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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。