轨迹数据

摘要： 随着卫星定位技术和移动互联网的不断发展,全球范围内产生了大量不同类型的轨迹数据。通过对不同环境中收集到的轨迹数据进行挖掘,研究移动对象的行为特征,进而实现移动对象的分类识别,对于掌握居民出行规律、国家安全和国防军事具有重要意义。本文首先介绍GPS轨迹数据的内容及具体的应用场景,并在此基础上分析轨迹数据的主要特征;然后,详细阐述轨迹数据分类识别过程中特征提取和分类建模的研究现状,并总结现有的研究方法和发展趋势;最后,对基于轨迹数据的移动对象分类识别存在的问题与挑战进行了讨论。

摘要： 介绍了利用出租车轨迹数据提取城市居民出行时空分布特征的过程,包括利用数理统计的方法对出租车上下客事件基于时间进行特征分析;给出了一种融合核密度估计(KDE)与兴趣点(POI)分类的密度聚类算法,实现了出租车上下客热点区域的挖掘以及居民出行活动规律与城市功能区之间关系的发现.研究表明:居民的出行活动特征在“工-休”日之间以及不同时段之间都表现出明显的差异,并且这种差异性与城市功能区的分布有着密切的联系.

摘要： 以牧区牲畜产生的轨迹数据为依据构建了一种适合牧区的轨迹挖掘模型——BP-DBSCAN模型,并结合大数据技术,利用Hadoop开源平台的数据计算处理框架,对轨迹数据进行预处理,可以更准确地挖掘到有价值的信息,对于后续草原放牧研究具有重要的指导意义。

摘要： 针对现有密度聚类算法在从轨迹数据集中识别热点活动区域时,存在参数设置敏感、密度不均匀时聚类效果差等问题,提出了基于近邻密度比的密度聚类算法。该算法首先可以结合轨迹自身的特征,从单条轨迹中提取局部的高密度区域,然后从中筛选出潜在的有效活动点区域,计算区域的活动度,最后从潜在的活动点区域得到真正的热点区域。该算法一方面可以避免轨迹间采样频率差异以及噪声点带来的影响,另一方面在挖掘热点区域时不仅考虑空间上的关联性,也考虑时间上的关联性,能够更有效地发现热点区域。

摘要： 由于移动对象自身行为特征和整体规律的不同,使得其产生的轨迹数据具有较大的时空分布不均特点,从而影响轨迹数据索引和查询的效率。针对现有轨迹数据索引方法很少考虑轨迹数据分布不均特性的情况,提出了一种基于历史数据预分区的时空索引方法,其借助轨迹数据时空维度上分布的相似性,首先在空间上根据数据分布情况对Geohash编码进行预分区,进而建立轨迹数据的索引结构和基于HBase的存储模型,并利用该索引结构设计了基于Geohash分区的查询分解算法。基于真实出租车轨迹数据集的实验表明,相较于均匀划分的扩展的HGrid方法与混合编码的ST-hash方法,本文提出的索引结构及其查询方法可以有效提升海量具有不均匀特征轨迹数据的时空查询性能,并且可以在保证查询结果准确性的同时,最大限度地减少子查询的数量。

摘要： 为了加强对局部空域航路的掌握和管理,提出一种基于轨迹点聚类的航路发现方法。首先,针对根据真实数据的分布特点生成的仿真数据,采用预处理模块对轨迹数据的噪声进行削弱和剔除;其次,提出一种包括孤立点剔除、轨迹重采样、轨迹点聚类、聚类中心修正和连接聚类中心五个部分的航路发现方法,对航路进行提取;最后,对航路提取结果进行了可视化输出,并使用民航数据对该方法进行了验证。在仿真数据上的实验结果表明,在噪声强度为0.1°、缓冲区为30 km的条件下,所提方法的节点覆盖率和长度覆盖率分别为99%和94%;与栅格化方法相比,该方法具有较高准确性,能够对航路进行更有效的提取,达到了提取飞行器常见航路的目的。

摘要： 现有的换道轨迹研究大多是将换道轨迹规划和换道轨迹跟踪进行相对独立的研究,这类轨迹在实施过程中将产生不可避免的误差。为了消除这一误差以及缓解或解决由于不当换道行为引起的交通问题,本文提出一种考虑车辆动力传动和转向系统的换道轨迹优化策略,用以指导或替代驾驶员的换道行为。首先,利用Next Generation Simulation(NGSIM)数据获得换道过程的主要驾驶任务,并用highD数据对其进行验证。其次,基于二自由度车辆模型分析车辆的换道运动特性,构建能够被动力传动系统和转向系统所实现的换道轨迹。结果表明,所提策略可以在保证驾驶安全性的前提下,实现经济、舒适和高效的换道过程。单独考虑经济、舒适和高效的优化策略,能够分别降低35.71%的单位路程燃油消耗,94.58%的前轮转角的角速度以及70%的换道所需时间。这说明所提的换道轨迹优化策略能够从微观角度缓解或解决由不当换道驾驶行为造成的交通问题,并为驾驶辅助系统提供理论依据和方法指导。

摘要： 针对目前电动汽车充电桩利用率低、充电站盈利困难的问题,提出了一种基于轨迹数据的出租车充电站选址方法。分析了出租车停留状态的轨迹数据特性,提取可支持车辆充电时长的出租车停留点。对停留点进行地图匹配,筛选掉在道路上的停留点。对非道路区域停留点进行聚类,得出多辆车停留密集区域作为充电站地点区域。分析了停留点的时间分布,以充电站区域停留点高峰时候的停留点数为参考对充电站定容。以福州市4 416辆出租车的轨迹数据为实验样本得出了16个充电站的选址方案,以司机的充电便利性与充电站的经济性进行合理性分析。结果表明:在选出的充电站中涉及了2 741辆车,可为六成以上的出租车提供非运营状态下充电,折旧期(六年)内充电站总盈利为4 316.56万元。可见,该方法既能为车主提供充电便利,又可有效保证充电站的盈利,可为电动出租车充电站建设与运营提供有效参考。

摘要： 地图匹配是轨迹数据挖掘的基本操作,在许多空间数据智能场景中都非常有用.基于隐马尔可夫模型(hidden Markov model,HMM)的地图匹配算法具有较高的准确率,应用最为广泛,但其计算效率较低,难以应对实时性要求较高的大规模轨迹情形.提出了一个基于路网层次收缩的分布式地图匹配框架CHMM,能够对大规模的轨迹数据实现快速地图匹配.具体而言,提出了一个简单但有效的分区方案,能够解决分布式场景下轨迹数据分布不平衡的问题;提出了一个基于路网层次收缩的多对多最短路径查询算法,能够保证结果不变的情况下,显著提升基于HMM的地图匹配算法的效率.采用真实的路网数据和轨迹数据做了充分的实验,实验结果表明:CHMM算法具有更快的计算效率和更强的可扩展性.CHMM算法落回到了真实的产品中,支持了多个项目的落地.我们也开源了核心代码,并提供了一个在线演示系统.

摘要： 针对稀疏环境下的移动对象轨迹数据经匿名处理后可用性低的问题,提出一种稀疏环境下基于假轨迹的轨迹隐私保护算法。在本文算法中,考虑了移动对象所处的地理环境,将轨迹的整体方向和轨迹间距作为选择假轨迹的重要依据。此外,还提出了使用访问概率的概念来平衡匿名和数据可用性,从而实现轨迹数据匿名。基于移动对象的轨迹数据集进行实验与分析,实验结果表明,本文算法在满足轨迹数据匿名需求的情况下有更高的数据可用性。

摘要： 为缓解人口规模扩大和机动化水平迅速提高引致的交通压力,城市中的高快速路正在进行或即将面临改扩建,复合式、小间距互通立交群改造将更加多见.匝道是互通式立交的重要组成,掌握其通行能力与交通流特性是保证立交顺畅运行的重要指标.本文基于GPS轨迹数据,以小型车与货车为主要研究对象,以车辆动力学模型与跟驰理论相结合的方法,综合匝道坡度、线型等因素,从交通流速度、流量和密度的三要素之间的关系,分析匝道纵坡路段的车流运行特性,建立匝道的分流区、合流区、基本路段的通行能力模型与服务水平评价指标,为高快速路立交改造提供量化支撑.最后,结合深圳机荷高速公路改扩建工程进行实际应用分析.

摘要： 基于GPS时空轨迹数据的车辆路线识别一直是轨迹数据挖掘的重要方向,鉴于班线客车路线的特殊性,提出一种基于班线客车GPS轨迹大数据的路线识别优化算法,通过轨迹特征挖掘、有效轨迹提取、轨迹聚合、轨迹地理网格编码等方法实现班线以及车辆完整路线识别.通过对重庆地区部分班线客车实证分析发现,与传统基于车辆历史轨迹的网格编码方法相比,提出的算法不仅可以减少车辆路线的表示网格,还可以更为准确地代表车辆路线,这对于识别车辆线路异常及后续深入挖掘研究具有重要意义.

摘要： 为验证轨迹数据的真实性、完整性,检验轨迹数据是否被篡改,提出一种基于弱水印的轨迹数据完整性方法.该方法包括水印嵌入算法和水印检测算法.水印嵌入算法是以嵌入两次水印的方式将组水印和轨迹点水印这两种弱水印信息嵌入到轨迹数据中.嵌入水印时,首先将轨迹数据按照时间分为若干个组,然后将由组标识生成的组水印和由轨迹点坐标生成的轨迹点水印按照一定的规则分别嵌入到轨迹点坐标的最低有效位和轨迹点坐标的次最低有效位.水印检测算法是分别对轨迹数据进行组水印检测和轨迹点水印检测,然后通过水印验证向量的结果模式来判定轨迹数据的完整性.检测水印时,根据水印验证向量的结果统计篡改检测率评估水印算法的脆弱性.严格分析表明,对于被篡改的数据可对数据的篡改进行定位,并识别数据篡改的类型,而且也通过实验证明了这一点。

摘要： 由于轨迹数据量非常大,使用基于密度网格的方法能极大提高热点区域挖掘效率.现有方法多使用规则密度网格,如果对参数设置不合理会影响结果的准确性和挖掘效率,导致方法适用性较差.本文方法局部多层次划分样本空间,根据样本分布情况自适应地把样本空间划分为不规则网格的集合,在此基础上挖掘轨迹数据热点区域.使用真实的轨迹数据做了大量对比实验，验证本文提出的方法的效果和效率。

摘要： 介绍一种用数值积分法实时处理飞行器被动段轨迹数据的方法,由计算机系统在飞行器被动段飞行的初始部分选取一点高精度实测轨迹数据进行积分,形成积分轨迹,当无实测轨迹时,计算机系统输出积分轨迹确保试验指挥信息中的轨迹信息能连续不间断正常显示.

摘要： 传统的人群密度计算方法主要采用图像或视频监控进行识别估算,不能从整个城市范围进行精确的计算.利用移动电话在基站后台留下的轨迹数据,对移动基站手机接入量与人群分布的关系给出形式化的定义;建立了手机分布密度与人群密度之间的关系模型:使用马尔科夫链对基站覆盖区域的人群分布密度构建动态预测模型.最后利用某市主城区中国移动的基站数据和手机轨迹数据进行实验,实验结果显示,人群密度的预测精度为89.4％,为下一步开展提高人群密度的计算精度和提高人群密度预测的准确性的研究工作奠定了基础.

摘要： 移动终端的普及和GPS定位的发展,产生了海量的轨迹数据.许多基于位置的服务利用这些轨迹数据为用户提供服务.但是轨迹数据日益增多带来了许多挑战:数据量巨大、查询延时增长、数据分析困难以及数据冗余.轨迹压缩对于提供更好的服务是非常有必要的,因此提出了基于行驶特征的轨迹压缩技术,考虑了行驶特征并且把轨迹数据建模为马尔可夫序列.行驶特征包括速度、方向和位置.使用高斯分布对速度变化、方向变化和位置距离进行建模,下一个点的状态就能通过之前的信息来进行预测.根据预测的准确度,为每个轨迹点赋予条件自信息量.筛选出满足用户设定准确度阈值的点,组成压缩后的轨迹.在真实数据集上进行了一系列的实验,证明了算法的性能.

摘要： 由于船舶自动识别系统(Automatic Identify System,AIS)在海上交通应用中的迅猛发展,因此大量的船舶AIS轨迹数据被采集存储并应用于船舶交通的分析.这些AIS数据中通常包含着大量多维度的时间属性,空间属性等信息,然而传统的二维轨迹可视化方法往往只展现出船舶轨迹数据的空间属性,极少触及其时间属性等其他信息.本文针对此不足提出了一种能同时展示时间,经度,纬度和速度的四维度可视化模型来充分展示AIS数据的多维特性.然后通过实例说明该可视化模型能使人更直观深入的理解AIS轨迹数据尤其是在时间信息的帮助下.最后通过选取桥区的船舶轨迹数据进行分析.结果表明该模型能准确的表现出桥区船舶的通航状态.

摘要： 室内涉密环境中热点区域发现的研究对于防止危险事件、失窃和泄密事件的发生有重要的意义.之前针对室内热点区域发现的研究很少,已有的研究比如基于密度的热点区域发现方法并不能完全体现室内热点区域.比如,密度很大的区域可能是一个出入口,并不是想要的热点区域.因此,本文拟提出一个融合多种因素的室内热点区域发现算法.从室内轨迹中提取区域密度、区域停留时间、区域访问次数这三个因素.然后,通过评估指标MAP、P@n和nDCG得出性能最好的方法.

摘要： 室内涉密环境中热点区域发现的研究对于防止危险事件、失窃和泄密事件的发生有重要的意义.之前针对室内热点区域发现的研究很少,已有的研究比如基于密度的热点区域发现方法并不能完全体现室内热点区域.比如,密度很大的区域可能是一个出入口,并不是想要的热点区域.因此,本文拟提出一个融合多种因素的室内热点区域发现算法.从室内轨迹中提取区域密度、区域停留时间、区域访问次数这三个因素.然后,通过评估指标MAP、P@n和nDCG得出性能最好的方法.

摘要： 本发明公开了一种面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质。该方法包括对用户的初始轨迹T0进行停止点搜索，获得停止点；采用类别距离优先法或马尔科夫矩阵法获得POI；使用获得的POI替换停止点，得到混淆轨迹T1；以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td；以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy。本发明采用停止点混淆技术、类别‑距离优先法和马尔科夫矩阵，利用已有的POI信息和停止点搜索技术对用户的轨迹进行混淆，根据类别和概率判断来选择用于替换停止点的最佳POI，降低匿名后的轨迹效用损失，实现了面向语义的轨迹隐私保护。

摘要： 本发明公开了一种基于点密度分割轨迹实现轨迹数据发布k匿名的方法，包括步骤：1)获取基础轨迹数据，建立轨迹数据集模型；2)建立轨迹损失模型DGH树；3)在轨迹数据集模型中添加虚拟点，生成包含虚拟点的轨迹数据集模型和虚拟点标记数据集模型；4)对包含虚拟点的轨迹数据集模型进行聚类，标记每个点所属的聚类中心，生成标记数据集模型；5)遍历轨迹数据集模型，通过标记数据集模型对轨迹进行分割，生成分割后的轨迹数据集模型；6)对于分割后的数据集模型采用动态序列对齐算法计算损失，再使用迭代式轨迹k匿名聚类算法进行基于信息损失的聚类。本发明基于轨迹数据集的点密度对轨迹进行分割，减少了k匿名过程中造成的信息损失。

摘要： 本发明提供基于路网和轨迹数据的轨迹拟合方法、装置、终端及介质，包括：清洗轨迹数据；根据清洗后的轨迹数据召回对应的路网数据；输入所述清洗后的轨迹数据及对应召回的路网数据，以构建地图匹配模型；所述地图匹配模块用于输出拟合轨迹所包含道路的道路信息。本发明通过清洗用户端软件轨迹数据和车辆端硬件轨迹数据，结合路网信息来拟合用户的骑行轨迹，展示更为极致的定位服务，给用户带来更好的骑行体验。为车辆的终点定位拟合等提供了重要的技术支持。

摘要： 本发明公开一种基于轨迹分段的面向轨迹数据发布的隐私保护方法，步骤为：对基于位置服务应用提供商积累的原始轨迹数据集运用基于轨迹分段填充的等价类划分算法；对每个等价类运用基于轨迹分段聚类的聚类组构建算法：确定聚类组的开始时间并划分候选聚类组；遍历每个候选聚类组，确定轨迹集合，构建位于聚类组时间区间外的轨迹分段；将未加入聚类组的轨迹插入时间区间与之相同、空间位置最近的聚类组中；对每个聚类组中每条轨迹上的每个位置点进行空间扰动，将每个聚类组都变成一个匿名轨迹集合，做为可直接发布的轨迹数据集。本发明方法采用等价类划分算法，减少了删除的时空点数目，保证等价类中包含足够数目的轨迹，提高了待发布数据的可用性。

摘要： 本发明实施例提供一种轨迹数据上报方法及移动轨迹还原方法，轨迹数据上报方法包括：以原始轨迹数据中的第1个数据点为起始数据点，判断起始数据点之后的第n个数据点是否满足预设条件；若第n个数据点至少满足预设条件中的一个，则上报第n个数据点。本发明实施例提供的轨迹数据上报方法及移动轨迹还原方法，基于虚拟的路宽以及边界组成的三维空间内，由N个切线组成的首尾相连的线段，连接处即为轨迹数据的采集点，以及这些点构成的形态良好的线性轨迹，在未大幅增加上报数据量的情况下，通过算法使得轨迹更加直观、清晰地还原实际行驶路线。

摘要： 本发明提出了一种利用海量行为轨迹数据进行轨迹追踪以及轨迹判别的工作方法，包括如下步骤：S1，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，S2，将提取后的行进轨迹相应的风速数据、气温数据和降水量数据进行收敛估计之后反馈给用户。

摘要： 本发明提供了一种基于轨迹大数据的逆行轨迹过滤方法及装置，方法包括：首先，获取原始轨迹数据进行预处理；随后，提取每一轨迹段对应的轨迹特征线；接着，判断轨迹特征线起终点是否为逆行状态，得到初筛逆行轨迹点。进一步，判断初筛逆行轨迹点周边的轨迹簇中，非逆行状态的轨迹右侧是否存在与所述初筛逆行轨迹点同向的轨迹簇，以获得细筛逆行轨迹点；最后，若一条轨迹特征线起点或终处于逆行状态，则该特征线上所有的轨迹均处于逆行状态，以此可过滤轨迹数据中的逆行轨迹。本发明能够扩充轨迹预处理方案，减小异常驾驶行为带来的数据质量影响。还能够区分逆向行驶轨迹和处于无双向车道路段的行驶轨迹，避免误过滤非逆行轨迹数据。

摘要： 本发明涉及轨迹伴随模式挖掘技术领域，涉及一种校准轨迹数据以提高轨迹伴随挖掘时效性的方法，包括：一、从出租车轨迹数据库获取近期历史数据；二、提取数据中经纬度、车辆标识以及时间戳；将原始数据进行预处理，清洗噪声数据以及填补空缺值；三、挖掘轨迹点的额外属性；四、结合车辆移动特征，过滤出具有强特征的移动特征轨迹点，将过滤出的点添加网格索引生成以网格为索引的车辆轨迹参考系统；五、基于生成的参考系统，根据轨迹流数据中的轨迹点索引以基于欧式距离实时校准到参考系统中距离最小的移动特征点；步骤六、将被校准后的特征点进行实时通用伴随模式挖掘。本发明能较佳地提高轨迹伴随挖掘时效性。

摘要： 本申请公开了一种目标轨迹数据的处理方法、系统、临时轨迹的处理方法，属于自动驾驶技术领域。该目标轨迹数据的处理方法主要包括：对采集设备实时采集的图像帧中的目标点云在图像帧中出现的帧数进行实时分析；根据实时分析的结果，将当前图像帧中新出现目标的目标点云添加进备选点云集；当备选点云集中的目标点云对应的目标在实时采集的图像帧中出现的帧数达到第一阈值时，生成相应目标的临时轨迹，并将临时轨迹添加进临时轨迹集合；在临时轨迹集合中，当对应的目标在实时采集的图像帧中不再出现的帧数超过第二阈值时，将该目标相应的临时轨迹删除。本申请能够降低目标点云的存储量和处理计算量，降低对存储空间的需求，提高目标点云处理效率。

摘要： 本发明公开了一种移动轨迹大数据驱动的异常轨迹检测方法，包括以下步骤：S1：获取车辆的移动轨迹数据，对移动轨迹数据进行预处理；S2：提取载客状态下的车辆行驶轨迹数据集，并进行轨迹地图匹配、网格化、相同起始点轨迹对提取以及轨迹增强处理；S3:计算载客状态下的车辆行驶轨迹的实际行驶距离和持续时长特征；S4：对出租车司机绕行的异常轨迹进行新的定义；S5:构建基于实际行驶距离和持续时间的成本因子，并通过成本因子构建ASM‑CF模型，提高异常轨迹检测的准确性；S6：使用ASM‑CF模型对真实的出租车移动轨迹大数据进行检测，解决传统异常轨迹检测方法无法准确识别司机绕行的异常轨迹提高了异常轨迹检测的精确性。