【技术实现步骤摘要】
一种面向室内场景语义的移动对象轨迹大数据压缩方法
[0001]本专利技术属于数据压缩
,具体涉及一种面向室内场景语义的移动对象轨迹大数据压缩方法。
技术介绍
[0002]近年来,在智慧城市的背景下,以大型商业中心、地下停车场、公寓、办公楼、住宅和大型室内公共场所为代表的复杂建筑物在城市中与日俱增,与此同时,移动智能终端设备的不断普及,以及室内定位技术的不断发展,人们对现实世界的探索和研究逐渐从室外空间深入到室内空间,室内导航、路径规划、应急疏散等室内位置服务(LBS,Location Based Services)需求也不断增加,室内定位轨迹相关的研究应用越来越受到研究者的重视。如何存储和管理这些大量数据是一项艰巨的任务,因此轨迹压缩近年来越来越受到关注。轨迹压缩可以解决数据量巨大、查询延时增长、数据冗余等问题,因此轨迹压缩已经成为存储和管理海量轨迹数据的迫切需要,可以提供更好的服务。
[0003]现有轨迹压缩方法与语义轨迹压缩模型很大程度上皆以户外环境为目标,主要缺陷在于:(1)当前主流的人类移动轨迹压缩模型更多是以户外环境为主要目标,缺乏在室内环境中对复杂轨迹的深入研究,无法有效支持人们对室内导航、路径规划、应急疏散等室内位置服务需求。(2)当前的轨迹压缩方法不能很好建立利用移动对象与周边场景直接的关系,以至于单纯分析研究原始轨迹压缩数据难以揭示室内用户移动意图。(3)当前主流的轨迹压缩方法缺乏室内网络拓扑关系和上下文信息的结合,无法协同分析移动对象拓扑行为语义与室内环境语义,难以用直观的数据组织方 ...
【技术保护点】
【技术特征摘要】
1.一种面向室内场景语义的移动对象轨迹大数据压缩方法,其特征在于,所述方法包括如下步骤:S1.获取室内场景数据,所述室内场景包括楼层内场景和跨楼层场景,对楼层内场景和跨楼层场景中的重要空间实体要素进行建模,得到室内场景要素的拓扑分量;S2.利用移动对象轨迹拓扑元组与室内场景要素的拓扑分量建立的场景拓扑元组构建室内场景局部交叠语义模型,以捕捉室内场景要素中轨迹的动态行为语义;所述移动对象轨迹拓扑元组由前子轨迹、关键点和后子轨迹组成;所述室内场景要素包括室内局部走廊元素和室内区域要素,所述室内场景局部交叠语义模型包括利用移动对象轨迹拓扑元组中三个拓扑不变量构建的子轨迹元组
‑
室内局部走廊元素交叠语义模型和子轨迹元组
‑
室内区域要素交叠语义模型;S3.使用由字符组成的编码方式,对子轨迹元组与室内场景要素的交叠语义进行编码,得到子轨迹对于室内场景局部交叠语义模型的有效交叠语义;S4.根据室内场景局部交叠语义模型,对轨迹语义进行重建,以编码方式对模型中的语义信息按照时间维度进行组织,将原始轨迹压缩为完整的语义轨迹。2.根据权利要求1所述的面向室内场景语义的移动对象轨迹大数据压缩方法,其特征在于,所述步骤S1中,对室内场景数据进行包括格式转换和坐标转换的数据预处理。3.根据权利要求1所述的面向室内场景语义的移动对象轨迹大数据压缩方法,其特征在于,所述步骤S1中,对于楼层内场景,获取每一个楼层内的POI区域、走廊及公共区域的属性信息,对于跨楼层场景,获取每一个楼层内的直梯、扶梯及电梯的属性信息,以得到语义轨迹查询的室内场景时空信息。4.根据权利要求1所述的面向室内场景语义的移动对象轨迹大数据压缩方法,其特征在于,所述步骤S2中,所述移动对象轨迹由子轨迹和关键点组成,所述关键点为行人移动过程中拓扑关系发生变化的位置,关键点邻域内早于关键点时间属性发生的子轨迹为前子轨迹,晚于关键点时间属性发生的子轨迹为后子轨迹。5.根据权利要求1所述的面向室内场景语义的移动对象轨迹大数据压缩方法,其特征在于,所述步骤S2中,室内局部走廊由室内场所中多条走廊组成,每条走廊两端作为其节点,节点作为每条走廊的边界,边界之间的弧段作为走廊内部,边界之外拓扑空间作为走廊外部,室内局部走廊元素的拓扑组分即由外部、边界和内部组成;室内区域要素的拓扑组分由正面、背面、外部和边界组成,正面为同一场景的低楼层区域,背面为同一场景的高楼层区域,外部和边界分别为正面、反面对应区域的边界与外部。6.根据权利要求1所述的面向室内场景语义的移动对象轨迹大数据压缩方法,其特征在于,所述步骤S2中,所述子轨迹元组中的每个拓扑分量与室内局部走廊元素中的拓扑分量相互交叠计算语义情况为:式中,子轨迹元组中的三个拓扑不变量分别编码为前子轨迹IT
pre
、关键点IT
key
、后子轨迹IT
post
,L1和L2分别表示走廊两端的节点1和节点2,L0表示除节点外走廊的内部;其中,默
认走廊上移动正方向为从节点1至节点2的方向,反之为反方向;矩阵中的每个值表示子轨迹拓扑不变量与走廊元素拓扑不变量的交叠情况,其取值为空或1、
‑
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。