[发明专利]一种基于时空大数据的目标匹配方法及系统

说明书

本发明公开了一种基于时空大数据的目标匹配方法及系统，首先通过目标对象携带的智能设备，采集目标对象的活动轨迹点数据；若目标对象属于相互关联的若干对象，则在采集之前，需确定主目标及从属目标，并在目标对象间的智能设备建立数据通信关联，确保目标对象间的关联关系；然后针对需要匹配的属性，按照预设规则，对采集的轨迹点数据进行筛选；最后根据目标匹配原则，进行目标匹配；若目标对象属于相互关联的若干对象，则将目标匹配结果推送给主目标。本发明在时空大数据环境下，针对特定场景下的特定活动对满足活动需求和条件的主目标和从属目标进行快速精准匹配，从而达成改善和提升精准匹配效率和推荐成功率的目标。

技术领域

本发明属于大数据分析技术领域，涉及一种基于时空大数据的目标匹配方法及系统，具体涉及一种基于大数据和位置的社交网络领域中目标匹配方法及系统，可以应用到各个领域，例如广告精准投送，宠物社交活动中按宠物活动区域自动发起且智能推荐等。

背景技术

“活动域”一词，源于追踪智慧城市中人类的日常活动轨迹。通过研究人类活动轨迹数据，研究人员可以设计出各种算法和行为模式极大的方便人们的日常生活。

而基于目标对象日常活动轨迹的大数据分析，同样适用于各种有生命力的物体。以宠物的移动轨迹为例，通过研究发现，宠物的移动轨迹与特定养宠人群的移动轨迹具有强相关性，即宠物主人到哪里遛弯儿，通常身边会带一只宠物(狗)，而这只宠物身上通常会戴一只具有定位功能的宠物项圈。因此，这为本发明所提出的方法得以产业化应用提供了移动轨迹挖掘方面极大地便利。由于宠物项圈能够记录宠物日常活动的轨迹，所以用于人类移动轨迹挖掘的算法能够巧妙的移植并稍加改动后应用于宠物移动轨迹的挖掘，并可为宠物的日常社交活动带来特殊便利。

接下来，将详细剖析当前与移动轨迹挖掘相关的最新研究成果和相关背景技术。

1、移动轨迹相关研究。

当前，由于基于位置服务(Location-based Service，LBS)的兴起为海量移动轨迹数据的积累提供了平台软硬件支撑。基于这些人类移动轨迹数据的分析，为一系列商业化管理和应用提供了便利，例如基于位置的推荐服务，匿名轨迹探测，恐怖歧视和流行病跟踪等。

基于轨迹模式的方法论用于预测人类未来的活动轨迹。一种基于用户到达和停留时间的非线性时间序列分析方法主要用于预测用户最重要的访问位置^[1]。Jing Yuan等人^[2]利用人类移动性和兴趣点数据用于发现城市中不同的功能性区域。他们利用基于主题的推断模型推断每个区域的功能，将每个区域看作一个文档，将函数看作一个主题，将兴趣点的类别看作元数据。Miguel N′u~nez-del-Prado-Cortez等人^[3]基于人类移动性模式和时空聚类的思路，采用一种叫做移动性马尔科夫链的聚类算法来发现行政区域。Ya-JingXu^[4]等人提出了一种区域活动熵模型用于发现隐藏在区域间的社交关系。FERNANDO等人基于多源异构数据提出了一种鲁棒性预测城市居民移动模式的方法，该方法的思路基于一个低分辨率的移动性数据集和利用日常水消耗数据。MeihanJin等人^[6]提出了一种概念间模和数据管理方法用于表述和分析城市中的人类移动轨迹。为了考虑从移动性模式中展现出来的所有属性，该模型考虑空间、时间和语义等三个维度。Minjie Wang等人^[7]基于区域中兴趣点的数量和类别提出了一种线性回归模型用于预测该区域内流入和流出的人流量。Shuyang Shi等人^[8]通过整合功能域和用户的旅行意图，对城市里的人类移动性进行了预测研究。他们提出的模型能成功预测具有不同特征区域的人气，而人气是评估房地产开发和商业投资的重要因素。

2、兴趣点相关研究。