亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        室內(nèi)位置軌跡的聚類與可視化

        2019-06-05 07:51:54袁德寶王炳靈周士強
        測繪通報 2019年5期
        關鍵詞:信息

        袁德寶,王炳靈,閆 瑜,周士強,梁 晨

        (中國礦業(yè)大學(北京)地球科學與測繪工程學院,北京 100083)

        如今,無線射頻識別技術、藍牙、無線局域網(wǎng)絡等定位技術極速發(fā)展,滿足室內(nèi)位置高精度定位的要求,因而常用于室內(nèi)定位[1]。

        軌跡數(shù)據(jù)是人類移動行為的表征,能夠映射出人的出行模式和社會屬性等信息。如何有效挖掘軌跡數(shù)據(jù)蘊藏的人類活動規(guī)律一直是研究的熱點。通過軌跡聚類發(fā)現(xiàn)行為相似的類簇,從而探究群體的移動模式是軌跡挖掘和深度應用常見的方法之一[2]。

        室內(nèi)移動對象軌跡數(shù)據(jù)分析采用相關算法對預處理后的對象軌跡數(shù)據(jù)進行聚類,提取對象軌跡數(shù)據(jù)中的相似性和異常性,有助于發(fā)現(xiàn)用戶感興趣的區(qū)域,完成用戶個性化推薦服務[3]。室內(nèi)移動對象軌跡數(shù)據(jù)分析也能夠發(fā)掘物體移動方式的空間散布和時間特征,對于認識運動的形成機制,預測運動的未來發(fā)展具有重要的意義。

        目前,許多著名的聚類算法如K-means、BIRCH、DBCSAN(density-based spatial clustering of applications with noise)、OPTICS、STING等[4]已被用于軌跡聚類。文獻[5]首次將時間依賴關系引入軌跡分析中。文獻[6]用場表達軌跡,通過格網(wǎng)內(nèi)的軌跡密度劃分出活躍區(qū)域。文獻[5]對軌跡分段并將速度等要素引入軌跡段間的相似度計算。文獻[7]用矢量線表達完整軌跡,通過歷史數(shù)據(jù)建立回歸模型,計算軌跡和模型間的相似性,進而聚類得到移動模式。文獻[8]提出了路網(wǎng)空間下的基于密度的軌跡聚類方法。本文利用DBSCAN算法對某商場大廈的室內(nèi)軌跡數(shù)據(jù)進行聚類分析,得到關于進入商場大廈的人員的習慣特征分析,同時對軌跡數(shù)據(jù)進行熱度圖可視化展示,以驗證聚類分析結果。

        1 基于DBSCAN聚類方法的室內(nèi)軌跡分析

        1.1 DBSCAN聚類算法

        1996年,Martin Ester等提出了一種基于密度的空間聚類算法DBSCAN。該算法將具有高密度的區(qū)域劃分為簇,并在具有噪聲的數(shù)據(jù)中聚類成簇。DBSCAN算法以空間兩點間的直線距離和最小點數(shù)為標準進行聚類的二維空間聚類方法,它可以通過計算點的密度將集合中的點分為核心點、邊界點和噪聲點,當二維空間中點密度超過一定閾值時,就認為這些點是一個集簇。在此基礎上,對所有點進行空間聚類。

        如圖1所示,假定領域密度閾值(MinPts)為6,R為圖中圓半徑長度。則根據(jù)定義,圖上點C在R鄰域內(nèi)共有7個鄰點,大于MinPts,為核心點;點B在R鄰域內(nèi)共有5個鄰點,小于MinPts,不是核心點,但其在核心點C的鄰域范圍內(nèi),是邊界點;點N在R鄰域內(nèi)的鄰點數(shù)為0,因此不是核心點,同時也不在核心點的鄰域范圍內(nèi),屬于噪聲點。其中,對象p的R領域是以對象p為中心、R為半徑的空間,參數(shù)R>0,是用戶指定每個對象的領域半徑值;MinPts為對象R領域的對象數(shù)量;核心點為在領域半徑R內(nèi)含有超過MinPts數(shù)目的點;邊界點為落在核心點的鄰域內(nèi),且領域半徑R內(nèi)點的數(shù)量小于MinPts;噪音點定義為既不是核心點也不是邊界點的點。聚類算法具體流程如圖2所示。

        1.2 聚類分析內(nèi)容

        1.2.1 數(shù)據(jù)采集

        本文的數(shù)據(jù)源為某商場采集的1 d內(nèi)基于手機WiFi信息的室內(nèi)位置數(shù)據(jù)。對這些數(shù)據(jù)進行預處理,剔除由于手機WiFi信號的不穩(wěn)定導致位置冗余的數(shù)據(jù)及邏輯上明顯的錯誤數(shù)據(jù),選用質(zhì)量優(yōu)良的有效軌跡454條。另外,本文使用的樓層數(shù)據(jù)共10層,其中地上8層,地下2層。

        1.2.2 軌跡聚類分析

        用戶的停留點是用戶軌跡最重要的特征之一,它隱含了豐富的空間結構信息和行為規(guī)律信息。對室內(nèi)人員的停留點加以分析挖掘,能夠得到極具價值的室內(nèi)人員行為特征規(guī)律。本文選擇DBSCAN算法作為提取軌跡停留點的基礎算法。圖3是對軌跡數(shù)據(jù)聚類后的結果。

        1.2.3 聚類結果分析

        1.2.3.1 DBSCAN聚類算法的結果分析

        本文將DBSCAN聚類算法應用到室內(nèi)人員軌跡分析中,對質(zhì)量優(yōu)良的454條有效軌跡提取的各樓層商鋪進行聚類。圖4僅展示了部分軌跡路徑,箭頭表示軌跡的方向。圖中圓點表示軌跡聚類中心,聚類中心是由聚類效果圖與樓層圖層的對比及軌跡路徑圖獲得的。

        1.2.3.2 個人行為特征提取

        通過對個人軌跡信息進行整理、數(shù)理統(tǒng)計,并結合人們的生活行為規(guī)律和商場店鋪的性質(zhì),能夠得到個體的行為特征規(guī)律。如對MAC地址為E84E844118D4的客戶軌跡信息進行統(tǒng)計發(fā)現(xiàn),該客戶在9:01—13:52時間段,軌跡信號一直停留在商場6層的港麗餐廳,由此可以推斷該人員是港麗餐廳的服務人員。對MAC地址為E88D28E33487的客戶軌跡位置統(tǒng)計整理,表1為該客戶在15:38—16:25時間段經(jīng)過的店鋪,由此可知該客戶為女性,且消費水平處于較高程度。

        表1 E88D28E33487客戶途徑商店

        1.2.3.3 群體行為特征提取

        運用DBSCAN算法,對選用質(zhì)量優(yōu)良的454條有效軌跡提取的各樓層位置信息進行批量分析,本文針對室內(nèi)人員感興趣的幾個區(qū)域,對部分停留點信息進行數(shù)理統(tǒng)計與歸納,整理結果如表2和圖5所示。

        表2 各樓層熱點區(qū)域出現(xiàn)頻數(shù)

        根據(jù)表2與圖5中展示的統(tǒng)計數(shù)據(jù)信息,得到該商場室內(nèi)人員群體行為特征規(guī)律如下:

        (1) 商場6層的聚類中心較多,且6層大部分商鋪屬性為餐廳、甜點等類型。由此判斷相比其他消費方面,人們對于吃飯方面的關注與消費是很高的。

        (2) 地下2層人員來往程度較高,其中地下2層聚類中心有發(fā)型店和服裝店,判斷人員對于自己的容貌方面也是比較重視的。另外也反映出,這幾處發(fā)型店與服裝店服務態(tài)度及消費價格是公道合理的。

        (3) 商場5層的聚類中心有手機廣場和中國移動營業(yè)廳,說明客戶購買手機、置辦或更換手機套餐服務的頻率是較高的。

        (4) 商場8層比其他樓層人員來往得少,盡管也有較多的餐廳服務店,推斷可能由于樓層太高或商店不出名等原因,人員更喜歡去方便、好評度高的地方就餐。

        2 軌跡可視化展示

        2.1 熱度圖

        熱度圖是以特殊高亮的形式顯示訪客熱衷的頁面區(qū)域和訪客所在的地理區(qū),以顯示不可點擊區(qū)域發(fā)生的事。通過熱度圖可以簡單地聚合大量數(shù)據(jù),并使用一種漸進的色帶表現(xiàn),效果一般優(yōu)于離散點的直接顯示,可以很直觀地展現(xiàn)空間數(shù)據(jù)的疏密程度或頻率高低。

        熱度圖是通過ArcGIS API for JavaScript實現(xiàn)的,其中,需要采用的數(shù)據(jù)是ArcGIS對某樓層圖層的地圖發(fā)布服務和漁網(wǎng)圖采集到的該樓層各商店軌跡坐標信息數(shù)據(jù)。ArcGIS API for JavaScript首先定義一個map底圖,引用樓層圖層地圖發(fā)布服務的URL地址,實現(xiàn)樓層數(shù)據(jù)在瀏覽器中的表達;然后定義一個heatmap,其中heatmap的data數(shù)據(jù)需要覆蓋店鋪且能代表店鋪位置的漁網(wǎng)網(wǎng)格中心點坐標作為熱點中心,漁網(wǎng)圖采集的軌跡信息數(shù)目作為熱點中心的count值;加載以后,在瀏覽器實現(xiàn)map與heatmap的疊加,展示熱度圖。

        2.2 熱度圖展示

        熱度圖通過多個熱點中心(覆蓋店鋪且能代表店鋪位置的漁網(wǎng)網(wǎng)格中心點)的顏色深淺來展現(xiàn)室內(nèi)人員軌跡的密度情況,可以反映哪些商鋪吸引了大多數(shù)訪客的注意,直觀地表達各樓層商店的人員軌跡密集情況,結合日常生活中人們的生活規(guī)律與興趣及店鋪相應的屬性信息推測店鋪的銷售情況,獲得個人、群體行為特征,為市場調(diào)查、研究等領域提供參考的依據(jù)。圖6為實現(xiàn)的熱度圖展示。

        3 結 語

        本文基于當前已有的軌跡研究服務成果,利用DBSCAN聚類算法實現(xiàn)軌跡數(shù)據(jù)的聚類,并對聚類結果進行分析,得到群體行為特征信息;同時對室內(nèi)位置信息進行熱度圖展示,進一步驗證聚類結果。然而,由于DBSCAN算法自身的缺陷和本文數(shù)據(jù)預處理的不確定性,導致聚類結果與真實情況存在偏差,DBSCAN聚類只是考慮點與點之間的空間關系,而沒有考慮點與點之間的時間關系,但在實際情況中,空間上相鄰的點在時間上不一定相鄰。如何獲取更高質(zhì)量的用戶軌跡數(shù)據(jù),并對其進行更加有效的處理分析,將是下一步的研究方向。

        猜你喜歡
        信息
        訂閱信息
        中華手工(2017年2期)2017-06-06 23:00:31
        展會信息
        中外會展(2014年4期)2014-11-27 07:46:46
        信息超市
        展會信息
        展會信息
        展會信息
        展會信息
        展會信息
        信息
        健康信息
        祝您健康(1987年3期)1987-12-30 09:52:32
        色综合久久久久久久久久| 伊人狠狠色j香婷婷综合| 蜜桃视频色版在线观看| 国产中文字幕亚洲国产| 精品无码国产一区二区三区麻豆| 亚洲娇小与黑人巨大交| 中国极品少妇videossexhd| 亚洲精品成人国产av| 大又黄又粗又爽少妇毛片| 国产熟人精品一区二区| 婷婷丁香五月激情综合| 亚洲高潮喷水无码av电影| 欧美xxxxx在线观看| 西西人体444www大胆无码视频| 免费观看国产精品| 国产喷白浆精品一区二区| 国产69精品麻豆久久| 国产av夜夜欢一区二区三区| 99热久久这里只精品国产www| 精品久久综合一区二区| 久久综合加勒比东京热| 黄片大全视频在线播放| 国产丝袜在线精品丝袜| 国产精品无码片在线观看| 一区二区免费中文字幕| 人妖av手机在线观看| 午夜福利院电影| 国精品无码一区二区三区在线看| 中文字幕av一区二区三区诱惑| 亚洲国产亚综合在线区| 色欲av亚洲一区无码少妇| 亚洲日本无码一区二区在线观看| 成人爽a毛片在线播放| 少妇被粗大的猛进出69影院| 精品一区二区久久久久久久网站 | 思思久久96热在精品不卡| 日韩精品不卡一区二区三区 | 99久久精品一区二区国产| 女人18片毛片60分钟| 亚洲人成网站18禁止久久影院| 精品2021露脸国产偷人在视频|