[发明专利]一种目标行为聚类方法和系统

权利要求书

1.一种目标行为聚类方法，其特征在于，包括以下步骤：

A．提取目标的待聚类轨迹数据包；

对每个轨迹数据包分别执行B~D：

B．从轨迹数据包中解析出预定维度的车辆运动参数，并对各维度的车辆运动参数进行向量化处理；包括：

对于用户种群类的目标而言，从轨迹数据包中解析的车辆运动参数包括速度、加速度三轴和角速度三轴，对应的向量化处理得到速度向量、加速度三轴向量和角速度三轴向量；

对于单个用户的目标而言，从轨迹数据包中解析的车辆运动参数包括速度、加速度三轴、角速度三轴和报警状态，对应的向量化处理得到速度向量、加速度三轴向量、角速度三轴向量和报警向量

C．对各维度的向量进行第一预处理，分别得到各维度的特征，根据各维度的特征构建出目标行为的特征集；所述第一预处理包括：

对于用户种群类的目标而言，第一预处理的过程包括：

根据速度向量计算非零速度均值和一阶差分最小值；

分别对加速度三轴进行修正，基于修正后的加速度三轴，分别计算加速度三轴向量中各向量的一阶差分绝对值最大值和一阶差分绝对值中位数；

分别计算角速度三轴向量中各向量的一阶差分绝对值最大值和一阶差分绝对值中位数，计算各角速度三轴向量的一阶差分绝对值最大值中的最大值；

对于单个用户的目标而言，第一预处理的过程包括：

根据速度向量计算非零速度均值和一阶差分最小值；

分别对加速度三轴进行修正，基于修正后的加速度三轴，分别计算加速度三轴向量中各向量的一阶差分绝对值最大值；

分别计算角速度三轴向量中各向量的一阶差分绝对值最大值，计算各角速度三轴向量的一阶差分绝对值最大值中的最大值；

对报警向量转换成亚编码；

D．对特征集中各维参数进行第二预处理以构建出目标行为实体描述；

E．根据各目标行为实体描述间的相似性构建相似性矩阵；

F．根据相似性矩阵对目标行为进行聚类；

G．计算每一个目标行为类簇的中心点及相关统计量，将各目标行为类簇的中心点和相关统计量进行关联存储。

2.如权利要求1所述的目标行为聚类方法，其特征在于，所述步骤D中，所述第二预处理包括：

对于用户种群类的目标而言，第二预处理的过程包括：

分别对非零速度均值、加速度三轴向量中各向量的一阶差分绝对值中位数、各角速度三轴向量的一阶差分绝对值中位数分箱后的亚编码，基于非零速度均值和速度向量一阶差分最小值构造第二均值，和分别对各角速度三轴向量的一阶差分绝对值最大值中的最大值、加速度三轴向量中各向量的一阶差分绝对值最大值基于对应阈值的均值处理；

对于单个用户的目标而言，第二预处理的过程包括：

分别对速度向量的非零速度均值、加速度三轴向量中各向量的一阶差分绝对值最大值和各角速度三轴向量的一阶差分绝对值最大值中的最大值基于对应阈值的均值处理，以及基于非零速度均值和速度向量一阶差分最小值构造第二均值。

3.如权利要求1~2任一所述的目标行为聚类方法，其特征在于，所述步骤E具体为：以目标行为实体描述中的特定参数，计算两两目标行为实体描述间的相似距离，以各个计算出的相似距离构建相似性矩阵。

4.如权利要求3所述的目标行为聚类方法，其特征在于，对于用户种群类的目标而言，参与相似性计算的参数包括：非零速度均值、加速度三轴向量中各向量的一阶差分绝对值中位数和各角速度三轴向量的一阶差分绝对值中位数分箱后的亚编码向量；

对于单个用户的目标而言，参与相似性计算的参数包括：非零速度均值、各角速度三轴向量的一阶差分绝对值最大值中的最大值基于对应阈值的均值，以及第二均值、报警向量亚编码。