CN117251748A - 一种基于历史规律挖掘的航迹预测方法、设备及存储介质 - Google Patents

Abstract

本发明公开了一种基于历史规律挖掘的航迹预测方法、设备及存储介质，属于情报处理技术领域。本发明首先利用空间栅格对目标历史航迹进行稀疏表示；再对不同时域相同地域内的目标历史航迹集合进行聚类得到目标规律性活动航迹集合；之后利用空间栅格对目标实时航迹进行稀疏表示；最后计算目标实时航迹和目标规律性活动航迹集合中所有航迹之间的匹配度；利用匹配度最优的所述航迹进行目标航迹预测。本发明航迹预测方法能够实现在长时间跨度下的较高置信度的目标轨迹预测，且计算复杂度较小。

Description

一种基于历史规律挖掘的航迹预测方法、设备及存储介质

技术领域

本发明属于情报处理技术领域，更具体地，涉及一种基于历史规律挖掘的航迹预测方法、设备及存储介质。

背景技术

目标航迹预测是为了获取海上空中目标未来某一段时间可能的运动轨迹，为处置留出时间提前量。其中，运动目标航迹预测的方法很多，包括卡尔曼滤波、隐形马尔科夫模型、支持向量机、神经网络、深度学习等，此类方法对目标的运动状态进行了拟合，可较好的解决目标短时间内的轨迹预测问题，但不适用于长时间跨度的目标航迹预测。

长时间跨度的目标航迹预测有基于对抗网络、基于目标先验知识、基于计划航路等方法，此类方法存在着对目标运动趋势的预测置信度偏低、计算复杂度高等问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于历史规律挖掘的航迹预测方法、设备及存储介质，其目的在于解决现有长期航迹预测方法置信度不高、计算复杂的技术问题。

为实现上述目的，第一方面，本发明提供了一种基于历史规律挖掘的航迹预测方法，所述方法包括：

利用空间栅格对目标历史航迹进行稀疏表示；

对不同时域相同地域内的目标历史航迹集合进行聚类得到目标规律性活动航迹集合；

利用空间栅格对目标实时航迹进行稀疏表示；

计算目标实时航迹和目标规律性活动航迹集合中所有航迹之间的匹配度；利用匹配度最优的所述航迹进行目标航迹预测。

优选的，利用空间栅格对航迹进行稀疏表示具体为：在指定分析区域中进行栅格划分，若航迹在同一个栅格中存在多个航迹点，则所述多个航迹点简约为同一个航迹点；若航迹中相邻两个航迹点之间的栅格中没有航迹点，则在所述两个航迹点之间的栅格中插值，确保每个所述栅格中有且仅有一个航迹点。

优选的，若航迹在同一个栅格中存在多个航迹点，则所述多个航迹点简约为时间顺序最前的航迹点。

优选的，所述匹配度的评分具体为：

其中，similarity_k为匹配度的评分；dis_k为实时航迹和规律性活动航迹之间的偏离程度；sport_k为实时航迹和规律性活动航迹的运动趋势一致性程度；w₁和w₂分别为dis_k和sport_k的权重系数；N′_pre为实时航迹中航迹点数量；k_len＝k_end-k_first，k_end为规律性活动航迹中，与实时航迹首点距离最近点的序号；k_first为规律性活动航迹中，与实时航迹末点距离最近点的序号；在规律性活动航迹集合中，匹配度的评分最低，则匹配度最优，选取匹配度最优的规律性活动航迹进行目标航迹预测。

优选的，匹配度最优的规律性活动航迹若不满足下式：

则航迹匹配失败；其中，Per_tho为轨迹相似匹配阈值。

优选的，所述实时航迹和规律性活动航迹之间的偏离程度具体为：

其中，dis(trkToPre′_j,trk_k)为实时航迹中第j个航迹点与规律性活动航迹之间的最近距离。

优选的，所述实时航迹和规律性活动航迹的运动趋势一致性程度具体为：

其中，dis(trkToPre′_j,trk_k)为实时航迹中第j个航迹点与规律性活动航迹之间的最近距离。

优选的，所述实时航迹中第j个航迹点与规律性活动航迹之间的最近距离具体为：

其中，x_j和y_j分别为实时航迹中第j个航迹点的x轴坐标和y轴坐标；和/>分别为规律性活动航迹中第n个航迹点的x轴坐标和y轴坐标；min为求最小值；N_k为规律性活动航迹中航迹点数量。

第二方面，本发明提供一种电子设备，包括：存储器，用于存储程序；处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面中所描述的任一方法。

第三方面，本发明提供一种存储介质，存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面中所描述的任一方法。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

传统的轨迹预测方法大多是偏向于短周期的预测，以实时轨迹为基础。本发明提供了一种基于历史活动规律匹配的航迹预测方法，其通过挖掘获取特定目标的时空活动规律并进行时空表示，在对历史轨迹与实时航迹进行约简化表示的基础上进行航迹相似度匹配，显著降低了航迹时空匹配的计算复杂度，然后在目标历史活动规律的基础上实现目标轨迹预测，能够实现在长时间跨度下的较高置信度的目标轨迹预测。

附图说明

图1是本发明实施例中一种基于历史规律挖掘的航迹预测方法的实现流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在本发明实施例的描述中，除非另有说明，“多个”的含义是指两个或者两个以上，例如，多个航迹点是指两个或者两个以上的航迹点等。

接下来，对本发明实施例中提供的技术方案进行介绍。

如图1所示，本发明实施例包括以下步骤：

(1)目标历史航迹数据累积与简化存储。

(1.1)对目标按空中目标、海面目标进行分类，建立不同尺度的空间栅格进行目标稀疏约简表示。

通常的海空目标航迹存储大多按序列进行存储，包括目标编号、位置、时间、目标类型、目标名称等要素，在完成野值剔除、格式转换后进行存储。不同类型的目标数据更新周期不同，目标时空跨度不同，为降低目标历史活动规律是的轨迹挖掘难度，因此对不同类型的目标建立不同尺度的空间栅格进行稀疏表示。

一种典型的栅格空间大小取值如表1所示。

目标类别	典型运动速度	栅格空间大小
			海面	15海里/小时	Δxs＝Δys＝1km
空中	900千米/小时	Δxa＝Δya＝10km

表1

为降低计算量，空中航迹压缩在二维空间进行约简存储。

针对指定分析区域进行栅格划分x∈[0,X],y∈[0,Y]，X表示栅格在东西向的最大索引，Y表示栅格在南北向的最大索引。航迹中的多个点落在同一栅格空间，则约简为同一个点；典型的选取方法为选取多个点中时间顺序最前的点；航迹中时序相邻的两个点跨越多个栅格空间时，进行时间与空间插值处理。

栅格化约简后的航迹表示为：

trk＝{trkID,boardName,(lon_i,lat_i,alt_i,tgtKind_i,time_i,x_i,y_i)}

其中，trkID为目标航迹批号，N为航迹trkID的约简后的航迹点序列个数，i∈[1,N]，boardName为航迹目标舷号或名称，lon_i,lat_i,alt_i分别为第i个航迹点的经度、纬度和高度，tgtKind_i为第i个航迹点的类型，time_i为第i个航迹点的时刻，x_i,y_i为第i个航迹点的栅格空间索引号。栅格化表示的相邻航迹点在空间栅格中始终在临域内。

(1.2)按目标舷号或名称建立库表索引。

通常历史目标航迹数据库表大多以时间和航迹编号建立索引，本方法按目标舷号或名称建立库表索引，能够更快的获取物理世界中某个目标的所有历史活动轨迹，为目标活动规律轨迹挖掘提供支撑。

(2)以目标舷号或名称为索引，目标活动轨迹挖掘。

(2.1)检索获取指定目标在一段时间内[T_start,T_end]，一定区域内[lon_min,lon_max,lat_min,lat_max]的所有约简航迹；

某指定名称的目标航迹列表表示为set{trk_k},k∈[1,M]，M代表航迹个数，表示方法同栅格化约简后的航迹表示。

(2.2)采用Kmeans聚类思想进行航迹聚类，将时域不同地域相近的轨迹聚类在一起，抽取多个轨迹聚合区域形成多条目标规律活动航迹，一方面实现多条近似航迹合并成一条调试，另一方面实现多个零碎航迹整合接续，增加航迹连续性表示。空中目标航迹与空中目标航迹聚类，水面目标航迹与水面目标航迹聚类。

经聚类处理后，实现了指定名称的目标规律性活动轨迹提取，表示为set{trk_k},k∈[1,M′]。

其中M′代表在时间[T_start,T_end]内，区域[lon_min,lon_max,lat_min,lat_max]内的目标规律性活动轨迹的条数，M′<M。

(3)获取待预测的实时目标航迹，表示为:

trkToPre＝{trkID,boarName,(lon_j,lat_j,alt_j,tgtKind_j,time_j)}，

其中，N_pre为实时目标航迹的点数；j为所述航迹中第j个航迹点；j∈[1,N_pre]。

(4)实时目标航迹简化表示，采用与步骤(1.1)相同的航迹约简方法进行航迹处理，约简后的航迹表示为：

trkToPre′＝{trkID,boardName,(lon_j,lat_j,alt_j,tgtKind_j,time_j,x_j,y_j)}

其中，N′_pre为实时目标航迹约简后的点数，j∈[1,N′_pre]，x_j,y_j为栅格空间索引号。

(5)实时目标航迹trkToPre′与目标规律性活动轨迹set{trk_k},k∈[1,M′]匹配。

(5.1)计算实时目标航迹与目标规律性活动轨迹匹配度；

实时目标航迹：

trkToPre′＝{trkID,boardName,(lon_j,lat_j,alt_j,tgtKind_j,time_j,x_j,y_j)},j∈[1,N′_pre]

第k条目标规律性活动航迹：

其中，N_k为第k条目标规律性活动航迹点数。

根据步骤1.1，两条航迹采用的相同的栅格化处理方法，其空间尺度相同。

以第k条目标规律性活动航迹为基准，计算实时目标航迹中每个点与第k条目标规律性活动航迹的最近距离：

第k条目标规律性活动航迹中，与实时目标航迹的首点距离最近点序号记为k_first；与实时目标航迹的最后一个点距离最近的点序号记为k_end。

则实时目标航迹与第k条目标规律性活动航迹的偏离程度记为：

偏离向量记为：

实时目标航迹与第k条目标规律性活动航迹的运动趋势一致性程度记为：

dis_k越小，说明两条轨迹重合度越高，spory_k越小说明两条轨迹运动趋势一致性越强；dis_k大sport_k小说明两条轨迹运动趋势相似，但空间位置有平移；dis_k大sport_k大说明两条轨迹相似度低。实时目标航迹与第k条目标规律性活动航迹的匹配度评分表示为：

其中，k_len＝k_end-k_fiest；w₁为偏离程度的权重系数；w₂为运动趋势一致性程度的权重系数；

(5.2)重复步骤5.1，遍历目标规律性活动轨迹集合，计算每一条轨迹匹配度评分similarity；

(5.3)选取similarity评分最低的一条目标规律性活动轨迹作为匹配成功轨迹。

要求满足：

其中，Per_tho称为轨迹相似匹配阈值，Per_tho的一种典型取值为否则匹配失败。

(6)利用匹配成功的规律性活动轨迹进行目标运动预测。

目标规律性活动航迹中，与实时目标航迹的最后一个点距离最近点位置记为k_end-first，k_end-first点为预测轨迹的起点，则预测轨迹表示为：

其中，n∈[k_end-first,N_k]。

基于上述实施例中的方法，本发明实施例中提供了一种电子设备。该设备可以包括：用于存储程序的存储器和用于执行存储器存储的程序的处理器。其中，当存储器存储的程序被执行时，处理器用于执行上述实施例中所描述的方法。

基于上述实施例中的方法，本发明实施例中提供了一种存储介质，存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行上述实施例中的方法。

可以理解的是，本发明的实施例中的处理器可以是中央处理单元(centralprocessing unit，CPU)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件，硬件部件或者其任意组合。通用处理器可以是微处理器，也可以是任何常规的处理器。

本发明的实施例中的方法步骤可以通过硬件的方式来实现，也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(random access memory，RAM)、闪存、只读存储器(read-only memory，ROM)、可编程只读存储器(programmable rom，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在存储介质中，或者通过所述存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

可以理解的是，在本发明的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本发明的实施例的范围。

以上内容本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于历史规律挖掘的航迹预测方法，其特征在于，所述方法包括：

利用空间栅格对目标历史航迹进行稀疏表示；

对不同时域相同地域内的目标历史航迹集合进行聚类得到目标规律性活动航迹集合；

利用空间栅格对目标实时航迹进行稀疏表示；

计算目标实时航迹和目标规律性活动航迹集合中所有航迹之间的匹配度；利用匹配度最优的所述航迹进行目标航迹预测。

2.根据权利要求1所述的方法，其特征在于，利用空间栅格对航迹进行稀疏表示具体为：在指定分析区域中进行栅格划分，若航迹在同一个栅格中存在多个航迹点，则所述多个航迹点简约为同一个航迹点；若航迹中相邻两个航迹点之间的栅格中没有航迹点，则在所述两个航迹点之间的栅格中插值，确保每个所述栅格中有且仅有一个航迹点。

3.根据权利要求2所述的方法，其特征在于，若航迹在同一个栅格中存在多个航迹点，则所述多个航迹点简约为时间顺序最前的航迹点。

4.根据权利要求1所述的方法，其特征在于，所述匹配度的评分具体为：

其中，similarity_k为匹配度的评分；dis_k为实时航迹和规律性活动航迹之间的偏离程度；sport_k为实时航迹和规律性活动航迹的运动趋势一致性程度；w₁和w₂分别为dis_k和sport_k的权重系数；N′_pre为实时航迹中航迹点数量；k_len＝k_end-k_first，k_end为规律性活动航迹中，与实时航迹首点距离最近点的序号；k_first为规律性活动航迹中，与实时航迹末点距离最近点的序号；在规律性活动航迹集合中，匹配度的评分最低，则匹配度最优，选取匹配度最优的规律性活动航迹进行目标航迹预测。

5.根据权利要求4所述的方法，其特征在于，匹配度最优的规律性活动航迹若不满足下式：

则航迹匹配失败；其中，Per_tho为轨迹相似匹配阈值。

6.根据权利要求4所述的方法，其特征在于，所述实时航迹和规律性活动航迹之间的偏离程度具体为：

其中，dis(trkToPre′_j,trk_k)为实时航迹中第j个航迹点与规律性活动航迹之间的最近距离。

7.根据权利要求6所述的方法，其特征在于，所述实时航迹和规律性活动航迹的运动趋势一致性程度具体为：

其中，dis(trkToPre′_j,trk_k)为实时航迹中第j个航迹点与规律性活动航迹之间的最近距离。

8.根据权利要求6或7所述的方法，其特征在于，所述实时航迹中第j个航迹点与规律性活动航迹之间的最近距离具体为：

其中，x_j和y_j分别为实时航迹中第j个航迹点的x轴坐标和y轴坐标；和/>分别为规律性活动航迹中第n个航迹点的x轴坐标和y轴坐标；min为求最小值；N_k为规律性活动航迹中航迹点数量。

9.一种电子设备，其特征在于，包括：

存储器，用于存储程序；

处理器，用于执行所述存储器存储的程序，当所述存储器存储的程序被执行时，所述处理器用于执行权利要求1-8中任一所述的方法。

10.一种存储介质，所述存储介质存储有计算机程序，其特征在于，当所述计算机程序在处理器上运行时，使得所述处理器执行权利要求1-8中任一所述的方法。