[发明专利]基于特征选择的移动对象轨迹简化算法

说明书

本发明公开了一种基于特征选择的移动对象轨迹简化算法，包含以下步骤：采用DBSCAN密度聚类算法对移动对象的轨迹数据进行处理，得到轨迹的速度区间；根据速度区间对移动对象的轨迹进行划分，得到与速度区对应的轨迹段；对每个轨迹段进行特征分析、选择简化算法，并对该轨迹段的轨迹数据进行简化处理；将每个轨迹段的简化结果合并、得到移动对象的轨迹简化结果。本发明提出的基于特征选择的移动对象轨迹简化算法，先根据速度特征划分轨迹段，然后在轨迹段内进行方向特征判断或距离特征判断，从而选择适合各轨迹段的简化算法，实现执行时间和误差度量的优化，提升简化效果。

技术领域

本发明属于计算机应用技术领域，具体设计一种基于特征选择的移动对象轨迹简化算法。

背景技术

移动对象轨迹化简算法的研究是移动对象数据库研究领域的一个重要组成部分，它是伴随着移动电子产品的日益升级和普及而逐步产生和发展起来的，广泛应用于运动目标的跟踪定位、环境监测以及交通管理、基于位置的社交网络(LBSN)，路线导航轨迹推荐，目的地预测和用户的行为分析等许多领域。

智能手机、车载导航系统和可穿戴设备中的GPS传感器通常产生大量的原始轨迹，增加了数据存储、传输和数据分析的成本。轨迹数据简化压缩是通过减少轨迹数据量以降低存储器空间，从而提高数据传输、存储和处理效率的方法，根据特定的算法减少冗余和存储空间，同时尽可能少地丢失信息或重新组织数据。目前的移动对象轨迹简化算法分为离线简化和在线简化。以往的简化算法中大多依赖轨迹的几何特性(例如轨迹点位置之间的关系,轨迹点方向角度之间的关系)，这些几何特性都可以用轨迹点的相对位置展现出来，而针对移动对象的速度这一重要特征的研究还不是很完善。

随着大数据技术在分析应用方面有效性的凸显，怎样设计出能够准确且高效率地存储轨迹的信息的轨迹简化优化算法是近几年重要的研究问题。

发明内容

为了能够准确、高效率地存储移动对象的轨迹信息，本发明提供了一种基于特征选择的移动对象轨迹简化算法。

本发明提供的基于特征选择的移动对象轨迹简化算法，具体包含以下步骤：

S1、采用DBSCAN密度聚类算法对移动对象的轨迹数据进行处理，得到轨迹的速度区间；

S2、根据速度区间对移动对象的轨迹进行划分，得到与速度区对应的轨迹段；

S3、对每个轨迹段进行特征分析、选择简化算法，并对该轨迹段的轨迹数据进行简化处理；

S4、将每个轨迹段的简化结果合并、得到移动对象的轨迹简化结果。

可选的，设定时间间隔、采集移动对象的轨迹点p的数据，形成原始轨迹数据集。

可选的，所述轨迹点p的数据包含位置数据和速度数据。

可选的，对采集的原始轨迹数据集进行清洗，去除不合理的轨迹点，得到所述移动对象的轨迹T(p₁,p₂,...,p_n)，其中，p_n表示所述移动对象的第n个轨迹点。

可选的，步骤S1中，所述DBSCAN密度聚类算法用于对轨迹点p的速度数据进行处理。

可选的，步骤S2中，对所述移动对象的轨迹进行速度特征分析：

对于所述移动对象的轨迹T(p₁,p₂,...,p_n)，计算相邻两个轨迹点p的平均速度，生成移动对象的速度标签T^v＝(L₁,L₂,...,L_n-1)，L_n-1表示所述移动对象的第n-1个速度值；计算速度标签T^v的基尼系数，公式如下：