樣本均值，I₁(t)和I₂(t)為氣溫獨立樣本，為I₁(t) 和I₂(t)氣溫獨立樣本的參考系數(shù)，I_high為氣溫最高值樣本，I為行進軌跡中氣溫歷史參考值；

S8，提取每個行進軌跡的降水量的判斷值

其中，d₁、d₂、d₃、d₄和d₅為行進軌跡中降水量的樣本參數(shù)，σ為降水量的干擾系數(shù)，為降水量動態(tài)變化中的高斯分量，

S9，用戶對行進軌跡數(shù)據(jù)進行抽樣的代價函數(shù)計算為，