本發(fā)明屬于候鳥(niǎo)遷徙數(shù)據(jù)處理領(lǐng)域，尤其涉及一種獲取候鳥(niǎo)遷徙路徑描述的方法、裝置及服務(wù)器。

背景技術(shù)：

候鳥(niǎo)是一種在的繁殖區(qū)和非繁殖區(qū)之間規(guī)律性遷徙的鳥(niǎo)類，候鳥(niǎo)在遷徙過(guò)程中會(huì)對(duì)環(huán)境和人類的生產(chǎn)生活產(chǎn)生較大影響，追蹤鳥(niǎo)類的遷徙，了解鳥(niǎo)類遷徙的規(guī)律，有助于預(yù)防流行病傳播，并為機(jī)場(chǎng)選址和航線設(shè)立提供科學(xué)依據(jù)，減少鳥(niǎo)類與飛機(jī)相撞事故的發(fā)生；反過(guò)來(lái)氣候變化和人類活動(dòng)也會(huì)影響候鳥(niǎo)的遷徙和棲息地的選擇，所以，研究候鳥(niǎo)的遷徙及遷徙途中的棲息地，對(duì)保護(hù)候鳥(niǎo)種群，保護(hù)自然環(huán)境，維持物種多樣性，同樣具有重要意義。

為了了解鳥(niǎo)類的遷徙規(guī)律，國(guó)內(nèi)外研究者采用和開(kāi)發(fā)了多種方法，從不同方面開(kāi)展候鳥(niǎo)遷徙的研究工作。(1)定點(diǎn)調(diào)查是最早的鳥(niǎo)類遷徙研究方法，對(duì)鳥(niǎo)類遷徙的定點(diǎn)調(diào)查已連續(xù)開(kāi)展上百年,積累了大量的觀測(cè)資料，但無(wú)法獲得鳥(niǎo)類個(gè)體的遷徙信息，且監(jiān)測(cè)點(diǎn)地理位置分布不均，數(shù)據(jù)采集具有一定片面性；(2)環(huán)志是目前研究鳥(niǎo)類遷徙最常用、最普及的方法，其優(yōu)點(diǎn)是簡(jiǎn)便易行，適用范圍廣，但監(jiān)測(cè)的周期長(zhǎng)，回收難度大，無(wú)法在短期內(nèi)取得顯著效果；(3)衛(wèi)星定位的方法，采集的數(shù)據(jù)精確，可對(duì)個(gè)體進(jìn)行連續(xù)追蹤，但其成本高昂，難以普及，數(shù)據(jù)量有限，不適用于小型鳥(niǎo)類；另外還有雷達(dá)監(jiān)測(cè)、光敏地理定位等方法，普遍存在精度低，難以普及，數(shù)據(jù)量有限等問(wèn)題。

此外，對(duì)于采集的候鳥(niǎo)遷徙數(shù)據(jù)，其利用和分析也引起了國(guó)內(nèi)外研究者的重視。早期鳥(niǎo)類數(shù)據(jù)分析，只需要憑借生物學(xué)家在gis中標(biāo)注出軌跡點(diǎn)或利用人工統(tǒng)計(jì)出分布點(diǎn)的數(shù)目，進(jìn)而得到候鳥(niǎo)的遷徙地和遷徙路線，但該方法需要通過(guò)手工標(biāo)注才能發(fā)現(xiàn)候鳥(niǎo)的遷徙路線，且無(wú)法處理候鳥(niǎo)的空間位置信息。

而且，觀鳥(niǎo)數(shù)據(jù)均存在觀鳥(niǎo)數(shù)量分布不均，第一，觀測(cè)記錄的數(shù)量在地域上分布不均；第二，觀測(cè)記錄的數(shù)量在時(shí)間上分布不均；第三，觀測(cè)記錄的數(shù)量在種類上分布不均；不能真實(shí)反映不同種類、不同地域、不同時(shí)期鳥(niǎo)類的分布狀況。

國(guó)內(nèi)外研究人員對(duì)候鳥(niǎo)遷徙規(guī)律進(jìn)行了大量研究，也取得了一定進(jìn)展，但上述研究仍存在大量問(wèn)題尚未解決，集中體現(xiàn)在：1)采集的數(shù)據(jù)普遍存在不夠全面、精度較低、數(shù)據(jù)量有限等問(wèn)題；2)對(duì)原始數(shù)據(jù)的去重、去噪、標(biāo)準(zhǔn)化等工作鮮有涉及，導(dǎo)致數(shù)據(jù)的可利用性比較低；3)用于分析研究的數(shù)據(jù)量相對(duì)較?。?)候鳥(niǎo)與棲息地的時(shí)空關(guān)系及遷徙周期鮮有研究；5)鳥(niǎo)類數(shù)據(jù)利用和處理上存在局限性，未能深入挖掘數(shù)據(jù)中隱藏的知識(shí)和規(guī)律。

技術(shù)實(shí)現(xiàn)要素：

為了解決觀鳥(niǎo)數(shù)據(jù)中存在的重復(fù)采樣、采樣分布不均的問(wèn)題，本發(fā)明的第一目的是提供一種獲取候鳥(niǎo)遷徙路徑描述的方法，本發(fā)明基于鳥(niǎo)類數(shù)據(jù)時(shí)間與空間的關(guān)聯(lián)性，對(duì)時(shí)間和空間特性分別處理，既保證了數(shù)據(jù)分析的準(zhǔn)確性，又充分挖掘時(shí)空數(shù)據(jù)中隱含的知識(shí)，能夠準(zhǔn)確快速地獲取候鳥(niǎo)的遷徙路徑。

本發(fā)明的一種獲取候鳥(niǎo)遷徙路徑描述的方法，包括：

將鳥(niǎo)類觀測(cè)點(diǎn)的地址信息轉(zhuǎn)化為gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)；

標(biāo)準(zhǔn)化處理gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)，形成標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列；

對(duì)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列進(jìn)行密度聚類，獲取候鳥(niǎo)遷徙過(guò)程中所有的棲息地；

對(duì)每一個(gè)棲息地引入時(shí)間因素，獲取所有棲息地的周期模式序列；所述周期模式序列由表征棲息地坐標(biāo)的時(shí)空序列和表征候鳥(niǎo)在棲息地出現(xiàn)時(shí)間的時(shí)間序列構(gòu)成；

按照時(shí)間順序排列所有棲息地的周期模式序列，最終得到的時(shí)空序列作為候鳥(niǎo)遷徙路線，時(shí)間序列代表候鳥(niǎo)的遷徙方向。

進(jìn)一步的，在標(biāo)準(zhǔn)化處理gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)的過(guò)程中，去除重復(fù)的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)。

未經(jīng)預(yù)處理的觀鳥(niǎo)數(shù)據(jù)中存在大量的重復(fù)采樣數(shù)據(jù)，這是導(dǎo)致觀測(cè)記錄數(shù)量在地域、時(shí)間和種類上分布不均的重要原因之一，如果不將這些重復(fù)數(shù)據(jù)剔除，會(huì)直接影響數(shù)據(jù)挖掘的質(zhì)量。所以，在進(jìn)行數(shù)據(jù)分析前，首先要對(duì)原始候鳥(niǎo)軌跡數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，以去除重復(fù)數(shù)據(jù)，達(dá)到數(shù)據(jù)標(biāo)準(zhǔn)化的目的，初步解決觀鳥(niǎo)記錄數(shù)量分布不均的問(wèn)題，為后期分析奠定基礎(chǔ)。

進(jìn)一步的，形成標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列的過(guò)程包括：

對(duì)待標(biāo)準(zhǔn)化處理的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)進(jìn)行聚類，得到gps軌跡特征點(diǎn)；

利用gps軌跡特征點(diǎn)替換重復(fù)的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)，進(jìn)而得到標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列。

本發(fā)明利用特征點(diǎn)來(lái)代替候鳥(niǎo)軌跡中重復(fù)的點(diǎn)，既可解決軌跡數(shù)據(jù)重復(fù)記錄問(wèn)題，確保數(shù)據(jù)挖掘質(zhì)量，又對(duì)海量軌跡數(shù)據(jù)進(jìn)行了壓縮，減少了冗余，可有效提高后期數(shù)據(jù)分析的效率和準(zhǔn)確性。對(duì)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，數(shù)據(jù)分析前的必要準(zhǔn)備，極大的提高了數(shù)據(jù)的可用性，使觀鳥(niǎo)記錄數(shù)量在地域、時(shí)間和種類上分布不均的問(wèn)題得到初步解決。

進(jìn)一步的，獲取候鳥(niǎo)遷徙過(guò)程中所有的棲息地的過(guò)程包括：

根據(jù)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列的密度聚類，得若干個(gè)簇；

以簇內(nèi)各個(gè)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)相對(duì)應(yīng)的鳥(niǎo)類觀測(cè)點(diǎn)所觀測(cè)到的“鳥(niǎo)類數(shù)量”作為權(quán)重，計(jì)算每個(gè)簇的“簇?zé)岫取?；其中，簇?zé)岫葹榇貎?nèi)各個(gè)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)與其權(quán)重相乘之和；

計(jì)算各離群點(diǎn)的“點(diǎn)熱度”，其中，“點(diǎn)熱度”為每個(gè)觀測(cè)點(diǎn)實(shí)際觀測(cè)到的鳥(niǎo)類的數(shù)量；

將所有的“簇?zé)岫取焙汀包c(diǎn)熱度”按從大到小的順序排列，篩選出大于預(yù)設(shè)熱度閾值的區(qū)域作為候鳥(niǎo)的棲息地。

在鳥(niǎo)類的遷徙路線上，分布著許多可供利用的中途停歇地，這些停歇地和候鳥(niǎo)的越冬地、繁殖地共同構(gòu)成候鳥(niǎo)的棲息地。棲息地中鳥(niǎo)類的種群數(shù)量往往多于其他地區(qū)，同樣的，發(fā)現(xiàn)的鳥(niǎo)類數(shù)量越多，鳥(niǎo)類記錄越密集的區(qū)域往往對(duì)于鳥(niǎo)類也越重要，這樣的地區(qū)也成為了鳥(niǎo)類潛在的棲息地。本發(fā)明通過(guò)對(duì)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列進(jìn)行密度聚類，最終能夠快速準(zhǔn)確地篩選出候鳥(niǎo)的棲息地。

進(jìn)一步的，對(duì)每一個(gè)棲息地引入時(shí)間因素，獲取所有棲息地的周期模式序列的過(guò)程包括：

首先，將每一類候鳥(niǎo)生活在棲息地看作是一個(gè)事件；選取其中一個(gè)興趣區(qū)域，掃描該區(qū)域中時(shí)間序列集合，根據(jù)預(yù)設(shè)時(shí)間粒度對(duì)時(shí)間序列進(jìn)行劃分；

其次，找出每個(gè)事件發(fā)生的時(shí)間點(diǎn)，建立區(qū)域事件時(shí)間位置表；

然后，對(duì)區(qū)域事件時(shí)間位置表檢測(cè)所有可能的周期；

最終得到所有棲息地的周期模式序列。

候鳥(niǎo)是一種在越冬地與繁殖地周期性遷徙的鳥(niǎo)類，候鳥(niǎo)與棲息地之間存在著一定的時(shí)間關(guān)聯(lián)，需要找到每個(gè)棲息地中候鳥(niǎo)的時(shí)間模式，并生成遷徙路線。其基本思想為：針對(duì)每一個(gè)頻繁區(qū)域，把區(qū)域內(nèi)每一類候鳥(niǎo)的時(shí)空數(shù)據(jù)轉(zhuǎn)換為時(shí)間序列數(shù)據(jù)，將每一類候鳥(niǎo)看做一個(gè)事件，對(duì)每一事件的時(shí)間序列進(jìn)行周期檢測(cè)，進(jìn)而發(fā)現(xiàn)其周期模式。

本發(fā)明的第二目的是提供一種獲取候鳥(niǎo)遷徙路徑描述的裝置。

本發(fā)明的一種獲取候鳥(niǎo)遷徙路徑描述的裝置，包括：

數(shù)據(jù)轉(zhuǎn)化模塊，其用于將鳥(niǎo)類觀測(cè)點(diǎn)的地址信息轉(zhuǎn)化為gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)；

數(shù)據(jù)標(biāo)準(zhǔn)化處理模塊，其用于標(biāo)準(zhǔn)化處理gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)，形成標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列；

棲息地獲取模塊，其用于對(duì)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列進(jìn)行密度聚類，獲取候鳥(niǎo)遷徙過(guò)程中所有的棲息地；

周期模式序列獲取模塊，其用于對(duì)每一個(gè)棲息地引入時(shí)間因素，獲取所有棲息地的周期模式序列；所述周期模式序列由表征棲息地坐標(biāo)的時(shí)空序列和表征候鳥(niǎo)在棲息地出現(xiàn)時(shí)間的時(shí)間序列構(gòu)成；

遷徙路線及方向獲取模塊，其用于按照時(shí)間順序排列所有棲息地的周期模式序列，最終得到的時(shí)空序列作為候鳥(niǎo)遷徙路線，時(shí)間序列代表候鳥(niǎo)的遷徙方向。

進(jìn)一步的，在所述數(shù)據(jù)標(biāo)準(zhǔn)化處理模塊中，去除重復(fù)的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)。

未經(jīng)預(yù)處理的觀鳥(niǎo)數(shù)據(jù)中存在大量的重復(fù)采樣數(shù)據(jù)，這是導(dǎo)致觀測(cè)記錄數(shù)量在地域、時(shí)間和種類上分布不均的重要原因之一，如果不將這些重復(fù)數(shù)據(jù)剔除，會(huì)直接影響數(shù)據(jù)挖掘的質(zhì)量。所以，在進(jìn)行數(shù)據(jù)分析前，首先要對(duì)原始候鳥(niǎo)軌跡數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，以去除重復(fù)數(shù)據(jù)，達(dá)到數(shù)據(jù)標(biāo)準(zhǔn)化的目的，初步解決觀鳥(niǎo)記錄數(shù)量分布不均的問(wèn)題，為后期分析奠定基礎(chǔ)。

優(yōu)選地，數(shù)據(jù)標(biāo)準(zhǔn)化處理模塊還包括：

gps軌跡特征點(diǎn)獲取模塊，其用于對(duì)待標(biāo)準(zhǔn)化處理的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)進(jìn)行聚類，得到gps軌跡特征點(diǎn)；

數(shù)據(jù)替換模塊，其用于利用gps軌跡特征點(diǎn)替換重復(fù)的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)，進(jìn)而得到標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列。

本發(fā)明利用特征點(diǎn)來(lái)代替候鳥(niǎo)軌跡中重復(fù)的點(diǎn)，既可解決軌跡數(shù)據(jù)重復(fù)記錄問(wèn)題，確保數(shù)據(jù)挖掘質(zhì)量，又對(duì)海量軌跡數(shù)據(jù)進(jìn)行了壓縮，減少了冗余，可有效提高后期數(shù)據(jù)分析的效率和準(zhǔn)確性。對(duì)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，數(shù)據(jù)分析前的必要準(zhǔn)備，極大的提高了數(shù)據(jù)的可用性，使觀鳥(niǎo)記錄數(shù)量在地域、時(shí)間和種類上分布不均的問(wèn)題得到初步解決。

進(jìn)一步的，所述棲息地獲取模塊包括：

密度聚類模塊，其用于根據(jù)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列的密度聚類，得若干個(gè)簇；

簇?zé)岫扔?jì)算模塊，其用于以簇內(nèi)各個(gè)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)相對(duì)應(yīng)的鳥(niǎo)類觀測(cè)點(diǎn)所觀測(cè)到的“鳥(niǎo)類數(shù)量”作為權(quán)重，計(jì)算每個(gè)簇的“簇?zé)岫取?；其中，簇?zé)岫葹榇貎?nèi)各個(gè)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)與其權(quán)重相乘之和；

點(diǎn)熱度計(jì)算模塊，其用于計(jì)算各離群點(diǎn)的“點(diǎn)熱度”，其中，“點(diǎn)熱度”為每個(gè)觀測(cè)點(diǎn)實(shí)際觀測(cè)到的鳥(niǎo)類的數(shù)量；

區(qū)域篩選模塊，其用于將所有的“簇?zé)岫取焙汀包c(diǎn)熱度”按從大到小的順序排列，篩選出大于預(yù)設(shè)熱度閾值的區(qū)域作為候鳥(niǎo)的棲息地。

在鳥(niǎo)類的遷徙路線上，分布著許多可供利用的中途停歇地，這些停歇地和候鳥(niǎo)的越冬地、繁殖地共同構(gòu)成候鳥(niǎo)的棲息地。棲息地中鳥(niǎo)類的種群數(shù)量往往多于其他地區(qū)，同樣的，發(fā)現(xiàn)的鳥(niǎo)類數(shù)量越多，鳥(niǎo)類記錄越密集的區(qū)域往往對(duì)于鳥(niǎo)類也越重要，這樣的地區(qū)也成為了鳥(niǎo)類潛在的棲息地。本發(fā)明通過(guò)對(duì)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列進(jìn)行密度聚類，最終能夠快速準(zhǔn)確地篩選出候鳥(niǎo)的棲息地。

進(jìn)一步的，所述周期模式序列獲取模塊包括：

時(shí)間序列劃分模塊，其用于將每一類候鳥(niǎo)生活在棲息地看作是一個(gè)事件；選取其中一個(gè)興趣區(qū)域，掃描該區(qū)域中時(shí)間序列集合，根據(jù)預(yù)設(shè)時(shí)間粒度對(duì)時(shí)間序列進(jìn)行劃分；

區(qū)域事件時(shí)間位置表建立模塊，其用于找出每個(gè)事件發(fā)生的時(shí)間點(diǎn)，建立區(qū)域事件時(shí)間位置表；

周期檢測(cè)模塊，其用于對(duì)區(qū)域事件時(shí)間位置表檢測(cè)所有可能的周期，最終得到所有棲息地的周期模式序列。

候鳥(niǎo)是一種在越冬地與繁殖地周期性遷徙的鳥(niǎo)類，候鳥(niǎo)與棲息地之間存在著一定的時(shí)間關(guān)聯(lián)，需要找到每個(gè)棲息地中候鳥(niǎo)的時(shí)間模式，并生成遷徙路線。其基本思想為：針對(duì)每一個(gè)頻繁區(qū)域，把區(qū)域內(nèi)每一類候鳥(niǎo)的時(shí)空數(shù)據(jù)轉(zhuǎn)換為時(shí)間序列數(shù)據(jù)，將每一類候鳥(niǎo)看做一個(gè)事件，對(duì)每一事件的時(shí)間序列進(jìn)行周期檢測(cè)，進(jìn)而發(fā)現(xiàn)其周期模式。

本發(fā)明的第三目的是提供一種候鳥(niǎo)遷徙路徑描述服務(wù)器。

本發(fā)明的一種候鳥(niǎo)遷徙路徑描述服務(wù)器，包括上述所述的獲取候鳥(niǎo)遷徙路徑描述的裝置。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

(1)本發(fā)明分利用了觀鳥(niǎo)數(shù)據(jù)的優(yōu)勢(shì)，從候鳥(niǎo)遷徙活動(dòng)時(shí)空變化的角度出發(fā)，結(jié)合每條觀鳥(niǎo)記錄中的重要屬性——“鳥(niǎo)類數(shù)量”，解決了觀鳥(niǎo)數(shù)據(jù)中存在的重復(fù)采樣、采樣分布不均等缺陷，提高了數(shù)據(jù)的質(zhì)量，保證了后期分析的準(zhǔn)確性；并對(duì)時(shí)間和空間特性分別處理，充分挖掘出鳥(niǎo)類時(shí)空數(shù)據(jù)中隱含的信息，提升了挖掘的質(zhì)量，對(duì)觀鳥(niǎo)數(shù)據(jù)的利用、處理和分析達(dá)到一個(gè)新高度，為候鳥(niǎo)遷徙的研究提供了新角度、新思路。

(2)本發(fā)明還可以將發(fā)現(xiàn)候鳥(niǎo)遷徙過(guò)程中的棲息地，作為候鳥(niǎo)保護(hù)區(qū)和觀賞地，探索的候鳥(niǎo)的遷徙路線能夠?qū)ξ磥?lái)候鳥(niǎo)的活動(dòng)做簡(jiǎn)單預(yù)測(cè)，為機(jī)場(chǎng)鳥(niǎo)撞防護(hù)、鳥(niǎo)情預(yù)報(bào)提供理論支持。

附圖說(shuō)明

構(gòu)成本申請(qǐng)的一部分的說(shuō)明書(shū)附圖用來(lái)提供對(duì)本申請(qǐng)的進(jìn)一步理解，本申請(qǐng)的示意性實(shí)施例及其說(shuō)明用于解釋本申請(qǐng)，并不構(gòu)成對(duì)本申請(qǐng)的不當(dāng)限定。

圖1是本發(fā)明的一種獲取候鳥(niǎo)遷徙路徑描述的方法流程圖；

圖2是重復(fù)點(diǎn)集合p’(ej)；

圖3是特征點(diǎn)圖；

圖4是候鳥(niǎo)的棲息地示意圖；

圖5是滑動(dòng)窗口示意圖；

圖6是事件潛周期發(fā)現(xiàn)過(guò)程示意圖；

圖7(a)是家燕數(shù)據(jù)中重復(fù)點(diǎn)集中的軌跡點(diǎn)；

圖7(b)是家燕數(shù)據(jù)聚類后選取的特征點(diǎn)；

圖7(c)是家燕數(shù)據(jù)中原始的軌跡點(diǎn)；

圖7(d)是家燕數(shù)據(jù)預(yù)處理后的軌跡點(diǎn)；

圖8(a)是白鷺數(shù)據(jù)中重復(fù)點(diǎn)集中的軌跡點(diǎn)；

圖8(b)是白鷺數(shù)據(jù)聚類后選取的特征點(diǎn)；

圖8(c)是白鷺數(shù)據(jù)中原始的軌跡點(diǎn)；

圖8(d)是白鷺數(shù)據(jù)預(yù)處理后的軌跡點(diǎn)；

圖9(a)是家燕數(shù)據(jù)密度聚類后得到的簇；

圖9(b)是家燕熱分布圖；

圖9(c)是家燕棲息地；

圖10(a)是白鷺密度聚類后得到的簇；

圖10(b)是白鷺熱分布圖；

圖10(c)是白鷺棲息地；

圖11是本發(fā)明的一種獲取候鳥(niǎo)遷徙路徑描述的裝置結(jié)構(gòu)示意圖。

具體實(shí)施方式

應(yīng)該指出，以下詳細(xì)說(shuō)明都是例示性的，旨在對(duì)本申請(qǐng)?zhí)峁┻M(jìn)一步的說(shuō)明。除非另有指明，本文使用的所有技術(shù)和科學(xué)術(shù)語(yǔ)具有與本申請(qǐng)所屬技術(shù)領(lǐng)域的普通技術(shù)人員通常理解的相同含義。

需要注意的是，這里所使用的術(shù)語(yǔ)僅是為了描述具體實(shí)施方式，而非意圖限制根據(jù)本申請(qǐng)的示例性實(shí)施方式。如在這里所使用的，除非上下文另外明確指出，否則單數(shù)形式也意圖包括復(fù)數(shù)形式，此外，還應(yīng)當(dāng)理解的是，當(dāng)在本說(shuō)明書(shū)中使用術(shù)語(yǔ)“包含”和/或“包括”時(shí)，其指明存在特征、步驟、操作、器件、組件和/或它們的組合。

本發(fā)明所涉及的名詞及術(shù)語(yǔ)解釋如下所述：

(1)候鳥(niǎo)遷徙軌跡：帶有時(shí)間戳的候鳥(niǎo)空間位置序列稱為候鳥(niǎo)遷徙軌跡，表示為p(ej)＝{p1(ej),p2(ej),…,pu(ej),pu+1(ej),…,pi(ej),…,pv(ej),…,pn(ej)}，pi(ej)為鳥(niǎo)類的軌跡點(diǎn)，n為軌跡點(diǎn)數(shù)量。其中ej表示鳥(niǎo)類的種類，ej∈e＝{e1,e2,…,ej,…,ej}，j∈[1,j]，j為鳥(niǎo)類的數(shù)量。

(2)軌跡點(diǎn)：是對(duì)鳥(niǎo)類觀測(cè)采樣點(diǎn)的描述，包括經(jīng)度，緯度和時(shí)間戳三部分，表示為pi(ej)＝<(xi,yi),ti,ej>，其中pi(ej)∈p(ej)，j∈[1,j]，i∈[1,n]。

(3)重復(fù)點(diǎn)集dps：對(duì)于某一類鳥(niǎo)類ej的軌跡點(diǎn)集合p(ej)＝{pu(ej),pu+1(ej),…,pv(ej)}，j∈[1,j]，i∈[u,v]，如果有distance(pu,pi)≤θr，distance(pu,pv+1)>θr，且|tv–tu|<θt稱為重復(fù)點(diǎn)集，記為p’(ej)＝{pu’(ej),pu+1’(ej),…,pv’(ej)}，p’(ej)∈p(ej)。{p1’(ej),p2’(ej),…,pk’(ej),…,pk’(ej)}稱作重復(fù)點(diǎn)集的集合，k∈[1,k]，k為重復(fù)點(diǎn)集的集合的個(gè)數(shù)。

(4)特征點(diǎn)fp：在重復(fù)點(diǎn)集p’(ej)中，一個(gè)用以取代p’(ej)的軌跡點(diǎn)，稱作特征點(diǎn)，記做sk(ej)＝<(xk,yk),tu,tv,ej>，其中tu為起始時(shí)間，tv為結(jié)束時(shí)間；x，y表示當(dāng)前特征點(diǎn)的中心坐標(biāo)，k∈[1,k]。

(5)熱度：某個(gè)點(diǎn)或某個(gè)區(qū)域的重要程度，稱作熱度。將“鳥(niǎo)類數(shù)量”作為權(quán)重，代表每個(gè)觀測(cè)點(diǎn)實(shí)際觀測(cè)到的鳥(niǎo)類的數(shù)量，用“點(diǎn)熱度”來(lái)表示，權(quán)重越高，該點(diǎn)的熱度越大。一個(gè)區(qū)域內(nèi)“點(diǎn)熱度”之和越大，該區(qū)域的熱度越大。

(6)周期模式：候鳥(niǎo)ej的周期模式可表示成per_patternsl(ej)＝<dl(ej),tl(ej),rep>，l∈[1,l]，l為興趣區(qū)域的個(gè)數(shù)，dl(ej)∈d(ej)，tl(ej)＝(lengthl(ej),ta(ej),tb(ej))，其中ta(ej)≤tb(ej)且lengthi(ej)>0，其中l(wèi)engthi(ej)表示周期的長(zhǎng)度，ta(ej)表示事件的起始時(shí)間點(diǎn)，tb(ej)表示事件的結(jié)束時(shí)間點(diǎn)，rep為周期的重復(fù)次數(shù)。

正如背景技術(shù)所介紹的，現(xiàn)有技術(shù)中存在1)采集的數(shù)據(jù)普遍存在不夠全面、精度較低、數(shù)據(jù)量有限等問(wèn)題；2)對(duì)原始數(shù)據(jù)的去重、去噪、標(biāo)準(zhǔn)化等工作鮮有涉及，導(dǎo)致數(shù)據(jù)的可利用性比較低；3)用于分析研究的數(shù)據(jù)量相對(duì)較小；4)候鳥(niǎo)與棲息地的時(shí)空關(guān)系及遷徙周期鮮有研究；5)鳥(niǎo)類數(shù)據(jù)利用和處理上存在局限性，未能深入挖掘數(shù)據(jù)中隱藏的知識(shí)和規(guī)律的問(wèn)題，為了解決如上的技術(shù)問(wèn)題，本申請(qǐng)?zhí)岢隽艘环N獲取候鳥(niǎo)遷徙路徑描述的方法。

圖1是本發(fā)明的一種獲取候鳥(niǎo)遷徙路徑描述的方法流程圖。

如圖1所示，本發(fā)明的一種獲取候鳥(niǎo)遷徙路徑描述的方法，至少包括：

s101：將鳥(niǎo)類觀測(cè)點(diǎn)的地址信息轉(zhuǎn)化為gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)。

在具體實(shí)施過(guò)程中，每一條觀鳥(niǎo)記錄中都包含了其獨(dú)有的時(shí)空信息，在對(duì)其進(jìn)行挖掘分析前，需要將觀鳥(niǎo)記錄抽象為帶有時(shí)間的點(diǎn)，一條記錄對(duì)應(yīng)一個(gè)點(diǎn)。該點(diǎn)將作為鳥(niǎo)類遷徙行為的一個(gè)軌跡點(diǎn)。軌跡點(diǎn)既可以代表一個(gè)個(gè)體，也可以代表一個(gè)群體，用于表現(xiàn)鳥(niǎo)類的分布和遷徙。具體做法為：將每條觀鳥(niǎo)記錄的“鳥(niǎo)類觀測(cè)地點(diǎn)”中的文本信息轉(zhuǎn)換為gps經(jīng)緯度坐標(biāo)，以便于后期計(jì)算、比較和展示。

s102：標(biāo)準(zhǔn)化處理gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)，形成標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列。

在具體實(shí)施過(guò)程中，未經(jīng)預(yù)處理的中國(guó)觀鳥(niǎo)數(shù)據(jù)中存在大量的重復(fù)采樣數(shù)據(jù)，這是導(dǎo)致觀測(cè)記錄數(shù)量在地域、時(shí)間和種類上分布不均的重要原因之一，如果不將這些重復(fù)數(shù)據(jù)剔除，會(huì)直接影響數(shù)據(jù)挖掘的質(zhì)量。所以，在進(jìn)行數(shù)據(jù)分析前，首先要對(duì)原始候鳥(niǎo)軌跡數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，以去除重復(fù)數(shù)據(jù)，達(dá)到數(shù)據(jù)標(biāo)準(zhǔn)化的目的，初步解決觀鳥(niǎo)記錄數(shù)量分布不均的問(wèn)題，為后期分析奠定基礎(chǔ)。

在鳥(niǎo)類觀測(cè)數(shù)據(jù)集中，存在兩類重復(fù)性數(shù)據(jù)：第一類為直觀重復(fù)數(shù)據(jù)，表現(xiàn)為時(shí)間地點(diǎn)完全相同，即pi(ej)＝pi+1(ej)，可將該類數(shù)據(jù)進(jìn)行簡(jiǎn)單合并處理；第二類為隱含的重復(fù)性數(shù)據(jù)，不易發(fā)現(xiàn)，其表現(xiàn)為同一類鳥(niǎo)類對(duì)應(yīng)多個(gè)采樣點(diǎn)記錄，其時(shí)間、地點(diǎn)等具有相似性。當(dāng)某一種鳥(niǎo)在一個(gè)連續(xù)的時(shí)間段和一個(gè)小范圍區(qū)域內(nèi)被多次采樣，在以θr為鄰域的范圍，以θt為時(shí)間閾值內(nèi)，就認(rèn)為這些采樣點(diǎn)數(shù)據(jù)出現(xiàn)重復(fù)。

具體地，形成標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列的過(guò)程包括：

(1)對(duì)待標(biāo)準(zhǔn)化處理的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)進(jìn)行聚類，得到gps軌跡特征點(diǎn)；

特征點(diǎn)的選取按照如下步驟進(jìn)行：

step1：設(shè)置參數(shù)θr和θt的值；

step2：在候鳥(niǎo)ej的集合p(ej)＝{p1(ej),p2(ej),…,pi(ej),…,pn(ej)}中，隨機(jī)選擇一個(gè)點(diǎn)pi(ej)作為中心，計(jì)算其余各點(diǎn)到pi(ej)的距離；

step3：ifdistance(pother,pi)≤θr&&|tother–ti|<θt，then點(diǎn)pi(ej)加入重復(fù)點(diǎn)集合p’(ej)中，如圖2所示；

step4：輸出p’(ej)；

step5：對(duì)重復(fù)點(diǎn)集合p’(ej)使用k-mediods聚類算法，k-mediods算法簇?cái)?shù)設(shè)置為1，得到的簇中心點(diǎn)作為p’(ej)的特征點(diǎn)sk(ej)＝<(xk,yk),tu,tv,ej>；

step6：對(duì)p’(ej)中的所有軌跡點(diǎn)求加權(quán)平均數(shù)，每個(gè)點(diǎn)的“鳥(niǎo)類數(shù)量”作為權(quán)值，得到的平均數(shù)作為特征點(diǎn)sk(ej)的“鳥(niǎo)類數(shù)量”；

step7：對(duì)p’(ej)中的每一個(gè)點(diǎn)重復(fù)step1-step4，直到輸出所有fp，如圖3所示；

step8：將特征點(diǎn)與不屬于重復(fù)點(diǎn)集的軌跡點(diǎn)數(shù)據(jù)重新排列，得到關(guān)于ej的新軌跡點(diǎn)序列s(ej)＝{s1(ej),s2(ej),…,sk(ej),…,sm(ej)}，m為新軌跡點(diǎn)個(gè)數(shù)，輸出s(ej)。

數(shù)據(jù)預(yù)處理作為數(shù)據(jù)分析前的必要準(zhǔn)備，極大的提高了數(shù)據(jù)的可用性，使觀鳥(niǎo)記錄數(shù)量在地域、時(shí)間和種類上分布不均的問(wèn)題得到初步解決。

(2)利用gps軌跡特征點(diǎn)替換重復(fù)的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)，進(jìn)而得到標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列。

本發(fā)明利用特征點(diǎn)來(lái)代替候鳥(niǎo)軌跡中重復(fù)的點(diǎn)，既可解決軌跡數(shù)據(jù)重復(fù)記錄問(wèn)題，確保數(shù)據(jù)挖掘質(zhì)量，又對(duì)海量軌跡數(shù)據(jù)進(jìn)行了壓縮，減少了冗余，可有效提高后期數(shù)據(jù)分析的效率和準(zhǔn)確性。

s103：對(duì)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列進(jìn)行密度聚類，獲取候鳥(niǎo)遷徙過(guò)程中所有的棲息地。

在鳥(niǎo)類的遷徙路線上，分布著許多可供利用的中途停歇地，這些停歇地和候鳥(niǎo)的越冬地、繁殖地共同構(gòu)成候鳥(niǎo)的棲息地。棲息地中鳥(niǎo)類的種群數(shù)量往往多于其他地區(qū)，同樣的，發(fā)現(xiàn)的鳥(niǎo)類數(shù)量越多，鳥(niǎo)類記錄越密集的區(qū)域往往對(duì)于鳥(niǎo)類也越重要，這樣的地區(qū)也成為了鳥(niǎo)類潛在的棲息地。

具體地，獲取候鳥(niǎo)遷徙過(guò)程中所有的棲息地的過(guò)程包括：

(1)根據(jù)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列的密度聚類，得若干個(gè)簇；

(2)以簇內(nèi)各個(gè)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)相對(duì)應(yīng)的鳥(niǎo)類觀測(cè)點(diǎn)所觀測(cè)到的“鳥(niǎo)類數(shù)量”作為權(quán)重，計(jì)算每個(gè)簇的“簇?zé)岫取?；其中，簇?zé)岫葹榇貎?nèi)各個(gè)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)與其權(quán)重相乘之和；

(3)計(jì)算各離群點(diǎn)的“點(diǎn)熱度”，其中，“點(diǎn)熱度”為每個(gè)觀測(cè)點(diǎn)實(shí)際觀測(cè)到的鳥(niǎo)類的數(shù)量；

(4)將所有的“簇?zé)岫取焙汀包c(diǎn)熱度”按從大到小的順序排列，篩選出大于預(yù)設(shè)熱度閾值的區(qū)域作為候鳥(niǎo)的棲息地。

棲息地發(fā)現(xiàn)的基本步驟：

step1：對(duì)候鳥(niǎo)ej的新軌跡點(diǎn)序列s(ej)＝{s1(ej),s2(ej),…,sm(ej)}，使用dbscan算法進(jìn)行密度聚類，得到關(guān)于ej的一系列大小形狀各異的簇，記為c(ej)＝{c1(ej),c2(ej),…,cl(ej),…,cl(ej)}，l∈[1,l]，l為簇的個(gè)數(shù)。

step2：以“鳥(niǎo)類數(shù)量”作為權(quán)重，計(jì)算每個(gè)簇的“簇?zé)岫取?，記做hdc。簇?zé)岫扔?jì)算方法：簇cl(ej)內(nèi)各點(diǎn)與其權(quán)重相乘之和；

step3：計(jì)算各離群點(diǎn)的“點(diǎn)熱度”；

step4：將所有的hdp和hdc按從大到小的順序排列，篩選出熱度較高的區(qū)域作為候鳥(niǎo)的棲息地，記作：d(ej)＝{d1(ej),d2(ej),…,dl(ej),…,dl(ej)}，l∈[1,l]，l為棲息地的個(gè)數(shù)；

step5：分別對(duì)每一種候鳥(niǎo)的新軌跡點(diǎn)重復(fù)step1-step4；

step6：輸出所有候鳥(niǎo)的棲息地，如圖4所示。

本發(fā)明通過(guò)對(duì)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列進(jìn)行密度聚類，最終能夠快速準(zhǔn)確地篩選出候鳥(niǎo)的棲息地。

s104：對(duì)每一個(gè)棲息地引入時(shí)間因素，獲取所有棲息地的周期模式序列；所述周期模式序列由表征棲息地坐標(biāo)的時(shí)空序列和表征候鳥(niǎo)在棲息地出現(xiàn)時(shí)間的時(shí)間序列構(gòu)成。

候鳥(niǎo)是一種在越冬地與繁殖地周期性遷徙的鳥(niǎo)類，候鳥(niǎo)與棲息地之間存在著一定的時(shí)間關(guān)聯(lián)，需要找到每個(gè)棲息地中候鳥(niǎo)的時(shí)間模式，并生成遷徙路線。其基本思想為：針對(duì)每一個(gè)頻繁區(qū)域，把區(qū)域內(nèi)每一類候鳥(niǎo)的時(shí)空數(shù)據(jù)轉(zhuǎn)換為時(shí)間序列數(shù)據(jù)，將每一類候鳥(niǎo)看做一個(gè)事件，對(duì)每一事件的時(shí)間序列進(jìn)行周期檢測(cè)，進(jìn)而發(fā)現(xiàn)其周期模式。

具體地，本階段的基本步驟為：首先，選取其中一個(gè)興趣區(qū)域dl(ej)，掃描該區(qū)域中時(shí)間序列集合，選取合適的時(shí)間粒度，對(duì)時(shí)間序列進(jìn)行劃分；其次，找出每個(gè)事件發(fā)生的時(shí)間點(diǎn)，建立區(qū)域事件時(shí)間位置表(e，time)，如表1所示(以e1為例)；然后，對(duì)區(qū)域事件時(shí)間位置表(e，time)檢測(cè)可能的周期。

表1區(qū)域事件時(shí)間位置表(e,time)

對(duì)區(qū)域事件事件位置表進(jìn)行以下操作：

step1：掃描區(qū)域事件時(shí)間位置表，并設(shè)置參數(shù)：周期次數(shù)指針count_length，初始值為0；最小周期長(zhǎng)度min_length，最大周期長(zhǎng)度max_length，min_length和max_length長(zhǎng)度由用戶設(shè)定；最小發(fā)生次數(shù)min_rep，大小由用戶設(shè)定；周期模式重復(fù)次數(shù)指針rep，初始值為0；某一事件發(fā)生的時(shí)間點(diǎn)的個(gè)數(shù)count_time；

step2：從該事件的最后一個(gè)時(shí)間點(diǎn)開(kāi)始，從后向前建立滑動(dòng)窗。在滑動(dòng)窗內(nèi)比較該事件的任意兩次發(fā)生時(shí)間點(diǎn)的間距，記為length＝tα-tβ，α∈[1,count_time]，β∈[α+1,count_time]；

step3：如果min_length≤length≤max_length，則count_length＝count_length+1；否則停止計(jì)算，在下一個(gè)時(shí)間點(diǎn)tα+1處重新建立滑動(dòng)窗，對(duì)該事件的每一個(gè)時(shí)間點(diǎn)進(jìn)行上述計(jì)算；

step4：判斷每一個(gè)周期值length的count_length，如果有count_length≥min_rep，則該周期就是一個(gè)潛在周期，記為pot_length＝{pot_length1，pot_length2，…，pot_lengthλ，…，pot_lengthγ}，λ∈[1,γ]，γ為潛在周期個(gè)數(shù)。

step5：建立周期時(shí)間點(diǎn)對(duì)應(yīng)表(e，pot_length，time’)：重復(fù)step2到step4，找到該事件所有潛在周期，并建立周期時(shí)間對(duì)應(yīng)表(e，pot_length，time’)，pot_length記錄每一個(gè)潛在的周期，time’記錄其對(duì)應(yīng)的時(shí)間點(diǎn)time’∈time；

step6：建立哈希鏈表結(jié)構(gòu)：掃描事件ej的周期時(shí)間對(duì)應(yīng)表(e，pot_length，time’)，對(duì)表中該事件的每一個(gè)潛在周期長(zhǎng)度pot_lengthλ，λ∈[1,γ]，求余mod＝tα’％pot_lengthλ，tα’∈time’并建立哈希鏈表結(jié)構(gòu)；

step7：輸出事件的有效周期模式：如果某一余數(shù)的鏈表滿足：鏈表長(zhǎng)度mod_rep>min_rep，且鏈表中的值為公差是pot_lengthλ的等差數(shù)列；則輸出pot_lengthλ為有效周期，重復(fù)次數(shù)rep＝mod_rep-1，該等差數(shù)列的第一個(gè)值為起始時(shí)間點(diǎn)，最后一個(gè)值為結(jié)束時(shí)間點(diǎn)，生成周期模式。

以事件e1為例，min_length＝2，max_length＝7，min_rep＝2，count_time＝13。e1的滑動(dòng)窗口和周期時(shí)間對(duì)應(yīng)表(e,pot_length,time’)，如圖5和表2所示。取pot_lengthλ＝5，重置min_rep＝3，取表1中所對(duì)應(yīng)的時(shí)間點(diǎn)，該事件潛周期發(fā)現(xiàn)過(guò)程的如圖6所示；其中0、1、2、3、4是該周期被整除后所對(duì)應(yīng)的所有可能的余數(shù)；余數(shù)為3時(shí)，mod_rep＝4>min_rep，且公差為5，所以，e1的有效周期為5，出現(xiàn)的時(shí)間點(diǎn)為3，8，13，18；rep＝3。

s105：按照時(shí)間順序排列所有棲息地的周期模式序列，最終得到的時(shí)空序列作為候鳥(niǎo)遷徙路線，時(shí)間序列代表候鳥(niǎo)的遷徙方向。

表2周期時(shí)間對(duì)應(yīng)表(e，pot_length，time’)

對(duì)于候鳥(niǎo)ej，利用上述方法求出其所有棲息地d(ej)的周期模式，按照時(shí)間順序排列各棲息地，得到的時(shí)空序列作為候鳥(niǎo)遷徙路線，其時(shí)間序列代表候鳥(niǎo)的遷徙方向。

候鳥(niǎo)ej的周期模式可表示成per_patternsl(ej)＝<dl(ej),tl(ej),rep>，l∈[1,l]，l為興趣區(qū)域的個(gè)數(shù)，dl(ej)∈d(ej)，tl(ej)＝(lengthl(ej),ta(ej),tb(ej))，其中ta(ej)≤tb(ej)且lengthi(ej)>0，其中l(wèi)engthi(ej)表示周期的長(zhǎng)度，ta(ej)表示事件的起始時(shí)間點(diǎn)，tb(ej)表示事件的結(jié)束時(shí)間點(diǎn)，rep為周期的重復(fù)次數(shù)。

為驗(yàn)證本發(fā)明的該方法的可行性和有效性，以家燕和白鷺為實(shí)驗(yàn)對(duì)象，探究其棲息地和遷徙路徑；并將數(shù)據(jù)挖掘的結(jié)果同鳥(niǎo)類學(xué)權(quán)威文獻(xiàn)《中國(guó)鳥(niǎo)類野外手冊(cè)》及《中國(guó)鳥(niǎo)類分類與分布名錄》作對(duì)比，以驗(yàn)證本發(fā)明的該方法的可行性和有效性。

本實(shí)驗(yàn)的運(yùn)行環(huán)境是windows7操作系統(tǒng)，算法編寫(xiě)使用c#語(yǔ)言。軟件開(kāi)發(fā)環(huán)境為：microsoftvisualstudio2010和sqlserver2010。

實(shí)驗(yàn)一：數(shù)據(jù)預(yù)處理

利用特征點(diǎn)來(lái)代替候鳥(niǎo)軌跡中重復(fù)的點(diǎn)，既可解決軌跡數(shù)據(jù)重復(fù)記錄問(wèn)題，確保數(shù)據(jù)挖掘質(zhì)量，又對(duì)海量軌跡數(shù)據(jù)進(jìn)行了壓縮，減少了冗余，可有效提高后期數(shù)據(jù)分析的效率和準(zhǔn)確性。

表3為篩選出的家燕軌跡點(diǎn)中部分重復(fù)點(diǎn)集數(shù)據(jù)，時(shí)間從2008年5月2日到2008年5月9日；表4為篩選出的白鷺軌跡點(diǎn)中部分重復(fù)點(diǎn)集數(shù)據(jù)，時(shí)間從2015年7月12日到2015年7月19日。

表3篩選出的家燕軌跡點(diǎn)中部分重復(fù)點(diǎn)集數(shù)據(jù)

表4篩選出的白鷺軌跡點(diǎn)中部分重復(fù)點(diǎn)集數(shù)據(jù)

根據(jù)觀鳥(niǎo)數(shù)據(jù)的特征，與基于經(jīng)緯度坐標(biāo)的球面距離，估計(jì)設(shè)置以下參數(shù)，如表2所示。經(jīng)過(guò)實(shí)驗(yàn)測(cè)試，當(dāng)θr＝6(km)，θt＝10時(shí)，聚類效果最好，取得的特征點(diǎn)可以更好的代表重復(fù)點(diǎn)集的位置和時(shí)間，如表5所示。

表5重復(fù)點(diǎn)集參數(shù)選取表

當(dāng)ej＝家燕，將表3中重復(fù)點(diǎn)集中的軌跡點(diǎn)(2008年5月2日到2008年5月9日江蘇南京附近)標(biāo)注在地圖上，如圖7(a)；聚類后，得到一個(gè)特征點(diǎn)，如圖7(b)所示；以此類推找出家燕所有的重復(fù)點(diǎn)集，并利用特征點(diǎn)替代，如圖7(c)和7(d)所示，可見(jiàn)線框內(nèi)的軌跡點(diǎn)明顯少于原始軌跡點(diǎn)。

當(dāng)ej＝白鷺，將表4中重復(fù)點(diǎn)集中的軌跡點(diǎn)(2015年7月12到2015年7月19日上海浦東附近)標(biāo)注在地圖上，如圖8(a)；聚類后，得到一個(gè)特征點(diǎn)，如圖8(b)所示；以此類推找出家燕所有的重復(fù)點(diǎn)集，并利用特征點(diǎn)替代，如圖8(c)和8(d)所示，可見(jiàn)線框內(nèi)的軌跡點(diǎn)明顯少于原始軌跡點(diǎn)。

實(shí)驗(yàn)二：棲息地發(fā)現(xiàn)

對(duì)預(yù)處理后候鳥(niǎo)的新軌跡點(diǎn)序列s(ej)，利用密度聚類和熱度計(jì)算得到候鳥(niǎo)遷徙過(guò)程中的棲息地。

當(dāng)ej＝家燕，通過(guò)聚類得到25個(gè)簇c(家燕)如圖9(a)；計(jì)算所有點(diǎn)的熱度，用熱力圖表示，如圖9(b)，最后得到11個(gè)家燕的棲息地d(家燕)＝{d1,d2,d3,d4,d5,d6,d7,d8,d9,d10,d11}，熱度分別為{369,1287,1885,1221,287,155,177,159,231,189,122}，如圖9(c)。

當(dāng)ej＝白鷺，通過(guò)聚類得到17個(gè)簇c(白鷺)如圖10(a)；計(jì)算所有點(diǎn)的熱度，用熱力圖表示熱度，如圖10(b)，最后得到13個(gè)家燕的棲息地d(白鷺)＝{d1,d2,d3,d4,d5,d6,d7,d8,d9,d10,d11,d12,d13}，熱度分別為{487,288,62,2881,972,164,327,110,100,72,150,390,257}，如圖10(c)。

實(shí)驗(yàn)三：周期模式挖掘

首先，按照一定的時(shí)間粒度，對(duì)1970年至2015年的時(shí)間序列進(jìn)行劃分，其中，沒(méi)有觀鳥(niǎo)記錄的年份將被忽略。我們定義一個(gè)年份集合cy＝{2015,2014,2013,2012,2010,2009,2008,2007,2006,2005,2004,2003,2002,2001,2000,1993,1992,1991,1987,1986,1985,1984,1983,1981,1970}，作為研究的時(shí)間序列。時(shí)間粒度以10天為單位，對(duì)集合cy進(jìn)行劃分，將連續(xù)的日期劃分為離散的數(shù)據(jù)點(diǎn)，如表6。

表6時(shí)間粒度劃分表

然后，利用實(shí)驗(yàn)二中得到的結(jié)論，選取一個(gè)候鳥(niǎo)的棲息地，挖掘事件的周期模式。

當(dāng)ej＝家燕，選擇棲息地d3，對(duì)d3建立區(qū)域事件時(shí)間位置列表(不考慮個(gè)別留鳥(niǎo)的情況)如表7。

表7區(qū)域事件時(shí)間位置表(家燕)

當(dāng)設(shè)置最小周期為10，最大周期為108，最小發(fā)生次數(shù)為4時(shí)，對(duì)得到的若干潛在周期利用哈希算法生成單個(gè)事件在該興趣區(qū)域的有效周期，得到有效周期{36,72}。周期模式為：

per_patterns3(家燕)＝<d3,t3,23>，t3(家燕)＝(36,906,29)；

per_patterns3(家燕)＝<d3,t3,21>，t3(家燕)＝(36,892,9)；

per_patterns3(家燕)＝<d3,t3,7>，t3(家燕)＝(72,673,169)；

由此，可以得出結(jié)論，在興趣區(qū)域3中，家燕通常在每年3月中旬左右到達(dá)，在10月上旬離開(kāi)；也會(huì)有在2月下旬到達(dá)的情況。將家燕的棲息地與其在各棲息地周期模式相關(guān)聯(lián)，即可得到家燕的遷徙路線，家燕每年3月上旬從南方向北方遷徙，沿東、西兩條遷徙帶遷徙，到9月中旬開(kāi)始南遷。

當(dāng)ej＝白鷺，選擇棲息地d4，對(duì)d4建立區(qū)域事件時(shí)間位置列表(不考慮個(gè)別留鳥(niǎo)的情況)如表8。

表8區(qū)域事件時(shí)間位置表(白鷺)

當(dāng)設(shè)置最小周期為10，最大周期為108，最小發(fā)生次數(shù)為4時(shí)，對(duì)得到的若干潛在周期利用哈希算法生成單個(gè)事件在該興趣區(qū)域的有效周期，得到有效周期{37，70，107}。周期模式為：

per_patterns4(白鷺)＝<d4,t4,22>，t4(白鷺)＝(37,873,33)；

per_patterns4(白鷺)＝<d4,t4,21>，t4(白鷺)＝(37,812,7)；

per_patterns4(白鷺)＝<d4,t4,9>，t4(白鷺)＝(70,736,105)；

per_patterns4(白鷺)＝<d4,t4,4>，t4(白鷺)＝(107,665,220)；

由此，可以得出結(jié)論，在興趣區(qū)域3中，白鷺通常在每年3月下旬左右到達(dá)，在10月下旬離開(kāi)；也會(huì)有在11月中旬到12月初離開(kāi)的情況。將白鷺的棲息地與其在各棲息地周期模式相關(guān)聯(lián)，即可得到家燕的遷徙路線。白鷺部分為留鳥(niǎo)，部分遷徙，遷徙的部分每年2月下旬從南方向北方遷徙，只沿東部遷徙帶遷徙，到10月中旬開(kāi)始南遷。

從實(shí)驗(yàn)結(jié)果來(lái)看，本發(fā)明的該方法具有其獨(dú)有的優(yōu)勢(shì)：第一，與現(xiàn)有的數(shù)據(jù)分析工具(如spass、matlab等)相比，該方法更貼近觀鳥(niǎo)數(shù)據(jù)的數(shù)據(jù)特點(diǎn)，更符合鳥(niǎo)類數(shù)據(jù)分析的要求。第二，與現(xiàn)有的研究方法相比，更注重?cái)?shù)據(jù)預(yù)處理方面的工作，并著重分析了鳥(niǎo)類數(shù)據(jù)時(shí)間與空間的關(guān)聯(lián)性，不僅取得了更好的效果，而且提高了算法效率。

利用數(shù)據(jù)挖掘技術(shù)處理和分析鳥(niǎo)類數(shù)據(jù)，是一種比較先進(jìn)的思想和手段。我們提出了一種全新的算法去挖掘鳥(niǎo)類數(shù)據(jù)，而不是利用已有的數(shù)據(jù)分析工具，如spass。與以往的方法相比文獻(xiàn)，更注重?cái)?shù)據(jù)預(yù)處理方面的工作。另外，著重分析了鳥(niǎo)類數(shù)據(jù)時(shí)間與空間的關(guān)聯(lián)性，對(duì)時(shí)間和空間特性分別處理，既保證了數(shù)據(jù)分析的準(zhǔn)確性，又充分挖掘時(shí)空數(shù)據(jù)中隱含的知識(shí)。利用數(shù)據(jù)挖掘技術(shù)的優(yōu)勢(shì)彌補(bǔ)觀鳥(niǎo)數(shù)據(jù)的不足。

圖11是本發(fā)明的一種獲取候鳥(niǎo)遷徙路徑描述的裝置結(jié)構(gòu)示意圖。

如圖11所示，本發(fā)明的一種獲取候鳥(niǎo)遷徙路徑描述的裝置，包括：

(1)數(shù)據(jù)轉(zhuǎn)化模塊，其用于將鳥(niǎo)類觀測(cè)點(diǎn)的地址信息轉(zhuǎn)化為gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)。

在具體實(shí)施過(guò)程中，每一條觀鳥(niǎo)記錄中都包含了其獨(dú)有的時(shí)空信息，在對(duì)其進(jìn)行挖掘分析前，需要將觀鳥(niǎo)記錄抽象為帶有時(shí)間的點(diǎn)，一條記錄對(duì)應(yīng)一個(gè)點(diǎn)。該點(diǎn)將作為鳥(niǎo)類遷徙行為的一個(gè)軌跡點(diǎn)。軌跡點(diǎn)既可以代表一個(gè)個(gè)體，也可以代表一個(gè)群體，用于表現(xiàn)鳥(niǎo)類的分布和遷徙。具體做法為：將每條觀鳥(niǎo)記錄的“鳥(niǎo)類觀測(cè)地點(diǎn)”中的文本信息轉(zhuǎn)換為gps經(jīng)緯度坐標(biāo)，以便于后期計(jì)算、比較和展示。

(2)數(shù)據(jù)標(biāo)準(zhǔn)化處理模塊，其用于標(biāo)準(zhǔn)化處理gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)，形成標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列；

具體地，在所述數(shù)據(jù)標(biāo)準(zhǔn)化處理模塊中，去除重復(fù)的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)。

未經(jīng)預(yù)處理的觀鳥(niǎo)數(shù)據(jù)中存在大量的重復(fù)采樣數(shù)據(jù)，這是導(dǎo)致觀測(cè)記錄數(shù)量在地域、時(shí)間和種類上分布不均的重要原因之一，如果不將這些重復(fù)數(shù)據(jù)剔除，會(huì)直接影響數(shù)據(jù)挖掘的質(zhì)量。所以，在進(jìn)行數(shù)據(jù)分析前，首先要對(duì)原始候鳥(niǎo)軌跡數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，以去除重復(fù)數(shù)據(jù)，達(dá)到數(shù)據(jù)標(biāo)準(zhǔn)化的目的，初步解決觀鳥(niǎo)記錄數(shù)量分布不均的問(wèn)題，為后期分析奠定基礎(chǔ)。

其中，數(shù)據(jù)標(biāo)準(zhǔn)化處理模塊還包括：

gps軌跡特征點(diǎn)獲取模塊，其用于對(duì)待標(biāo)準(zhǔn)化處理的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)進(jìn)行聚類，得到gps軌跡特征點(diǎn)；

數(shù)據(jù)替換模塊，其用于利用gps軌跡特征點(diǎn)替換重復(fù)的gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)，進(jìn)而得到標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列。

本發(fā)明利用特征點(diǎn)來(lái)代替候鳥(niǎo)軌跡中重復(fù)的點(diǎn)，既可解決軌跡數(shù)據(jù)重復(fù)記錄問(wèn)題，確保數(shù)據(jù)挖掘質(zhì)量，又對(duì)海量軌跡數(shù)據(jù)進(jìn)行了壓縮，減少了冗余，可有效提高后期數(shù)據(jù)分析的效率和準(zhǔn)確性。對(duì)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，數(shù)據(jù)分析前的必要準(zhǔn)備，極大的提高了數(shù)據(jù)的可用性，使觀鳥(niǎo)記錄數(shù)量在地域、時(shí)間和種類上分布不均的問(wèn)題得到初步解決。

(3)棲息地獲取模塊，其用于對(duì)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列進(jìn)行密度聚類，獲取候鳥(niǎo)遷徙過(guò)程中所有的棲息地。

具體地，棲息地獲取模塊包括：

密度聚類模塊，其用于根據(jù)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列的密度聚類，得若干個(gè)簇；

簇?zé)岫扔?jì)算模塊，其用于以簇內(nèi)各個(gè)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)相對(duì)應(yīng)的鳥(niǎo)類觀測(cè)點(diǎn)所觀測(cè)到的“鳥(niǎo)類數(shù)量”作為權(quán)重，計(jì)算每個(gè)簇的“簇?zé)岫取保黄渲?，簇?zé)岫葹榇貎?nèi)各個(gè)gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)與其權(quán)重相乘之和；

點(diǎn)熱度計(jì)算模塊，其用于計(jì)算各離群點(diǎn)的“點(diǎn)熱度”，其中，“點(diǎn)熱度”為每個(gè)觀測(cè)點(diǎn)實(shí)際觀測(cè)到的鳥(niǎo)類的數(shù)量；

區(qū)域篩選模塊，其用于將所有的“簇?zé)岫取焙汀包c(diǎn)熱度”按從大到小的順序排列，篩選出大于預(yù)設(shè)熱度閾值的區(qū)域作為候鳥(niǎo)的棲息地。

在鳥(niǎo)類的遷徙路線上，分布著許多可供利用的中途停歇地，這些停歇地和候鳥(niǎo)的越冬地、繁殖地共同構(gòu)成候鳥(niǎo)的棲息地。棲息地中鳥(niǎo)類的種群數(shù)量往往多于其他地區(qū)，同樣的，發(fā)現(xiàn)的鳥(niǎo)類數(shù)量越多，鳥(niǎo)類記錄越密集的區(qū)域往往對(duì)于鳥(niǎo)類也越重要，這樣的地區(qū)也成為了鳥(niǎo)類潛在的棲息地。本發(fā)明通過(guò)對(duì)標(biāo)準(zhǔn)化gps軌跡點(diǎn)坐標(biāo)數(shù)據(jù)序列進(jìn)行密度聚類，最終能夠快速準(zhǔn)確地篩選出候鳥(niǎo)的棲息地。

(4)周期模式序列獲取模塊，其用于對(duì)每一個(gè)棲息地引入時(shí)間因素，獲取所有棲息地的周期模式序列；所述周期模式序列由表征棲息地坐標(biāo)的時(shí)空序列和表征候鳥(niǎo)在棲息地出現(xiàn)時(shí)間的時(shí)間序列構(gòu)成；

具體地，周期模式序列獲取模塊包括：

時(shí)間序列劃分模塊，其用于將每一類候鳥(niǎo)生活在棲息地看作是一個(gè)事件；選取其中一個(gè)興趣區(qū)域，掃描該區(qū)域中時(shí)間序列集合，根據(jù)預(yù)設(shè)時(shí)間粒度對(duì)時(shí)間序列進(jìn)行劃分；

區(qū)域事件時(shí)間位置表建立模塊，其用于找出每個(gè)事件發(fā)生的時(shí)間點(diǎn)，建立區(qū)域事件時(shí)間位置表；

周期檢測(cè)模塊，其用于對(duì)區(qū)域事件時(shí)間位置表檢測(cè)所有可能的周期，最終得到所有棲息地的周期模式序列。

候鳥(niǎo)是一種在越冬地與繁殖地周期性遷徙的鳥(niǎo)類，候鳥(niǎo)與棲息地之間存在著一定的時(shí)間關(guān)聯(lián)，需要找到每個(gè)棲息地中候鳥(niǎo)的時(shí)間模式，并生成遷徙路線。其基本思想為：針對(duì)每一個(gè)頻繁區(qū)域，把區(qū)域內(nèi)每一類候鳥(niǎo)的時(shí)空數(shù)據(jù)轉(zhuǎn)換為時(shí)間序列數(shù)據(jù)，將每一類候鳥(niǎo)看做一個(gè)事件，對(duì)每一事件的時(shí)間序列進(jìn)行周期檢測(cè)，進(jìn)而發(fā)現(xiàn)其周期模式。

(5)遷徙路線及方向獲取模塊，其用于按照時(shí)間順序排列所有棲息地的周期模式序列，最終得到的時(shí)空序列作為候鳥(niǎo)遷徙路線，時(shí)間序列代表候鳥(niǎo)的遷徙方向。

本發(fā)明還提供了一種候鳥(niǎo)遷徙路徑描述服務(wù)器，包括如圖11所示的獲取候鳥(niǎo)遷徙路徑描述的裝置。

本發(fā)明分利用了觀鳥(niǎo)數(shù)據(jù)的優(yōu)勢(shì)，從候鳥(niǎo)遷徙活動(dòng)時(shí)空變化的角度出發(fā)，結(jié)合每條觀鳥(niǎo)記錄中的重要屬性——“鳥(niǎo)類數(shù)量”，解決了觀鳥(niǎo)數(shù)據(jù)中存在的重復(fù)采樣、采樣分布不均等缺陷，提高了數(shù)據(jù)的質(zhì)量，保證了后期分析的準(zhǔn)確性；并對(duì)時(shí)間和空間特性分別處理，充分挖掘出鳥(niǎo)類時(shí)空數(shù)據(jù)中隱含的信息，提升了挖掘的質(zhì)量，對(duì)觀鳥(niǎo)數(shù)據(jù)的利用、處理和分析達(dá)到一個(gè)新高度，為候鳥(niǎo)遷徙的研究提供了新角度、新思路。

本發(fā)明還可以將發(fā)現(xiàn)候鳥(niǎo)遷徙過(guò)程中的棲息地，作為候鳥(niǎo)保護(hù)區(qū)和觀賞地，探索的候鳥(niǎo)的遷徙路線能夠?qū)ξ磥?lái)候鳥(niǎo)的活動(dòng)做簡(jiǎn)單預(yù)測(cè)，為機(jī)場(chǎng)鳥(niǎo)撞防護(hù)、鳥(niǎo)情預(yù)報(bào)提供理論支持。

上述雖然結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行了描述，但并非對(duì)本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動(dòng)即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。