[发明专利]空间运动行为语义模式的辨识方法

权利要求书

1.一种空间运动行为语义模式的辨识方法，其特征在于，包括以下步骤：

步骤S1，基于空间定位数据的逗留行为采集和判断；

步骤S1.1：逗留行为采集，采用基于手机基站定位的轨迹数据采集方法，并且应用轨迹插值来补全轨迹中的缺失点，采用卡尔曼滤波实现轨迹降噪，获取观测对象连续活动轨迹数据；

步骤S1.2：逗留行为判断，获取观测对象的位置，取方圆400m至500m范围为观测半径，在观测半径内停留5分钟以上视为一次逗留；出入一次观测半径，逗留次数加1，以此累计；

步骤S2，对逗留行为建立形式化描述并可视化表达,形成空间行为语义模式图谱；

为便于描述，将空间逗留行为划分为三种情况语义考虑：单点逗留行为、单对象多点逗留行为、多对象多点逗留行为，其空间行为语义模式图谱分别按下述方式描述：

单点逗留行为数学描述采用二维矩阵F[K][I]，其中K代表时间数，I代表时段数；可视化表达的时频图为三维曲面或二维网格；三维曲面为时间-时段-频次的三维曲面，不同的坐标高度描述该时间分辨率下的频次；二维网格为时间-时段的二维网格，不同的网格颜色描述该时间分辨率下的频次；

单对象多点空间逗留行为数学描述为三维张量F[N][K][I]表示，其中N代表空间观测位置点的数目，K代表时间数，I代表时段数；采用超网格进行可视化表达，超网格中一个节点对应该点的逗留行为时频图二维网格，所述二维网格为时间-时段的二维网格，不同的网格颜色描述该时间分辨率下的频次；

多对象多点空间逗留行为数学描述为四维张量F[M][N][K][I]表示，其中M代表观测对象的数目，M≥2，N代表空间观测位置点的数目，K代表时间数，I代表时段数；采用超网格可视化表达，超网格中一个节点对应该点的逗留行为时频图二维网格，所述二维网格为时间-时段的二维网格，不同的网格颜色描述该时间分辨率下的频次；

步骤S3，依据空间行为语义模式图谱进行空间行为相似性度量或时空频繁模式挖掘。

2.根据权利要求1所述空间运动行为语义模式的辨识方法，其特征在于，在步骤S3中进行空间行为相似性度量，度量两两对象间空间行为语义模式的相似性，为个体身份辨识和团队伙伴关系发现提供基础；包括位置无关的相似性度量、位置弱相关的相似性度量和位置强相关的相似性度量：

位置无关的相似性度量描述为：

位置弱相关的相似性度量描述为：

位置强相关的相似性度量描述为：

这里，R(.)计算矩阵相关系数，Fa、Fb分别是对象a、b的行为模式时频图，La、Lb分别是对象a、b的观测位置点，N为参与计算的位置点数目，符号“≈”表示地理空间场景相似性运算符，符号“∩”是集合交集运算符。

3.根据权利要求1所述空间运动行为语义模式的辨识方法，其特征在于，在步骤S3中频繁模式挖掘为单点时域关联挖掘，将出现在观测位置的所有对象的时频图叠加，然后分成若干个时间间隔，求每个时间段内的密度分布，若最大的密度分布超过了考察门限，则认为是频繁模式，这一过程的形式化描述为：

这里，Fi为对象i的时频图，N为观测对象数目，Ct为求取时频图中某个区域的累加频次的取样算子，Δt为考察的时间间隔。

4.根据权利要求1所述空间运动行为语义模式的辨识方法，其特征在于，在步骤S3中频繁模式挖掘为多点频繁模式挖掘，如果短期内多个功能属性相同的场合都出现了同一对象的逗留行为，则判断为频繁模式，该过程的形式化描述为：

这里，Fi是某个对象出现场所的时频图，N为场点数目。