[發明專利]一種人類出行稀疏軌跡數據插值重構方法

在審

• 申請號: 201910672777.5
• 申請日: 2019-07-24
• 公開（公告）號: CN110399919A
• 公開（公告）日: 2019-11-01
• 發明（設計）人: 張恒才;李明曉;陸鋒;仇培元;彭澎;程詩奮
• 申請（專利權）人: 中國科學院地理科學與資源研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;H04W4/029
• 代理公司: 北京中政聯科專利代理事務所(普通合伙) 11489
• 代理人: 陳超

1.一種人類出行稀疏軌跡數據插值重構方法，其特征在于，包括：

從移動對象原始軌跡數據集中分別提取每個移動對象的活動錨點數據集M；所述活動錨點數據集M包括移動對象標識及其對應的活動錨點標識；

基于所述活動錨點數據集M之間的相似度，對所述移動對象分類，得到移動對象分類數據集F；所述移動對象分類數據集F包括移動對象標識和移動對象所屬類別標識；

基于從所述移動對象分類數據集F中提取到的軌跡片段，構建訓練數據集X；

利用所述訓練數據集X對插值重構模型訓練，得到訓練后的插值重構模型；

將待重構的稀疏軌跡數據集輸入訓練后的所述插值重構模型，輸出重構的精細軌跡數據集。

2.根據權利要求1所述的方法，其特征在于，提取移動對象的活動錨點數據集M包括：

統計所述移動對象在每個停留位置的軌跡點個數；

根據所述停留位置的軌跡點個數，確定所述移動對象的所有停留區域；

對每個停留區域內的所有停留位置的軌跡點個數求和，得到每個停留區域內的軌跡點總數；

若所述軌跡點總數大于第一預設值，則將所述停留區域內軌跡點個數最多的停留位置識別為該移動對象在該停留區域的活動錨點；

識別出所述移動對象所有的活動錨點，得到所述活動錨點數據集M。

3.根據權利要求2所述的方法，其特征在于，根據所述停留位置的軌跡點個數，確定所述移動對象的停留區域包括：

按照所述軌跡點個數由多至少，對所述停留位置排序，得到移動對象位置數據集；

以所述移動對象位置數據集中的第一個停留位置為圓心，以第二預設值為半徑，得到第一個停留區域；當識別出所述第一個停留區域的活動錨點后，將所述第一個停留區域內的所有停留位置標記為已處理；

依次以所述移動對象位置數據集中未處理的停留位置中排名最前的停留位置為圓心，以所述第二預設值為半徑，得到所有停留區域。

4.根據權利要求2所述的方法，其特征在于，所述基于所述活動錨點數據集M之間的相似度，對所述移動對象分類，得到移動對象分類數據集F包括：

計算任意兩個所述活動錨點數據集M的相似度；

基于所述相似度，構建相似性矩陣；

基于所述相似性矩陣，對所述移動對象進行聚類，得到所述移動對象分類數據集F。

5.根據權利要求4所述的方法，其特征在于，在識別出所有的所述活動錨點之后，得到所述活動錨點數據集M之前，還包括：

將所述移動對象的活動錨點投影至相應的行政街道；

以所述行政街道的編號代替所述移動對象的活動錨點，得到所述活動錨點數據集M；

其中，活動錨點數據集M之間的相似度通過所述移動對象的活動錨點所屬的行政街道的編號是否匹配確定。

6.根據權利要求5所述的方法，其特征在于，所述相似度的計算方法為：

式中，f₁₁表示移動對象P,Q均有的活動錨點個數即移動對象P,Q的活動錨點所屬的行政街道的編號匹配的活動錨點個數，f₁₀和f₀₁分別表示移動對象P、Q各自包含而對方不包含的活動錨點個數即移動對象P,Q的活動錨點所屬的行政街道的編號不匹配的活動錨點個數。

7.根據權利要求4所述的方法，其特征在于，所述基于所述相似性矩陣，對所述移動對象進行聚類包括：

基于所述相似性矩陣，采用層次聚類法對所述移動對象進行聚類。

8.根據權利要求1所述的方法，其特征在于，基于從所述移動對象分類數據集F中提取到的軌跡片段，構建訓練數據集X包括：

從所述移動對象分類數據集F中分別提取每個移動對象原始軌跡的軌跡片段；所述軌跡片段帶有移動對象標識和移動對象所屬類別標識；

提取每條所述軌跡片段的運動特征；

所有移動對象的所有軌跡片段及其對應的運動特征構成所述訓練數據集X。