[发明专利]一种基于轨迹大数据最近邻查询的个性化推荐方法

权利要求书

1.一种基于轨迹大数据最近邻查询的个性化推荐方法，其特征在于：该方法包括如下步骤：

步骤（1）：从原始的大数据中抽取有效的轨迹大数据；

步骤（2）：对步骤（1）中抽取出来的轨迹大数据进行降噪处理；

步骤（3）：将步骤（2）中已经降噪过的轨迹大数据转换成不同的形式，并利用HDFS进行存储；

步骤（4）：对步骤（3）中已经存储的轨迹大数据建立全局的R树索引和局部的R树索引；

步骤（5）：利用步骤（4）建立的索引结构对每个分区建立基于轨迹编号集合的索引和基于轨迹数目的索引；

步骤（6）：用户提交个性化推荐查询，通过访问基于轨迹编号集合的索引或基于轨迹数目的索引，进行轨迹大数据最近邻查询，并根据轨迹大数据最近邻查询的结果向用户进行个性化推荐。

2.根据权利要求1所述的基于轨迹大数据最近邻查询的个性化推荐方法，其特征在于：所述步骤（1）具体为：从原始的大数据抽取时空大数据，而后将时空大数据按照时间进行组合，进而拼接成有效的轨迹大数据。

3.根据权利要求1所述的基于轨迹大数据最近邻查询的个性化推荐方法，其特征在于：所述步骤（2）具体为：对步骤（1）中抽取出来的轨迹大数据进行离群点检测和异常点检测，并对检测的结果进行评估，从而删除或者矫正相应的离群点或异常点。

4.根据权利要求1所述的基于轨迹大数据最近邻查询的个性化推荐方法，其特征在于：所述步骤（3）具体为：对步骤（2）中降噪后的轨迹大数据进行转换，转换成时空点、轨迹点和轨迹段三种形式，并存储在HDFS中。

5.根据权利要求1所述的基于轨迹大数据最近邻查询的个性化推荐方法，其特征在于：所述步骤（4）中建立全局的R树索引和局部的R树索引的具体步骤如下：

（4.1）将存储在HDFS中的轨迹大数据切分到各个分区中，同时保证数据切分的负载均衡；

（4.2）对各个分区建立基于R树的局部索引，并将必要的分区信息返回到主节点中；

（4.3）主节点根据各个分区的信息建立基于R树的全局索引，并将建好索引的数据通过具象化的方式存储在HDFS中。

6.根据权利要求1所述的基于轨迹大数据最近邻查询的个性化推荐方法，其特征在于：所述步骤（5）具体为：利用步骤（4）建立的索引结构，在各个分区中分别计算当前分区的轨迹编号集合和轨迹数目，并根据各个分区的轨迹编号集合建立基于轨迹编号集合的索引，根据各个分区的轨迹数目建立基于轨迹数目的索引，最后存储到HDFS中。