[发明专利]一种结合GIS路网和蓝牙信标的实时数据挖掘定位的方法

权利要求书

1.一种结合GIS路网和蓝牙信标的实时数据挖掘定位的方法，其特征在于，包括以下步骤：

步骤1、通过信标统计模块（1）记录信标历史定位数据，并同时接收人员行走时的信标数据，根据信标历史定位数据和人员行走时的信标数据得到人员实时定位数据；同时将得到的人员实时定位数据提供给定位可能区域计算模块（2）；

步骤2、定位可能区域计算模块（2）通过人员实时定位数据得到人员可能区域的位置概率P；同时将得到的人员可能区域的位置概率P传输至GIS空间数据存储与计算模块（3）；

步骤3、GIS空间数据存储与计算模块（3）根据人员可能区域进行路网重叠计算，得到过滤后的人员可能区域概率Pm；

步骤4、通过人员巡检历史库（4），对步骤3中的人员有无巡检历史库数据进行判断；

若步骤3中的人员在人员巡检历史库（4）中没有数据，则取最大的概率的正方形区域的位置为步骤3中的人员实时位置数据；步骤3中的人员的最佳位置为P_x=max（Pm），

若此人员有巡检历史库数据，则执行步骤5；

步骤5、通过实时位置数据挖掘定位模块（5）查询人员巡检历史库（4）获取当前时间点之前的连续一段时间，调取历史库数据中在获取的当前时间点之前的连续一段时间经过哪些路段Route，同时，根据调取出来的所经过路段Route筛选出对应匹配人员，对筛选出的对应匹配人员在前一段时间经过相同路段顺序进行记录；

将各历史数据按时间顺序进行规整， X轴表示时间， Y轴表示各路段的信标连线的距离，此距离按照当前的路段顺序进行累积，得到按时间运动的时序位置图；使用信标连线在表格上的投影和路段的顺序进行排序，并根据路网规划简化成二维时序数据，Y抽象成离起点的距离，X是自然时间；

根据得到的二维时序数据采用基于时间动态规整相似度方法来寻找一条规整路径来使得规整距离最小；

其中，ED(Q，C)表示DTW的度量，Q表示查询序列，C表示内容序列，表示第r个路径匹配点的查询序列Q的值，表示第r个路径匹配点的内容序列C的值，表示路径匹配点个数；

设历史曲线有o个[C1，C2，…Co]，那么步骤3中的GIS空间数据存储与计算模块（3）根据人员可能区域进行路网重叠计算的每个正方形都是一个查询序列Q[Q1，Q2，…，Qm]；查询序列Q分别跟内容序列C做计算，分别得DTW的度量ED(Qm，C1)，…ED(Qm，Co)；根据DTW方法得到的权重为：

Dm=-(pre(m)-min(m))/sig(m)*k+1

其中，Dm表示根据DTW方法得到的权重，sig(m)是这组数据的标准差，pre(m)是这组数据的平均值，min(m)是这组数据的最小值，k是经验值；

取要预测时间与当前时间的时间差的移动范围，得到要预测的时间点的长方形区域的Pm值，则预测未来时间的可能位置P_x为：

P_x=max(P1*D1，……，Pm*Dm)

其中，P_x表示最优的修正点，m表示m个正方形，Pm表示第m个正方形的概率，Dm是根据DTW方法得到的权重。

2.根据权利要求1所述的一种结合GIS路网和蓝牙信标的实时数据挖掘定位的方法，其特征在于：步骤1中人员实时定位数据包括人员实时定位最大距离max(d)、人员实时定位最小距离min(d)、人员实时定位平均距离pre(d)；

d = pow(10， float((abs(RSSI) - A) / (10 * ζ)))；

A = (math.log10(d1) * abs(RSSI2) - math.log10(d2) * abs(RSSI1)) /(math.log10(d1) - math.log10(d2)) ；

ζ= (abs(RSSI1) - abs(RSSI2)) / (10 * (math.log10(d1) - math.log10(d2)))；

其中，d表示人员定位距离，pow表示POWER函数，RSSI表示接收信号强度，A表示发射端与接收端相隔1米时的信号强度，ζ表示环境衰减因子，采集两组不同的d值和RSSI值分别为(d1，RSSI1)(d2，RSSI2)，d1表示第一组计算出来的定位距离，RSSI1表示第一组的接收信号强度，d2表示第二组计算出来的定位距离，RSSI2表示第二组的接收信号强度，abs表示绝对值函数， math.log10表示对数函数以10为底。