一种基于时空和作战编组的兵棋推演系统轨迹聚类算法技术方案

本发明专利技术针对兵棋推演系统的实际需求，提出了特定的基于时空和作战编组的轨迹聚类算法。该算法分为轨迹压缩、相似性度量、轨迹线段聚类和可视化4个部分，通过轨迹压缩将停留点等冗余信息从轨迹信息中剔除，并提取轨迹关键点，从而将复杂轨迹简化为少量轨迹线段；相似性度量则从时间、空间和编组关系等维度对轨迹线段之间的相似性进行量化；轨迹线段聚类对时空相邻且作战编组关系相近的轨迹线段进行聚类，并将需要单独显示的特殊轨迹作为离群点从类簇中分离出来；可视化则将轨迹线段聚类结果转化为具有时空信息的代表轨迹，构建突出编组关系和时空变化的动态态势图。该算法具有很好的泛化能力和较高的运行效率，为高效组织兵棋推演发挥了重要作用。推演发挥了重要作用。推演发挥了重要作用。

【技术实现步骤摘要】
一种基于时空和作战编组的兵棋推演系统轨迹聚类算法


[0001]本专利技术涉及一种聚类算法，具体涉及一种基于时空和作战编组的兵棋推演系统轨迹聚类算法；属于数据挖掘与应用


技术介绍

[0002]随着导航定位、移动智能终端和基于位置信息的移动互联网软件的推广应用，产生了大量轨迹数据。针对这些数据的挖掘利用，对城市规划、疫情防控、交通管理和军事决策等诸多领域都具有重要意义。
[0003]兵棋推演系统是在虚拟环境中检验作战计划的重要手段，能够有效减少军人和平民在真实作战中的伤亡。兵棋推演系统的主要组成为棋盘、棋子和裁决规则，推演人员在兵棋推演系统上对棋子下达的各种指令，都会按照裁决规则计算结果，转化为机动、直瞄、间瞄、飞行、侦察等相应行动及棋盘态势。随着推演进程的发展，棋子的位置也在不断发生变化，为进行复盘和数据分析，兵棋推演系统将频繁记录各棋子的位置变化情况，由此形成轨迹数据。这些轨迹数据除了包含位置信息，还记录有途经时间以及关联棋子基本信息。
[0004]在战术及以上级别的兵棋推演中，轨迹数据存在机动形态杂、涉及棋子多、机动速率不一和数据存储大等特点，而且受到开火、隐蔽、侦察和受损等各类行动或状态的影响，轨迹不连续和短停情况也较多。另外，轨迹数据在时间维度、空间维度和棋子维度上涉及范围广，加上停留点和细微机动调整点的存在，使得兵棋轨迹数据更加复杂。如果将这些轨迹信息不加处理地直接呈现在兵棋系统上，容易造成兵棋推演和指挥人员被这些杂乱信息所困扰，难以快速研判态势，给复盘分析、组织协同和方案评估等工作带来较大困难，陷入有效信息匮乏与无效信息冗余同时存在的怪象。
[0005]轨迹聚类技术不仅是直接决定着兵棋推演系统等指挥训练系统推演效率，还对指挥员基于信息系统进行作战指挥具有较大影响。基于上述原因，有必要研究一种轨迹聚类方法，从繁杂的轨迹信息中提取主要内容并进行概括表达，既能简洁概述兵棋推演的整体态势变化，又不丢失棋子机动过程中的重要细节信息。

技术实现思路

[0006]为解决现有技术的不足，本专利技术的目的在于提供一种基于时空和作战编组的兵棋推演系统轨迹聚类算法，并验证了该轨迹聚类算法的可行性，为指挥员和指挥机构高效组织兵棋推演发挥了重要作用。
[0007]为了实现上述目标，本专利技术采用如下的技术方案：一种基于时空和作战编组的兵棋推演系统轨迹聚类算法，其特征在于，包括如下步骤：S1、轨迹压缩，包括如下子步骤：完成去除冗余点和提取关键点的工作，在不丢失轨迹关键特征信息的前提下尽可能压缩轨迹存储信息，将复杂轨迹简化为少量轨迹线段；S1.1导入原始轨迹数据和作战编组，查找原始轨迹中的所有停留点；
S1.2从原始轨迹中删除停留点组成的停留段，生成多个轨迹段；S1.3针对每个轨迹段，查找特征点，将原始轨迹简化为多个轨迹段，最后将每个轨迹段简化为多个特征点连线组成的若干轨迹线段；S2、相似性度量：从时间、空间和编组关系3个维度对轨迹线段之间的相似性进行量化，轨迹线段与之间的相似度距离表示为：之间的相似度距离表示为：其中，、和分别为空间距离、时间距离、编组关系距离归一化后的数值，、及均为权重；S3、轨迹线段聚类：使用DPC聚类算法对时空相邻且作战编组关系相近的轨迹线段进行聚类，并将需要单独显示的特殊轨迹作为离群点从类簇中分离出来；S4、聚类效果可视化：将轨迹线段聚类结果转化为具有时空信息的代表轨迹，构建突出编组关系和时空变化的动态态势图。
[0008]优选地，前述步骤S1.1的具体执行过程为：1）令=2；2）若大于，则跳转至步骤S1.2，所述为原始轨迹点数量；3）从点开始向轨迹起点方向遍历寻找首次满足以下条件的点：点与点的时间距离大于等于时间阈值且点与点的时间距离小于时间阈值；若无法找到这样的点，则令，且跳转到第2）步；4）若点与点的空间距离小于距离阈值，则从点开始沿原始轨迹向轨迹起点方向遍历寻找首次满足以下条件的点：点与点的空间距离大于等于距离阈值且点与点的空间距离小于距离阈值，若遍历到点时，都未找到满足该组合条件的点，则令=1；5）点集合中所有点均为停留点；6）令，且跳转至第2）步；其中，和的含义是棋子途径某个点之后时间，棋子仍在该点附近距离范围内，则认为棋子处于停留状态。
[0009]优选地，前述步骤S1.2中，按照以下规则，设置轨迹上的特征点：（a）若点为停留点且点为非停留点，则点也是特征点；（b）若点为非停留点且点为停留点，则点是特征点；（c）点为特征点；（d）若为非停留点，则为特征点；
根据上述规则，从原始轨迹中删除不是特征点的停留点，则原始轨迹被切割为若干个轨迹段、、
……
、。
[0010]更优选地，前述步骤S1.3中，针对、、
……
、中的每个轨迹段，都进行以下步骤寻找轨迹段内的特征点，将找到的特征点连线成为压缩后的轨迹段：
①
假设某个轨迹段起点的序号为，终点的序号为，则该轨迹段对应的轨迹为；
②
设置该轨迹上的滑动窗口，其中，初始化该窗口为：，；
③
针对滑动窗口内点、点、
……
、点，逐个计算每个点到线段的欧式距离；
④
若这个欧式距离均小于特征点距离阈值（用于查找特征点的人工参数），则，且跳转到第
③
步；否则，点为特征点，，且跳转到第
③
步。
[0011]进一步优选地，前述步骤S2中，空间距离由空间平移距离和空间角度距离组成，轨迹线段与之间的空间距离：其中， 和分别为角度距离权重和平移距离权重，表示轨迹线段与之间的空间平移距离，即线段中点与线段中点连线的线段长度； 表示轨迹线段与之间的空间角度距离，即：平移线段使其中点与线段中点重合后线段终点与线段终点连线的线段长度，计算公式为：，为线段与线段之间的夹角，且满足。
[0012]再进一步优选地，前述步骤S2中，取起点时间差和终点时间差的最大值作为时间相似度，轨迹线段与之间的时间距离：，其中，点是的起点，点是的终点，途经点的时刻为，途经点的时刻为，则轨迹线段的发生时间段为至，轨迹线段的发生时间段为至。
[0013]更进一步优选地，前述步骤S2中，编组关系距离为棋子在编组关系树状结构图中的最短路径的长度，树状结构中每条边的长度值按照如下规则设置：最低层级
的边长为1，上一层级的边长是下一层级的2倍，最顶部边的边长在此计算模式基础上额外增加特定正数。
[0014]更进一步优选地，前述步骤S3的具体算法过程为：首先，计算每个轨迹线段的局部密度和相对距离，并绘制在决策图上；然后，选取决策图中局部密度和相对距离都较大的轨迹线段作为类簇中心，再将其他非类簇中心的各个轨迹线段划分到距离其最近的更高局部密度轨迹线段所属类簇中，完成轨迹线段的初步聚类；最后，将各个类簇中局部密度小于离群阈值的轨迹线段从初步聚类结果中剥离出来，作为离群轨迹线段在轨迹聚类效果中单独显示。
[0015]再进一步优选地，前述局部密度为：，其中，为人工设定的截止距离，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空和作战编组的兵棋推演系统轨迹聚类算法，其特征在于，包括如下步骤：S1、轨迹压缩，包括如下子步骤：S1.1导入原始轨迹数据和作战编组，查找原始轨迹中的所有停留点；S1.2从原始轨迹中删除停留点组成的停留段，生成多个轨迹段；S1.3针对每个轨迹段，查找特征点，将原始轨迹简化为多个轨迹段，最后将每个轨迹段简化为多个特征点连线组成的若干轨迹线段；S2、相似性度量：从时间、空间和编组关系3个维度对轨迹线段之间的相似性进行量化，轨迹线段与之间的相似度距离表示为：之间的相似度距离表示为：其中，、和分别为空间距离、时间距离、编组关系距离归一化后的数值，、及均为权重；S3、轨迹线段聚类：使用DPC聚类算法对时空相邻且作战编组关系相近的轨迹线段进行聚类，并将需要单独显示的特殊轨迹作为离群点从类簇中分离出来；S4、聚类效果可视化：将轨迹线段聚类结果转化为具有时空信息的代表轨迹，构建突出编组关系和时空变化的动态态势图。2.根据权利要求1所述的一种基于时空和作战编组的兵棋推演系统轨迹聚类算法，其特征在于，所述步骤S1.1的具体执行过程为：1）令=2；2）若大于，则跳转至步骤S1.2，所述为原始轨迹点数量；3）从点开始向轨迹起点方向遍历寻找首次满足以下条件的点：点与点的时间距离大于等于时间阈值且点与点的时间距离小于时间阈值；若无法找到这样的点，则令，且跳转到第2）步；4）若点与点的空间距离小于距离阈值，则从点开始沿原始轨迹向轨迹起点方向遍历寻找首次满足以下条件的点：点与点的空间距离大于等于距离阈值且点与点的空间距离小于距离阈值，若遍历到点时，都未找到满足该组合条件的点，则令=1；5）点集合中所有点均为停留点；6）令，且跳转至第2）步；其中，和的含义是棋子途径某个点之后时间，棋子仍在该点附近距离范围内，则认为棋子处于停留状态。3.根据权利要求1所述的一种基于时空和作战编组的兵棋推演系统轨迹聚类算法，其特征在于，所述步骤S1.2中，按照以下规则，设置轨迹上的特征点：
（a）若点为停留点且点为非停留点，则点也是特征点；（b）若点为非停留点且点为停留点，则点是特征点；（c）点为特征点；（d）若为非停留点，则为特征点；根据上述规则，从原始轨迹中删除不是特征点的停留点，则原始轨迹被切割为若干个轨迹段、、
……
、。4.根据权利要求3所述的一种基于时空和作战编组的兵棋推演系统轨迹聚类算法，其特征在于，所述步骤S1.3中，针对、、
……
、中的每个轨迹段，都进行以下步骤寻找轨迹段内的特征点，将找到的特征点连线成为压缩后的轨迹段：
①
假设某个轨迹段起点的序号为，终点的序号为，则该轨迹段对应的轨迹为；
②
设置该轨迹上的滑动窗口，其中，初始化该窗口为：，；
③
针对滑动窗口内点、点、
……
、点，逐个计算每个点到线段的欧式距离；
④
若这个欧式距离均小于特征点距离阈值，则，且跳转到第
③

【专利技术属性】
技术研发人员：何昌其，万宜春，黄相亮，张翚，陈志龙，胡水，陈巍，张敏霞，鲁伟鑫，
申请(专利权)人：中国人民解放军陆军指挥学院，
类型：发明
国别省市：