买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明公开了一种面向运动物体的进化聚类方法及系统，方法包括：在线获取运动物体的运动状态信息，每条信息包括运动物体的地理位置坐标和运动物体当前所处的时间点；以每一个固定大小的时间间隔作为一次聚类的单位，对这一个时间间隔内的运动物体，将地理空间距离作为度量标准，形成用于平滑运动物体位置的最小化群组；利用最小化群组对运动物体的位置进行进化聚类的平滑后，使用网格索引结合基于密度的聚类方法，对运动物体进行快速地聚类计算；完成聚类后通过优化迭代基于密度聚类的算法参数，从而在线地形成高质量的运动物体的聚类。

主权项：1.一种面向运动物体的进化聚类方法，包括如下步骤：1在线获取运动物体的运动状态信息，每条运动状态信息包括运动物体所处的地理位置坐标以及时间戳；2确定当前时间片段内的运动物体，并将这些运动物体划分为多个最小化群组，具体地：对于当前时间片段内的任一运动物体p，将其运动状态信息中的地理位置坐标通过米勒投影法变换成二维平面坐标x,y，通过搜索找到与p距离小于md_thres的所有运动物体，若这些运动物体的数量超过mn_thres，则以p为初始种子点形成一个最小化群组并将这些运动物体都划分至该群组中，md_thres为距离阈值，mn_thres为数量阈值；3基于最小化群组的种子点，对群组中非种子点的位置进行平滑处理，具体实现方式如下：3.1以群组中的任一运动物体作为种子点，其余运动物体为非种子点，对种子点和非种子点分别进行限速处理，具体地：对于种子点，则通过调整s_loc使得ds_loc,s_loc's_t-s_t'＜maxSpeed，其中s_loc和s_loc'分别表示种子点在当前时间片段内和在前一时间片段内的位置，s_t和s_t'分别表示s_loc和s_loc'对应的时间戳，ds_loc,s_loc'表示s_loc与s_loc'之间的距离，maxSpeed为最大速度限值；对于任一非种子点o，则通过调整o_loc使其满足以下关系式： dsp,o_loc'o_t-o_t'＜maxSpeed其中：o_loc和o_loc'分别表示非种子点o在当前时间片段内和在前一时间片段内的位置，o_t和o_t'分别表示o_loc和o_loc'对应的时间戳，sp为位置变量，dsp,s_loc表示sp与s_loc之间的距离，do_loc,s_loc表示o_loc与s_loc之间的距离，dsp,o_loc'表示sp与o_loc'之间的距离；3.2计算种子点基于进化聚类平滑操作的损失函数L： 其中：md_thres为距离阈值，表示向上取整，do_loc,s_loc表示o_loc与s_loc之间的距离，β为固定参数，a为变量且a的取值范围包括以及区间内的正整数，表示向下取整；3.3以损失函数L最小化来确定变量a，进而将a代入损失函数L中得到种子点对应的损失函数值；3.4使群组中的每一运动物体遍历作为种子点，根据步骤3.2～3.3得到各个种子点对应的损失函数值，取损失函数值最小的种子点作为群组的最优种子点，进而确定其损失函数L中的变量a，并通过以下表达式计算出群组中非种子点平滑后的位置； 其中：ox和oy分别为非种子点o平滑前位置的横纵坐标，o'x和o'y分别为非种子点o平滑后位置的横纵坐标，sx和sy分别为最优种子点位置的横纵坐标；4根据平滑后的位置对当前时间片段内的运动物体进行聚类，具体地：对于当前时间片段内的任一运动物体p，根据平滑后位置的二维平面坐标通过搜索找到与p距离小于dd_thres的所有运动物体，若这些运动物体的数量超过dn_thres，则将p作为聚类的核心点，进而根据这些核心点对当前时间片段内的运动物体进行基于密度的聚类，dd_thres为距离阈值，dn_thres为数量阈值；对于当前时间片段内的任一运动物体p，根据其二维平面坐标x,y建立p的网格索引其中xmin和ymin分别为p所在平面的横纵坐标下界，dd_thres为距离阈值；在搜索过程中，只搜索网格索引为的运动物体，计算这些运动物体与p的距离，其中i＝-1、0或1，j＝-1、0或1；当完成一次聚类后，根据聚类结果计算模块化度，模块化度越大，聚类的质量越高；对距离阈值dd_thres进行微调后重新进行聚类，若聚类结果的模块化度得以提升，则将调整后的距离阈值dd_thres用于下一时间片段内的运动物体聚类。

全文数据：

权利要求：

百度查询： 浙江大学 一种面向运动物体的进化聚类方法及系统