一种基于云端的轨迹计算方法、系统技术方案

本发明专利技术公开了一种基于云端的轨迹计算方法、系统，方法包括：用户上传GPS定位数据至云端，在云端建立运动轨迹数据库，对所述运动轨迹数据库中所有用户的历史运动轨迹数据进行机器学习，提取出规律路径，将规律路径拟合作为用户的真实跑步轨迹。本发明专利技术中通过大数据算法的分析拟合成预测路线，可不受空间、地域、时间等因素的限制，从而最大化减少了轨迹图定位偏差、漂移、不计步等问题。此外，本发明专利技术还能够很大程度上节省了通过定位带来的电量损耗。

A method and system for trajectory calculation based on cloud

The invention discloses a trajectory calculation method and system based on cloud end. The method includes: the user uploads the GPS location data Zhi Yunduan, establishes the motion track database at the cloud end, studies the history motion track data of all the users in the track database, extracts the regular path, and draws the regular path. Cooperation for the user's real running track. In the invention, the prediction route is synthesized by the analysis of large data algorithm, which can not be restricted by the factors such as space, region, time and so on, thus reducing the location deviation, drift and step by step of the trajectory map. In addition, the invention can largely save the power consumption caused by positioning.

【技术实现步骤摘要】
一种基于云端的轨迹计算方法、系统
本专利技术涉及计算机软件领域、云计算领域，特别涉及一种基于云端的轨迹计算方法、系统。
技术介绍
GPS轨迹是采用GPS轨迹记录仪采集的一系列户外活动的位置点，每个点至少包括日期、时间、经度、纬度、海拔信息，有的轨迹记录仪还包含速度等信息。而将GPS轨迹配上通讯部分，就可以将运动体的行进轨迹实时传输到网络，供相关使用者第一时间分享，这方面带有GPS芯片的智能手机将是主要的载体。大多数的手机软件都能够完成轨迹的多种方式的记录、实时上传和分享。目前的运动轨迹计算方法大多采用GPS轨迹图定位，主要存在如下的缺陷：1)现有的GPS轨迹图定位容易出现偏差大、存在漂移、不计步的情况，在日常生活中，轨迹图的应用尤为广泛，像行车轨迹、走路轨迹、跑步轨迹等，这些都是基于GPS卫星定位来实现的。但是由于恶劣天气、高层建筑、手机机型等因素的影响，GPS卫星定位难免会受到外界不同程度的干扰，最终导致GPS轨迹图定位偏差大、漂移、不计步。2)现有GPS轨迹图定位耗电量大，当GPS处于不断的工作状态时，电量就会亏损得非常快，这是因为设备在不停的接收传输数据，这个过程很耗电。特别是当手机电量不足的时候，GPS轨迹图定位的记录功能就会失效。
技术实现思路
本专利技术要解决的技术问题是，一种利用用户的历史跑步记录整合大数据运算，计算得到用户当前的运动轨迹的基于云端的轨迹计算方法，可降低耗电量，有效克服定位偏差大、漂移、不计步等问题。解决上述技术问题，本专利技术提供了一种基于云端的轨迹计算方法，包括如下步骤：用户上传GPS定位数据至云端，在云端建立运动轨迹数据库，对所述运动轨迹数据库中所有用户的历史运动轨迹数据进行机器学习，提取出规律路径，将规律路径拟合作为用户的真实跑步轨迹。更进一步，提取出规律路径的方法具体包括：采集得到样本路径，对轨迹路径聚类，筛选得到支撑路径。更进一步，所述规律路径按照设定的网格尺寸完成提取。更进一步，所述网格尺寸大小为：10英寸。更进一步，所述规律路径，用以表示用户经常访问的完整轨迹路线。更进一步，所述支撑路径，用以表示，用户每次经过同一路线,产生的一条路径记录,所述支撑路径是对一条路线的一次访问实例。更进一步，方法还包括：采用网格映射对所述GPS定位数据进行预处理，将GPS点映射入预先划分好的坐标网格中，当连续的GPS点映射入同一网格时,压缩记录为一个时序格。基于上述，本专利技术还提供了一种基于云端的轨迹计算系统，其特征在于，包括：数据预处理单元，路径聚类提取单元，所述数据预处理单元，用以上传GPS定位数据至云端，在云端建立运动轨迹数据库，所述路径聚类提取单元，用以对所述运动轨迹数据库中所有用户的历史运动轨迹数据进行机器学习，提取出规律路径，将规律路径拟合作为用户的真实跑步轨迹。更进一步，所述路径聚类提取单元，还用以根据所述运动轨迹数据库中用户每天产生的路径在一设定时间的历史时期内的依据时间对路径进行聚类，提取出运动规律路径。更进一步，所述路径聚类提取单元，还用将所述规律路径上配置为规律路径的每一路段都被多条支撑路径所访问本专利技术的有益效果：1)在本专利技术中通过将轨迹数据上传至云端，剔除了外界因素的干扰，通过大量的轨迹数据上传至云端，通过大数据算法的分析拟合成预测路线，可不受空间、地域、时间等因素的限制，从而最大化减少了轨迹图定位偏差、漂移、不计步等问题。2)本专利技术中解决了原GPS定位耗电量大的问题，由于云轨迹计算方法不要求GPS长期处于实时工作状态，很大程度上节省了通过定位带来的电量损耗。3)本专利技术中还整合大数据运算，使得运动轨迹更精准。此外，随着用户使用时长、黏性的加深，运动轨迹也会随之更加精准、确定。附图说明图1是本专利技术一实施例中的方法流程示意图；图2是图1中提取出规律路径的方法流程示意图；图3是本专利技术一实施例中的系统结构示意图；图4-图5是网格尺寸对计算性能的影响示意图；图6-图9是规律路径提取示例示意图。具体实施方式现在将参考一些示例实施例描述本公开的原理。可以理解，这些实施例仅出于说明并且帮助本领域的技术人员理解和实施例本公开的目的而描述，而非建议对本公开的范围的任何限制。在此描述的本公开的内容可以以下文描述的方式之外的各种方式实施。如本文中所述，术语“包括”及其各种变体可以被理解为开放式术语，其意味着“包括但不限于”。术语“基于”可以被理解为“至少部分地基于”。术语“一个实施例”可以被理解为“至少一个实施例”。术语“另一实施例”可以被理解为“至少一个其它实施例”。在一组路径中,当Em,n的访问频率(Em,n.f)大于给定阈值α,则被称为频繁有向边(Frequentdirectededge,FDE)。在一组路径中,被支撑路径频繁访问的是支撑有向边(Supportdirectededge,SDE)。如图1所示是本专利技术一实施例中的方法流程示意图，本实施例中的一种基于云端的轨迹计算方法，包括如下步骤：步骤S100用户上传GPS定位数据至云端，在云端建立运动轨迹数据库，在步骤S100中包括但不限于数据的预处理方式，比如，异常点预处理、路径分割、网格映射以及停留区域检测。在一些实施例中，由于受GPS精度以及信号干扰等因素的影响,原始的GPS数据中,通常包含一些异常点。这些异常点的存在会影响后续轨迹处理的精度和准确性。通过异常点预处理的方式能够去除异常点，确保轨迹处理的准确性。在一些实施例中，路径分割，当GPS轨迹中存在任一两种情景之一时,将其拆分为两条路径:情景1，轨迹中存在停留区域；情景2，相邻GPS点的时隙大于一定阈值，很可能是用户关闭了GPS设备,或者GPS设备在一段时间内未接收到卫星信号等原因造成的。由于从GPS轨迹中去除停留区域时留下了一个较大的时隙。可以统一检测GPS点间的时隙,当大于某一时间阈值时,就进行路径分割。在一些实施例中，采用网格映射对所述GPS定位数据进行预处理，将GPS点映射入预先划分好的坐标网格中，当连续的GPS点映射入同一网格时,压缩记录为一个时序格。在一些实施例中，当用户在某一区域驻留超过一段时间,则该区域可能是用户的一个停留区域。在一些实施例中，当在一个连续的GPS轨迹中,发现了一个停留区域,则将轨迹拆分为两段:通往和离开该区域的轨迹,并同时从GPS轨迹中删除停留区域的数据点。在一些实施例中，还包括采用均值(或中值)滤波器、Kalman和粒子滤波器进行轨迹数据预处理。在一些实施例中，停留区域检测还可以采用GidofalviG,PedersenTB.Mininglong,sharablepatternsintrajectoriesofmovingobjects[J].GeoInformatica,2009,13(1):27-55.中的方法。步骤S101对所述运动轨迹数据库中所有用户的历史运动轨迹数据进行机器学习，提取出规律路径，经过步骤S100中的数据准备,用户的轨迹日志被形式化为一系列的时序格链表存放至云端数据库中，将从时序格链表中挖掘出用户的规律出行路径,并识别每条路径的交通模式。步骤S102将规律路径拟合作为用户的真实跑步轨迹。上述步骤中，用户的轨迹是用户行为的重要组成部分,其包括但不限于：用户的出行信息、用户的出行习惯、生活经验等。而随着GPS智本文档来自技高网...

【技术保护点】
一种基于云端的轨迹计算方法，其特征在于，包括如下步骤：用户上传GPS定位数据至云端，在云端建立运动轨迹数据库，对所述运动轨迹数据库中所有用户的历史运动轨迹数据进行机器学习，提取出规律路径，将规律路径拟合作为用户的真实跑步轨迹。

【技术特征摘要】
1.一种基于云端的轨迹计算方法，其特征在于，包括如下步骤：用户上传GPS定位数据至云端，在云端建立运动轨迹数据库，对所述运动轨迹数据库中所有用户的历史运动轨迹数据进行机器学习，提取出规律路径，将规律路径拟合作为用户的真实跑步轨迹。2.根据权利要求1所述的轨迹计算方法，其特征在于，提取出规律路径的方法具体包括：采集得到样本路径，对轨迹路径聚类，筛选得到支撑路径。3.根据权利要求1或2所述的轨迹计算方法，其特征在于，所述规律路径按照设定的网格尺寸完成提取。4.根据权利要求3所述的轨迹计算方法，其特征在于，所述网格尺寸大小为：10英寸。5.根据权利要求1所述的轨迹计算方法，其特征在于，所述规律路径，用以表示用户经常访问的完整轨迹路线。6.根据权利要求2所述的轨迹计算方法，其特征在于，所述支撑路径，用以表示，用户每次经过同一路线,产生的一条路径记录,所述支撑路径是对一条路线的一次访问实例。7.根据权利要求1所...

【专利技术属性】
技术研发人员：胡茂伟，
申请(专利权)人：深圳市悦动天下科技有限公司，
类型：发明
国别省市：广东,44