[发明专利]海量行为轨迹数据提取工作方法

摘要

本发明提出了一种海量行为轨迹数据提取工作方法，包括如下步骤将云端数据通过数据抽样方式向用户进行推送，将行进轨迹历史数据中获取的行进轨迹时间数据、时间预测数据、以及出发地点和到达地点的风速数据、气温数据和降水量数据进行提取，反馈给用户。

主权项

一种海量行为轨迹数据提取工作方法，其特征在于，包括如下步骤：将云端数据通过数据抽样方式向用户进行推送，将行进轨迹历史数据中获取的行进轨迹时间数据、时间预测数据、以及出发地点和到达地点的风速数据、气温数据和降水量数据进行提取。S1，提取每个行进轨迹的时间耗费值Ni(t)=Eγ4(ηn)Γ(n)+Eγcos(η(t+1))+T(t)]]>其中，Eγ为行进轨迹的时间强度。η为待定参量，Γ(n)为行进轨迹中第n条轨迹时间趋势的Γ分布，T(t)为行进轨迹在地理位置信息中时间耗费的纹理，t≥0；S2，提取每个行进轨迹的时间耗费的预测值Nj(t)＝2[Eγ(T(t)+T(t+1))‑μp·T(t)]，其中，μp为地理位置累加参数，T(t+1)为行进轨迹在地理位置信息中下一时间段的时间耗费的纹理，S3，提取每个行进轨迹的风速判断值Nk(t)=Ck1+Ck2+tCk3e-t2(Ck3)2+Ck4·Eγcos(Ck4(t)),]]>其中，为风速冲击响应分量，为风速动态变化调整分量，为风速变化的干扰分量，为风速动态变化中的随机干扰分量，为风速动态变化的时间节点分量，为t时刻风速动态变化的周期分量，S4，提取每个行进轨迹的气温的判断值Nl(t)=I‾1(t)+I1(t)I2(t)(1-HI1I2)2IhighI,]]>其中，为气温独立样本均值，I1(t)和I2(t)为气温独立样本，为I1(t)和I2(t)气温独立样本的参考系数，Ihigh为气温最高值样本，I为行进轨迹中气温历史参考值；S5，提取每个行进轨迹的降水量的判断值Nm(t)=d1e[-(t-d2)2d32]+d4σ(t-d5),]]>其中，d1、d2、d3、d4和d5为行进轨迹中降水量的样本参数，σ为降水量的干扰系数，为降水量动态变化中的高斯分量；S6，用户对行进轨迹数据进行抽样的代价函数计算为，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。S7，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；通过对行进轨迹历史数据进行提取之后，能够从海量数据中提取更优的行进轨迹信息。