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）和無線通訊技術的發(fā)展，人類獲取了大量移動對象的時空軌跡數據，時空軌跡數據挖掘已成為當前的研究熱點，在智能交通系統(tǒng)、氣候監(jiān)測、運動生態(tài)學等領域具有重要意義。運動特征是移動對象的運動參數如速度、加速度等表現出的可以區(qū)別于其他對象的征象或標志，它是移動對象的重要屬性，能夠反映移動對象的內在特點以及外部環(huán)境對其運動的影響。軌跡的相似性度量是軌跡數據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)現等應用中。
　　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，改進并發(fā)展新的基于運動特征的軌跡相似性度量，并將其應用于相關應用中，論文主要工作和成果如下:
　　1，在對現有運動參數和運動特征總結與凝煉的基礎上，提出了基于層次運動特征和分類學習的軌跡相似性度量，并將其應用于移動目標識別。該相似性度量分別提取全局和局部運動特征而構成層次運動特征，全局特征利用高級的統(tǒng)計量來提取，局部特征從分割

3、后的運動參數時間序列中提取，層次運動特征與分類學習方法支持向量機相結合構建相似性度量。在三個真實軌跡數據集上的實驗表明，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，并將其應用于基于多重運動特征的運動序列模式發(fā)現。該相似性度量借鑒數據立方體的思想，將多重運動參數時間序列進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，以此作為加權編輯距離的替換代

4、價，最終以加權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合進行運動序列模式發(fā)現，以大西洋颶風數據為例，通過氣象文獻中颶風的發(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，并將其應用于基于運動特征的軌跡時空分布模式發(fā)現中。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準化的加權編輯距離(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，通過加權平均方式將這三個距離有效、靈活地結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合進行基于運動特征的時空分布模式發(fā)現，通過氣象文