[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

说明书

本发明公开一种基于位向量四叉树的移动对象汇聚模式挖掘方法，包括以下步骤：对每一个时间片上的移动对象集合进行基于密度的聚类操作，得到所有的簇集合C_DB；基于位向量四叉树进行簇包含连接；利用簇包含匹配R_DB构建汇聚树，作为汇聚模式的候选集，并对候选集进一步验证其是否满足汇聚模式的要求，最终得到所有汇聚模式；基于位向量四叉树进行簇包含连接时又包括SQTI构建阶段和SQTI探测与验证阶段。本发明不仅具有很高的时间性能，并且对主要的参数不敏感。这种特性有助于帮助用户减少调节参数的时间，提高汇聚模式挖掘的效率。

技术领域

本发明属于时空数据的挖掘领域，具体涉及一种基于位向量四叉树的移动对象汇聚模式挖掘方法。

背景技术

近随着全球定位技术和无线通讯技术的发展，产生了海量的移动对象时空轨迹数据。分析研究这些轨迹数据可以用于获取移动对象群体的运动规律和运动模式，可以为交通优化、公共安全、广告投放等应用提供有力的支撑。

现有移动对象群体运动模式(如flock，convoy，swarm，travelling companion以及gathering等)，是为了发现在一段时间内共同移动的一群移动对象。根据移动对象的运动特征，一个群体事件通常可以分为三个阶段，分别是聚集阶段(converging stage，CS)、停留阶段(gathered stage，GS)和发散阶段(diverging stage，DS)。相应的，根据相同分类标准可以将移动对象群体运动模式分为三种类型，分别是聚集阶段的群体运动模式、停留阶段的群体运动模式和发散阶段的群体运动模式。现有群体运动模式大都属于聚集阶段和停留阶段，并且大部分都是停留阶段的群体运动模式。聚集阶段作为群体事件形成过程中的重要阶段，在移动对象群体运动模式挖掘的研究中经常被忽略。但是，在现实生活中人们通常更关心如何对群体事件形成之前移动对象群体的聚集行为建模，通过提前判断群体事件的发生可以为即将到来的公共事件提供有效的预防和充足的准备时间。

在挖掘方法层面，聚集阶段群体运动模式的挖掘与停留阶段群体运动模式的挖掘有着较大的区别。首先，除了在生命周期的最终时刻，聚集阶段群体运动模式中的移动对象在整个模式生命周期中的其他时刻无法始终保持空间上的临近性。而停留阶段群体运动模式中的移动对象在模式的整个生命周期中都保持空间临近。上述特性使得聚集阶段群体运动模式无法像停留阶段群体运动模式一样，利用移动对象的空间临近性进行挖掘。其次，群体运动模式由多个连续时刻的移动对象簇(即移动对象群体)组成，相邻时刻移动对象簇之间的关系类似于集合之间的关系，而聚集阶段群体运动模式与停留阶段群体运动模式有着不同的相邻时刻群体关系。

停留阶段群体运动模式挖掘的是共同运动一段时间的移动对象群体，相邻时刻群体关系是集合相似关系。例如一个convoy模式要求任意相邻时刻的移动对象群体完全相同，群体之间是集合相等关系；一个gathering模式要求参与运动的移动对象在该模式的生命周期大部分时间内都在参与运动的移动对象群体中，群体之间是集合相似关系。

聚集阶段群体运动模式挖掘的是不断聚集的移动对象群体，相邻时刻的群体之间是集合包含关系。

也就是说，现有群体运动模式无法有效地识别群体聚集事件，并且现有群体运动模式挖掘方法在大规模轨迹数据中存在挖掘效率低下的问题。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种基于位向量四叉树的移动对象汇聚模式挖掘方法；本发明根据群体事件聚集阶段的移动对象特性，对聚集阶段的移动对象群体建模，利用基于密度的位向量四叉树结合移动对象空间属性，优化条件为簇包含的连接操作，实现汇聚模式的高效挖掘。

技术方案：本发明的一种基于位向量四叉树的移动对象汇聚模式挖掘方法，依次包括以下步骤：

(1)对每一个时间片上的移动对象集合进行基于密度的聚类操作，得到所有的簇集合C_DB；