时空轨迹伴随分析方法、系统及电子设备和存储介质.pdf

《时空轨迹伴随分析方法、系统及电子设备和存储介质.pdf》由会员分享，可在线阅读，更多相关《时空轨迹伴随分析方法、系统及电子设备和存储介质.pdf（14页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010821130.7 (22)申请日 2020.08.14 (71)申请人 济南浪潮数据技术有限公司 地址 250101 山东省济南市高新区浪潮路 1036号浪潮科技园S05楼S311室 (72)发明人 宋文豪 (74)专利代理机构 北京集佳知识产权代理有限 公司 11227 代理人 王晓坤 (51)Int.Cl. G06F 16/27(2019.01) G06F 16/2458(2019.01) G06F 16/2455(2019.01) G06F 16/242(201。

2、9.01) G06F 16/22(2019.01) G06F 40/126(2020.01) (54)发明名称 时空轨迹伴随分析方法、 系统及电子设备和 存储介质 (57)摘要 本申请公开了一种时空轨迹伴随分析方法 及相关组件， 该方法包括： 获取采集对象的原始 数据， 对原始数据中的空间数据编码生成字符串 并添加至原始数据中， 生成预处理数据； 将预处 理数据写入时序库Druid， 写入时时序库根据时 间粒度对预处理数据进行预聚合实现初始去重； 接收针对目标对象的轨迹查询请求， 查找数据并 二次去重， 生成目标对象的第一时空轨迹及伴随 对象的第二时空轨迹； 确定第二时空轨迹与第一 时空轨迹的。

3、伴随次数， 确定每个第二时空轨迹与 第一时空轨迹的伴随程度。 本申请利用时序库通 过预聚合操作实现粗略去重， 避免数据冗余， 降 低空间占用， 提升二次去重计算速度， 在伴随分 析时无需构建非线性数据模型进行拟合， 降低了 计算复杂度。 权利要求书2页 说明书7页 附图4页 CN 112000736 A 2020.11.27 CN 112000736 A 1.一种时空轨迹伴随分析方法， 其特征在于， 包括： 获取采集对象的原始数据， 对所述原始数据中的空间数据进行plus code编码生成字 符串， 将所述字符串添加至所述原始数据中， 生成预处理数据； 将所述预处理数据写入时序库Druid中进。

4、行存储， 写入过程中所述时序库Druid根据时 间粒度对所述预处理数据进行预聚合操作， 实现初始去重； 接收针对目标对象的轨迹查询请求， 根据所述轨迹查询请求在所述时序库Druid中进 行数据查找并进行二次去重处理， 生成所述目标对象的第一时空轨迹， 以及所述目标对象 对应的伴随对象的第二时空轨迹； 确定所述第二时空轨迹与所述第一时空轨迹的伴随次数， 基于所述伴随次数确定每个 所述第二时空轨迹与所述第一时空轨迹的伴随程度。 2.根据权利要求1所述的时空轨迹伴随分析方法， 其特征在于， 所述写入过程中所述时 序库Druid根据时间粒度对所述预处理数据进行预聚合操作， 实现初始去重， 包括： 利用。

5、所述时序库Druid根据时间维度， 对所述预处理数据进行预聚合操作， 将经过所述 预聚合操作的处理后数据按照顺序分块存储的方式写入所述时序库Druid中进行存储； 利用所述时序库Druid根据所述处理后数据的维度信息， 创建所述处理后数据对应的 位图索引。 3.根据权利要求2所述的时空轨迹伴随分析方法， 其特征在于， 所述根据所述轨迹查询 请求在所述时序库Druid中进行数据查找， 生成所述目标对象的第一时空轨迹， 包括： 根据所述轨迹查询请求， 通过所述位图索引进行位运算， 筛选所述目标对象在指定时 间段内的第一轨迹数据； 基于时间粒度对所述第一轨迹数据进行去重处理， 得到去重后数据； 按照。

6、时间顺序对所述去重后数据进行汇总， 生成所述目标对象对应的第一时空轨迹。 4.根据权利要求3所述的时空轨迹伴随分析方法， 其特征在于， 所述基于时间粒度对所 述第一轨迹数据进行去重处理， 得到去重后数据， 包括： 统计每个时间粒度内置信度最高的轨迹点确定为当前时间粒度的轨迹点数据； 所述置 信度包括每个plus code编码的字符串出现的频次。 5.根据权利要求1所述的时空轨迹伴随分析方法， 其特征在于， 所述第二时空轨迹的生 成过程， 包括： 根据所述第一时空轨迹， 在所述时序库Druid中查询与所有伴随对象对应的第二轨迹 数据； 根据所述伴随对象的标识信息， 对所述第二轨迹数据进行分组， 。

7、并根据时间粒度对所 述第二轨迹数据进行去重处理， 生成每个所述伴随对象对应的第二时空轨迹。 6.根据权利要求1至5任一项所述的时空轨迹伴随分析方法， 其特征在于， 所述确定所 述第二时空轨迹与所述第一时空轨迹的伴随次数， 基于所述伴随次数确定每个所述第二时 空轨迹与所述第一时空轨迹的伴随程度， 包括： 分别统计每个所述第二时空轨迹与所述第一时空轨迹的伴随总次数和最大连续伴随 次数； 确定所述伴随总次数和所述最大连续伴随次数对应的权重， 通过加权方式计算每个所 述第二时空轨迹与所述第一时空轨迹的伴随程度。 权利要求书 1/2 页 2 CN 112000736 A 2 7.根据权利要求6所述的时空。

8、轨迹伴随分析方法， 其特征在于， 所述基于所述伴随次数 确定每个所述第二时空轨迹与所述第一时空轨迹的伴随程度之后， 还包括： 通过预设显示方式展示所述第一时空轨迹， 并按照所述伴随程度大小的降序排列输出 伴随轨迹列表。 8.一种时空轨迹伴随分析系统， 其特征在于， 包括： 数据编码模块， 用于获取采集对象的原始数据， 对所述原始数据中的空间数据进行 plus code编码生成字符串， 将所述字符串添加至所述原始数据中， 生成预处理数据； 数据存储模块， 用于将所述预处理数据写入时序库Druid中进行存储， 写入过程中所述 时序库Druid根据时间粒度对所述预处理数据进行预聚合操作， 实现初始去。

9、重； 轨迹生成模块， 用于接收针对目标对象的轨迹查询请求， 根据所述轨迹查询请求在所 述时序库Druid中进行数据查找并进行二次去重处理， 生成所述目标对象的第一时空轨迹， 以及所述目标对象对应的伴随对象的第二时空轨迹； 伴随分析模块， 用于确定所述第二时空轨迹与所述第一时空轨迹的伴随次数， 基于所 述伴随次数确定每个所述第二时空轨迹与所述第一时空轨迹的伴随程度。 9.一种电子设备， 其特征在于， 包括： 存储器， 用于存储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至7任一项所述时空轨迹伴随分 析方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存。

10、储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求1至7任一项所述时空轨迹伴随分析 方法的步骤。 权利要求书 2/2 页 3 CN 112000736 A 3 时空轨迹伴随分析方法、 系统及电子设备和存储介质 技术领域 0001 本申请涉及数据处理技术领域， 更具体地说， 涉及一种时空轨迹伴随分析方法、 系 统及一种电子设备和一种计算机可读存储介质。 背景技术 0002 随着卫星、 无线网络以及定位设施的快速发展， 移动对象的轨迹数据急剧增长， 轨 迹数据的分析、 挖掘作为数据挖掘的一个新型分支， 在安防、 交通等行业发挥着巨大的作 用。 时空轨迹数据是采集对象的位置、 。

11、时间和标签信息的采样记录集合。 通过对时空数据进 行分析， 可以得到时空数据中的相似特征， 进而有助于用户从中发现有效信息。 0003 在安防场景中， 使用GeoHash对时空数据编码， 并保存在分布式数据库Hbase中， 对 轨迹数据进行多维/伴随分析； 在移动大数据场景中， 同样使用GeoHash对时空数据编码， 对 目标轨迹点按照时间维度进行拼接， 组合成目标轨迹记录， 并可根据GeoHash编码字符串的 重合度计算相似度权重， 实现轨迹的伴随分析。 也即， 生成的轨迹数据需要按照时间维度人 为设计复杂的代码逻辑对数据进行排序拼接。 在进行伴随分析时， 通常需要构建复杂的非 线性数据模型。

12、进行拟合处理， 计算复杂度较高， 且需要耗费大量的人力成本。 发明内容 0004 本申请的目的在于提供一种时空轨迹伴随分析方法、 系统及一种电子设备和一种 计算机可读存储介质， 降低了计算复杂度、 耗时及人力成本。 0005 为实现上述目的， 本申请提供了一种时空轨迹伴随分析方法， 包括： 0006 获取采集对象的原始数据， 对所述原始数据中的空间数据进行plus code编码生 成字符串， 将所述字符串添加至所述原始数据中， 生成预处理数据； 0007 将所述预处理数据写入时序库Druid中进行存储， 写入过程中所述时序库Druid根 据时间粒度对所述预处理数据进行预聚合操作， 实现初始去重。

13、； 0008 接收针对目标对象的轨迹查询请求， 根据所述轨迹查询请求在所述时序库Druid 中进行数据查找并进行二次去重处理， 生成所述目标对象的第一时空轨迹， 以及所述目标 对象对应的伴随对象的第二时空轨迹； 0009 确定所述第二时空轨迹与所述第一时空轨迹的伴随次数， 基于所述伴随次数确定 每个所述第二时空轨迹与所述第一时空轨迹的伴随程度。 0010 可选的， 所述写入过程中所述时序库Druid根据时间粒度对所述预处理数据进行 预聚合操作， 实现初始去重， 包括： 0011 利用所述时序库Druid根据时间维度， 对所述预处理数据进行预聚合操作， 将经过 所述预聚合操作的处理后数据按照顺序。

14、分块存储的方式写入所述时序库Druid中进行存 储； 0012 利用所述时序库Druid根据所述处理后数据的维度信息， 创建所述处理后数据对 应的位图索引。 说明书 1/7 页 4 CN 112000736 A 4 0013 可选的， 所述根据所述轨迹查询请求在所述时序库Druid中进行数据查找， 生成所 述目标对象的第一时空轨迹， 包括： 0014 根据所述轨迹查询请求， 通过所述位图索引进行位运算， 筛选所述目标对象在指 定时间段内的第一轨迹数据； 0015 基于时间粒度对所述第一轨迹数据进行去重处理， 得到去重后数据； 0016 按照时间顺序对所述去重后数据进行汇总， 生成所述目标对象对。

15、应的第一时空轨 迹。 0017 可选的， 所述基于时间粒度对所述第一轨迹数据进行去重处理， 得到去重后数据， 包括： 0018 统计每个时间粒度内置信度最高的轨迹点确定为当前时间粒度的轨迹点数据； 所 述置信度包括每个plus code编码的字符串出现的频次。 0019 可选的， 所述第二时空轨迹的生成过程， 包括： 0020 根据所述第一时空轨迹， 在所述时序库Druid中查询与所有伴随对象对应的第二 轨迹数据； 0021 根据所述伴随对象的标识信息， 对所述第二轨迹数据进行分组， 并根据时间粒度 对所述第二轨迹数据进行去重处理， 生成每个所述伴随对象对应的第二时空轨迹。 0022 可选的，。

16、 所述确定所述第二时空轨迹与所述第一时空轨迹的伴随次数， 基于所述 伴随次数确定每个所述第二时空轨迹与所述第一时空轨迹的伴随程度， 包括： 0023 分别统计每个所述第二时空轨迹与所述第一时空轨迹的伴随总次数和最大连续 伴随次数； 0024 确定所述伴随总次数和所述最大连续伴随次数对应的权重， 通过加权方式计算每 个所述第二时空轨迹与所述第一时空轨迹的伴随程度。 0025 可选的， 所述基于所述伴随次数确定每个所述第二时空轨迹与所述第一时空轨迹 的伴随程度之后， 还包括： 0026 通过预设显示方式展示所述第一时空轨迹， 并按照所述伴随程度大小的降序排列 输出伴随轨迹列表。 0027 为实现上。

17、述目的， 本申请提供了一种时空轨迹伴随分析系统， 包括： 0028 数据编码模块， 用于获取采集对象的原始数据， 对所述原始数据中的空间数据进 行plus code编码生成字符串， 将所述字符串添加至所述原始数据中， 生成预处理数据； 0029 数据存储模块， 用于将所述预处理数据写入时序库Druid中进行存储， 写入过程中 所述时序库Druid根据时间粒度对所述预处理数据进行预聚合操作， 实现初始去重； 0030 轨迹生成模块， 用于接收针对目标对象的轨迹查询请求， 根据所述轨迹查询请求 在所述时序库Druid中进行数据查找并进行二次去重处理， 生成所述目标对象的第一时空 轨迹， 以及所述目。

18、标对象对应的伴随对象的第二时空轨迹； 0031 伴随分析模块， 用于确定所述第二时空轨迹与所述第一时空轨迹的伴随次数， 基 于所述伴随次数确定每个所述第二时空轨迹与所述第一时空轨迹的伴随程度。 0032 为实现上述目的， 本申请提供了一种电子设备， 包括： 0033 存储器， 用于存储计算机程序； 0034 处理器， 用于执行所述计算机程序时实现前述公开的任一种时空轨迹伴随分析方 说明书 2/7 页 5 CN 112000736 A 5 法的步骤。 0035 为实现上述目的， 本申请提供了一种计算机可读存储介质， 所述计算机可读存储 介质上存储有计算机程序， 所述计算机程序被处理器执行时实现前。

19、述公开的任一种时空轨 迹伴随分析方法的步骤。 0036 通过以上方案可知， 本申请提供的一种时空轨迹伴随分析方法， 包括： 获取采集对 象的原始数据， 对所述原始数据中的空间数据进行plus code编码生成字符串， 将所述字符 串添加至所述原始数据中， 生成预处理数据； 将所述预处理数据写入时序库Druid中进行存 储， 写入过程中所述时序库Druid根据时间粒度对所述预处理数据进行预聚合操作， 实现初 始去重； 接收针对目标对象的轨迹查询请求， 根据所述轨迹查询请求在所述时序库Druid中 进行数据查找并进行二次去重处理， 生成所述目标对象的第一时空轨迹， 以及所述目标对 象对应的伴随对象。

20、的第二时空轨迹； 确定所述第二时空轨迹与所述第一时空轨迹的伴随次 数， 基于所述伴随次数确定每个所述第二时空轨迹与所述第一时空轨迹的伴随程度。 由上 可知， 本申请可在生成预处理数据之后， 利用时序库Druid通过预聚合操作实现数据的粗略 去重， 避免数据冗余， 降低存储空间占用， 提升后续二次精确去重过程的计算速度， 并基于 时序库Druid自动将数据按照时间进行排序， 无需手动排序工作， 在伴随分析时可基于第二 时空轨迹与第一时空轨迹的伴随次数计算伴随程度， 避免构建复杂的非线性数据模型进行 拟合处理， 降低了计算复杂度、 耗时及人力成本。 0037 本申请还公开了一种时空轨迹伴随分析系统。

21、及一种电子设备和一种计算机可读 存储介质， 同样能实现上述技术效果。 0038 应当理解的是， 以上的一般描述和后文的细节描述仅是示例性的， 并不能限制本 申请。 附图说明 0039 为了更清楚地说明本申请实施例或现有技术中的技术方案， 下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本 申请的一些实施例， 对于本领域普通技术人员来讲， 在不付出创造性劳动的前提下， 还可以 根据这些附图获得其他的附图。 0040 图1为本申请实施例公开的一种时空轨迹伴随分析方法的流程图； 0041 图2为本申请实施例公开的一种时空轨迹伴随分析系统的结构图； 。

22、0042 图3为本申请实施例公开的一种具体的时空轨迹伴随分析方法的流程图； 0043 图4为本申请实施例公开的数据编码模块的处理流程图； 0044 图5为本申请实施例公开的数据去重模块的处理流程图； 0045 图6为本申请实施例公开的一种电子设备的结构图； 0046 图7为本申请实施例公开的另一种电子设备的结构图。 具体实施方式 0047 下面将结合本申请实施例中的附图， 对本申请实施例中的技术方案进行清楚、 完 整地描述， 显然， 所描述的实施例仅仅是本申请一部分实施例， 而不是全部的实施例。 基于 本申请中的实施例， 本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 说明书 3。

23、/7 页 6 CN 112000736 A 6 实施例， 都属于本申请保护的范围。 0048 本申请实施例公开了一种时空轨迹伴随分析方法， 降低了计算复杂度、 耗时及人 力成本。 0049 参见图1所示， 本申请实施例公开的一种时空轨迹伴随分析方法包括： 0050 S101： 获取采集对象的原始数据， 对所述原始数据中的空间数据进行plus code编 码生成字符串， 将所述字符串添加至所述原始数据中， 生成预处理数据； 0051 本申请实施例， 首先获取采集对象的原始数据， 进而对原始数据中的空间数据进 行plus code编码生成字符串。 plus code编码， 旨在将表示地理位置的经纬。

24、度数据通过算 法编码为一个指定长度(精度)的字符串。 生成字符串后， 将其添加至原始数据中， 生成预处 理数据。 上述plus code编码的编码精度可在具体实施时进行设定， 本实施例可具体将其设 置为8。 0052 S102： 将所述预处理数据写入时序库Druid中进行存储， 写入过程中所述时序库 Druid根据时间粒度对所述预处理数据进行预聚合操作， 实现初始去重； 0053 本步骤中， 可将预处理数据写入时序库Druid中进行存储。 在数据写入时， 可根据 时间粒度对上述生成的预处理数据进行预聚合操作， 实现初始去重。 Druid是一个集时间序 列数据库、 数据仓库和全文检索系统特点于一。

25、体的分析性数据平台， 主要特性为列式存储、 基于时间的优化分区、 支持实时多维分析。 时间粒度是时序库Druid中存储数据的一个存储 设置项， 表示一个时间段。 例如时间粒度为1小时， 则这1小时内的n条数据在存储过程中做 预聚合， 即去重处理， 并且这n条数据的时间维度值会变成这1小时的起始时间。 如果这n条 数据除时间维度外， 其他维度值都相同， 那么最终仅存储1条数据， 该条数据的时间维度值 是该时间粒度内的起始时间。 在实际应用中， 由于原始数据的采集密度较大， 一般需要指定 时间粒度做预聚合去重处理， 避免数据冗余， 降低存储空间占用。 0054 具体地， 时序库Druid根据时间粒。

26、度对所述预处理数据进行预聚合操作， 实现初始 去重时时， 可利用时序库Druid根据时间维度， 对所述预处理数据进行预聚合操作， 将经过 预聚合操作的处理后数据按照顺序分块存储的方式写入时序库Druid中进行存储； 并可利 用时序库Druid根据处理后数据的维度信息， 创建处理后数据对应的位图索引。 0055 S103： 接收针对目标对象的轨迹查询请求， 根据所述轨迹查询请求在所述时序库 Druid中进行数据查找并进行二次去重处理， 生成所述目标对象的第一时空轨迹， 以及所述 目标对象对应的伴随对象的第二时空轨迹； 0056 在具体实施中， 可接收用户针对目标对象的轨迹查询请求， 该查询请求可。

27、包括目 标对象的名称、 标识等， 例如可具体为手机号、 身份证号等。 根据该轨迹查询请求中的参数， 在时序库Druid中查找相应的轨迹数据， 根据时间顺序生成目标对象的第一时空轨迹， 并生 成目标对象对应的伴随对象的第二时空轨迹。 0057 具体地， 上述根据所述轨迹查询请求在所述时序库Druid中进行数据查找并进行 二次的精确去重处理， 生成所述目标对象的第一时空轨迹的过程可以包括： 根据轨迹查询 请求， 通过位图索引进行位运算， 筛选目标对象在指定时间段内的第一轨迹数据； 基于时间 粒度对第一轨迹数据进行去重处理， 得到去重后数据； 按照时间顺序对去重后数据进行汇 总， 生成目标对象对应的。

28、第一时空轨迹。 基于时间粒度对第一轨迹数据进行去重处理时， 可 统计每个时间粒度内置信度最高的轨迹点确定为当前时间粒度的轨迹点数据； 所述置信度 说明书 4/7 页 7 CN 112000736 A 7 包括每个plus code编码的字符串出现的频次。 也即， 可保留每个时间粒度内频次最高的轨 迹点数据实现数据去重处理。 0058 需要指出的是， 上述第二时空轨迹的生成过程可包括： 根据所述第一时空轨迹， 在 所述时序库Druid中查询与所有伴随对象对应的第二轨迹数据； 根据所述伴随对象的标识 信息， 对所述第二轨迹数据进行分组， 并根据时间粒度对所述第二轨迹数据进行去重处理， 生成每个所述。

29、伴随对象对应的第二时空轨迹。 具体地， 可首先根据目标对象的轨迹数据， 在 时序库Druid中查询与目标对象轨迹数据相同的疑似伴随对象， 即轨迹点相同的对象， 进而 从时序库Druid中获取伴随对象的轨迹数据， 生成第二时空轨迹， 可以理解的是， 去重处理 过程可参考上述针对第一轨迹数据公开的去重过程。 0059 S104： 确定所述第二时空轨迹与所述第一时空轨迹的伴随次数， 基于所述伴随次 数确定每个所述第二时空轨迹与所述第一时空轨迹的伴随程度。 0060 本步骤中， 可首先确定第二时空轨迹与第一时空轨迹的伴随次数， 基于该伴随次 数计算每个第二时空轨迹与第一时空轨迹的伴随程度。 具体地， 。

30、可分别统计每个第二时空 轨迹与第一时空轨迹的伴随总次数和最大连续伴随次数； 确定伴随总次数和最大连续伴随 次数对应的权重， 通过加权方式计算每个第二时空轨迹与第一时空轨迹的伴随程度。 0061 可以理解的是， 在基于伴随次数确定每个第二时空轨迹与第一时空轨迹的伴随程 度之后， 可通过预设显示方式展示第一时空轨迹， 并按照伴随程度大小的降序排列输出伴 随轨迹列表。 其中， 预设显示方式可包括： 在可视化界面的预设显示位置显示第一时空轨 迹， 具体可显示目标对象的基本信息， 以及第一时空轨迹的具体数据和示意图。 0062 通过以上方案可知， 本申请提供的一种时空轨迹伴随分析方法， 包括： 获取采集。

31、对 象的原始数据， 对所述原始数据中的空间数据进行plus code编码生成字符串， 将所述字符 串添加至所述原始数据中， 生成预处理数据； 将所述预处理数据写入时序库Druid中进行存 储， 写入过程中所述时序库Druid根据时间粒度对所述预处理数据进行预聚合操作， 实现初 始去重； 接收针对目标对象的轨迹查询请求， 根据所述轨迹查询请求在所述时序库Druid中 进行数据查找并进行二次去重处理， 生成所述目标对象的第一时空轨迹， 以及所述目标对 象对应的伴随对象的第二时空轨迹； 确定所述第二时空轨迹与所述第一时空轨迹的伴随次 数， 基于所述伴随次数确定每个所述第二时空轨迹与所述第一时空轨迹的。

32、伴随程度。 由上 可知， 本申请可在生成预处理数据之后， 利用时序库Druid通过预聚合操作实现数据的粗略 去重， 避免数据冗余， 降低存储空间占用， 提升后续二次精确去重过程的计算速度， 并基于 时序库Druid自动将数据按照时间进行排序， 无需手动排序工作， 在伴随分析时可基于第二 时空轨迹与第一时空轨迹的伴随次数计算伴随程度， 避免构建复杂的非线性数据模型进行 拟合处理， 降低了计算复杂度、 耗时及人力成本。 0063 下面对本申请实施例提供的一种时空轨迹伴随分析系统进行介绍， 下文描述的一 种时空轨迹伴随分析系统与上文描述的一种时空轨迹伴随分析方法可以相互参照。 0064 参见图2所示。

33、， 本申请实施例提供的一种时空轨迹伴随分析系统包括： 0065 数据编码模块201， 用于获取采集对象的原始数据， 对所述原始数据中的空间数据 进行plus code编码生成字符串， 将所述字符串添加至所述原始数据中， 生成预处理数据； 0066 数据存储模块202， 用于将所述预处理数据写入时序库Druid中进行存储， 写入过 程中所述时序库Druid根据时间粒度对所述预处理数据进行预聚合操作， 实现初始去重； 说明书 5/7 页 8 CN 112000736 A 8 0067 轨迹生成模块203， 用于接收针对目标对象的轨迹查询请求， 根据所述轨迹查询请 求在所述时序库Druid中进行数据。

34、查找并进行二次去重处理， 生成所述目标对象的第一时 空轨迹， 以及所述目标对象对应的伴随对象的第二时空轨迹； 0068 伴随分析模块204， 用于确定所述第二时空轨迹与所述第一时空轨迹的伴随次数， 基于所述伴随次数确定每个所述第二时空轨迹与所述第一时空轨迹的伴随程度。 0069 关于上述模块201至204的具体实施过程可参考前述实施例公开的相应内容， 在此 不再进行赘述。 0070 下面对本申请实施例提供的上述时空轨迹伴随分析系统进行介绍。 图3为该系统 对应的时空轨迹伴随分析方法的流程图。 具体地， 如图4所示， 数据编码模块获取采集对象 的原始数据， 可设定编码精度为8， 将原始数据中的经。

35、纬度数据进行plus code编码， 生成长 度为8的字符串， 并作为新的维度添加到原始数据中， 生成预处理数据。 数据存储模块采用 时序数据库Druid最为后端存储。 在摄入上述生成的预处理数据时， 根据时间粒度， 对数据 进行预聚合操作， 实现数据粗略去重， 避免数据冗余， 降低存储空间占用， 提升后续二次精 确去重过程的计算速度。 轨迹生成模块根据查询信息， 例如用户标签或维度信息， 输出相关 目标的所有数据， 并通过数据去重模块， 对中间查询数据精确去重， 生成相关对象的轨迹数 据。 伴随分析模块根据生成的轨迹数据， 计算指定时间段内的目标伴随总次数和最大连续 伴随次数， 计算其伴随程。

36、度； 并按照降序排列， 输出伴随目标列表。 0071 参见图5所示， 可采用数据去重模块， 在每个时间粒度内仅保留一条频次最高的轨 迹点数据， 实现数据去重。 0072 上述伴随分析模块可分别统计每组轨迹记录的伴随总次数和最大连续伴随次数， 计算轨迹的伴随程度。 伴随程度越高， 表示在相同时间段内， 该伴随对象与查询对象的伴随 程度越高。 伴随程度计算过程如下： 设伴随总次数和最大连续伴随次数的权重都为0.5， 则 伴随程度伴随总次数/N*0.5+最大连续伴随次数/N*0.5， 其中， N为查询对象的轨迹记录 数。 例如， 若查询对象A的轨迹记录为(t1,p1),(t2,p2),(t3,p3)。

37、,(t4,p4),(t5,p5),(t6, p6) ,(t7,p7)， 伴随对象B1的轨迹记录为： (t1,p1) ,(t3,p3) ,(t4,p4) ,(t5,p5) ,(t6, p6)， 伴随对象B2的轨迹记录为： (t1,p1) ,(t2,p2) ,(t3,p3) ,(t4,p4) ,(t5,p5) ,(t6, p6)， N为对象A的轨迹记录数， 即N7， 则伴随对象B1相对查询对象A的伴随总次数为5， 最 大连续伴随次数为4， 其对应的伴随程度5/7*0.5+4/7*0.50.643； 伴随对象B2相对查询 对象A的伴随总次数为6， 最大连续伴随次数为6， 其伴随程度6/7*0.5+6。

38、/7*0.50.857。 进而即可根据计算得到的伴随程度， 将上述轨迹记录按照伴随程度降序排列输出。 0073 本申请还提供了一种电子设备， 参见图6所示， 本申请实施例提供的一种电子设备 包括： 0074 存储器100， 用于存储计算机程序； 0075 处理器200， 用于执行所述计算机程序时可以实现上述实施例所提供的步骤。 0076 具体的， 存储器100包括非易失性存储介质、 内存储器。 该非易失性存储介质存储 有操作系统和计算机可读指令， 该内存储器为非易失性存储介质中的操作系统和计算机可 读指令的运行提供环境。 处理器200在一些实施例中可以是一中央处理器(Central Proce。

39、ssing Unit， CPU)、 控制器、 微控制器、 微处理器或其他数据处理芯片， 为电子设备提 供计算和控制能力， 执行所述存储器100中保存的计算机程序时， 可以实现前述任一实施例 说明书 6/7 页 9 CN 112000736 A 9 公开的时空轨迹伴随分析方法。 0077 在上述实施例的基础上， 作为优选实施方式， 参见图7所示， 所述电子设备还包括： 0078 输入接口300， 与处理器200相连， 用于获取外部导入的计算机程序、 参数和指令， 经处理器200控制保存至存储器100中。 该输入接口300可以与输入装置相连， 接收用户手动 输入的参数或指令。 该输入装置可以是显示。

40、屏上覆盖的触摸层， 也可以是终端外壳上设置 的按键、 轨迹球或触控板， 也可以是键盘、 触控板或鼠标等。 0079 显示单元400， 与处理器200相连， 用于显示处理器200处理的数据以及用于显示可 视化的用户界面。 该显示单元400可以为LED显示器、 液晶显示器、 触控式液晶显示器以及 OLED(Organic Light-Emitting Diode， 有机发光二极管)触摸器等。 0080 网络端口500， 与处理器200相连， 用于与外部各终端设备进行通信连接。 该通信连 接所采用的通信技术可以为有线通信技术或无线通信技术， 如移动高清链接技术(MHL)、 通 用串行总线(USB)、。

41、 高清多媒体接口(HDMI)、 无线保真技术(WiFi)、 蓝牙通信技术、 低功耗蓝 牙通信技术、 基于IEEE802.11s的通信技术等。 0081 图7仅示出了具有组件100-500的电子设备， 本领域技术人员可以理解的是， 图7示 出的结构并不构成对电子设备的限定， 可以包括比图示更少或者更多的部件， 或者组合某 些部件， 或者不同的部件布置。 0082 本申请还提供了一种计算机可读存储介质， 该存储介质可以包括： U盘、 移动硬盘、 只读存储器(Read-Only Memory， ROM)、 随机存取存储器(Random Access Memory， RAM)、 磁 碟或者光盘等各种可。

42、以存储程序代码的介质。 该存储介质上存储有计算机程序， 所述计算 机程序被处理器执行时实现前述任一实施例公开的时空轨迹伴随分析方法。 0083 本申请可在生成预处理数据之后， 利用时序库Druid通过预聚合操作实现数据的 粗略去重， 避免数据冗余， 降低存储空间占用， 提升后续二次精确去重过程的计算速度， 并 基于时序库Druid自动将数据按照时间进行排序， 无需手动排序工作， 在伴随分析时可基于 第二时空轨迹与第一时空轨迹的伴随次数计算伴随程度， 避免构建复杂的非线性数据模型 进行拟合处理， 降低了计算复杂度、 耗时及人力成本。 0084 说明书中各个实施例采用递进的方式描述， 每个实施例重。

43、点说明的都是与其他实 施例的不同之处， 各个实施例之间相同相似部分互相参见即可。 对于实施例公开的系统而 言， 由于其与实施例公开的方法相对应， 所以描述的比较简单， 相关之处参见方法部分说明 即可。 应当指出， 对于本技术领域的普通技术人员来说， 在不脱离本申请原理的前提下， 还 可以对本申请进行若干改进和修饰， 这些改进和修饰也落入本申请权利要求的保护范围 内。 0085 还需要说明的是， 在本说明书中， 诸如第一和第二等之类的关系术语仅仅用来将 一个实体或者操作与另一个实体或操作区分开来， 而不一定要求或者暗示这些实体或操作 之间存在任何这种实际的关系或者顺序。 而且， 术语 “包括” 。

44、、“包含” 或者其任何其他变体意 在涵盖非排他性的包含， 从而使得包括一系列要素的过程、 方法、 物品或者设备不仅包括那 些要素， 而且还包括没有明确列出的其他要素， 或者是还包括为这种过程、 方法、 物品或者 设备所固有的要素。 在没有更多限制的情况下， 由语句 “包括一个” 限定的要素， 并不排 除在包括所述要素的过程、 方法、 物品或者设备中还存在另外的相同要素。 说明书 7/7 页 10 CN 112000736 A 10 图1 图2 说明书附图 1/4 页 11 CN 112000736 A 11 图3 图4 说明书附图 2/4 页 12 CN 112000736 A 12 图5 图6 说明书附图 3/4 页 13 CN 112000736 A 13 图7 说明书附图 4/4 页 14 CN 112000736 A 14 。