一种低采样定位环境下的室内语义轨迹标注和补全方法技术

本发明专利技术公开了一种低采样定位环境下的室内语义轨迹标注和补全方法。语义实体和室内空间结构信息录入，构建获得移动转移图；采集原始位置轨迹，对每个原始位置轨迹分割形成多个分割片段；对于事件模式，用户选取绑定位置轨迹片段；将分割片段和位置轨迹片段的关键特征进行相似性比较，取相似性最高的进行相关性链接，形成一组独立的语义元组；将语义元组组装，概率推断计算生成缺失部分的语义元组；插入补全后将完整的语义轨迹导出。本发明专利技术方法在面向移动约束复杂、位置数据采样频率较低的室内定位场景时，可导出准确可用的完整语义轨迹数据。

An Indoor Semantic Track Labeling and Completion Method in Low Sampling Location Environment

The invention discloses an indoor semantic trajectory labeling and completion method under a low sampling location environment. Semantic entity and indoor spatial structure information are input to construct a moving transfer map; original position trajectories are collected, and each original position trajectory is segmented into multiple segments; for event patterns, users choose to bind and locate the trajectory segments; the key features of the segmented segments and the location trajectory segments are compared to obtain the most similar correlation links. A set of independent semantic tuples is formed; the semantic tuples are assembled and the missing parts are generated by probability inference calculation; after insertion and completion, the complete semantic trajectory is derived. The method of the invention can derive accurate and available complete semantic trajectory data for indoor positioning scenes with complex mobility constraints and low sampling frequency of location data.

【技术实现步骤摘要】
一种低采样定位环境下的室内语义轨迹标注和补全方法
本专利技术涉及时空数据挖掘领域的时序数据分割技术、概率推断技术以及语义提取技术，尤其是涉及了一种低采样定位环境下的室内语义轨迹标注和补全方法。
技术介绍
近年来随着智能终端的大力普及和室内定位基础设施的快速发展，室内位置数据正以前所未有的速度进行着增长。丰富的室内位置数据记录下了大量行人和设备在室内环境中的移动特征。通过对这些移动特征进行有效分析，可获取重要的移动知识，帮助数据分析人员洞悉目标群体在室内环境下的行为模式。然而，室内位置数据仅记录了目标对象的空间坐标，缺乏可帮助上层应用进行分析的语义信息，例如对象当前所处的区域名称或正在进行的行为事件等。因此，在实际的分析挖掘应用中，需要将原始的位置数据和具体的上下文语义实体进行链接，形成一种直观、简洁且便于处理的语义表达序列。语义轨迹提取是一种对原始的位置轨迹进行转义和实体抽取的技术，其主要通过生成标注或补充性的数据分节来完成对相关语义信息的链接和丰富。传统的地理信息应用通过计算目标对象在特定地理区域内的速度均值来判定其当前处于静止还是运动状态，从而生成事件模式标注。更为一般的方法，可根据特定的上层应用需要，选定不同的关键移动特征，并通过阈值参数如时空间隔、最大速度、停留中最大变动距离等，来组合得到具体的事件和地理位置名称标注。与上述对原始轨迹进行额外信息补充的方法不同，一种轨迹分割摘要方法考虑了目标对象的行为作用范围，以此为依据将轨迹分割为多个片段，并分别提取关键特征进行文本摘要。以上方法均面向于室外环境下由全球定位系统生成的经纬度位置轨迹，其工作的前提在于假定地理空间对象可自由移动、室外语义位置区别较为显著。在典型的室内定位场景中，定位传感元件需要按照一定频率对移动对象进行采样观测并估算其当前位置。然而，受限于移动设备电力消耗、定位元件技术规格和室内障碍物遮蔽等因素的影响，室内位置数据的采样频率通常很低。在给定连续的两条位置记录之间，可能存有较长时间段的数据空白——对象所处位置的信息是系统未知的。此外，狭小室内环境中规划的语义区域，通常十分紧凑；空间中容纳的大量门窗、障碍物元素增大了移动对象运动的复杂性。这些都给室内语义区域实体的标注带来了更大挑战。传统的用于地理空间的事件、地理位置名称的标注方法，在面对室内低采样的位置数据时，难以完成对对象未观测位置的推断，且标注实体的准确度无法达到分析应用的一般要求。
技术实现思路
针对现有技术的不足，本专利技术的目的在于提供一种低采样定位环境下的室内语义轨迹标注和补全方法。本专利技术中，室内移动对象和室内环境内设有定位传感元件，通过定位传感元件采集到室内移动对象在室内环境中移动过程的轨迹，对轨迹结合室内环境中的局部场景、事件进行标注形成室内语义轨迹。如图1所示，本专利技术解决其技术问题采用的技术方案如下：1)首先将用户预定义的语义实体和室内空间结构信息录入，利用语义实体结合室内空间结构信息构建获得带有移动转移概率值的移动转移图；所述的语义实体包括语义区域和事件模式，语义区域是指带有独立语义含义且独立划分的空间区域，事件模式是指带有独立语义含义的行为模式。例如语义含义为产品品牌、产品购买、产品观察停留。室内空间结构信息例如可以为建筑室内图。本专利技术所述的低采样定位环境是指一个室内移动对象的位置数据产生的周期大于5秒的采样环境。2)通过定位传感元件采集到室内移动对象在室内环境中移动过程的轨迹作为原始位置轨迹，对每个原始位置轨迹根据语义实体的不同进行分割处理，形成不同语义实体对应的多个分割片段，一个分割片段对应一个语义实体；3)对于每个确定的事件模式，用户从原始位置轨迹中选取并绑定一组与该事件模式对应的位置轨迹片段；室内移动对象可以为用户。4)将每个分割片段的关键特征和位置轨迹片段的关键特征进行相似性比较，将相似性最高的分割片段对应的语义实体和已知位置轨迹片段对应的事件模式进行相关性链接，形成一组独立的语义元组；即将分割片段、语义区域和事件模式构成一个语义元组；具体实施中关键特征的选择可参照对应片段的时空属性，包括片段密集与否、位置估计方差、采样条件、记录条数、覆盖范围、移动距离、移动速度、转向次数等。所有绑定的位置轨迹片段所抽取的关键特征用于后续对该事件模式的相关性链接。5)将每个原始位置轨迹对应的语义元组进行组装，结合移动转移图信息对时序的缺失部分进行概率推断计算，生成缺失部分的语义元组；将缺失部分的语义元组插入到对应的语义轨迹中进行补全，并将完整的语义轨迹导出。所述步骤1)中，用户根据室内空间的实际规划和分析应用的具体需求，预先指定一组具有明确含义的语义区域。具体是对语义区域在空间中的几何范围进行划定；对语义区域的名称、标签和描述信息进行定义；对语义区域间的拓扑连通和移动距离的关系进行计算和维护。所述步骤1)中，对室内空间结构信息中的室内元素进行识别，并判断各语义区域间的连通属性，再通过对连通属性的维护，构建以语义区域为结点、连通关系为边、边权重为语义区域间移动转移概率的有向标签图作为移动转移图。具体实施中，一开始步骤1)中的移动转移图中的移动转移概率初始化设置为：对于每个结点，计算从它出发到相邻结点的移动距离的倒数；以所有相邻结点的移动距离的倒数的和作为分母，进行归一化，得到该结点到每个相邻结点的移动转移概率的初始化值。所述步骤2)具体是：2.1)以每个室内移动对象的唯一标识读取固定时间周期内的定位位置数据，以每个室内移动对象的唯一标识进行组织，按照时序组织构成形成原始位置轨迹，将构建的一批原始位置轨迹读取；所述步骤2.1)的定位数据，可以由室内部署的无线定位系统进行采集，如基于Wi-Fi或蓝牙的定位系统。作为优选，可选择由指纹定位算法或RSSI三边测距定位算法估算的、以二维或三维几何坐标进行位置描述的带时间戳定位记录。移动对象的唯一标识，可以采用被观测移动设备的无线芯片MAC地址进行表达。2.2)对于每条原始位置轨迹，按照轨迹中各个定位位置记录的时间和/或空间信息对原始位置轨迹进行分割处理，形成多个分割片段。所述步骤2.2)中，进一步对原始位置轨迹进行约束性检查发现存在错误的定位位置，然后在原始位置轨迹上通过前向和后向扫描，对于始终存在错误的轨迹位置，根据错误轨迹位置前、后正确的轨迹位置之间的最小距离的路径，进行按时间均匀分配的插值，得到插值位置替换错误轨迹位置，在完成插值计算后，按照定位位排列置的时间和/或空间信息对原始位置轨迹进行不同方法的分割。例如，可按照连续两条记录间的速度判定目标对象是否处于运动或静止状态，从而基于速度进行轨迹分割。又例如，可按照记录落入的语义区域的范围，对轨迹进行基于空间范围的分割。作为优选，可首先利用时空密度聚类技术将时间和空间值同时紧密的记录组织到一个簇中，并基于这些记录簇进行轨迹分割。其中，每个簇中包含的定位记录形成一个密集轨迹片段，两个簇之间的连续记录形成一个非密集片段。该方法使得一个移动事件对应的连续记录可被安排到同一分割片段中，且避免了基于速度或空间范围的分割在采样频度低情况下面临的计算信息不完全的问题。所述步骤4)中，关键特征是从位置轨迹片段/分割片段抽取获得的。具体实施中，用户预先确定室内空间中具有明确语义含义的语义区域本文档来自技高网...

【技术保护点】
1.一种低采样定位环境下的室内语义轨迹标注和补全方法，其特征在于：所述方法步骤具体如下：1)首先将用户预定义的语义实体和室内空间结构信息录入，利用语义实体结合室内空间结构信息构建获得移动转移图；2)通过定位传感元件采集到室内移动对象在室内环境中移动过程的轨迹作为原始位置轨迹，对每个原始位置轨迹根据语义实体的不同进行分割处理，形成不同语义实体对应的多个分割片段；3)对于语义实体中每个确定的事件模式，用户从原始位置轨迹中选取并绑定一组与该事件模式对应的位置轨迹片段；4)将每个分割片段的关键特征和位置轨迹片段的关键特征进行相似性比较，将相似性最高的分割片段对应的语义实体和已知位置轨迹片段对应的事件模式进行相关性链接，形成一组独立的语义元组；5)将每个原始位置轨迹对应的语义元组进行组装，结合移动转移图信息对时序的缺失部分进行概率推断计算，生成缺失部分的语义元组；将缺失部分的语义元组插入到对应的语义轨迹中进行补全，并将完整的语义轨迹导出。

【技术特征摘要】
1.一种低采样定位环境下的室内语义轨迹标注和补全方法，其特征在于：所述方法步骤具体如下：1)首先将用户预定义的语义实体和室内空间结构信息录入，利用语义实体结合室内空间结构信息构建获得移动转移图；2)通过定位传感元件采集到室内移动对象在室内环境中移动过程的轨迹作为原始位置轨迹，对每个原始位置轨迹根据语义实体的不同进行分割处理，形成不同语义实体对应的多个分割片段；3)对于语义实体中每个确定的事件模式，用户从原始位置轨迹中选取并绑定一组与该事件模式对应的位置轨迹片段；4)将每个分割片段的关键特征和位置轨迹片段的关键特征进行相似性比较，将相似性最高的分割片段对应的语义实体和已知位置轨迹片段对应的事件模式进行相关性链接，形成一组独立的语义元组；5)将每个原始位置轨迹对应的语义元组进行组装，结合移动转移图信息对时序的缺失部分进行概率推断计算，生成缺失部分的语义元组；将缺失部分的语义元组插入到对应的语义轨迹中进行补全，并将完整的语义轨迹导出。2.根据权利要求1所述的低采样定位环境下的室内语义轨迹标注和补全方法，其特征在于：所述步骤1)中，对室内空间结构信息中的室内元素进行识别，并判断各语义区域间的连通属性，再通过对连通属性的维护，构建以语义区域为结点、连通关系为边、边权重为语义区域间移动转移概率的有向标签图作为移动转移图。3.根据权利要求1所述的低采样定位环境下的室内语义轨迹标注和补全方法，其特征在于：所述步骤2)具体是：2.1)以每个室内移动对象的唯一标识读取固定时间周期内的定位位置数据，以每个室内移动对象的唯一标识进行组织，按照时序组织构成形成原始位置轨迹，将构建的一批原始位置轨迹读取；2.2)对于每条原始位置轨迹，按照轨迹中各个定位位置记录的时间和/或空间信息对原始位置轨迹进行分割处理，形成多个分割片段；所述步骤2.2)中，进一步对原始位置轨迹进行约束性检查发现存在错误的定位位置，然后在原始位置轨迹上通过前向和后向扫描，对于始终存在错误的轨迹位置，根据错误轨迹位置前、后正确的轨迹位置之间的最小距离的路径，进行按时间均匀分配的插值，得到插值位置替换错误轨迹位置，在完成插值计算后，按照定位位排列置的时间和/或空间信息对原始位置轨迹进行不同方法的分割。4.根据权利要求1所述的低采样定位环境下的室内语义轨迹标注和补全方法，其特征在于：所述步骤4)中，关键特征是从位置轨迹片段/分割片段抽取获得的。5.根据权利要求1所述的低采样定位环境下的室内语义轨迹标注和补全方法，其特征在于：所述步骤4)具体是：4.1)对于每个分割片段，读取所有位置轨迹片段的关键特征，通过相关性分析位置轨迹片段的关键特征和分割片段的的关键特征，搜索一个最佳匹配的位置轨迹片段，用位置轨迹片段对应的事件模式对分割片段进行事件模式标注；4.2)对...

【专利技术属性】
技术研发人员：寿黎但，李环，陈珂，骆歆远，陈刚，江大伟，胡天磊，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33