[发明专利]路径轨迹的分析方法及装置

说明书

技术领域

本发明实施例涉及基于位置服务技术领域，尤其涉及一种路径轨迹的分析方法及装置。

背景技术

随着移动互联技术的广泛应用，收集用户出行时途径路径的路径轨迹数据已经不再是难事。完成了用户的路径轨迹的收集之后，通过大数据技术对收集到的路径轨迹数据进行分析，能够得到对人们出行习惯、历史出行的诸多分析结果。

实际应用中，常常出现两个不同用户的路径轨迹重合的情况。而这种重合究竟是因为两人同行造成的，还是因为两人之间的短暂碰面造成的，现有技术并没有给出有效的解决手段。

发明内容

针对上述技术问题，本发明实施例提供了一种路径轨迹的分析方法及装置，以准确判断不同用户之间路径轨迹出现重合的原因。

一方面，本发明实施例提供了一种路径轨迹的分析方法，所述方法包括：

通过Spark SQL，获取路径轨迹处于目标用户的路径轨迹附近的近邻用户；

根据所述近邻用户的路径轨迹与所述目标用户的路径轨迹的重合距离，判断所述近邻用户是否为所述目标用户的同行用户。

另一方面，本发明实施例还提供了一种路径轨迹的分析装置，所述装置包括：

近邻用户获取模块，用于通过Spark SQL，获取路径轨迹处于目标用户的路径轨迹附近的近邻用户；

判断模块，用于根据所述近邻用户的路径轨迹与所述目标用户的路径轨迹的重合距离，判断所述近邻用户是否为所述目标用户的同行用户。

本发明实施例提供的路径轨迹的分析方法及装置，通过Spark SQL，获取路径轨迹处于目标用户的路径轨迹附近的近邻用户，根据所述近邻用户的路径轨迹与所述目标用户的路径轨迹的重合距离，判断所述近邻用户是否为所述目标用户的同行用户，从而对不同用户之间路径轨迹出现重合的原因给出准确的判断。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1是本发明第一实施例提供的路径轨迹的分析方法的流程图；

图2是本发明第二实施例提供的路径轨迹的分析方法中近邻用户获取的流程图；

图3是本发明第三实施例提供的路径轨迹的分析方法中判断操作的流程图；

图4是本发明第四实施例提供的路径轨迹的分析装置的结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

第一实施例

本实施例提供了路径轨迹的分析方法的一种技术方案。在该技术方案中，路径轨迹的分析方法由大数据分析系统执行。所述大数据分析系统包括：Hadoop系统、Spark系统、Storm系统、JStorm系统，或者它们之间任意几种的组合。

参见图1，路径轨迹的分析方法包括：

S11，通过对路径轨迹数据的数据挖掘，获取不同用户的路径轨迹。

所谓路径轨迹数据是指用户出行时途径地点的连线行程的轨迹。通常情况下，路径轨迹数据是在地图上不同的位置点数据共同形成的线状数据。可以理解的是，原始的路径轨迹数据通常是由不同设备，在不同的应用场景下获取到的，因而在方法执行的初始阶段，运用数据挖掘技术，从原始的路径轨迹数据中挖掘出分属于不同用户的路径轨迹。

具体来说，数据挖掘的操作包括对路径轨迹数据的清洗、提取，及关联等处理。完成上述的数据挖掘操作之后，得到的路径轨迹信息具有统一的数据格式，并且数据的可靠性较高。

对原始的路径轨迹数据的挖掘是流式的数据处理过程，并不是批量式的数据处理过程。

S12，将获取到的路径轨迹信息，存储在Hadoop分布式文件系统HDFS中。

挖掘得到格式统一、可靠性高的路径轨迹信息之后，将上述路径轨迹信息统一存储在Hadoop分布式文件系统(Hadoop distributed file system,HDFS)中。

优选的，S11及S12的操作是由流式数据处理系统JStorm系统中完成的。

S13，通过Spark SQL，获取路径轨迹处于目标用户的路径轨迹附近的近邻用户。

不同于S11及S12中的操作，从S13开始，所有的数据处理操作在Spark大数据处理系统中完成。

所谓目标用户是事先选定的一个用户。被选定的目标用户是进行同行用户判定的依据。