[发明专利]一种GPS轨迹分段及语义标注方法

说明书

本发明公开了一种GPS轨迹分段及语义标注方法，该方法包括两个部分，即为语义轨迹分段和基于本体模型的语义标注。首先，应用自顶向下的方法将原始GPS轨迹分割为若干关于用户移动条件一致的连续子轨迹；然后执行自底向上的推理和注释过程来创建层次化的语义片段或现实生活情景。将自顶向下完成轨迹分段和自底向上实现语义推理相结合的SEMANTIC‑SEG框架不仅提高了语义分段任务效率，同时具有高度的灵活性。

技术领域

本发明涉及轨迹分段及标注方法，具体涉及一种GPS轨迹分段及语义标注方法。

背景技术

全球定位系统技术的发展和移动互联设备的广泛使用，产生了大量记载人类移动信息的GPS轨迹数据。如何从GPS轨迹大数据中分析和理解用户的移动信息，成为大数据分析领域研究的热点。

轨迹分段是轨迹数据处理的基本问题，该技术将一条记载用户移动信息的长轨迹分割为短的子轨迹片段，从而便于进一步实现轨迹查询、轨迹分类和轨迹分析。近年来，随着数据分析领域技术的发展和应用领域需求的变化，轨迹分段的任务已经从以数据精简为目的的简单分割，转变为以语义分析为导向的分段，即研究：如何将连续GPS点组成的原始轨迹分割为能够解释用户出行的有意义的语义片段的研究。

根据轨迹语义分段的目标，原始GPS的语义分段任务可以分解为两个子问题，即：轨迹分段和轨迹语义丰富。

轨迹分段是将原始轨迹划分为连续多个且各自同质的子轨迹段。现有的方法通常采用基于阈值的分割技术实现。包括：(1)通过预先设定的速度、距离、时间间隔等指标的阈值，定义用户的运动状态，识别出的停留位置，从而实现轨迹分割；(2)根据用户出行的交通方式，使用多种不同轨迹时空标准(如轨迹速度、密度、角度和采样率等)，定义用户乘坐多种交通工具时所处的状态，识别出交通换乘点等语义信息，并依此作为分段依据。

轨迹分段方法虽然已经取得了一定的进展，但是上述方法均需要预先定义阈值。如果随机选取阈值，则导致算法主观性强，缺乏合理解释。因此，一些研究尝试通过学习给出适应性的阈值范围，但是，学习的方法需要预先给定合理的学习样本，然而，实际应用中，很难得到一个有标签的数据集用于监督性学习得到阈值，并且，不同数据集上使用时需要重新学习参数，因此，基于阈值的算法缺乏通用性。

轨迹的语义推理和信息标注是借助丰富的外部信息推理实现原始轨迹中蕴含的用户行为解释过程。该技术需要集成不同种类的数据源(时空，轨迹，地理，领域知识等)，对原始轨迹进行分析推理得出富含语义的信息结果。为了更好的使用外部数据挖掘原始轨迹中蕴含的语义信息，一些研究开始借助基于本体的轨迹语义分析模型，但现有的本体模型结构和推理机制过于简单，且多数研究限于特定的领域，缺乏技术框架的系统性和完备性，缺乏通用性和缺少知识系统支撑的轨迹语义解析和推理。

综上所述，轨迹语义分段目前在如下两个方面有待深入研究：

1、自动识别轨迹中蕴含的运动模式特征变化点的位置，实现原始轨迹分段；

2、构建通用的轨迹语义本体模型，实现分段轨迹的语义标注。

发明内容

本发明的目的在于提供一种GPS轨迹分段及语义标注方法，用以解决现有技术中的原始GPS轨迹语义分段时需要进行分段参数的阈值学习，导致分段效率低等问题。

为了实现上述任务，本发明采用以下技术方案：

一种GPS轨迹分段方法，用于对用户GPS轨迹进行分段，所述的GPS轨迹由多个轨迹点组成，所述的轨迹点由位置坐标信息以及该轨迹点产生的时间表示，所述的方法按照以下步骤进行：

步骤1、提取所述用户GPS轨迹中每个轨迹点的特征向量；

步骤2、根据所述的每个轨迹点的特征向量，提取所述每个轨迹点的当前运动模式矩阵以及历史运动模式矩阵；