[发明专利]一种动目标活动概率图谱构建及行为意图识别方法

说明书

本发明公开了一种动目标活动概率图谱构建及行为意图识别方法，包括如下步骤：步骤1，构建动目标活动概率图谱；步骤2，态势时空探索分析；步骤3，构建动目标活动兴趣仓库、动目标活动概率图谱库和动目标活动规律模型库；步骤4，动目标活动规律挖掘、动目标行为识别和意图预测。

技术领域

本发明涉及态势时空动目标活动分析领域，尤其涉及一种动目标活动概率图谱构建及行为意图识别方法。

背景技术

目前，随着物联网、大数据等IT技术的发展，对基于地理信息系统的动目标轨迹信息的收集越来越容易，在交通、军事、物流和互联网企业等各种行业和部门内，积累了大量包含地理位置信息的数据资产。这些数据包含动目标活动的最原始轨迹信息，具有丰富的内涵，对于动目标活动规律的分析、动目标行为意图的预测以及态势时空内的异常热点的挖掘都具有很高的价值。但是这些数据同时又具有实时性高、数据量庞大，数据异构、处理不便的特点，很难以统一的模型对数据进行表示，很难形成与业务系统隔离的统一动目标分析处理平台。传统的对动目标轨迹信息进行处理分析的手段，主要包括历史查询、统计、分析和行为规律挖掘，除了查询和统计外，动目标行为规律挖掘是通过分析动目标活动轨迹的时间、空间和属性特征，将相似的轨迹聚集在一个集合中，从而发现动目标的分布状态和运动模式，其主要研究方法是用轨迹之间的距离函数来反映轨迹的时空相似度，然后对轨迹进行聚类来获得。这种分析方法可以为分析人员提供原始的活动轨迹信息、轨迹运动规律信息和简单的关于动目标的统计信息，但是，因为这些处理操作是主要面向终端用户的，因此，获取的结果损失了大量的知识，造成后续的识别和预测处理难以进行下去。

大数据和人工智能技术的发展为我们对动目标活动分析处理提供了新的视角。大数据技术的发展，特别是结合了大数据分布式处理平台和原有数据仓库数据处理模型的新一代数据仓库的出现对海量实时动目标轨迹数据的处理提供了基础平台支撑；以深度学习为特征的新一代人工智能技术革命为动目标轨迹数据的深度挖掘提供了技术支撑。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种在海量实时大数据环境下，对动目标活动规律行为模式进行量化，构建动目标活动概率图谱，并提供基于活动概率图谱进行目标行为意图识别的方法。

技术方案：一种动目标活动概率图谱构建及行为意图识别方法，包括如下步骤：

步骤1，构建动目标活动兴趣网格框架和概率图谱；

步骤2，构建动目标活动兴趣仓库、动目标活动概率图谱库；

步骤3，态势时空探索分析；

步骤4，基于动目标活动概率图谱进行动目标活动规律挖掘，构建动目标活动规律模型库，实现动目标识别、动目标行为识别和意图预测以及态势时空热点预测。

步骤1包括如下步骤：

步骤1-1，构建动目标活动兴趣网格框架，将地球表面空间划分为地理大小一致的平面网格或立体网格；

所述动目标活动兴趣网格框架包含网格框架和基本网格单元；动目标活动兴趣网格框架依据地理要素，即经纬度和高度将地球上的空间进行离散化网格划分，其中，地球球面的兴趣网格单元划分可以采用规则的几何多边形(例如三角形、四边形、六边形)方法以覆盖整个球面，本发明以四边形为例来说明动目标活动兴趣网格框架的构建；

采用四边形划分方法，设定经纬度的划分单位是1分，高度的划分单位是100米，在经纬度构成的二维平面上总共划分出(360×60)×(180×60)＝21600×10800＝23328000个格子。高度以海平面为基础，每升高100米为一格，动目标活动兴趣网格框架在应用时可以根据需要取二维或三维的网格。根据以上描述，则动目标活动兴趣网格框架全体定义为G，如公式(1)所示：

G＝(g_j,w,h)_21600×10800(1)