[发明专利]基于位向量四叉树的移动对象汇聚模式挖掘方法

权利要求书

1.一种基于位向量四叉树的移动对象汇聚模式挖掘方法，其特征在于：依次包括以下步骤：

(1)获取移动个体的位置数据，将每一个时刻的个体位置数据合并成个体位置集合；移动个体包括游客和出租车；

(2)对每一个时刻的移动个体位置集合进行基于密度的聚类操作，得到相应时刻上的移动个体簇集合，合并所有时刻的移动个体簇集合得到簇数据库C_DB；

(3)基于位向量四叉树进行簇包含连接，得到所有相邻时刻的移动个体之间的簇包含关系；

(4)利用簇包含关系构建候选的汇聚行为树，并对候选集进一步验证其是否满足群体汇聚模式的要求，最终得到城市环境下所有移动个体的群体汇聚行为实例；

所述步骤(3)的具体方法为：

(3.1)SQTI构建阶段：即是指建立基于位向量四叉树的各个移动个体的索引结构，然后来组织C_i中所有的候选簇集合；

(3.2)SQTI探测与验证阶段：用C_i中的每一个簇作为一个查询，在SQTI中找到所有的簇包含匹配关系；

其中C_i表示t_i时刻移动个体的簇集合，C_DB＝{C₁，C₂，...，C_m}表示t₁时刻到t_m时刻移动个体所有的簇集合，0≤i≤m；R_DB＝{R₂，R3，...，R_m}来表示移动个体所有时刻的簇包含匹配。

2.根据权利要求1所述的基于位向量四叉树的移动对象汇聚模式挖掘方法，其特征在于：所述步骤(3.1)的详细过程如下：

首先将C_i中每一个簇按照它们的代表空间点的位置插入到一个空间区域中；接着，将整个空间区域递归地划分成四个单元格，分别是NE、NW、SE、和SW，直到单元格中空间位置点的数量小于给定的阈值ρ；整个SQTI的树形结构遵循分裂原则，SQTI中的每一个节点都被分配一个位向量(signature，sig)，这些位向量表示当前节点中包含的所有簇中的移动对象成员。

3.根据权利要求1所述的基于位向量四叉树的移动对象汇聚模式挖掘方法，其特征在于：所述步骤(3.2)的详细过程中：

当一个查询q到来时，SQTI利用位向量和空间坐标从根节点开始探测索引结构：当查询遇到非叶结点p时，验证q.sig V p.sig＝p.sig是否成立；其中sig是位向量，如果验证成功，该查询立即探测当前节点的四个孩子节点，选出几何中心离该查询最近的节点作为下一步探测对象；如果验证不成功，则探测当前节点的兄弟节点：如果当前节点是叶结点，需要验证该结点包含的所有移动对象簇是否是该查询对应簇的超集，如果是，则获得簇包含匹配关系，如果不是，则获得簇包含不匹配关系。

4.根据权利要求3所述的基于位向量四叉树的移动对象汇聚模式挖掘方法，其特征在于：在查询过程中，只选择与查询q空间上距离较近的单元格进行继续探测，避免出现回溯。

5.根据权利要求3所述的基于位向量四叉树的移动对象汇聚模式挖掘方法，其特征在于：在查询簇邻域内的所有候选簇，采用“一次搜索、多次查询”的方法，即首先为查询簇设置一个影响区域，接着搜索和验证与影响区域相交的单元格中所有的簇：用使用影响区域的最小外接矩形MBR来近似表示该影响区域，由此增加八个新的查询，这样所有与影响区域相交的候选簇都不会被忽略。