[发明专利]云端行进轨迹数据判断安全形势路径的工作方法

摘要

本发明提出了一种云端行进轨迹数据判断安全形势路径的工作方法，包括如下步骤S1，根据云端数据获取海量用户的历史行进轨迹，对于历史行进轨迹进行斑纹降噪模型筛选；S2，将筛选后的数据传输到用户终端，从用户终端获取行进轨迹终点位置信息，根据路径巡航约束条件进行路径判断；S3，将判断后的若干结果通过数据抽样方式进行抽样，提供给用户进行选择。

主权项

一种云端行进轨迹数据判断安全形势路径的工作方法，其特征在于，包括如下步骤：S1，根据云端数据获取海量用户的历史行进轨迹，对于历史行进轨迹进行斑纹降噪模型筛选；所述S1包括：S1‑1，对于云端海量数据进行初步筛选，根据用户导航信息确定该用户所处的地理位置，在该地理位置从海量数据中获取与地理位置数据类似的行进轨迹数据；S1‑2，对于行进轨迹数据通过如下公式进行筛选，根据所确定的地理位置信息采用均方误差乘积算法，K(p)＝R(|r(p)2|)·n(p)·[|r(p)2|/q(p)]·[|r(p)2|·u(p)]其中，r(p)2为行进轨迹数据的强度，p为地理位置信息，n(p)为位置p处形成轨迹前的强度，q(p)为位置p处形成轨迹后的强度，u(p)为位置p处形成前后总体轨迹的强度，R(|r(p)2|)为地理位置轨迹场景模型；S1‑3，通过乘积算法运算之后，进行收敛数据筛选，从行进轨迹数据中通过概率密度运算进行筛选，M(μp)=μpt+1Tsit+1+Lsit+c1x1pgiμpt+c2x2usiμptexp(Tsiμp)]]>其中，μp为地理位置累加参数，Tsi为第s个行进轨迹的第i个时间分量，为第s个行进轨迹的第i个兴趣点分量，c1和c2为兴趣因子，x1和x2为地理位置坐标的随机数，pgi为全部行进轨迹中第i个轨迹分量，usi为第s个行进轨迹的第i个地点分量，t≥0。S2，将筛选后的数据传输到用户终端，从用户终端获取行进轨迹终点位置信息，根据路径巡航约束条件进行路径判断；所述S2包括：S2‑1，将筛选后的行进轨迹数据传输到用户终端，获取用户终端实时发送的地理位置信息，判断行进轨迹终点位置信息；S2‑2，从行进轨迹中得到的若干轨迹信息进行路径巡航约束，该约束公式为，W(τ)=Rp(τ)Rs(τ)(wlong-(wlong-wshort)zZmax)·Q(τ),τ>11Rp(τ),τ=0Rp(τ)Rs(τ)Q(τ),τ=1,]]>其中，Rp(τ)为在位置p处的理想行进场景，Rs(τ)为第s个轨迹处的理想行进场景，wlong为轨迹权重的最长距离值，wshort为轨迹权重的最短距离值，z为当前迭代次数，Zmax为最大迭代次数，Q(τ)为全部轨迹信息向量。S3，将判断后的若干结果通过数据抽样方式进行抽样，提供给用户进行选择；所述S3包括：S3‑1，用户对行进轨迹数据进行抽样的代价函数为，F(p)=[Σt=1M(Ni(t)+Nj(t)+Nk(t)+Nl(t)+Nm(t))2-P]2]]>其中，Ni(t)为每个行进轨迹的时间耗费值，Nj(t)为每个行进轨迹的时间耗费的预测值，Nk(t)为每个行进轨迹的风速判断值，Nl(t)为每个行进轨迹的气温判断值，Nm(t)为每个行进轨迹的降水量判断值，M为统计行进轨迹内全部的轨迹数；P为全部行进轨迹信息向量。S3‑2，通过计算后进行行进轨迹数据展示，在抽样过程中经出行时间的行进轨迹数据，出行地点的行进轨迹数据，以及用户经常抵达的兴趣点行为轨迹数据进行预测，对于历史周期中用户获取的地点的风速数据、气温数据和降水量数据进行比较判断，计算行进轨迹相应的风速数据、气温数据和降水量数据的概率值，从而反馈给用户。