[發明專利]基于語義軌跡相似度移動對象伴隨關系的分析方法和裝置

有效

• 申請號: 202010445749.2
• 申請日: 2020-05-22
• 公開（公告）號: CN111651484B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 楊慧;郭鵬
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F16/2455
• 分類號: G06F16/2455;G06F16/29;G06F16/215;H04W8/22
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

本發明公開了一種基于語義軌跡相似度移動對象伴隨關系的分析方法和裝置，屬于信息技術領域。包括：在目標場景內的不同語義停留點設置采集器；采集目標場景內各個移動對象手機的WiFi數據，其包含了該移動對象手機的MAC地址和時間戳；基于每個MAC地址的信息，生成移動對象的語義軌跡序列；計算兩個移動對象的語義軌跡序列的最長公共停留點序列和最長公共路徑序列；計算兩個移動對象的最長公共停留點的分數和最長公共路徑的分數；基于上述兩個分數計算伴隨分數。本發明通過在計算伴隨分數時分別對不同停留點、不同路徑以及不同日期賦予不同的權重，從而更為準確地實現兩兩用戶之間伴隨行為關系的挖掘。

技術領域

本發明屬于信息技術領域，更具體地，涉及基于語義軌跡相似度移動對象伴隨關系的分析方法和裝置。

背景技術

移動對象的伴隨模式挖掘是指找到在給定時間段內，經常同時出現在某些地點的對象集合。移動對象的伴隨模式挖掘在智慧城市與城市安全、基于地理位置的用戶行為分析中有廣闊的應用場景：在城市道路監控攝像頭捕捉到的車輛過路信息數據集中挖掘伴隨車輛，可以協助公安隊伍尋找團伙犯罪的嫌疑車輛；在手機基站接入信息數據集中挖掘伴隨人群，可以協助移動運營商分析用戶的時空特性，進行基站的規劃與建設；在社交網絡地點簽到數據集中挖掘伴隨用戶，可以協助社交軟件進行好友、興趣點等多維度的推薦，也可以提供拼團服務。

上述移動對象的伴隨模式挖掘應用主要有以下兩個新的特點：1)、對象(車輛、人群、用戶等)在時間維度上密集地連續分布，但空間維度上則是離散分布(道路攝像頭、手機基站、商鋪等)，這與傳統的野生動物遷徙軌跡分析等軌跡相似性分析應用中，對象時空信息由安裝的GPS傳感器定期傳輸，也即時間離散、空間連續的特點完全不同；2)、數據量大，且中間結果冗余度高。

傳統的伴隨模式使用GPS軌跡數據進行挖掘，GPS軌跡稠密并且具體，不含有語義信息，并且傳統方法使用的軌跡相似度算法的時間復雜度較高。

發明內容

針對現有技術由于GPS軌跡數據稠密且不含語義信息，以及傳統的軌跡相似度算法復雜度高的缺陷和改進需求，本發明提供了一種基于語義軌跡相似度移動對象伴隨關系的分析方法和裝置，其目的在于基于語義軌跡的相似度挖掘移動對象的伴隨行為，提高伴隨行為挖掘算法的效率。

為實現上述目的，按照本發明的第一方面，提供了一種基于語義軌跡相似度移動對象伴隨關系的分析方法，該方法包括以下步驟：

S1.在目標場景內的不同語義停留點設置采集器，不同停留點賦不同的伴隨權重，不同路徑賦不同的伴隨權重；

S2.采集器采集目標場景內各個移動對象攜帶手機的WiFi數據，所述WiFi數據包含了該移動對象手機的MAC地址和時間戳；

S3.基于每個MAC地址的信息，生成該MAC地址對應的移動對象的語義軌跡序列；

S4.計算兩個移動對象的語義軌跡序列的最長公共停留點序列和最長公共路徑序列；

S5.基于最長公共停留點序列和停留點伴隨權重，計算兩個移動對象的最長公共停留點的分數，基于最長公共路徑序列和路徑伴隨權重，計算兩個移動對象的最長公共路徑的分數；

S6.基于兩個移動對象的最長公共停留點的分數和最長公共路徑的分數，計算伴隨分數。

優選地，該方法在步驟S2和S3之間，還包括：對WiFi數據進行以下預處理：

(1)按照IEEE802.11規范去除WiFi數據集中的偽MAC地址；

(2)將只出現在一個停留點的無效MAC地址的數據去除。

優選地，移動對象A的語義軌跡序列表示為：