專利名稱：用于車輛gps數據分析與異常監(jiān)測的可視挖掘方法
技術領域：
本發(fā)明涉及一種利用可視化技術來實現對車輛GPS數據分析與異常監(jiān)測的方法。該方法能支持流數據在實時顯示監(jiān)控的同時，以可視數據模型“指紋印”來將車輛GPS數據中存在的一些抽象概念，如頻繁規(guī)律和周期規(guī)律，以一種分析者容易理解的方式來顯示，降低分析門檻，擴大應用范圍，提高分析效率。
背景技術：
經過20余年的實踐證明，GPS系統(tǒng)是一個高精度、全天候和全球性的無線電導航、定位和定時的多功能系統(tǒng)。GPS相關系統(tǒng)廣泛應用于公安，醫(yī)療，消防，交通，物流等領域。近年來，GPS設備、移動通信設備以及各類傳感器設備在全球范圍的廣泛使用，產生了大量包含空間地理位置信息、時間信息及其它相關信息的軌跡數據，其數據量往往能達到TB級甚至PB級。由于這類數據的規(guī)模龐大，超過了傳統(tǒng)數據處理技術能夠有效處理的范圍，因此，對以交通數據與車輛軌跡為代表的GPS數據進行高效分析與深度挖掘，已成為目前IT領域中的研究熱點之一。對GPS數據進行數據挖掘與知識發(fā)現具有重要的社會效益與經濟效益，是目前各國政府、企業(yè)和研究機構極為重視的科研方向。經過挖掘分析后，從車輛GPS數據中獲取的知識具有十分廣闊的應用前景，例如，交通數據能應用于城市管理、道路規(guī)劃、交通控制、出行規(guī)劃等多個領域。但是GPS采集到的數據同時包含有時間、空間特征，可以歸類為時空數據。而近年來隨著數據規(guī)模的不斷擴大，對時空數據的分析提出了嚴峻的挑戰(zhàn)。首先，由于地理空間的復雜性，數據中涉及到空間相關的特征時，傳統(tǒng)的方法如統(tǒng)計、數據挖掘和機器學習不能夠通過全自動的方法進行完整的分析，整個過程需要專家的全程參與，利用人對空間和區(qū)域相關的認識，對空間相關固有的屬性和關系的隱性知識。其次，時間相關特征也是一個復雜的現象。時間本身以線性的方式進行變化，但隨著時間的推移事件的產生規(guī)律，卻可以是周期性重復，多次循環(huán)重復；整個形成層次結構，甚至事件與事件之間的時間屬性上具有重疊和互相關聯(lián)的特性。并且時間特征也具有異構的特點，因此，我們得區(qū)分白天和晚上，工作日和周末，假期和正常工作期間。對這些知識專家們或者參與分析的用戶有很深刻的理解，但這卻是需要意會而難以傳達給機器的一種感覺。因此，具有時間特征的數據在分析中也需要專家的大量參與，通過使用恰當的表達形式來分析和挖掘數據中相關的規(guī)律。近年來種類繁多的信息源產生的大量數據，遠遠超出了人腦分析解釋這些數據的能力，由于缺乏大量數據的有效分析手段，大量的計算資源被浪費，這嚴重阻礙了科學研究的進展，可視化(Visualization)技術由此提出?，F代的數據可視化(Data Visualization)技術指的是運用計算機圖形學和圖像處理技術，將數據換為圖形或圖像在屏幕上顯示出來，并進行交互處理的理論、方法和技術。它涉及到計算機圖形學、圖像處理、計算機輔助設計、計算機視覺及人機交互技術等多個領域。數據可視化概念首先來自科學計算可視化(Visualization in Scientific Computing),科學家們不僅需要通過圖形圖像來分析由計算機算出的數據，而且需要了解在計算過程中數據的變化。近年來，隨著網絡技術和電子商務的發(fā)展，提出了信息可視化(Information Visualization)的要求。我們可以通過數據可視化技術，發(fā)現大量金融、通信和商業(yè)數據中隱含的規(guī)律，從而為決策提供依據。這已成為數據可視化技術中新的熱點?？梢暬瘮祿治黾夹g拓寬了傳統(tǒng)的圖表功能，使用戶對數據的剖析更清楚。例如把數據庫中的多維數據變成多種圖形，這對提示數據的狀況、內在本質及規(guī)律性起到了很強的作用。當顯示發(fā)現的結果時，將地圖同時顯示作為背景。一方面能夠顯示其知識特征的分布規(guī)律；另一方面也可對挖掘出的結果進行可視化解釋，從而達到最佳的分析效果。可視化技術使用戶看到數據處理的全過程、監(jiān)測并控制數據分析過程。而相對應地是，傳統(tǒng)處理分析方法只能適用于較小規(guī)模數據，不能很好的表示數據分析中的存在的一些抽象概念，并且很難以一種人容易理解的方式顯示大數據，不能支持流數據的實時顯示。經檢索發(fā)現，目前利用車載GPS設備的系統(tǒng)和公司，各種GPS/GIS/GSM/GPRS車輛監(jiān)控系統(tǒng)軟件、GSM和GPRS移動智能車載終端、系統(tǒng)的二次開發(fā)車輛監(jiān)控系統(tǒng)整體搭建方案，都沒有針對在對車輛GPS數據監(jiān)測的同時進行分析的挖掘方法。在異常發(fā)生的情況下，用戶將需要耗費更多的時間和資源，才能夠做出決策。本發(fā)明填補了這個技術空白，將有效解決大規(guī)模車輛GPS數據帶來的顯示分析問題。

發(fā)明內容
本發(fā)明要解決的技術問題是，在大規(guī)模實時數據流的情況下，對收集到的高維時空數據，為用戶提供基于密度的城市熱圖偵測和基于歷史數據的交通軌跡異常實時監(jiān)控，并輔以歷史數據和統(tǒng)計信息，有效分析數據中的頻繁規(guī)律和周期規(guī)律，找出隱藏的規(guī)律和錯誤，以一種分析者容易理解的方式來顯示，降低分析門檻，擴大應用范圍，提高分析效率。本發(fā)明旨在提出一種用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法，使用戶能夠在大規(guī)模時空數據流的情況下監(jiān)控并且實時分析檢測到結果的具體情況，發(fā)現隱藏的不能被傳統(tǒng)統(tǒng)計和數據挖掘算法檢測出來的異?；蛘咤e誤信息，并通過一種可視化數據模型“指紋印”將這些抽象概念以分析者容易理解的方式來展示，從而降低分析門檻，擴大應用范圍，提高分析效率。為實現上述目的所采用的技術方案包含數據轉換模塊、可視化模塊、用戶交互模塊設計，通過數據轉換模塊將原始車輛GPS數據處理轉換為可視化“指紋印”數據模型，使數值數據變?yōu)橐鬃x的可視元素(形狀，顏色，大小等)，并提供能夠實時響應用戶交互的數據索引，輔助用戶分析數據；通過可視化模塊將車輛可視數據模型處理為基于熱分布圖和基于軌跡的顯示，讓用戶對數據有直觀感受；通過用戶交互模塊實現豐富的交互操作，使用戶能夠進行監(jiān)測和分析，從而為用戶的決策提供分析與支持。本發(fā)明通過一種可視化數據模型“指紋印”來監(jiān)測并分析比較大規(guī)模車輛GPS數據，并對其中存在的異常以人易讀的形式直觀展示給分析者或者專家。該可視數據模型旨在利用先進的可視化技術把人的智能嵌入到大數據分析的過程中，拉近分析者和大規(guī)模車輛GPS數據間的距離，降低由大規(guī)模數據帶來的分析門檻，提供應用的適用范圍?？梢暋爸讣y印”模型提供了一種容易理解的方式顯示大規(guī)模GPS數據，并且支持流數據的實時顯示。整個模型用來監(jiān)測并分析比較大規(guī)模車輛GPS數據，因此設計為空間(S)、時間(T)，和屬性(A)到指紋印模型(Fingerprint)的一個映射SXTXA — Fingerprint?！爸讣y印”數據模型(Fingerprint)有別于傳統(tǒng)數據模型,具有兩個數據結構,抽象數據結構(Abstract Form)對應原始數據處理后的數值數據，可視數據結構(Visual Form)對應數據在屏幕上顯示的幾何信息。按照定義，首先選擇一定空間范圍(S)，在指紋印模型(F)中記錄選定區(qū)域的坐標信息及大小，在該范圍(S)內按照按照時間(T)以行與列的關系組織原始GPS數據，表中的一行代表一個完整的時間段，比如一天，完整的時間段每一個固定長度的分片都對應一列，比如每一列對應一天的一個小時，最后表中的每個字段都代表了屬性(A)的對應值，比如一小時內的統(tǒng)計值。之后指紋印模型會按照定義好的抽象數據結構來為每條屬性添加相應的幾何信息域以生成可視數據模型(Visual Form),內置的布局算法會生成對應的幾何信息，如可視化元素邊界矩形的大小、形狀類型、坐標信息等。本發(fā)明的指紋印數據模型采用了基于地圖的環(huán)狀嵌套結構的布局算法來實現SXTXA — Fingerprint的顯示,地圖上對應指紋印的位置代表了該可視結構分析的空間信息(S);結構中采用多環(huán)嵌套布局對應時間屬性顯示(T)，每一個環(huán)對應一個完整的時間段，如一天，環(huán)上每一個扇形分片對應一個時間分片如一天中的一小時；扇形分片以顏色來對應屬性(A)顯示。該種基于表的抽象數據結構實現，可以產生對應的索引，能夠大大提高數據的查詢速率，從而達到優(yōu)化系統(tǒng)性能支持實時數據查詢分析。指紋印可視結構非常適合用于頻繁規(guī)律(Frequent Pattern)和周期規(guī)律(Periodic Pattern)的檢測、分析和比較。首先,多環(huán)嵌套布局中每一個環(huán)代表一個完整的時間段，布局中的每個環(huán)都擁有相同的開始時間和結束時間，每一個時間分片以一個環(huán)上的扇形分片對應，多環(huán)嵌套使得每個環(huán)上的代表相同時間分片的扇形分片的位置都會顯示在相鄰的位置上，如一個指紋印代表一周的數據(有7個環(huán))，一個環(huán)代表一天，一個扇形分片代表對應的一小時(環(huán)上有24個扇形分片)，那么所有代表8pm的扇形片在對應環(huán)上的位置都在順時針轉過270度的位置附近；同時扇形分片的顏色又代表了對應的屬性值。因此，只要觀察顏色在指紋印上的變化是否具有周期性，如類似顏色扇形分片在環(huán)上分布相似；變化是否有頻繁規(guī)律，比如某些相似顏色重復或者集中在環(huán)上某一段區(qū)域出現。這樣抽象概念轉變?yōu)橐子诜治稣呃斫獾目梢曅畔?。當數據轉換模塊收到車輛GPS軌跡數據作為輸入后，會首先對收集到的GPS原始數據進行處理修正，主要通過地圖匹配算法來對數據收集中存在的GPS定位誤差、數字地圖誤差和坐標投影變換誤差進行修正，將車輛定位軌跡與數字地圖中的道路網信息聯(lián)系起來，并由此確定移動目標相對于地圖的位置產生以減少分析中的不確定性因素。然后將修正過后的GPS數值數據轉換為可視化“指紋印”數據模型，同時生成一系列數據索引，用于在線(Online)實時響應用戶交互。當可視化模塊收到生成的數據索引和車輛可視數據模型后，將把這些去除了原始數據中噪聲轉化成的抽象數據，通過內置的布局算法轉化成數據的可視化形式，最后再將其渲染在屏幕之上。布局算法提供了兩種類型的視圖供用戶選擇和切換，分別為基于密度的城市熱圖偵測和基于歷史數據的交通軌跡異常實時監(jiān)控。該模塊通過將抽象數據模型和關系映射到分析系統(tǒng)上地圖的顯示，增強數據可視化顯示的可讀性，利于用戶比對結合地圖信息分析。因此對處理后的數據進行可視化，用戶能夠對收集到的數據的變化進行實時監(jiān)測。通過提供給用戶基于熱分布圖的和基于軌跡的兩種不同類型的顯示，和一種新穎的可視化數據“指紋印”來顯示歷史數據，在保證監(jiān)測效果的同時，輔助用戶分析?；诿芏鹊某鞘袩釄D偵測以地理地圖顯示為背景，然后輔以熱分布圖和各個區(qū)域對應的“指紋印”模型來對應顯示。先將城市地圖柵格化為像素，然后我們對每一個像素計算離開或到達的車輛總數并記錄。然后，我們使用熱分布圖在2D地圖上來顯示那些熱點很高(即總的車輛數)的像素組成的區(qū)域。之后再根據熱分布圖的情況，選出那些對應熱點很高區(qū)域的指紋印進行分析和比較。基于歷史數據的交通軌跡異常實時監(jiān)控以實時顯示車輛GPS軌跡到地圖上，同時按照定義好的區(qū)域劃分來生成對應的“指紋印”，以將歷史數據轉換為容易可視元素，方便分析者快速理解和發(fā)現規(guī)律，從而分析異常，提高分析效率。在提供用戶數據顯示的同時，通過用戶交互模塊實現豐富的交互，并將這些操作反饋到的數據轉換和可視化模塊，讓用戶及時對處理后的數據進行空間屬性分析和時序分析。在分析過程中，用戶可以對感興趣或者覺得有價值的區(qū)域，通過對選定區(qū)域的可視化結構進行交互，從而進一步了解該地區(qū)數據的時空特征。完成后，用戶可以對原始數據進行復核或者根據已有的分析結果進行關聯(lián)查詢，從而對研究結果進行比較和整理，最終為用戶的決策提供分析與支持。本發(fā)明利用基于可視化技術的時空數據監(jiān)測可視挖掘方法，能達到的有益效果如下
1)基于可視化技術的直觀異常檢測；
2)動態(tài)的高維時空數據特征分析，并具有良好的可延展性；
3)豐富的專家互動。它可以提供更多的統(tǒng)計信息，將歷史數據從數值知識轉換為易讀的視覺線索，如形狀，顏色，大小等。這種做法的目的是保持分析者始終參與到整個分析的過程中，并利用他們的分析能力來調整參數和總結研究。4)用戶可以覺察到不同屬性之間的相關性，并能通過噪音數據過濾和不相關的軌跡排除，進而對感興趣的情況作進一步研究分析。同時該結構支持交互方式，從而讓用戶能夠逐步細化修改分析的參數，最終得到更好的分析結果。


下面結合附圖和實施例對本發(fā)明進一步說明。圖1為車輛GPS數據處理和監(jiān)測的流程圖。圖2為可視化數據結構“指紋印”示意圖。圖3為數據可視分析流程示意圖。圖4為基于熱分布圖顯示生成過程示意圖。圖5為基于軌跡顯示生成過程示意圖。
具體實施例方式如圖1所示，數據轉換模塊定義了應用于車輛GPS數據分析與異常監(jiān)測中的可視化數據結構“指紋印”及相應接口，同時還提供了必要的I/o操作接口，用戶可以方便的從文件、數據庫以及網絡流當中讀取原始GPS數據，并轉化為表、圖、樹等抽象結構?？梢暬K中包含了兩部分內容，可視化數據處理和布局處理?？梢暬瘮祿幚韺臄祿D換模塊中定義的抽象數據元素添加相應的幾何信息域，以維護可視化元素的大小，位置等信息；布局處理運用布局算法，生成幾何信息，并將其設置到可視化數據的幾何信息域。如圖1所示本發(fā)明提供基于密度的城市熱圖偵測和基于歷史數據的交通軌跡異常實時監(jiān)控的兩種不同類型的布局算法給用戶。交互模塊中也包含兩個部分，渲染處理和交互處理。渲染處理利用從可視化模塊中得到的幾何信息生成圖形元素，并最終將其展現在用戶面前；交互處理貫穿于各個模塊之中，收集并處理各種交互事件，并將處理結果反作用與各個模塊的數據之上。如圖1所示，我們定義的輔助分析的可視化數據結構“指紋印”，在數據轉換模塊對最基本的數據機構做了定義，按照行與列的關系組織原始GPS數據，每一條原始數據作為表中的一行，數據中的每一個屬性都對應這相應行中的一列。該種基于表的抽象數據結構實現，可以產生對應的索引，能夠大大提高數據的查詢速率，從而達到優(yōu)化系統(tǒng)性能支持實時數據查詢分析。同時在可視化模塊中的可視數據處理部分，通過在數據轉換模塊中對可視結構“指紋印”的定義，提取出相應的幾何信息記錄，包括可視化元素邊界矩形的大小、形狀類型、坐標信息等。數據轉換模塊中的任何數據元素及數據結構，均存在這對應的可視化副本?？梢暬K通過該機制維護了抽象數據元素與可視化數據元素直接的雙向映射，為交互過程中的數據修改提供了便捷，使得抽象數據元素或可視化數據元素的變更能夠迅速的反映到另一方數據元素上。如圖2所示，可視結構“指紋印”具體設計采用了以環(huán)形地圖為基礎的放射狀布局設計，幫助用戶分析歷史數據或者統(tǒng)計信息。該設計可以使用不同的顏色編碼方案來分布表示密度、速度等其它屬性。結構上的每個環(huán)上代表一天時間，可以根據需要來選擇是顯示一周的7個環(huán)設計或者是顯示一個月的31個環(huán)的設計。環(huán)內每個扇區(qū)代表一小時，時間增長方向沿著順時針方向。整個布局就像一個時鐘一樣，午夜12點在最頂部，整個時間沿順時針增長，最底部位置代表中午12點，最后回到最頂部的午夜12點。日期的增長按著結構的半徑增長方向，最內圈的環(huán)代表著最早的日期，最外圈為最近的日期。比如顯示I月18日到I月24日的記錄，那么18日的記錄最后位于最內圈的位置，24日則是最外圍處?？梢暯Y構“指紋印”代表的區(qū)域的各項屬性如密度、速度等均由顏色編碼來直觀地展示，比如上下客行為熱點的分析設計可以是顏色越亮的扇形塊，密度越低，顏色越深的扇形塊表示該地區(qū)上下客活動很頻繁?！爸讣y印”結構的大小與所選區(qū)域的數據總數成正比，數據記錄越多尺寸越大，反之數據少則結構小。如圖3所示，對車輛GPS數據分析的目的是為了研究清楚的數據維度之間的相互關系，特別是在空間(S)，時間(T)和屬性(A)之間，從而。在區(qū)分開獨立的維度和屬性的依賴基礎上，車輛GPS數據分析可以被看作是類似于一個數學函數的行為，即從屬變量的值相對于獨立變量的變化。對于車輛GPS數據，主要目的是要了解函數依賴SXT — A，即相對于空間和時間的行為屬性。因此先就使用數據轉換模塊處理過后的車輛數據，對收集到的所有數據生成基于熱分布圖的城市熱點區(qū)域和基于歷史數據的交通軌跡的兩種不同類型概覽，并結合可視數據“指紋印”來進一步顯示城市總體的數據分布，包含各地區(qū)的統(tǒng)計信息或者歷史數據。該可視化能夠結合地理信息和統(tǒng)計數據來顯示選定地區(qū)的相對于空間和時間的行為屬性，如分析相同地區(qū)的交通情況隨時間的變化，相同屬性變量在空間上的變化。接著對數據分別進行空間屬性分析和時序分析，主要關注(I)隨時間變化的空間分布(情況)和(2)局部時間相關變量在空間上分布的情況及發(fā)展。我們把(I)稱為空間分析(Spatial Analysis),(2)命名為局部時序分析(Local Temporal Analysis)。在分析過程中,用戶可以自由探索任何有趣的地方，并檢查任何生成的可視結構“指紋印”的細節(jié)。在此之后，用戶可以對感興趣或者覺得有價值的區(qū)域，截取任意時間長度的片段作進一步調查研究。比如用戶可選擇恒定大小的區(qū)域研究，或離散但是每一塊大小都一致；或是一段固定的時間區(qū)間，或在時間上具有漸變或突變特性；分析時間或空間的趨勢，或者數據在空間和時間上的重復的規(guī)律，如時間的周期性，檢測局部或全局異常值，等等。一個例子是沿公路的車速超過限定值，比如60公里每小時，所有車輛在一天中的的行為特征。完成后，用戶可以對原始數據進行復核或者根據已有的分析結果進行關聯(lián)查詢，從而對研究結果進行比較和整理。如圖4所示，我們需要識別出城市中車輛來往比例較高的熱點地區(qū)。圖中背景地圖上的熱分布圖以深色區(qū)域表示車輛的高密度區(qū)域，而白色區(qū)域表示相對低的密度的區(qū)域與。用戶可以使用熱圖來選擇一些有趣的地方，作進一步的分析。而圖中的指紋印結構中的扇形分片則是顏色越淺越亮，說明對應時間內的車輛來往數目越高，顏色越深越暗說明數目越少。如小區(qū)、醫(yī)院、學校、商場、電影院、地鐵站口、游樂場、廣場等，在不同時間段有不同車輛來往的流量，可為交通線路與站臺的設置，紅路燈的長短等其他配套服務設施，提供數據支持。如圖5所示，軌跡信息通過連接每部車在地圖上出發(fā)地和目的地的位置，并使用貝塞爾夫曲線來渲染GPS采樣點兩兩之間的軌跡。曲線的長度與車輛記錄的軌跡距離成正t匕。曲線的顏色深淺代表該路徑車輛的數目，越深表示通過路徑的車輛越頻繁。多部車輛經過相同的路徑會留下相似的軌跡，我們會根據相同路徑的數量來對軌跡中的一部分子集進行合并。而圖中的指紋印結構中的扇形分片則是顏色越淺越亮，說明對應時間內的車輛平均速度越快，顏色越深越暗說明平均速度越慢。
權利要求
1.一種用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法，其特征是基于可視化技術的數據可視挖掘，在大規(guī)模實時數據流的情況下，通過數據轉換模塊將原始車輛GPS數據轉換為可視化“指紋印”數據模型，即對GPS原始數據進行處理修正，將車輛定位軌跡與數字地圖中的道路網信息聯(lián)系起來，并由此確定移動目標相對于地圖的位置產生以減少分析中的不確定性因素，然后將修正過后的GPS數值數據轉換為可視化“指紋印”數據模型，同時生成一系列數據索引，用于在線實時響應用戶交互；通過可視化模塊收到生成的數據索引和車輛可視數據模型后，將把這些去除了原始數據中噪聲轉化成的抽象數據，通過內置的布局算法轉化成數據的可視化形式，最后再將其渲染在屏幕之上；通過用戶交互模塊實現豐富的交互操作，讓用戶及時對處理后的數據進行空間屬性分析和時序分析，從而為用戶提供基于密度的城市熱圖偵測和基于歷史數據的交通軌跡異常實時監(jiān)控，并輔以歷史數據和統(tǒng)計信息，有效分析數據中的頻繁規(guī)律和周期規(guī)律，找出隱藏的規(guī)律和錯誤，從而為用戶的決策提供分析與支持的可視監(jiān)測挖掘方法。
2.根據權利要求1所述的用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法，其特征是基于可視化技術，適用于可視化技術應用于同時包含有時間、空間特征的高維時空數據檢測分析。
3.根據權利要求1所述的用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法，其特征是數據轉換模塊通過地圖匹配算法來對GPS定位誤差、數字地圖誤差和坐標投影變換誤差進行修正。
4.根據權利要求1所述的用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法，其特征是通過一種可視化數據模型“指紋印”將抽象概念以分析者容易理解的方式來展示，即使數值數據變?yōu)橐鬃x的可視元素，如形狀，顏色，大小等。
5.根據權利要求4所述的用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法，其特征是“指紋印”模型用來監(jiān)測并分析比較大規(guī)模車輛GPS數據，因此設計為空間(S)、時間(T),和屬性(A)到指紋印模型(Fingerprint)的一個映射SXTXA — Fingerprint ;而“指紋印”數據模型有別于傳統(tǒng)數據模型，具有兩個數據結構，抽象數據結構(Abstract Form)對應原始數據處理后的數值數據，可視數據結構(Visual Form)對應數據在屏幕上顯示的幾何信息。
6.根據權利要求4所述的用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法，其特征是“指紋印”模型首先選擇一定空間范圍(S)，在指紋印模型(F)中記錄選定區(qū)域的坐標信息及大小，在該范圍(S)內按照按照時間(T)以行與列的關系組織原始GPS數據，表中的一行代表一個完整的時間段；之后指紋印模型會按照定義好的抽象數據結構來為每條屬性添加相應的幾何信息域以生成可視數據模型(Visual Form),內置的布局算法會生成對應的幾何信息，如可視化元素邊界矩形的大小、形狀類型、坐標信息等。
7.根據權利要求4所述的用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法，其特征是指紋印數據模型采用了基于地圖的環(huán)狀嵌套結構的布局算法來實現SXTXA — Fingerprint的顯示,地圖上的對應指紋印位置代表了該可視結構分析的空間(S);結構中用多環(huán)嵌套布局對應時間屬性顯不(T),每一個環(huán)對應一個完整的時間段,多環(huán)擁有相同的開始時間和結束時間，每一個時間分片以扇形分片對應，多環(huán)嵌套使得每個環(huán)上的扇形分片都會顯示在相鄰的位置上，扇形分片的顏色又代表了對應的屬性值。
8.根據權利要求1所述的用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法，其特征是可視化模塊的布局算法提供了兩種類型的視圖供用戶選擇和切換，分別為基于密度的城市熱圖偵測和基于歷史數據的交通軌跡異常實時監(jiān)控，其中基于密度的城市熱圖偵測以地理地圖顯示為背景，然后輔以熱分布圖和各個區(qū)域對應的“指紋印”模型來對應顯示；基于歷史數據的交通軌跡異常實時監(jiān)控以實時顯示車輛GPS軌跡到地圖上，同時按照定義好的區(qū)域劃分來生成對應的“指紋印”，以將歷史數據轉換為容易可視元素。
9.根據權利要求1所述的用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法，其特征是可視化模塊通過將抽象數據模型和關系映射到分析系統(tǒng)上地圖的顯示，增強數據可視化顯示的可讀性，利于用戶比對并結合地圖信息分析。
全文摘要
本發(fā)明涉及一種基于可視化技術，用于車輛GPS數據分析與異常監(jiān)測的可視挖掘方法。本發(fā)明通過數據轉換模塊將原始車輛GPS數據轉換為獨特的可視化“指紋印”數據模型，同時并提供能夠實時響應用戶交互的數據索引，輔助用戶分析數據；通過可視化模塊將車輛可視數據模型結合基于熱分布圖和基于軌跡的顯示，提供城市熱點區(qū)域偵測和基于歷史數據的交通軌跡異常監(jiān)測，從而把數據中存在的一些抽象概念，如頻繁規(guī)律和周期規(guī)律，以一種分析者容易理解的方式來顯示，降低分析門檻，擴大應用范圍，提高分析效率；通過用戶交互模塊實現豐富的交互操作，使用戶能夠進行監(jiān)測和分析，從而為用戶的決策提供分析與支持。
文檔編號G06F17/30GK103020222SQ201210536118
公開日2013年4月3日 申請日期2012年12月13日 優(yōu)先權日2012年12月13日
發(fā)明者蒲劍蘇, 屈華民, 倪明選 申請人:廣州市香港科大霍英東研究院