一种基于人群聚类轨迹熵的空间活力量化方法与流程

技术特征：
1.一种基于人群聚类轨迹熵的空间活力量化方法，其特征在于：a.采用匹配轨迹段间的余弦相关性和临近匹配点数的方法处理人群运动轨迹，得到任意两条轨迹间的相似性度量距离；b.采用轮廓系数和密度峰值聚类算法对空间轨迹聚类；c.利用轨迹聚类结果计算空间轨迹熵，并用其量化空间活力；该方法主要包括以下步骤：(1)使用多目标跟踪算法从公共空间视频中提取轨迹数据，并通过预处理的方式过滤较短的轨迹段；(2)以两条轨迹结构相似性关系得到两条轨迹结构位置一致的匹配点；(3)由匹配点组成匹配线段，并利用余弦相似性公式计算得到余弦相关性增强系数α；(4)先设定轨迹匹配点间的距离参数阈值β，然后统计轨迹中小于β的匹配点(临近匹配点)，最后利用临近匹配点数与余弦相关性增强系数α计算任意两条轨迹间相似性度量矩阵；(5)以轮廓系数作为评价指标，将相似度量矩阵作为峰值密度聚类算法的特征输入，以自适应的方式进行轨迹聚类；(6)根据每条轨迹到各轨迹聚类中心的距离，计算空间轨迹熵并作为空间活力值。2.如权利要求1所述的基于人群聚类轨迹熵的空间活力量化方法，其特征在于在步骤(3)和(4)中，首先针对匹配线段平行或者交叉的特性采用余弦相似性方法得到匹配线段的相关性系数，然后将该系数和临近匹配点数共同作为相关性度量的增强参数，最后结合两两轨迹的匹配点距离和以及增强参数计算并优化轨迹度量距离矩阵。3.如权利要求1所述的基于人群聚类轨迹熵的空间活力量化方法，其特征在于在步骤(5)中，针对轨迹聚类算法中确定聚类中心的问题，具体采用峰值密度聚类算法确定局部密度最大的对象作为可能的聚类中心并用轮廓系数筛选出最佳的聚类中心。4.如权利要求1所述的基于人群聚类轨迹熵的空间活力量化方法，其特征在于在步骤(6)中，针对聚类轨迹在空间的分布情况和量化分析问题，首先计算各条轨迹的不相似概率，具体为用单条轨迹到某一聚类中心的距离除以该轨迹到所有聚类中心的距离和作为该轨迹到该聚类中心的不相似概率；然后重复上述计算方法，得到各轨迹的不相似概率；最后采用信息熵的计算方式计算每条轨迹对应熵值并求和得到空间轨迹熵，该熵值表明了轨迹在空间分布的均匀性和不确定性进而反映了空间活力状态。

技术总结
本发明提供了一种基于人群聚类轨迹熵的空间活力量化方法，主要涉及利用空间轨迹熵的概念量化人群聚类轨迹数据并对公共空间活力分析。该方法包括：人群轨迹聚类方法采用匹配轨迹段间的余弦相关性和临近匹配点数改进相似性度量，并基于轮廓系数作为评价指标自动寻找聚类簇数。利用轨迹聚类结果计算空间轨迹熵，其描述空间中轨迹分布的不均匀性和不确定性，从而表征空间活力状态。本发明充分考虑了人群轨迹在空间中运动模式和类别特征分析空间活力状态。同时，采用信息熵值计算方法更好地处理了城市空间活力量化的问题，有效避免了传统方法主观因素多的问题，为城市规划领域研究空间活力量化提供了新思路。究空间活力量化提供了新思路。究空间活力量化提供了新思路。


技术研发人员：卿粼波 刘博 王正勇 牛通 何小海 任超
受保护的技术使用者：四川大学
技术研发日：2020.08.25
技术公布日：2022/2/28