[发明专利]一种大数据环境下无坐标传感器位置确定方法

说明书

本发明的目的是利用移动终端个体在指定时间范围内的空间活动数据集，挖掘大量个体的出行时空序列数据，使用时空序列中与位置信息缺失的传感器(目标传感器)相邻的其他有准确位置信息的传感器的时间和空间坐标信息，计算出目标传感器的空间位置。为了达到上述目的，本发明提供了一种大数据环境下无坐标传感器位置确定方法。本发明利用通信网络中已有海量匿名移动终端持续的加密位置信息，即能低成本、自动化、便捷地获取指定时间范围内大量人口的出行轨迹，利用轨迹中与位置信息缺失点邻近的传感器位置补全目标传感器所缺失的空间信息，弥补了由于传感器空间位置缺失导致的在海量数据处理过程中遇到的困难。

技术领域

本发明涉及一种基于海量匿名加密时间序列定位数据的传感器缺失位置坐标信息的补全方法，根据个体的时间和空间位置数据构建个体出行时空序列数据，查找位置缺失点前后的位置信息，以此为基础计算该位置信息缺失点空间位置的分布概率；通过计算个体在位置信息缺失点与其邻近点之间的通行时间和在通过位置信息缺失点附近时的通行速度，采用最小二乘法测算位置信息缺失点的空间位置。

背景技术

近年来，随着信息技术的发展，数据信息量呈现爆炸式增长，数据来源越来越多，数据量也越来越庞大。其中，由手机、WIFI、物联网等信息传感器记录的数据已经成为大数据分析中最重要的数据来源，其较为完备的个体出行记录为大数据，尤其是交通大数据分析提供了很好的数据支持。以手机为例，至2015年，手机用户达到13.06亿，占到总人口的96％以上，手机终端设备持续产生的信号信息，形成了记录用户出行的一系列数据集，为交通出行分析提供了重要的数据来源。

然而，当前直接获得的传感器数据仍然存在种种问题，需要大数据分析人员对其进行后期的加工处理。其中，传感器坐标位置信息的缺失使得用户个体在空间上的出行轨迹出现中断，导致其时空序列不完整，给大数据分析处理带来了很大的不便。此外部分传感器坐标位置信息的缺失，也给判别通信记录中传感器信息本身是否正确带来难度。因此，采取一定的算法，利用已有移动终端与传感器之间的通信记录数据对缺失位置信息的传感器的空间位置进行挖掘，补全其空间坐标具有重要的实用价值。

根据地理学第一定律，地理事物或属性在空间分布上互为相关。因此在大样本统计上，个体出行轨迹中邻近的通信数据所对应的不同的传感器也一定在空间上存在很强的相关性。

发明内容

本发明的目的是利用移动终端个体在指定时间范围内的空间活动数据集，挖掘大量个体的出行时空序列数据，使用时空序列中与位置信息缺失的传感器(目标传感器)相邻的其他有准确位置信息的传感器的时间和空间坐标信息，计算出目标传感器的空间位置。

为了达到上述目的，本发明的技术方案是提供了一种大数据环境下无坐标传感器位置确定方法，其特征在于，包括以下步骤：

步骤1、系统读取从传感器运营商获取匿名加密移动终端传感器数据，匿名加密移动终端传感器数据在时间与空间上都是连续的，不同移动终端对应不同的EPID，对每个EPID在指定时间段T内所触发的通信行为进行查询处理分析，将每条存在空间位置缺失传感器的记录实例化为一个目标点对象，所有目标点对象构成一个目标点列表；

步骤2、遍历目标点列表，将第一个目标点作为当前目标点，进入步骤3；

步骤3、提取当前目标点的传感器编号和用户标识EPID，提取该用户的行程轨迹，根据行程轨迹，沿时间轴向后查找用户在与当前目标点通信前的所有信令记录，由信令记录中N个有准确坐标的传感器的传感器编号组成向后邻近传感器列表STATION_LIST_Bw，同时，沿时间轴向前查找用户在与当前目标点通信后的所有信令记录，由信令记录中N个有准确坐标的传感器的传感器编号组成向前邻近传感器列表STATION_LIST_Fw；

步骤4、提取向后邻近传感器列表STATION_LIST_Bw及向前邻近传感器列表STATION_LIST_Fw中传感器的准确坐标，获得当前目标点在空间上的出现概率，绘制目标点空间位置的概率分布图；