[发明专利]一种基于先验概率的无监督轨迹访问地点标注方法

说明书

本发明公开了一种基于先验概率的无监督轨迹访问地点的标注方法。该方法在不依赖标注数据的情况下，建立了综合利用时间信息与空间信息的无监督时空概率模型，对轨迹访问地点进行语义标注。该方法将时空概率分解为访问时刻概率、停留时长概率和空间概率，利用TF‑IDF加权算法计算停留对不同类型地点的潜在访问，通过统计轨迹集中所有停留的潜在访问生成访问不同类型地点时的访问时刻和停留时长的先验概率，再综合利用面地理对象的拓扑特性和点地理对象的分布来计算空间概率，通过计算地点时空概率系统化地对轨迹进行语义标注。本发明方法在实际应用中具有使用便利性和完备性的优势，方便相关部门或者公司通过用轨迹分析用户的出行目标地点和规律。

技术领域

本发明涉及时空数据分析和地理信息分析领域，具体涉及一种GNSS轨迹访问地点的语义标注方法。通过手机、GNSS等移动终端产生海量时空轨迹后，基于本发明可自动对轨迹进行语义标注，分析用户访问了哪些地方。

背景技术

随着手机、GNSS等移动终端的广泛使用和全球定位技术的发展，人类在日常生活中产生了海量带有语义信息的时空轨迹数据，然而单纯的时空轨迹难以解释出行中蕴含的意图、习惯。如何从时空轨迹大数据中分析和理解用户的出行信息，是时空数据分析、公共安全、个性化服务推荐和预测等领域关注的重点。

根据运动状态的不同，轨迹可以分为不同片段，包括停留和移动片段。其中，停留是指在邻域范围的驻留，通常与用户的活动和出行目的有关。轨迹的语义标注是推断用户在停留片段最可能去的地点，提取用户出行的语义。

目前已有的轨迹标注方法通常利用监督分类的方法基于真实标注轨迹进行训练从而对访问地点进行推断。但获取大规模的标注数据十分困难，且不同区域不同人群的出行规律具有差异，更换区域后需重新训练，因此急需寻求一种无需标注数据的轨迹自动标注方法。现有的不依赖标注数据的方法仅通过对轨迹访问每个地点的空间概率进行建模，忽略了停留的时间信息，包括停留持续时长和停留开始时刻，而时间信息对于推断真实的访问地点具有重要意义。综上所述，目前缺少一个能够有效组合时间信息和空间信息的无监督语义标注模型。

发明内容

针对上述问题，本发明旨在不依赖标注数据的情况下，建立一种综合利用时间信息和空间信息的概率模型对时空轨迹数据的访问地点进行标注，从而提出一种基于时空轨迹数据的语义标注方法，能够突破对真实标注数据依赖的限制，从轨迹数据中学习不同类型地点的访问时间和停留持续时长的先验概率，再综合利用地理对象的拓扑特性和分布计算空间概率，通过建立完善的概率模型来计算访问不同地点的概率，能够系统化地对轨迹进行语义标注，实际应用中具有使用便利性和完备性的先进优势。

本发明提出的基于先验概率的无监督轨迹访问地点标注方法，包括以下步骤：

步骤1：轨迹噪声和漂移去除。通过计算轨迹中各点的速度和夹角，其中夹角是指各点与其前后两点连线所形成的夹角，去除速度大于速度阈值的点和夹角小于角度阈值而形成尖角的点，从而去除轨迹中的噪声和漂移。

在本发明的一个实施例中，速度阈值设为180km/h，夹角的角度阈值设为30°，将速度大于180km/h的轨迹点和夹角小于30°的轨迹点去除。

步骤2：寻找轨迹中的停留。通过密度聚类算法寻找在时空维度中具有明显聚集的高密度簇。传统的密度聚类算法寻找空间上相邻的点，而轨迹具有时间特性，空间相邻而时间不相邻的轨迹点没有实际含义。因此需重新定义密度聚类算法中的邻域和密度的概念并利用DBSCAN算法寻找停留。

具体来说，定义每个轨迹点的邻域包含距离该点空间距离小于距离阈值的最长连续子序列。轨迹序列的密度不使用最小点的个数表示，而是使用序列的时间长度表示。将邻域密度超过设定时间阈值的点作为DBSCAN算法中的核心对象，反之标记为噪声点，利用DBSCAN算法寻找轨迹中所有的停留。

在本发明的一个实施例中，所述距离阈值设为100米，时间阈值设为10分钟。