[发明专利]一种基于云端的轨迹计算方法、系统

说明书

技术领域

本发明涉及计算机软件领域、云计算领域，特别涉及一种基于云端的轨迹计算方法、系统。

背景技术

GPS轨迹是采用GPS轨迹记录仪采集的一系列户外活动的位置点，每个点至少包括日期、时间、经度、纬度、海拔信息，有的轨迹记录仪还包含速度等信息。而将GPS轨迹配上通讯部分，就可以将运动体的行进轨迹实时传输到网络，供相关使用者第一时间分享，这方面带有GPS芯片的智能手机将是主要的载体。大多数的手机软件都能够完成轨迹的多种方式的记录、实时上传和分享。

目前的运动轨迹计算方法大多采用GPS轨迹图定位，主要存在如下的缺陷：

1)现有的GPS轨迹图定位容易出现偏差大、存在漂移、不计步的情况，在日常生活中，轨迹图的应用尤为广泛，像行车轨迹、走路轨迹、跑步轨迹等，这些都是基于GPS卫星定位来实现的。但是由于恶劣天气、高层建筑、手机机型等因素的影响，GPS卫星定位难免会受到外界不同程度的干扰，最终导致GPS轨迹图定位偏差大、漂移、不计步。

2)现有GPS轨迹图定位耗电量大，当GPS处于不断的工作状态时，电量就会亏损得非常快，这是因为设备在不停的接收传输数据，这个过程很耗电。特别是当手机电量不足的时候，GPS轨迹图定位的记录功能就会失效。

发明内容

本发明要解决的技术问题是，一种利用用户的历史跑步记录整合大数据运算，计算得到用户当前的运动轨迹的基于云端的轨迹计算方法，可降低耗电量，有效克服定位偏差大、漂移、不计步等问题。

解决上述技术问题，本发明提供了一种基于云端的轨迹计算方法，包括如下步骤：

用户上传GPS定位数据至云端，在云端建立运动轨迹数据库，

对所述运动轨迹数据库中所有用户的历史运动轨迹数据进行机器学习，提取出规律路径，

将规律路径拟合作为用户的真实跑步轨迹。

更进一步，提取出规律路径的方法具体包括：

采集得到样本路径，

对轨迹路径聚类，

筛选得到支撑路径。

更进一步，所述规律路径按照设定的网格尺寸完成提取。

更进一步，所述网格尺寸大小为：10英寸。

更进一步，所述规律路径，用以表示用户经常访问的完整轨迹路线。

更进一步，所述支撑路径，用以表示，用户每次经过同一路线,产生的一条路径记录,所述支撑路径是对一条路线的一次访问实例。

更进一步，方法还包括：采用网格映射对所述GPS定位数据进行预处理，

将GPS点映射入预先划分好的坐标网格中，

当连续的GPS点映射入同一网格时,压缩记录为一个时序格。

基于上述，本发明还提供了一种基于云端的轨迹计算系统，其特征在于，包括：数据预处理单元，路径聚类提取单元，

所述数据预处理单元，用以上传GPS定位数据至云端，在云端建立运动轨迹数据库，

所述路径聚类提取单元，用以对所述运动轨迹数据库中所有用户的历史运动轨迹数据进行机器学习，提取出规律路径，将规律路径拟合作为用户的真实跑步轨迹。

更进一步，所述路径聚类提取单元，还用以根据所述运动轨迹数据库中用户每天产生的路径在一设定时间的历史时期内的依据时间对路径进行聚类，提取出运动规律路径。

更进一步，所述路径聚类提取单元，还用将所述规律路径上配置为规律路径的每一路段都被多条支撑路径所访问

本发明的有益效果：

1)在本发明中通过将轨迹数据上传至云端，剔除了外界因素的干扰，通过大量的轨迹数据上传至云端，通过大数据算法的分析拟合成预测路线，可不受空间、地域、时间等因素的限制，从而最大化减少了轨迹图定位偏差、漂移、不计步等问题。

2)本发明中解决了原GPS定位耗电量大的问题，由于云轨迹计算方法不要求GPS长期处于实时工作状态，很大程度上节省了通过定位带来的电量损耗。

3)本发明中还整合大数据运算，使得运动轨迹更精准。此外，随着用户使用时长、黏性的加深，运动轨迹也会随之更加精准、确定。

附图说明

图1是本发明一实施例中的方法流程示意图；

图2是图1中提取出规律路径的方法流程示意图；

图3是本发明一实施例中的系统结构示意图；

图4-图5是网格尺寸对计算性能的影响示意图；

图6-图9是规律路径提取示例示意图。

具体实施方式