基于運動特征的軌跡相似性度量研究.pdf

1、隨著各種定位（如北斗、GPS等）和無線通訊技術(shù)的發(fā)展，人類獲取了大量移動對象的時空軌跡數(shù)據(jù)，時空軌跡數(shù)據(jù)挖掘已成為當(dāng)前的研究熱點，在智能交通系統(tǒng)、氣候監(jiān)測、運動生態(tài)學(xué)等領(lǐng)域具有重要意義。運動特征是移動對象的運動參數(shù)如速度、加速度等表現(xiàn)出的可以區(qū)別于其他對象的征象或標(biāo)志，它是移動對象的重要屬性，能夠反映移動對象的內(nèi)在特點以及外部環(huán)境對其運動的影響。軌跡的相似性度量是軌跡數(shù)據(jù)挖掘的核心問題之一，本文研究基于運動特征的軌跡相似性度量，其可用于

2、相似性查詢及運動模式發(fā)現(xiàn)等應(yīng)用中。
　　本文以軌跡的運動特征為主線，對軌跡的相似性度量展開深入研究，改進(jìn)并發(fā)展新的基于運動特征的軌跡相似性度量，并將其應(yīng)用于相關(guān)應(yīng)用中，論文主要工作和成果如下:
　　1，在對現(xiàn)有運動參數(shù)和運動特征總結(jié)與凝煉的基礎(chǔ)上，提出了基于層次運動特征和分類學(xué)習(xí)的軌跡相似性度量，并將其應(yīng)用于移動目標(biāo)識別。該相似性度量分別提取全局和局部運動特征而構(gòu)成層次運動特征，全局特征利用高級的統(tǒng)計量來提取，局部特征從分割

3、后的運動參數(shù)時間序列中提取，層次運動特征與分類學(xué)習(xí)方法支持向量機相結(jié)合構(gòu)建相似性度量。在三個真實軌跡數(shù)據(jù)集上的實驗表明，該相似性度量區(qū)分力強，與已有方法相比顯著提高了移動目標(biāo)的識別精度。
　　2，提出了基于多重運動特征的軌跡相似性度量，并將其應(yīng)用于基于多重運動特征的運動序列模式發(fā)現(xiàn)。該相似性度量借鑒數(shù)據(jù)立方體的思想，將多重運動參數(shù)時間序列進(jìn)行量化和符號化表示，在多重運動特征值域空間中計算兩符號間的距離，以此作為加權(quán)編輯距離的替換代

4、價，最終以加權(quán)編輯距離作為相似性度量。該相似性度量反映了多重運動特征的演變趨勢，即運動序列模式。將該相似性度量與譜聚類方法相結(jié)合進(jìn)行運動序列模式發(fā)現(xiàn)，以大西洋颶風(fēng)數(shù)據(jù)為例，通過氣象文獻(xiàn)中颶風(fēng)的發(fā)生與運動規(guī)律驗證了本方法的有效性，并分析了颶風(fēng)多重運動特征的序列模式。
　　3，提出了融合運動特征的軌跡時空相似性度量，并將其應(yīng)用于基于運動特征的軌跡時空分布模式發(fā)現(xiàn)中。該相似性度量融合了空間距離、時間距離與運動特征距離。空間距離利用實數(shù)序

5、列上的編輯距離(EDR，Edit Distance on RealSequence)來度量，運動特征距離利用標(biāo)準(zhǔn)化的加權(quán)編輯距離(NWED，Normalized WeightedEdit Distance)來度量，時間距離利用兩軌跡的起點距離、終點距離與軌跡的持續(xù)時間來度量，最終，通過加權(quán)平均方式將這三個距離有效、靈活地結(jié)合成融合運動特征的軌跡時空相似性度量。將該相似性度量與譜聚類方法相結(jié)合進(jìn)行基于運動特征的時空分布模式發(fā)現(xiàn)，通過氣象文