基于无线技术的学生校内轨迹分析系统及分析方法技术方案

本发明专利技术公开了一种基于无线技术的学生校内轨迹分析系统及分析方法，首先对校园区域进行分区，并通过2.4G技术采集学生的轨迹数据，接着对轨迹数据进行数据清洗、轨迹压缩等预处理，然后进行轨迹数据检索优化，最后通过多种模式和算法进行数据挖掘，获取学生的行为特征、生活习惯、兴趣爱好等丰富的价值信息，为高校学生管理、教学管理、校园管理提供科学的决策依据。

Student's in-school trajectory analysis system and analysis method based on wireless technology

【技术实现步骤摘要】
基于无线技术的学生校内轨迹分析系统及分析方法
本专利技术属于学生管理系统
，涉及一种学生校内轨迹分析系统，具体是一种基于无线技术的学生校内轨迹分析系统及分析方法。
技术介绍
学生在校园日常生活中产生大量的行为数据，其中很重要的一项便是轨迹数据。从广义上讲，轨迹数据是单个或多个物体移动时所产生的轨迹和位置数据的集合，属于时空的概念范畴。学生轨迹数据是指学生在以校园为中心的日常活动中所产生的轨迹数据，它包含学生的位置信息、时间信息等。高校是学生聚集的场所，每天都产生海量的轨迹数据，由于学生活动的离散化以及数据采集手段的多样化，导致采样精度难以保证，数据的整合难度大。
技术实现思路
本专利技术的目的在于提供一种基于无线技术的学生校内轨迹分析系统及分析方法，获取学生的行为特征、生活习惯、兴趣爱好等丰富的价值信息，为高校学生管理、教学管理、校园管理提供科学的决策依据。本专利技术的目的可以通过以下技术方案实现：基于无线技术的学生校内轨迹分析系统，包括轨迹数据采集模块、消费数据采集模块、签到数据采集模块、门禁数据采集模块、数据预处理模块、数据存储模块、数据索引模块、数据查询模块、数据挖掘模块、数据分类模块以及图表生成模块；所述轨迹数据采集模块，对校园各活动区域进行分区，并在各活动区域内设置射频采集器，通过识别设置在学生校园一卡通内的2.4G芯片，采集学生在校园各区域活动的轨迹数据；所述消费数据采集模块，通过校园一卡通系统，采集学生在校园内的消费数据；所述签到数据采集模块，通过学生签到系统，采集学生上课、考试的签到数据；所述门禁数据采集模块，通过宿舍门禁系统，采集学生出入宿舍记录；所述数据预处理模块，对轨迹数据采集模块采集的原始轨迹数据进行预处理操作以去除轨迹数据中的噪音和冗余；所述数据存储模块，采用关系型或分布式数据库对预处理后的轨迹数据进行存储；所述数据索引模块，采用R-tree索引、B-tree索引和K-D树索引方式建立索引；所述数据查询模块，包括轨迹点查询、区域查询和轨迹查询，其中，所述轨迹点查询用于查询满足特定时空关系的兴趣点的信息，所述区域查询用于特定区域内轨迹段，所述轨迹查询使用基于轨迹点之间距离的聚类算法对轨迹进行分类或相似性挖掘；所述数据挖掘模块，在数据预处理的基础上，通过周期模式挖掘、伴随模式挖掘和频繁模式挖掘的挖掘手段获取有价值的信息，从而获取学生行为的规律性；所述数据分类模块，用于对获取的轨迹数据进行分类，通过分类的轨迹数据挖掘获取学生个体的倾向性、规律性；所述图表生成模块，用于将数据挖掘模块和数据分类模块输出的结果转化为直观的图表形式。进一步地，所述数据预处理模块包括数据清洗单元、轨迹数据压缩单元、轨迹分段单元和路网匹配单元；所述数据清洗单元，用于清除原始轨迹数据中的冗余点和噪音点；所述轨迹数据压缩单元，采用基于路网的压缩算法、基于开放窗口或滑动窗口的在线数据约简算法、基于垂直欧氏距离或同步欧式距离的压缩算法，对轨迹数据进行压缩；所述轨迹分段单元，根据预设的时间周期，采用轨迹语义、几何拓扑和时间阈值策略对原始轨迹数据进行划分，获取对象的时空特性和规律性；所述路网匹配单元，将原始轨迹数据与路网坐标间进行转换和匹配，并结合Dijkstra算法进行线路优化。进一步地，所述周期模式挖掘用于挖掘活动对象的周期性活动；所述伴随模式挖掘是在轨迹数据中通过提取伴随对象的移动数据对群体的行为特征或规律进行挖掘，用于发现一定时空范围内的群体事件或规律；所述频繁模式挖掘是从轨迹数据中挖掘出对象活动的频繁度及时间相关性。进一步地，所述周期模式挖掘分为同步周期、异步周期和完全周期三种模式，所述同步周期模式按照周期间隔或其倍数进行数据采样和挖掘，所述异步周期模式用于噪音干扰下非固定周期行为的数据挖掘，所述完全周期模式强调整体性和全局性，对整个行为周期内的时间点进行全面的数据挖掘。进一步地，所述伴随模式挖掘包括Swarm模式、Convoy模式、Flock模式和Gahtering模式，所述Flock模式用于考察某群体在特定时空范围内的活动趋势，所述Convoy模式用于基于密度聚类的轨迹挖掘，所述Swarm模式用于对无时间连续性的移动对象的轨迹挖掘，所述Gahtering模式用于模拟群体性事件的模式挖掘。进一步地，所述频繁模式挖掘包括基于聚类算法的兴趣区域发现、基于路网匹配的模式挖掘和基于分段轨迹的模式挖掘。基于无线技术的学生校内轨迹分析方法，包括以下步骤：步骤S1，对校园各活动区域进行分区，并在各活动区域内设置射频采集器，对各区域的射频采集器进行编号；步骤S2，当学生进入相应活动区域时，通过区域内的射频采集器识别学生校园一卡通内的2.4G芯片，获取学生到该区域以及在该区域停留的轨迹数据；步骤S3，对采集的轨迹数据进行数据清洗，清除冗余点和噪音点，针对冗余点的数据清洗时，保留学生在某时间段、某地点驻留时间较长的点或区域，清除其余冗余项，对于噪音数据，采用粒子滤波、卡尔曼滤波、中值滤波或均值滤波的方法进行数据清洗；步骤S4，采用基于路网的压缩算法、基于开放窗口或滑动窗口的在线数据约简算法、基于垂直欧氏距离或同步欧式距离的压缩算法，对轨迹数据进行压缩，减少轨迹点数量，产生近似轨迹；步骤S5，根据预设的时间周期，采用轨迹语义、几何拓扑和时间阈值策略对原始轨迹数据进行划分；步骤S6，将轨迹数据与路网坐标间进行转换和匹配，并结合Dijkstra算法进行线路优化；步骤S7，采用R-tree索引、B-tree索引和K-D树索引方式建立索引，可执行轨迹点查询、区域查询和轨迹查询；步骤S8，通过周期模式挖掘、伴随模式挖掘和频繁模式挖掘的挖掘手段获取轨迹数据中有价值的信息，从而获取学生行为的规律性；步骤S9，对获取的轨迹数据进行分类，通过分类的轨迹数据挖掘获取学生个体的倾向性、规律性；步骤S10，将数据挖掘模块和数据分类模块输出的结果转化为直观的图表形式。进一步地，所述步骤S9中的轨迹数据的分类包含以下步骤：步骤S91、将轨迹数据分割成多个段；步骤S92、提取特征信息；步骤S93、通过HMM模型、CRF模型或DBN模型对轨迹段进行划分和挖掘。本专利技术的有益效果：本专利技术提供的基于无线技术的学生校内轨迹分析系统及分析方法，首先对校园区域进行分区，并通过2.4G技术采集学生的轨迹数据，接着对轨迹数据进行数据清洗、轨迹压缩等预处理，然后进行轨迹数据检索优化，最后通过多种模式和算法进行数据挖掘，获取学生的行为特征、生活习惯、兴趣爱好等丰富的价值信息，为高校学生管理、教学管理、校园管理提供科学的决策依据。附图说明下面结合附图和具体实施例对本专利技术作进一步详细描述。图1是本专利技术的系统示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要理解的是，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的组件或元件必本文档来自技高网...

【技术保护点】
1.基于无线技术的学生校内轨迹分析系统，其特征在于，包括轨迹数据采集模块、消费数据采集模块、签到数据采集模块、门禁数据采集模块、数据预处理模块、数据存储模块、数据索引模块、数据查询模块、数据挖掘模块、数据分类模块以及图表生成模块；所述轨迹数据采集模块，对校园各活动区域进行分区，并在各活动区域内设置射频采集器，通过识别设置在学生校园一卡通内的2.4G芯片，采集学生在校园各区域活动的轨迹数据；所述消费数据采集模块，通过校园一卡通系统，采集学生在校园内的消费数据；所述签到数据采集模块，通过学生签到系统，采集学生上课、考试的签到数据；所述门禁数据采集模块，通过宿舍门禁系统，采集学生出入宿舍记录；所述数据预处理模块，对轨迹数据采集模块采集的原始轨迹数据进行预处理操作以去除轨迹数据中的噪音和冗余；所述数据存储模块，采用关系型或分布式数据库对预处理后的轨迹数据进行存储；所述数据索引模块，采用R‑tree索引、B‑tree索引和K‑D树索引方式建立索引；所述数据查询模块，包括轨迹点查询、区域查询和轨迹查询，其中，所述轨迹点查询用于查询满足特定时空关系的兴趣点的信息，所述区域查询用于特定区域内轨迹段，所述轨迹查询使用基于轨迹点之间距离的聚类算法对轨迹进行分类或相似性挖掘；所述数据挖掘模块，在数据预处理的基础上，通过周期模式挖掘、伴随模式挖掘和频繁模式挖掘的挖掘手段获取有价值的信息，从而获取学生行为的规律性；所述数据分类模块，用于对获取的轨迹数据进行分类，通过分类的轨迹数据挖掘获取学生个体的倾向性、规律性；所述图表生成模块，用于将数据挖掘模块和数据分类模块输出的结果转化为直观的图表形式。...

【技术特征摘要】
1.基于无线技术的学生校内轨迹分析系统，其特征在于，包括轨迹数据采集模块、消费数据采集模块、签到数据采集模块、门禁数据采集模块、数据预处理模块、数据存储模块、数据索引模块、数据查询模块、数据挖掘模块、数据分类模块以及图表生成模块；所述轨迹数据采集模块，对校园各活动区域进行分区，并在各活动区域内设置射频采集器，通过识别设置在学生校园一卡通内的2.4G芯片，采集学生在校园各区域活动的轨迹数据；所述消费数据采集模块，通过校园一卡通系统，采集学生在校园内的消费数据；所述签到数据采集模块，通过学生签到系统，采集学生上课、考试的签到数据；所述门禁数据采集模块，通过宿舍门禁系统，采集学生出入宿舍记录；所述数据预处理模块，对轨迹数据采集模块采集的原始轨迹数据进行预处理操作以去除轨迹数据中的噪音和冗余；所述数据存储模块，采用关系型或分布式数据库对预处理后的轨迹数据进行存储；所述数据索引模块，采用R-tree索引、B-tree索引和K-D树索引方式建立索引；所述数据查询模块，包括轨迹点查询、区域查询和轨迹查询，其中，所述轨迹点查询用于查询满足特定时空关系的兴趣点的信息，所述区域查询用于特定区域内轨迹段，所述轨迹查询使用基于轨迹点之间距离的聚类算法对轨迹进行分类或相似性挖掘；所述数据挖掘模块，在数据预处理的基础上，通过周期模式挖掘、伴随模式挖掘和频繁模式挖掘的挖掘手段获取有价值的信息，从而获取学生行为的规律性；所述数据分类模块，用于对获取的轨迹数据进行分类，通过分类的轨迹数据挖掘获取学生个体的倾向性、规律性；所述图表生成模块，用于将数据挖掘模块和数据分类模块输出的结果转化为直观的图表形式。2.根据权利要求1所述的基于无线技术的学生校内轨迹分析系统，其特征在于，所述数据预处理模块包括数据清洗单元、轨迹数据压缩单元、轨迹分段单元和路网匹配单元；所述数据清洗单元，用于清除原始轨迹数据中的冗余点和噪音点；所述轨迹数据压缩单元，采用基于路网的压缩算法、基于开放窗口或滑动窗口的在线数据约简算法、基于垂直欧氏距离或同步欧式距离的压缩算法，对轨迹数据进行压缩；所述轨迹分段单元，根据预设的时间周期，采用轨迹语义、几何拓扑和时间阈值策略对原始轨迹数据进行划分，获取对象的时空特性和规律性；所述路网匹配单元，将原始轨迹数据与路网坐标间进行转换和匹配，并结合Dijkstra算法进行线路优化。3.根据权利要求1所述的基于无线技术的学生校内轨迹分析系统，其特征在于，所述周期模式挖掘用于挖掘活动对象的周期性活动；所述伴随模式挖掘是在轨迹数据中通过提取伴随对象的移动数据对群体的行为特征或规律进行挖掘，用于发现一定时空范围内的群体事件或规律；所述频繁模式挖掘是从轨迹数据中挖掘出对象活动的频繁度及时间相关性。4.根据权利要求3所述的基于无线技术的学生校内轨迹...

【专利技术属性】
技术研发人员：丁阔，徐恒越，张正国，
申请(专利权)人：安徽致远慧联电子科技有限公司，
类型：发明
国别省市：安徽,34