[发明专利]基于主题模型的交通轨迹数据语义分析与可视化方法

说明书

基于主题模型的交通轨迹数据语义分析与可视化方法，包括：步骤1.提取轨迹主题，包括轨迹的文本化、提取主题；步骤2.构造张量；经过NMF模型的处理，得到由带有主题隶属度的时空单元构成的k个主题，以及每条轨迹在k个主题上的隶属度分布；包括：过滤时空单元、分类主题时空单元、构造三维张量；步骤3.分解张量；对于构造出的三维张量，采用张量的CP分解把张量分解成一系列秩一张量的和；步骤4.模式可视化；将主题模式近似看作是主题的另一种表现形式，对模式的分析也就是对主题的分析；从不同维度来展现张量分解的模式，通过这种方式简化了用户对主题的时空探索以及对主题语义理解。本发明简化了用户操作，降低了使用难度。

技术领域

本发明提出了一种交通轨迹数据的分析和可视化方法，该方法基于主题模型分析交通时空数据中蕴含的交通主题，然后使用非负张量分解算法进一步分析交通主题并设计合适的可视化方式协助用户交互探究交通主题对应的交通语义。

背景技术

随着车载GPS设备的普及，车辆的轨迹信息得以完整保留下来。车辆轨迹数据是一种时空数据，它是由一系列的车辆GPS定位点组成的。每一个定位点记录中都包含了时间和空间属性。城市的车辆轨迹数据中记录了人们的个体移动和行为历史，蕴含了时空环境下车辆的移动规律。

基于主题模型的方法通过主题建模分析城市车辆轨迹数据的移动规律。主题模型把一条车辆轨迹看作一篇文档，把城市中所有轨迹看做一个文档集，然后借用自然语言处理中文本分析的方法提取文档集中的主题。当前已知的研究中，常见的用于轨迹主题分析的主题模型有LSI、LDA、NMF等。对于提取出的轨迹时空主题，除了分析主题中流的方向和量级，还需要探索形成这些轨迹活动背后的动机，也就是主题的语义信息，这样才能更加深刻的理解这个主题。主题的语义信息通常潜藏于主题的时空分布中。如果直接使用可视化的方法在时间和空间维度上进行展示每个主题，会增加用户捕获这两种信息以分析主题语义的难度。因为同一个主题通常在会在多个时间段、多个空间区域有分布，而且不同时段的区域分布有着独立的特征，当一个用户需要分析某个主题分布的热点区域时，就需要在脑海中记忆该主题在不同时刻的分布情况，而人的短期记忆是有限的。这类任务会很大程度增加用户的记忆负担，使得用户操作太过繁琐，分析结果的准确性也低。特别是用户在进行一些更加复杂的探索，诸如比较各个主题语义上的相似性、某个主题语义在时间上分布的变化情况时，这个问题会更加显著。

所以在使用主题模型提取出轨迹主题的基础上，应该设计一种方法，进一步对各个主题进行全面的分析以减少用户的负担，并且设计合适的可视方案，方便用户透彻的理解主题语义。

发明内容

为了克服上述交通轨迹主题可视分析方法的不足，本发明提出了一种基于主题模型的交通轨迹数据语义分析与可视化方法。

本发明首先提出对研究区域划分网格的方法进行轨迹文本化并构造轨迹矩阵，然后使用NMF(Non-negative Matrix Factorization)算法提取轨迹矩阵中的k个主题，接着本发明并未直接对这k个主题进行可视展示，而是使用非负张量分解的方法进一步探索这些主题的特性与其潜在语义；非负张量分解把给定的张量X近似表示成R个秩一张量和的形式，R代表该张量的秩；该方案使用主题、时间、区域三个特征维度构造三维张量，然后使用秩为k(与主题数量一致)的非负张量分解算法提取张量中潜在的模式；由此提取出的k个模式与主题模型中的k个主题之间有着显著的一一对应关系，忽略它们之间的少许差异，可以认为这k个模式就是k个主题的另一种表示形式；最后，在主题、时间和区域三个维度可视化展示张量中的这k个模式，用户只要通过这三个视图，就可以直观的分析出某一主题背后的语义信息。

基于主题模型的交通轨迹数据语义分析与可视化方法，包括以下步骤：

1.提取轨迹主题：此步骤首先需要为主题模型选取一个合适的主题数，主题数对后续使用张量分析主题语义的效果有显著影响。