轨迹图谱：一种基于知识图谱结构的轨迹信息抽取方法

现有的这些方法对轨迹数据需根据不同的应用设计不同的数据结构、存储结构、查询算法等,缺少通用性。为了使得轨迹数据更具有通用性,提出了将轨迹转换为知识图谱结构的方法。该方法结合轨迹数据的特点及知识图谱的定义,分别抽取出轨迹数据的实体、关系、属性并构造了轨迹图谱。转换为轨迹图谱后的轨迹数据具有通用的图结构,可直接支持轨迹的基本查询、范围查询、最近邻查询、关键词查询、模式查询等,并可轻易地将其添加到各种现有的知识库中。最终通过在真实数据集上的实验,对比了各类轨迹查询在轨迹图谱方法及普通数据库方法中的表现,证明了轨迹图谱方法的高效性及通用性。     

时空轨迹大数据模式挖掘研究进展

时空轨迹挖掘是数据挖掘领域的前沿研究课题,通过研究和开发时空轨迹挖掘技术,来发现隐藏在轨迹大数据中有价值的规律和知识以供决策支持。本文介绍了时空轨迹大数据模式挖掘与知识发现领域的研究进展;然后对时空轨迹模式挖掘技术产生的背景、应用领域和研究现状作了简介,并探讨了面向时空轨迹大数据模式挖掘的研究内容、系统架构以及关键技术,最后对时空轨迹频繁模式、伴随模式、聚集模式和异常模式的挖掘算法思想进行了阐述。     

基于遗传算法的动态轨迹匿名算法

现有的轨迹隐私保护技术大多是对移动对象的静态轨迹数据进行保护,却忽略了移动对象动态轨迹依然存在隐私泄露的风险。针对此问题,提出基于遗传算法的动态轨迹匿名算法。利用遗传算法搜索全局最优解的特性,在移动对象当前时间段内的历史轨迹中建立轨迹行为模式,通过轨迹行为模式预测移动对象的轨迹,根据移动对象新增的预测轨迹不断更新轨迹行为模式,使得轨迹预测的准确性更高。对于新增的预测轨迹采用轨迹K-匿名技术进行匿名轨迹生成,以达到保护移动对象个体隐私信息的目的。实验表明,与现有的轨迹匿名算法相比,所提算法在保护轨迹隐私的同时进一步提高了轨迹数据质量。     

弹道导弹极限能量弹道的求解与仿真

弹道导弹的弹道运动可以看作是导弹绕地心质点的二体运动,在经过发射点到落点的多个椭圆弹道中,发射速度最小的弹道称为最小能量弹道。一般来讲,随着发射速度的增大弹道落点速度和俯角都会增大,因此较高的发射速度可以提高导弹的末端突防概率。在椭圆轨道扁心率与轨道参数关系的研究基础上,研究提出了极限能量弹道轨道根数的求解方法,并进行了仿真开发和实现。理论和仿真结果证明了依靠提高发射速度来增大落点速度和俯角推断的正确性。     

用于激光清洁的机器人轨迹精度实验研究

随着自动化程度不断提高及激光清洁的快速发展和应用,利用机器人控制激光器进行清洁工作,效率将大幅提高。提出机器人编程与轨迹精度间存在联系,通过实验记录圆形轨迹和直线轨迹中随机点位置,利用最小二乘法对各点数据进行分析处理。根据各点找到空间拟合轨迹方程,并将拟合轨迹与编程理论轨迹对比,通过图像和数据分析得出结论：在使用机器人进行轨迹编程时,轨迹编程的单位编程距离越短,运动过程中的轨迹精度越高,稳定性越好。     

一种移动物体时空轨迹聚类的相似性度量方法

针对利用最小包围盒(MBB)压缩的移动物体时空轨迹,为了能对其进行有效地聚类,提出了一个基于盒内数据点密度的轨迹间相似性度量公式.首先,把两条轨迹的相似性度量转化为两条轨迹上有时间交叠的MBB之间的相似性度量,这在很大程度上减少了数据存储量.其次,分析两条轨迹上有时间交叠的MBB之间影响相似性的因素:时间持续、空间距离和盒内数据点的密度.剖析这3个因素对轨迹相似性的影响作用,提出了利用MBB压缩的移动物体时空轨迹相似性度量公式.实验证明采用本公式对移动物体时空轨迹进行聚类,可以提高聚类结果有效性指标Dunn的值.     

基于划分的自适应轨迹拐点提取压缩算法

海量的轨迹数据为管理分析和数据挖掘工作带来了巨大的挑战, 轨迹压缩技术成为解决这一问题的一种有效方案. 针对目前多数轨迹压缩算法需要人为干预设定阈值的问题, 融合特征聚类与轨迹划分的思想提出了一种自适应的轨迹拐点提取压缩算法. 算法从轨迹的全局方向特征与局部方向特征出发考虑, 依次进行了轨迹粗划分、子轨迹合并以及轨迹细划分的工作. 实验结果显示, 随着轨迹规模的增大, 与其他算法相比, 该算法基本能够在保持更高压缩率的同时产生更低的方向误差. 提出的算法具有自适应和高精度拐点识别的优势, 在其他轨迹压缩场景之下仍有着较高的参考价值.     

一种基于GPS轨迹的导航方法和装置

本文发明了一种利用GPS轨迹进行导航的方法和装置。该装置包括:轨迹转弯判断单元,用于根据轨迹点的曲率判断改轨迹点的转弯方向;导航提示单元,用于把轨迹点的地点信息和转弯方向信息提供给用户。     

机器人的最优五次多项式轨迹规划

为了避免传统多项式轨迹中的一些固有缺陷,本文给出一种新的适于工业机器人或操作器运动的最优五次多项式轨迹,并根据位置误差平方最小和加速度平方最小的加权指标函数,作者借助于PROLOG语言编制的可对符号变量进行各种数学运算的程序包求得了最优解的充要条件。从而使全部的多项式系数均可通过简便的代数运算而迅速获得最优解。进一步,做为5次轨迹的特例,生成了各种不同(或相同)阶次多项式不同排列组合成的新的多项式轨迹,多项式中所包含的冗余系数被文中建立的优化计算公式自动地唯一决定。给出的几个典型对比实例证实了这种轨迹的有效性。     

基于LDA主题模型的用户电信轨迹恢复算法

随着移动通信技术的发展和移动设备的普及,关于人们日常移动行为的轨迹数据记录愈发的丰富起来。海量的轨迹数据背后隐藏着关于人及人类社会的有价值的知识模式。为了使基于轨迹数据产生的知识模式更精准有效服务用户,能够准确、可靠地恢复缺失电信轨迹显得尤为重要。目前大多数方法主要针对GPS轨迹等连续轨迹进行建模,而缺乏对移动通信场景中产生的电信轨迹恢复的研究。因此,针对电信轨迹缺失恢复问题,将电信轨迹恢复问题转化为矩阵补全问题,提出了一种基于LDA主题模型的恢复算法。实验中,与传统矩阵补全算法进行综合比较,并观察了不同参数对轨迹恢复效果的影响。实验结果表明,与传统矩阵补全算法相比,运用LDA主题模型能够显著提高缺失电信轨迹的恢复精度。     

Pre-LOI trajectory maneuvers of the CHANG’E-2 libration point mission

This paper addresses pre-LOI (before Lissajous orbit insertion) trajectory maneuvers for the libration point mission of CHANG’E-2,which is the first Chinese satellite to fly to the Sun-Earth L2 libration point and the first satellite ever to fly to the L2 point from lunar orbit.First,a transfer trajectory for the mission is designed based on InterPlanetary Superhighway theory under the constraint of the remaining propellant,TT&C (telemetry,track and command) and sunlight conditions.The effects of trajectory maneuver errors on the mission are also analyzed.Second,based on the analysis results,the article investigates the trajectory maneuver schemes for the lunar escape and transfer trajectory maneuvers employing mathematical models and operational strategies.The mission status based on our maneuver schemes is then presented,and the results of control operation and corresponding analysis are provided in detail.Finally,the future trajectory maneuver in the Lissajous orbit is discussed.According to the analysis of the CHANG’E-2 TT&C data,the trajectory maneuver schemes proposed in the article work properly and efficiently.     

Searching Activity Trajectories with Semantics

Journal of Computer Science and Technology - With the widespread use of smart phones and mobile Internet, social network users have generated massive geo-tagged tweets, photos and videos to form...     

近似到达时间约束下的语义轨迹频繁模式挖掘

随着GPS定位技术的不断发展与智能移动设备的普及,轨迹数据的获取变得越来越容易,同时,轨迹数据相关应用的需求也逐渐增多.在轨迹数据上加入语义信息,可以得到体积较小、质量较高、能够更好地反映用户行为的语义轨迹,在其上实现旅游线路推荐、路线预测、用户生活模式挖掘、朋友推荐等应用,可以更好地满足用户需求.挖掘语义轨迹的频繁模式是实现这些应用的技术基础,而在很多情况下,用户对语义轨迹频繁模式常存在到达时间方面的需求,比如按特定时间游玩热门景点的同时需要按时到达车站候车.现有的语义轨迹模式挖掘方法大多没有考虑到达时间的约束,挖掘出的频繁模式缺少到达时间信息;少数方法考虑了精确的到达时间,但因为约束太强会导致无法挖掘到频繁的模式.因此,首次对近似到达时间约束下的语义轨迹频繁模式（approximate arrival-time constrained frequent pattern,简称AAFP）挖掘方法进行了研究,并给出了其形式化定义;通过时间轴划分提出了挖掘AAFP的基线算法,并通过建立索引AAP-tree提出了改进后的高效、灵活的AAFP挖掘算法;之后提出了信息熵增量公式,并给出了时间轴划分及AAP-tree的高效维护方法;最后在真实数据集上进行实验,验证了方法的有效性及高效性.     

基于轨迹点聚类的航路发现方法

为了加强对局部空域航路的掌握和管理,提出一种基于轨迹点聚类的航路发现方法.首先,针对根据真实数据的分布特点生成的仿真数据,采用预处理模块对轨迹数据的噪声进行削弱和剔除;其次,提出一种包括孤立点剔除、轨迹重采样、轨迹点聚类、聚类中心修正和连接聚类中心五个部分的航路发现方法,对航路进行提取;最后,对航路提取结果进行了可视化...     

基于轨迹信息熵分布的异常轨迹检测方法

针对异常轨迹检测多特征检测和检测单元造成的检测效率低等问题。提出一种基于轨迹信息熵分布的异常轨迹检测方法。该算法根据轨迹偏转角与速度将轨迹分割成若干轨迹段,计算轨迹段间加权多特征距离判断轨迹间相似度,进而完成轨迹聚类并计算出每类代表性轨迹,然后对待检测轨迹进行分割,利用代表性轨迹计算每个轨迹段的信息熵,通过比较轨迹信息熵大小及其分布特点实现异常轨迹检测。大西洋飓风数据仿真实验结果表明该方法提高了聚类效果,克服以整条轨迹检测效率低的缺点,提升了异常轨迹检测算法的有效性。     

面向港口停留区域识别的船舶停留轨迹提取方法

针对港口停留区域识别时船舶轨迹大数据的精度低、稀疏、漂移等问题，提出了一种多约束条件下的船舶停留轨迹提取（MPTSSE）方法。首先，结合船舶轨迹数据特点，给出了用于停留区域识别与提取的停留段概念的定义；其次，建立了基于速度、时间差、停留时长、距离等多约束的轨迹停留段提取模型和并行化轨迹停留段提取算法；最后，基于Hadoop框架给出了船舶轨迹大数据集上的轨迹停留段提取算法实现。基于真实船舶轨迹数据的实验结果表明，与基于Stop/Move模型的轨迹停留提取方法相比，MPTSSE方法在三个港口泊位的提取中准确率提高了22%。MPTSSE方法能有效避免轨迹停留段误分割情况，同时在大规模船舶轨迹数据下具有较高的执行效率。     

轨迹表示学习技术研究进展

基于地理位置信息的应用和服务的迅速发展对轨迹数据挖掘提出新的需求和挑战.原始轨迹数据通常是由坐标-时间戳元组构成的有序序列组成,而现有的大多数数据分析算法均要求输入数据位于向量空间中.因此,为了将轨迹数据从变长的坐标-时间戳序列转化定长的向量表示且保持原有的特征,对轨迹数据进行有效的表示是十分重要且必要的一步.传统的轨迹表示方法多是基于人工设计特征,通常仅将轨迹表示作为数据预处理的一部分.随着深度学习的兴起,这种从大规模数据中学习的能力使得基于深度学习的轨迹表示方法相较于传统方法取得了巨大的效果提升,并赋予了轨迹表示更多的可能性.本文对轨迹表示领域中的研究进展进行了全面的总结,将轨迹表示按照研究对象的不同尺度归纳为对轨迹单元的表示和对整条轨迹的表示两大类别,并在每种类别下对不同原理的方法进行了对比分析.其中重点分析了基于轨迹点表示的关键方法,也对近年来广泛使用的基于神经网络的轨迹表示的研究成果做了系统的归类.此外本文介绍了基于轨迹表示的关键应用,最后对轨迹表示领域的未来研究方向进行了展望.     

一种基于测地线的机器人轨迹规划方法

提出了一种基于测地线的机器人轨迹规划方法.该方法克服了传统的轨迹规划方法的某些不足,其规划是在关节空间(黎曼空间)内进行的,规划目标是直角坐标空间内的直线,即两点之间的最短路径,也可以是系统动能最小,或某项综合指标最优.该规划方法直接得到机器人的各关节的转角和角速度,无需进行运动学反解和多项式插值.本文的基于测地线的轨迹规划是以轨迹弧长作为参考变量的,因此它还具有非时间参考的机器人轨迹规 划的优点.􀁱