[发明专利]一种行动轨迹模式识别工作状态的方法

说明书

本发明涉及大数据处理领域的一种行动轨迹模式识别工作状态的方法，包含如下步骤：采集员工轨迹数据，并清洗轨迹数据；根据轨迹数据提取停留时间较长的节点数、轨迹节点数、节点访问频次、轨迹总长度；通过logistics、svm、决策树算法训练历史轨迹数据；反复调优模型，并对新的轨迹数据进行识别。能够很好地判别员工的出勤情况，也能根据工作者的行为轨迹信息来判定工作性质。

技术领域

本发明涉及大数据处理领域，具体来说，是一种行动轨迹模式识别工作状态的方法。

背景技术

随着传感器技术、无线通信和网络技术的成熟，手机通话、无线上网、车载GPS(Global Position-ing System)、智能卡(公交卡、银行卡)、监控摄像网络等泛在传感器被大量使用，一方面，人们的生活变得更加快捷、舒适、高效；另一方面，它们也在悄然颠覆着人类的生活方式。而在当今的网络时代，人们的工作、生活、消费、旅行等行为正在不断通过泛在传感器的使用而被完整和系统地记录下来并形成数据，各种传感器的应用与发展，如车载GPS、手机、公交卡、银行卡等，记录了人类的活动轨迹。这些海量的人类活动轨迹数据中蕴含着人类行为的时空分布模式。而如今推行的绿色办公更是产生了大量的轨迹数据，但是这对于人员考勤存在考勤不准确隐患(办公人员中途离开)所以一直根据人员移动轨迹进行模式识别工作状态的方法非常有必要。轨迹是研究对象随时间的推移在空间上移动所经过的路径，由节点与节点之间的线组成，节点就是轨迹的采样点，其中包括起点、锚点、终点目前轨迹的模式研究主要集中在锚点、出行范围、轨迹的形状、OD流、时间等方面。

发明内容

本发明的目的是提供一种行动轨迹模式识别工作状态的方法，能够很好地判别员工的出勤情况，也能根据工作者的行为轨迹信息来判定工作性质。

本发明的目的是这样实现的：一种行动轨迹模式识别工作状态的方法，其特征在于，包含如下步骤：(a)采集员工轨迹数据，并清洗轨迹数据；(b)根据轨迹数据提取停留时间较长的节点数、轨迹节点数、节点访问频次、轨迹总长度；(c)通过logistics、svm、决策树算法训练历史轨迹数据；(d)反复调优模型，并对新的轨迹数据进行识别。

进一步地，上述(b)步骤分为下述子步骤：截取特定时间段轨迹:截取固定工作时间段内轨迹数据并按照时间从小到大进行排序；统计轨迹数据:统计轨迹中停留时间超过某个阈值的节点数，将轨迹中所有的节点数据作为访问频次，选出最大访问频次，对所有的节点、以及节点距离进行去重计算，将两两节点间的累加距离作为轨迹长度；特征处理:根据算法需求对提取的特征进行区域缩减处理。

进一步地，上述(c)步骤分为下述子步骤：数据集分割：对历史数据集进行分割，分割成训练集与测试集；训练模型：分别运用不同算法，并且通过交叉验证调整各个算法最优参数，在保证没有过拟合或者欠拟合的情况下对训练集进行训练；模型评估：按照机器学习模型评估的方法评估各个模型训练的效果，选取训练效果最好的模型作为最终的模型。

进一步地，上述轨迹数据来自已有的轨迹数据库、字段包轨迹ID、节点位置、时间、速度。

进一步地，上述轨迹数据通过api接口方式取得。

进一步地，上述轨迹数据通过爬虫方式取得。

本发明的有益效果在于：其一，该方法基于移动轨迹数据截取工作时间段轨迹，提取特定轨迹特征，利用分类算法对工作状态进行识别，一般而言，轨迹节点越多，轨迹长度越大，工作状态越不稳定，与通过本方法识别的结果相符合，该方法可以帮助用户改善员工出勤考核；其二，该方法能够通过识别一天中多种工作状态以及轨迹节点数来判别工作性质，比如户外工作者有工作，值班，巡岗等工作状态。

附图说明

图1是本发明的方法流程示意图。

图2是本发明实施例中各工作状态轨迹分布图。

具体实施方式