一种面向室内场景语义的移动对象轨迹大数据压缩方法

本发明属于数据压缩，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。

背景技术：

1、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，locationbased 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。

2、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法对轨迹数据进行时空拓扑语义管理，导致分析室内场景移动对象轨迹的具体目标难以实现，无法细化室内移动对象的复杂移动行为。(4)当前的轨迹压缩方法没有考虑在室内场景内移动对象在多楼层之间跨越式移动行为的具体分析，无法得到移动对象在完整的室内空间中的复杂移动行为。

3、随着人们大部分日常生活时间与室内空间相关，大型室内公共场所规模持续增长，传统的轨迹压缩算法面临着瓶颈和挑战，需要开发能够满足在室内环境下的新型轨迹压缩算法。在智慧城市背景下，也提出了新要求，需要考虑室内空间信息和语义信息进行分析进而整合，对室内轨迹进行合理建模和管理，使室内空间数据模型合理有效的表达。

技术实现思路

1、本发明要解决的技术问题是针对现有技术的不足而提供一种面向室内场景语义的移动对象轨迹大数据压缩方法，针对压缩海量室内轨迹数据问题，构建室内空间约束下的轨迹拓扑语义模型，对室内轨迹进行语义编码，在时空拓扑语义管理方面用直观数据对轨迹数据进行合理存储和表达，实现移动对象在多楼层之间跨越式移动行为的具体分析，细化移动对象在完整室内空间中的复杂移动行为以及轨迹多层次语义信息。

2、为解决上述技术问题，本发明的内容包括：

3、一种面向室内场景语义的移动对象轨迹大数据压缩方法，包括如下步骤：

4、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；

5、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；

6、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；

7、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；

8、s5.针对步骤s4所重建的移动对象语义轨迹，构建压缩后轨迹的语义解析器，基于步骤s3所得的子轨迹-局部走廊元素、子轨迹-室内区域要素的有效交叠语义，对行人轨迹进行语义解析，得到以局部语义为单位管理组织的语义轨迹。

9、进一步的，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。

10、进一步的，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。

11、进一步的，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。

12、进一步的，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。

13、进一步的，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：

14、

15、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itpre、关键点itkey、后子轨迹itpost，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、-1、0，空表示两类拓扑不变量中有空集，1和-1分别表示两类拓扑不变量之间有正向交集与反向交集，0表示两类拓扑不变量之间不存在交集；

16、所述子轨迹元组中的每个拓扑分量与室内区域要素中的拓扑分量相互交叠计算语义情况为：

17、

18、式中，drd、dru、dro和dr-分别表示同一场景的正面即低楼层区域、同一场景的背面即高楼层区域、同一场景的边界、同一场景的外部区域；矩阵中的每个值表示子轨迹拓扑不变量与室内区域要素拓扑不变量的交叠情况，其取值可为空或0、1，空表示两类拓扑不变量中有空集，0表示两类拓扑不变量之间不存在交集，1表示两类拓扑不变量之间存在交集。

19、进一步的，所述步骤s3中，所述子轨迹元组与室内局部走廊元素的编码方式，包括9个交叠部分中的有效交叠语义，利用小写字母i、b、e分别表示移动对象与走廊的内部交叠、移动对象与走廊的边界交叠、移动对象与走廊的外部交叠；利用节点编号b1与b2区分子轨迹在走廊上的运动方向，至此i代表子轨迹与走廊相交的属性为节点b1至b2方向，-i表示子轨迹与走廊相交的属性为节点b2至b1方向；若两类拓扑不变量中不存在空，则非空相应标记为i、-i、b1、b2、e，否则标记为空；所述子轨迹元组与室内局部走廊元素的编码以xyz形式标记，x、y、z分别表示前子轨迹、关键点、后子轨迹与走廊元素的拓扑交叠关系；

20、所述子轨迹元组与室内区域要素的编码方式，包括16个交叠部分中的有效交叠语义，利用大写字母i、b、e分别表示移动对象与室内区域要素的内部交叠、移动对象与室内区域要素的边界交叠、移动对象与室内区域要素的外部交叠；利用区域内部编号i1与i2区分子轨迹在同一场景低楼层区域内部与高楼层区域内部，若两类拓扑不变量中不存在空，则非空相应标记为i1、i2、b、e，否则标记为空；所述子轨迹元组与室内区域要素的编码以xyz形式标记，x、y、z分别表示前子轨迹、关键点、后子轨迹与室内区域要素的拓扑交叠关系。

21、进一步的，所述步骤s4中，室内场景局部交叠语义模型针对室内局部走廊元素与室内区域要素，对移动轨迹以同类型编码方式进行压缩，室内场景移动轨迹的通用表达形式为：

22、

23、其中，tcode代表具有室内场景不同要素的子轨迹的语义编码，“@”是连接室内场景要素的连接符号，“q”是子轨迹元组对应某一室内场景要素的唯一编号，“/”是连接室内楼层编号的连接符号，“f”是表示子轨迹关键点拓扑分量所处楼层的唯一编号，“*”是连接移动对象移动方式的连接符号，“w”是表示移动对象所采取的移动方式；利用“+”来连接子轨迹关键点所在拓扑元组的不同的语义，利用“↓”连接子轨迹在室内区域要素之间楼层变化的组合语义；

24、对轨迹语义进行重建包括基于室内局部走廊元素的语义轨迹重建模式和基于室内区域要素的语义轨迹重建模式，其轨迹公式分别为：

25、

26、

27、本发明的有益效果是：

28、(1)本发明所构建的室内场景局部交叠语义模型突出考虑移动行为在室内场景的空间约束，将移动轨迹的地理语义加入室内场景走廊元素与区域要素的限制，研究移动轨迹对于室内场景要素的移动行为特征。从时间维度、空间维度关注移动轨迹特征，加入拓扑信息将室内场所走廊元素、poi区域等室内语义信息与移动轨迹进行整合，以此分析对象在室内场所的移动行为，满足专题查询、分析等室内空间位置服务需求；(2)本发明所提出的轨迹语义编码压缩方法突出移动对象在室内场所移动行为语义的表达方式，对海量室内轨迹进行有效语义压缩，通过室内场景局部语义重建轨迹对于室内场景中不同地理要素的行为关系。将每种语义进行编码并重建，增强原始轨迹的表达能力，便于实现室内移动对象轨迹的语义查询；(3)突出室内场景局部交叠语义模型考虑室内场景中跨楼层轨迹的语义解析。对轨迹语义进行重建表达的通用公式中加入移动对象跨楼层移动所采取的移动设备语义信息，从而细化移动对象在完整的室内空间中的复杂移动行为；(4)利用拓扑语义进行移动轨迹的时空查询，针对不同室内位置服务需求，提出具体场景分析，解释人们的活动行为，挖掘移动对象的潜在价值。