[发明专利]基于空间轨迹大数据分析的人员管控方法及系统

权利要求书

1.一种基于空间轨迹大数据分析的人员管控方法，其中基于空间轨迹大数据分析的人员管控系统，设有数据库单元、初级用户指定参数单元、空间轨迹数据提取单元、轨迹数据向量化单元、潜语义分析单元、聚类单元、次级用户指定参数单元、结果输出单元，其中数据库单元和初级用户指定参数单元的输出送入空间轨迹数据提取单元的输入端，空间轨迹数据提取单元与轨迹数据向量化单元、潜语义分析单元、聚类单元、结果输出单元依次串接，次级用户指定参数单元的输出端送入聚类单元，其中

数据库单元主要用于为分析提供原始数据，数据库单元中包含了多个公安基础数据库，包括人员轨迹数据库、地址数据库、人口数据库、犯罪记录数据库；这些数据库彼此之间通过身份证号、地址名称字段进行关联；

初级用户指定参数单元主要用于用户指定空间轨迹数据提取的各个参数，提供灵活配置的功能，便于系统适用于不同的应用场景；

空间轨迹数据提取单元根据初级用户指定参数单元传入的参数，从数据库单元查询指定的数据，并以地理坐标序列的形式返回查询结果；

轨迹数据向量化单元从空间轨迹数据提取单元获取地理坐标序列及用户指定参数，通过对用户指定的区域网格化以及对地理坐标序列进行直方图统计，将轨迹数据转化为空间向量，并将结果传入下一单元；

潜语义分析单元对传入的空间向量进行分析，通过对向量矩阵进行SVD分解降维，得到潜语义矩阵，潜语义矩阵反映了重点人员和空间轨迹的潜在关系，该单元最终输出潜语义矩阵到下一单元；

次级用户指定参数单元主要用于指定聚类的个数以及聚类算法中距离度量所采用的方法；

聚类单元根据次级用户指定参数单元传入的参数，对潜语义矩阵进行分析挖掘，找到其中的隐藏模式；根据选择的度量函数计算不同潜语义向量之间的相似性，将模式相近的向量划分到同一簇中，不相近的向量划分到不同的簇中；根据潜语义向量的聚类结果，得到重点人员的划分结果；

结果输出单元根据聚类单元的划分结果，输出将重点人员的管控任务的任务划分形式；

其特征在于包括以下步骤：

步骤1：重点人员轨迹数据抽取，对用户指定的重点人员、空间区域以及时间范围，根据身份证号从多个数据库查询该人员的轨迹地址信息；根据轨迹地址名称，从地址库中找到对应的地理经纬度坐标，最终每个重点人员都可以表示为一个对应的地理坐标序列；

步骤2：轨迹数据向量化，对用户指定的空间区域进行网格化处理，对每个网格进行编号；然后根据第一步提取的坐标信息，对每个重点人员的轨迹序列进行基于网格序号的直方图统计，重点人员在某个网格范围内出现一次，那么该网格对应的直方图计数加一，最终每个重点人员都可以表示为一个向量；

步骤3：对轨迹模式进行潜语义分析，将一批重点人员的轨迹向量表示为一个矩阵，其中矩阵的每一列表示一个重点人员的轨迹，每一行表示用户指定的空间区域的一个网格，矩阵的一个元素表示某个重点人员在该网格范围内出现的次数，对矩阵进行奇异值分解，然后降维重建矩阵，重建后的矩阵即为重点人员轨迹模式的潜在语义矩阵；

步骤4：对重点人员进行聚类，根据前一步获得的潜在语义矩阵，使用k-means方法对重点人员进行聚类处理；

步骤5：根据聚类处理结果分配管控任务；

所述步骤3中的潜语义分析采用如下模型实现：该模型的核心是奇异值分解，奇异值分解表示为：，其中X表示输入矩阵，U和V表示两个正交矩阵，表示对角矩阵；具体包括：将每个重点人员的上网轨迹抽象为一个向量，那么一批人员的轨迹向量表示为一个矩阵，如下所示：，其中表示重点人员j在空间位置i出现的次数，每一列表示一个重点人员的轨迹向量，该向量描述了该重点人员与每个空间位置的关系，每一行表示一个空间位置的向量，该向量描述了该空间位置与每个人员的关系，对矩阵X进行奇异值分解，得到两个正交矩阵和一个对角矩阵：

，即，

其中被称为奇异值，和被称为左奇异向量和右奇异向量，当选择k个最大的奇异值，和它们对应的Ｕ与Ｖ中的向量相乘，则能得到一个X矩阵的k阶近似，此时该矩阵和X矩阵相比有着最小误差，且将空间位置向量和轨迹向量映射到语义空间，用表示矩阵的第i列向量，则向量与含有k个奇异值的矩阵相乘，实现从高维空间到低维空间的一个变换，用以下公式表示：，基于奇异值分解，在低维空间比较两个重点人员的轨迹相似度，计算向量与的距离即可得出；

所述聚类算法采用k-means方法，K-means需要优化的目标函数如下：

，其中在数据点被归类到第k类的时候为1，否则为0，表示数据点和第k类的中心的距离，采用余弦距离或欧式距离，余弦距离计算方式如下：；其中和分别表示向量和的第i个元素；欧式距离计算方式如下：

其中和分别表示向量和的第i个元素。