專利名稱：一種時空軌跡相似度計算方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)據(jù)挖掘領(lǐng)域，特別涉及一種時空軌跡相似度計算方法及系統(tǒng)。
背景技術(shù)：
近年來，諸如平板電腦、智能手機等支持GPS的移動設(shè)備發(fā)展迅速，越來越多的人開始使用基于位置的服務(wù)(LBS)，例如定位、位置共享等等，大量時空信息被上傳和共享。記錄用戶移動歷史的同時，這些位置信息也能夠在一定程度上反應(yīng)用戶的興趣、偏好以及生活規(guī)律。為此，時空軌跡作為計算機應(yīng)用的一大研究熱點，在普適計算、數(shù)據(jù)挖掘和社會網(wǎng)絡(luò)等領(lǐng)域受到了廣泛關(guān)注。人類活動具有不同程度的共性，這種共性差異映射到活動軌跡上，導(dǎo)致軌跡之間呈現(xiàn)不同程度的相似性。相應(yīng)地，軌跡的相似程度反應(yīng)了活動的共性，進而關(guān)系到相近似的 人類習(xí)慣和偏好。正因如此，如何科學(xué)地刻畫軌跡之間的相似度是當(dāng)前軌跡模式挖掘等研究工作所面臨的最重要問題之一。當(dāng)前,軌跡相似度計算方法考慮因素包括子列重疊程度、相近的位置數(shù)目、地點的數(shù)目等。然而，軌跡不是單純的序列，用序列包含關(guān)系去刻畫軌跡之間的關(guān)系是遠遠不夠的。此外，計算的粒度也是這類工作所面臨的困難，軌跡的離散化程度越高，和原始軌跡的偏差就越大，而細粒度的計算又難免降低效率。

發(fā)明內(nèi)容
為解決上述問題，本發(fā)明提供了有效利用歐式空間的度量屬性和笛卡爾坐標系中的向量關(guān)系，刻畫軌跡模式之間的相似度。該方法可應(yīng)用于分析人的活動模式，可作為個性化推薦的依據(jù)，以及可以用于構(gòu)建和分析基于位置的社會網(wǎng)絡(luò)。本發(fā)明的目的在于提供一種全新的路線相似度計算方法，該方法基于幾何特征，充分考慮到路線在地理空間上的特點，同時具有高準確性和較高計算效率。本發(fā)明公開一種時空軌跡相似度計算方法，包括步驟1，定義距離轉(zhuǎn)角率，刻畫用戶興趣點的特征；步驟2，根據(jù)經(jīng)驗閾值，識別用戶興趣點；根據(jù)軌跡的用戶興趣點計算其公共興趣占.步驟3，計算分段之間的相似度以及不相似度，其中所述分段為兩個公共興趣點之間的分段；通過定義分段時間、相似分段、相似路線，計算軌跡之間的相似度以及不相似度，從而得到軌跡相似度。所述的時空軌跡相似度計算方法，所述步驟I還包括步驟21,定義 Pm、Pi 到 pi+1 的距離轉(zhuǎn)角率 LATatio(p(i_l), p(i), p(i+l)),其中Pi-i、Pi、Pi+i分別為用戶興趣點。所述的時空軌跡相似度計算方法，包括距離轉(zhuǎn)角率公式如下tr[ — cos( θ)
LATalio{p(i-I), p[i\ p{i + 1)) 二 LARa!io[v(p: .,, p.),,)) =-f-'■-
" ε+\\ν(ρ( ),ρ( . + γ)\\其中，ε是滿足下述條件的任意一個常量
0< ￡■ < min III v(p(i),/)(/+ \)) |||且
f + min{|I v(p(i — I),p(i)) ||}<mm{|| v(p(i — I), p(i)) ||J·
_9]其中，[I-1),^(/))I]是向量 ‘0· —I),ρ(/·))的?！?min{||V(^O-I)5jP(O)IlJ 是
,(ρ(ζ·_1)，^φ·))的第二小值。如果minj|| v(/ (i-l),/ (f))||l，ε 滿足一下不等式
()<￡-<min{|| v(/;(/-!), /,(/))"}且
^ + mn{|| v(p(i — I),p(i))"} < min{|| v(p(i — I),p(i)) ||}其中，sec和 th 分別表示第二和第三,因此 1，丨 H v(p(i -1), p(i)) |||^^( _ |
的第三小值。所述的時空軌跡相似度計算方法，所述步驟2還包括步驟41,如果ratio〉P (這里P是一個經(jīng)驗閾值)，則認為興趣點P (i)和p(i+l) 是同一個興趣點，is(j)表示軌跡中的j個興趣點；為了計算軌跡的相異程度，用IP (j)表示IS (j)，IP (j) = (long(j)，Lat (j)，T (j))是IS(j)中興趣點的加權(quán)平均，其中j是興趣點的編號，L°mU) = Σι VC: · lon^ ’
τ "ratio .,..Laf0) = Σ,=ι^ . *^(0，
ra!jo- …7 ( /) = h ιTTT·/(/ ) °步驟42，如果兩個興趣點IP(i)和IP(j)之間的距離小于dp，稱這兩個興趣點為公共興趣點CoIP，dp根據(jù)具體賦值而變化。所述的時空軌跡相似度計算方法，所述步驟3還包括步驟51,位于C (i)和CoIP(i+l)中間的部分為tra (I)中的分段,記做segtM(i)。下述公式計算分段的不相似程度difvector (Segi Ura1)，Segi (tra2)) =Vdifvector (Segi (tra^，Segi (tra2)) +1 nlin_n2in其中，
Vdifvector (Segi (tra^，Segi (tra2))= vql (Segi (tra^ )-vql (Segi (tra2)) + vq2 (segi Ura1)) -vq2 (Segi (tra2)) | nin是軌跡中兩個興趣點之間非公共興趣點的數(shù)量。所述的時空軌跡相似度計算方法，所述步驟3還包括步驟62，分段時間，是指用戶從一個CoIP到另一個CoIP的間隔時間，如果CoIPi= (Longi, Lati, Ti),且 CoIPi+1= (Longi+1, Lati+1, Ti+1),那么 Ti-Tw, Ti-Tw 即 CoIPi 和CoIPi+1在軌跡中的分段時間；相似分段，是令Segi (trati)和Segi (tra2)分別為^rat1和a2中的分段，稱SegiUra1)和Segi (tra2)為相似分段，當(dāng)兩個分段之間IP的數(shù)量相等；兩個分段之間的分 段時間的絕對差值小于一個常數(shù)，即I (Ti Ura1) Ti+1 Ura1)) - (Ti (tra2) Ti+1 (tra2)) | <tp相似路線，由分段組成，如果有多個連續(xù)的相似分段，則為相似路線；假設(shè)A和rj是相似路線，則認為兩條路線沒有區(qū)別，即VdifveetOT (A Ura1)，rj(tra2))=0 ;下述公式計算軌跡之間的不相似度
nP dif (Zrai 3Zra2) = Σ c0Mvecror (Seg, (tmi I Seg, Ψα )) + m^x { rlIex ； 2 }其中，max {nlexJ n2ex}是nlex和n2ex的最大值，nex是兩條軌跡中位于公共點之外的non-CoIP數(shù)量，在tra(l)中有兩個位于公共點之外的non-CoIPs，因此nlex=2，tra(2)中位于公共點之外的non-CoIPs的數(shù)量為1，n2ex=l，因此max {nlex，n2ex} =2 ；
Len.(fru') rLen(InLl) r f 、、
(-————· l.eti (Zral) +----—· Lenl (/ra，)),、— ' l,en{irax)'Len( f:ra )~
Len{ira,) + l,en(lra^)LeniUra1)表示 SegiUra1)的長度，LenUra1)是 I^a1 的長度，Leni (tra2)表示Segi (tra2)的長度,Len (tra2)是tra2的長度，Segi的距離與長度的含義不同，Segi Ura1)的距離是CoIPi和CoIPi+1之間的直線距離，而長度是用戶從CoIPi走到CoIPi+1的路程。本發(fā)明還公開一種時空軌跡相似度計算系統(tǒng)，包括定義轉(zhuǎn)角率模塊，用于定義距離轉(zhuǎn)角率，刻畫用戶興趣點的特征；興趣點模塊，用于根據(jù)經(jīng)驗閾值，識別用戶興趣點；根據(jù)軌跡的用戶興趣點計算其公共興趣點；相似度匹配模塊，用于計算分段之間的相似度以及不相似度，其中所述分段為兩個公共興趣點之間的分段；通過定義分段時間、相似分段、相似路線，計算軌跡之間的相似度以及不相似度，從而得到軌跡相似度。所述的時空軌跡相似度計算系統(tǒng)，所述定義轉(zhuǎn)角率模塊還包括定義PH、Pi 到 pi+1 的距離轉(zhuǎn)角率1^^^1:;
O < s < min j Il v{p(i\ p(i + \ )) |||且
ε + min {|| ν(ρ( -1)，ρ{ )) 11} < ιτ ι ||| v(p(i -1), p(i)) ||J其中，I]^(0)||是向量的模，ι η{||ν(^(/- χΜ0)Ι }是 1),/ (/))的第二小值。如果min|l卜’(沖-1Xzj(O)Ilj，ε滿足一下不等式 0<f <min{|| v(/ (7-l),p(i)) ||J且
ε + min {| | v(p(i -1),p{i)) ||}<min||| v(p(i — 1)，p(i))其中，sec和 th 分別表示第二和第三，因此η|η||| l)，/;(i)) ||j是丨沖·—丨)，/ (/))
的第三小值。所述的時空軌跡相似度計算系統(tǒng)，所述興趣點模塊還包括經(jīng)驗閾值模塊，用于如果ratio〉P (這里P是一個經(jīng)驗閾值)，則認為興趣點P (i) 和P(i+1)是同一個興趣點，is(j)表示軌跡中的j個興趣點；為了計算軌跡的相異程度，用 IP(J)表示 is(j)，IP(j) = (long(j)，Lat(j)，T(j))是 IS(j)中興趣點的加權(quán)平均，其中 j
是興趣點的編號，LonsU) = Y\ 1αη°\ .· ο^(η，
j ra(io(/)LatU) =r、 師)，
Y^.raiiod)
TV·、—ratio tT0) - Σ,=ι^ ~TTT-rW。
Σ,=1 ratoW距離模塊，用于如果兩個興趣點IP⑴和IP(j)之間的距離小于七，稱這兩個興趣點為公共興趣點CoIP，dp根據(jù)具體賦值而變化。所述的時空軌跡相似度計算系統(tǒng)，所述相似度匹配模塊還包括分段模塊，用于位于C(i)和CoIP(i+l)中間的部分為tra(l)中的分段，記做 segtra (i)；下述公式計算分段的不相似程度 difvector (Segi Ura1)，Segi (tra2)) =Vdifvector (Segi (tra^，Segi (tra2)) +1 nlin_n2in其中，Vdifvector (Segi Ura1)，Segi (tra2))= vql (Segi (tra^ )-vql (Segi (tra2)) + vq2 (se gi (^a1)) -vq2 (Segi (tra2))
nin是軌跡中兩個興趣點之間非公共興趣點的數(shù)量。所述的時空軌跡相似度計算系統(tǒng)，所述相似度匹配模塊還包括相似度運算模塊，用于分段時間，是指用戶從一個CoIP到另一個CoIP的間隔時間，如果 CoIPi= (Longi, Lati, Ti)，且 CoIPi+1= (Longi+1, Lati+1, Ti+1)，那么 Ti-Tw, Ti-Tw 即CoIPi和CoIPi+1在軌跡中的分段時間；相似分段,是令Segi Ura1)和Segi (tra2)分別為1:坪和a2中的分段,稱Segi (tra)和Segi (tra2)為相似分段，當(dāng)兩個分段之間IP的數(shù)量相等；兩個分段之間的分段時間的絕對差值小于一個常數(shù)，即I (Ti Ura1) Ti+1 Ura1)) - (Ti (tra2) Ti+1 (tra2)) | <tp 相似路線，由分段組成，如果有多個連續(xù)的相似分段，則為相似路線；假設(shè)A和rj是相似路線，則認為兩條路線沒有區(qū)別，即VdifveetOT (a Ura1)，rj(tra2))=0 ;下述公式計算軌跡之間的不相似度
nPdif (Ira1, tra2) = ^ a,difrectm. (seg, ^ral), Segi (tra2)) + max {nla.，nlex}
/=1其中，max {nlex, n2ex}是nlex和n2ex的最大值，nex是兩條軌跡中位于公共點之外的non-CoIP數(shù)量,在tra(l)中有兩個位于公共點之外的non-CoIPs,因此nlex=2, tra (2)中位于公共點之外的non-CoIPs的數(shù)量為1，n2ex=l,因此max {nlex, n2ex} =2 ；
Len:(jrax). LenAira,)
(-————· Leni (Jra1) H--————· Leni (Jra2))Lenitrai)Len(tm，)
OJi =-=-
I.cu(l.ra,) + Len(ira,)LeniUra1)表示 SegiUra1)的長度，LenUra1)是 I^a1 的長度，Leni (tra2)表示Segi (tra2)的長度,Len (tra2)是tra2的長度，Segi的距離與長度的含義不同，Segi Ura1)的距離是CoIPi和CoIPi+1之間的直線距離，而長度是用戶從CoIPi走到CoIPi+1的路程。本發(fā)明的有益效果為1，基于幾何向量的軌跡相似度計算方法；技術(shù)效果新穎地利用幾何向量方法，同時考慮距離與角度變化，刻畫兩條軌跡之間的關(guān)系，得到量化的相似程度；2，距離轉(zhuǎn)角率相似特征定義；技術(shù)效果作為影響軌跡相似程度的重要變量，距離轉(zhuǎn)角率是刻畫長度關(guān)系、角度變化和軌跡局部相似性之間關(guān)系的數(shù)學(xué)模型；3，基于向量的分段不相似度算法；技術(shù)效果刻畫兩個分段的相似程度，用于判別不同分段是否相似；4，基于向量的興趣點定義；技術(shù)效果確定相似度的計算粒度，去除不必要的興趣點，以化簡計算；5，基于向量的公共興趣點定義；技術(shù)效果利用基于幾何向量的方法，消除如GPS等設(shè)備所采集的時空軌跡數(shù)據(jù)偏差對計算造成的影響，使得屬于同一興趣點但地理左邊略有偏差的數(shù)據(jù)得以被正確識別；6，利用幾何方法實現(xiàn)基于單條路線的興趣點發(fā)現(xiàn)；技術(shù)效果可以避免基于大量用戶大量路線的聚類，提高計算效率，同時可以發(fā)現(xiàn)新建的興趣點。該發(fā)明可以對任意兩條形式的不同路線進行比較，通過幾何方法量化其相似程度，所得結(jié)果可以有效用于分析人的活動模式、行為相似程度，以及可以為個性化推薦和社會網(wǎng)絡(luò)分析提供依據(jù)。與現(xiàn)有的技術(shù)相比，該發(fā)明充分考慮地理空間特性，合理刻畫相似程度，實驗證明，該方法計算結(jié)果更為合理有效，同時具有更高的運算效率。


圖I為本發(fā)明時空軌跡相似度計算方法流程圖；圖2為本發(fā)明GPS軌跡和LA-Ratio的解釋；圖3為本發(fā)明一條軌跡中的IS和IP ；圖4為基于本方法的兩條軌跡中的分段的不相似程度，其中4A為第一條軌跡 tra (I) ,4B 為第二條軌跡 tra (2)；圖5為兩條軌跡中的相似路線圖6為本發(fā)明時空軌跡相似度計算系統(tǒng)流程圖。
具體實施例方式下面給出本發(fā)明的具體實施方式
，結(jié)合附圖對本發(fā)明做出了詳細描述。本發(fā)明提供了一種基于幾何向量方法的軌跡相似度計算方法，這部分提供算法的詳細說明，說明過程以兩個軌跡之間的相似度為例，本方法可以拓廣到計算多個路線之間的兩兩相似度。如圖I所示，本發(fā)明公開一種時空軌跡相似度計算方法，包括步驟1，定義距離轉(zhuǎn)角率，刻畫用戶興趣點的特征；步驟2，根據(jù)經(jīng)驗閾值，識別用戶興趣點；根據(jù)軌跡的用戶興趣點計算其公共興趣占.步驟3，計算分段之間的相似度以及不相似度，其中所述分段為兩個公共興趣點之間的分段；通過定義分段時間、相似分段、相似路線，計算軌跡之間的相似度以及不相似度， 從而得到軌跡相似度。以GPS日志為例，本算法采用包括精度、緯度和時間的時空軌跡數(shù)據(jù)，用戶攜帶專門的GPS定位設(shè)備或者支持GPS定位的其他移動設(shè)備(如智能手機、pad等)，采集到的數(shù)據(jù)根據(jù)不同的用戶呈現(xiàn)規(guī)律性并具備個性化的特性。具體地，一個時空軌跡是指興趣點列 Tra= (p (O)，P⑴，...，P (np))，其中np為軌跡中興趣點的數(shù)量，相鄰兩興趣點之間的時間間隔是相等的，t (Pi)-t (Ph) =t(pi+1)-t (Pi) ,Pi= (Iongi, Iati, t),其中 IongiUati 和 \ 分別為興趣點Pi的經(jīng)度、維度和相應(yīng)的時間點，i為興趣點的序號。對于每兩個相鄰的興趣點Pm
和Pi，直接用向量連接，記做ν /丨 j../>,)../·= 1，. t該向量的方向與軌跡的方向一致,Ph為興
趣點的起點，Pi為興趣點的終點。因此一條軌跡中有np-l個這樣的向量。本發(fā)明旨在計算上述形式的兩條軌跡的近似程度，采用基于幾何向量的方法，逐層計算。首先，根據(jù)單條軌跡計算用戶的興趣點。認為興趣點和角度有關(guān)，如果用戶在感興趣的景區(qū)停留則其軌跡在該區(qū)域的軌跡變化將更加頻繁。同時，本方法基于假設(shè)在興趣點的范圍內(nèi)用戶會放慢速度，相應(yīng)地，等時間間隔的兩興趣點之間距離會變短?；谝陨蟽膳d趣點考慮，本方法構(gòu)建距離轉(zhuǎn)角率模型，用以刻畫用戶對位置的興趣程度。利用這一概念， 我們可以根據(jù)經(jīng)驗閾值識別出用戶興趣點，并用單獨的一個興趣點表示。對于輸入的兩條用戶軌跡，基于其各自的興趣點我們可以計算兩者之間的公共興趣點，我們認為時空上相近的興趣點即公共興趣點，這是第一層相似。處于計算合理性和簡便性的考慮，有了公共興趣點之后我們沒有立刻計算軌跡的相似性，而是進一步細化，對軌跡按公共興趣點進行分段。我們認為兩段軌跡如果有越多的相似點則越相似，基于這一假設(shè)刻畫了分段之間的相似度，這是第二層相似。最后，根據(jù)每對分段的相似度計算出兩條軌跡的相似度。具體實施步驟如下步驟I):刻畫識別興趣點的重要特征，定義距離轉(zhuǎn)角率。如圖2給出的GPS軌跡。定義PH、Pi 到 pi+1 的距離轉(zhuǎn)角率 LATatio(p(i_l), p(i), p(i+l))如下式·11I — cosi^)
JAlalkAp(i.-I), p{i\ p{i + 1)) = LARalioiHp ,, p,), '-iP-,Pi ,)) =-^-L-
￡+||v(/;(/'),/ (i + l))||其中，ε是滿足下述條件的任意一個常量
O < ε < mhi ||| v(/；(/), />(/' +1)) |||且
+ min {|I v(p(i- l),p(i)) ||}<min||| v(p(i — I), p(i)) ||J其中，是向量(’(^/-1)4(0)的模，mm{||||}是
，(/ 0·-ι)，/ (0)的第二小值。如果minDI vCp(P1)5/^)) Ilj，ε 滿足一下不等式
O <& < niin Jll v、p(i-1), p(i)) ||[且
^ + π{|| ν(/ (/-1),/Η0)Ι! < min {|| v(/;(/-1),/;(/)) ||j其中，sec和 th 分別表示第二和第三，因此 min v(p{i -1), /)(/))_yK
的第三小值。為了簡便，記
iaiio(i) = LA Ται/υ{/>(/ —I): /;(/'), p(i +1)) = L4Rulio{ v.(p(i -1),/ (/)), v(p(i), p(i +1))) , / = 1, ...JLitno。很明顯，一個軌跡有np_2個ratio (比率)，其中\(zhòng)中P表示總興趣點的數(shù)量。(其中，“tatio 也是 ratio”)步驟2):識別用戶興趣點。如果ratio〉P (這里P是一個經(jīng)驗閾值)，則認為興趣點P (i)和p(i+l)是同一個興趣點。我們用IS(j)表示軌跡中的j個興趣點。為了計算軌跡的相異程度(這里用相似性表示不同軌跡之間的差異程度，符合計算相似度的目標)，用IP (j)表示IS(j)，如圖3所示，IP(j) = (long(j), Lat (j), T(j))是IS(j)中興趣點的加權(quán)平均，其中j是興趣點的編號。(Long(j)Lat(j)T(j)分別指該點的精度、緯度和時間)
權(quán)利要求
1.一種時空軌跡相似度計算方法，其特征在于，包括 步驟1，定義距離轉(zhuǎn)角率，刻畫用戶興趣點的特征； 步驟2，根據(jù)經(jīng)驗閾值，識別用戶興趣點；根據(jù)軌跡的用戶興趣點計算其公共興趣點；步驟3，計算分段之間的相似度以及不相似度，其中所述分段為兩個公共興趣點之間的分段；通過定義分段時間、相似分段、相似路線，計算軌跡之間的相似度以及不相似度，從而得到軌跡相似度。
2.如權(quán)利要求I所述的時空軌跡相似度計算方法，其特征在于，所述步驟I還包括 步驟 21,定義 p^、Pi 到 pi+1 的距離轉(zhuǎn)角率 LATatio(p(i-l), p(i), p(i+l)),其中 p^、Pi、Pi+i分別為用戶興趣點。
3.如權(quán)利要求2所述的時空軌跡相似度計算方法，其特征在于，包括距離轉(zhuǎn)角率公式如下
4.如權(quán)利要求I所述的時空軌跡相似度計算方法，其特征在于，所述步驟2還包括 步驟41,如果ratio〉P (這里P是一個經(jīng)驗閾值)，則認為興趣點P (i)和p(i+l)是同一個興趣點，IS(j)表示軌跡中的j個興趣點；為了計算軌跡的相異程度，用IP(j)表示IS (j), IP (j) = (long (j), Lat (j), T (j))是IS(j)中興趣點的加權(quán)平均，其中j是興趣點的編號，
5.如權(quán)利要求I所述的時空軌跡相似度計算方法，其特征在于，所述步驟3還包括 步驟51,位于C (i)和CoIP(i+l)中間的部分為tra(l)中的分段,記做segtM(i)。下述公式計算分段的不相似程度difvector (Segi Ura1)，Segi (tra2)) =Vdifvector (Segi (tra^，Segi (tra2)) +1 nlin_n2in其中，Vdifvector (Segi (tra)，Segi (tra2)) = | | vql (Segi Ura1)) -vql (Segi (tra2)) | +1 | vq2 (Segi (tr B1)) -vq2 (Segi (tra2))nin是軌跡中兩個興趣點之間非公共興趣點的數(shù)量。
6.如權(quán)利要求I所述的時空軌跡相似度計算方法，其特征在于，所述步驟3還包括步驟62，分段時間，是指用戶從一個CoIP到另一個CoIP的間隔時間，如果CoIPi= (Longi, Lati, Ti),且 CoIPi+1= (Longi+1, Lati+1, Ti+1),那么 Ti-Tw, Ti-Tw 即 CoIPi 和 CoIPi+1在軌跡中的分段時間；相似分段，是令SegUtra1)和SegiUra2)分別為丨坪和tra2中的分段,稱SegiUra1) 和Segi (tra2)為相似分段，當(dāng)兩個分段之間IP的數(shù)量相等；兩個分段之間的分段時間的絕對差值小于一個常數(shù)，即(Ti Ura1) Ti+1 Ura1)) - (Ti (tra2) Ti+1 (tra2)) | <tp 相似路線，由分段組成，如果有多個連續(xù)的相似分段，則為相似路線；假設(shè)A和&是相似路線，則認為兩條路線沒有區(qū)別，即vdifveetOT (η αΓ&1)，?！功力?amp;2))=ο;下述公式計算軌跡之間的不相似度
7.一種時空軌跡相似度計算系統(tǒng)，其特征在于，包括定義轉(zhuǎn)角率模塊，用于定義距離轉(zhuǎn)角率，刻畫用戶興趣點的特征；興趣點模塊，用于根據(jù)經(jīng)驗閾值，識別用戶興趣點；根據(jù)軌跡的用戶興趣點計算其公共興趣點；相似度匹配模塊，用于計算分段之間的相似度以及不相似度，其中所述分段為兩個公共興趣點之間的分段；通過定義分段時間、相似分段、相似路線，計算軌跡之間的相似度以及不相似度，從而得到軌跡相似度。
8.如權(quán)利要求7所述的時空軌跡相似度計算系統(tǒng)，其特征在于，所述定義轉(zhuǎn)角率模塊還包括定義 Pi-i、Pi 到 Pi+i 的距離轉(zhuǎn)角率 LATatio(p(i-l), p(i), p(i+l)),其中 Pi—pPpPw 分別為用戶興趣點。
9.如權(quán)利要求8所述的時空軌跡相似度計算系統(tǒng)，其特征在于，包括距離轉(zhuǎn)角率公式如下
10.如權(quán)利要求7所述的時空軌跡相似度計算系統(tǒng)，其特征在于，所述興趣點模塊還包括 經(jīng)驗閾值模塊，用于如果ratio>P (這里P是一個經(jīng)驗閾值)，則認為興趣點P (i)和p(i+l)是同一個興趣點，IS(j)表示軌跡中的j個興趣點；為了計算軌跡的相異程度，用IP(J)表示 IS(j)，IP(j) = (long(j)，Lat(j)，T(j))是 IS(j)中興趣點的加權(quán)平均，其中 j是興趣點的編號，
11.如權(quán)利要求7所述的時空軌跡相似度計算系統(tǒng)，其特征在于，所述相似度匹配模塊還包括分段模塊，用于位于c(i)和CoIP(i+l)中間的部分為tra(l)中的分段，記做 segtra (i)；下述公式計算分段的不相似程度difvector (Segi (tra)，Segi (tra2)) =Vdifvector (Segi (tra^，Segi (tra2)) +1 nlin_n2in其中，Vdifvector (Segi (tra)，Segi (tra2)) = | | vql (Segi Ura1)) -vql (Segi (tra2)) | +1 | vq2 (Segi (tr B1)) -vq2 (Segi (tra2))nin是軌跡中兩個興趣點之間非公共興趣點的數(shù)量。
12.如權(quán)利要求7所述的時空軌跡相似度計算系統(tǒng)，其特征在于，所述相似度匹配模塊還包括相似度運算模塊，用于分段時間，是指用戶從一個CoIP到另一個CoIP的間隔時間，如果 CoIPi= (Long” Lati, Ti),且 CoIPi+1= (Long沖 Lati+1，Ti+1)，那么 Ti-Tw, Ti-Tw 即 CoIPi 和 CoIPi+1在軌跡中的分段時間；相似分段，是令SegiUra1)和SegJtra2)分別為I^a1和a2中的分段,稱SegiUra1)和 Segi (tra2)為相似分段，當(dāng)兩個分段之間IP的數(shù)量相等；兩個分段之間的分段時間的絕對差值小于一個常數(shù)，即(Ti Ura1) Ti+1 Ura1)) - (Ti (tra2) Ti+1 (tra2)) | <tp 相似路線，由分段組成，如果有多個連續(xù)的相似分段，則為相似路線；假設(shè)A和&是相似路線，則認為兩條路線沒有區(qū)別，即vdifveetOT (η αΓ&1)，Γ」αΓ&2))=ο;下述公式計算軌跡之間的不相似度
全文摘要
本發(fā)明公開一種時空軌跡相似度計算方法及系統(tǒng)，所述方法包括步驟1，定義距離轉(zhuǎn)角率，刻畫用戶興趣點的特征；步驟2，根據(jù)經(jīng)驗閾值，識別用戶興趣點；根據(jù)軌跡的用戶興趣點計算其公共興趣點；步驟3，計算分段之間的相似度以及不相似度，其中所述分段為兩個公共興趣點之間的分段；通過定義分段時間、相似分段、相似路線，計算軌跡之間的相似度以及不相似度，從而得到軌跡相似度。
文檔編號G06F17/30GK102722541SQ20121016299
公開日2012年10月10日 申請日期2012年5月23日 優(yōu)先權(quán)日2012年5月23日
發(fā)明者葉劍, 姚昱旻, 張筱旋, 朱珍民, 杜靜, 王冠男 申請人:中國科學(xué)院計算技術(shù)研究所