[发明专利]分布式轨迹流伴随模式挖掘方法

权利要求书

1.分布式轨迹流伴随模式挖掘方法，其特征在于：包括以下步骤：

一、数据预处理：根据地理区域的划分将数据划分为多个区域，得到分区边界，输出分区编号；

步骤一中，分区过程如下所示：

(1)计算轨迹数据集的最大和最小经纬度，建立轨迹数据集的最小外接矩形Rectangle；

(2)对Rectangle均匀划分，使每个分区中包含相同数量的对象，并根据下式公式分别得到分区位置编号n_i；

给定轨迹流快照s_i中轨迹的集合x_i和y_i表示对象o_i在快照s_i的空间坐标，List为有序列表存储集合中所有对象的x轴坐标，则分区位置编号

其中size表示List的容量，N表示分区的数量，且0≤in；

(3)由n_i生成对应的分区Region_i，其中Region_i的范围为(n_i-r,n_i+1+r)，这里令r＝ε，ε为密度连接的距离阈值；

二、监测不断到达的数据流；

三、当前快照创建时间窗口，窗口大小为当前快照时间；

四、根据分区编号执行Keyby算子，利用哈希函数分发到不同的节点，其中具有相同分区编号的对象被发送到相同的节点；

五、Map阶段：每个节点对接收到的当前分区的数据执行基于方向的密度聚类，并得到当前分区的密度聚类簇集合；

六、第一个Recude阶段：对Map阶段得到的密度聚类簇集合汇聚到主节点进行聚类合并，输出合并后簇的集合；

七、第二个Reduce阶段，对第一个Reduce合并后簇的集合执行模式挖掘，与候选伴随集合取交集，生成新的候选伴随，并输出当前快照的伴随模式结果；

步骤五中，密度聚类采用ADBSCAN算法，ADBSCAN算法是融合角度的密度聚类算法，具体为：

输入：包含n个数据的第i个快照的数据集S_i，半径阈值r，角度阈值δ_a，邻域密度阈值δ₀

输出：基于密度的聚类簇集合

算法中的距离度量采用欧式距离；其中序号2开始遍历数据集S_i的所有点；序号3判断当前遍历到的对象是否已经被访问过，如果被访问过则跳过此对象访问下一个对象，如果未被访问过则标记为核心对象；序号4设置p为已访问，找出与点p距离不大于r，且角度差不大于δ_a的所有点集合N；序号5至序号21如果p的邻域范围内对象数满足δ₀则遍历p的邻域集合N；序号7至序号14遍历判断如果N内的对象p'已经被访问，判断是否是噪声点，如果是噪声点说明p'不属于任何簇，将p'标记为非噪声点并聚类到当前簇；序号15至序号19如果p'未被访问，则查找p'的邻域集合N'并加入N中；序号22如果p的邻域内对象数量小于δ₀则将p标记为噪声点；序号25最终返回聚类后的簇的集合

给定两个相邻快照s₁,s₂，(x₁,y₁)和(x₂,y₂)是对象o在快照s₁,s₂的坐标，轨迹向量与正北方向的夹角为

给定快照s_i两个轨迹点o₁,o₂，两个轨迹点的角度差可以根据夹角计算得到；

步骤六中，聚类合并采用MC算法，具体为：

输入：所有分区簇的集合

输出：合并簇后的集合

序号1和序号2，第一个指针停留在第i个簇，第二个指针j遍历i之后的簇；序号3判断后遍历到的簇是否存在第一个簇Region的相邻Region中，如果不存在继续查找下一个簇，如果存在则序号4至序号6若两个簇c_i和c_j有相同对象，则将c_j中的所有对象添加到c_i中，并从中移除c_j；

步骤七中，模式挖掘采用PCPM算法，PCPM算法为并行的伴随模式挖掘算法，具体为：

输入：轨迹数据流S，对象数量阈值δ_s，时间周期阈值δ_t，候选簇集合R

输出：每一组满足条件的伴随集合r'

s表示轨迹流中的快照，序号1初始化新的候选伴随集合R'，R'的初始值为空；序号2至序号16通过取交集来增加候选伴随，其中序号3创建多线程，加快取交集的速度，在下一个相交前检查其剩余大小，提前结束数量过少的候选伴随与簇的交叉过程；一旦候选伴随的规模小于数量阈值δ_s，就不再是合格的候选伴随，应该从内存中删除；序号9至序号10将交叉后满足阈值δ_s的结果存储在候选伴随模式集合中，在存储过程中为集合R'加锁，防止两个线程同时写入导致数据错误；序号11至序号13如果候选伴随模式集合满足时间阈值则被实时输出；序号18至20使用定义14检查是否有一个包含相同对象但持续周期较长的候选r_i，如果没有则将c_j添加到候选伴随集合中；

定义14：封闭候选：对于一个候选伴随r_i，如果不存在任何候选r_j，使得且r_i的周期小于r_j的周期，则r_i是一个封闭候选。