随着智慧城市和天眼工程的建设,火车站、机场、居民小区、城市道路等人流密集的地方都安装了视频监控系统,重点公共区域视频监控基本实现全覆盖。成熟的人脸识别技术使得监控设备可以实时检测出监控中出现的所有有效人脸,并将抓拍的人脸图片与预存的人脸模版进行比对,生成识别记录,提取出采集位置、采集时间、身份识别等信息,这就为我们进行行人的时空轨迹分析提供了数据支撑。本论文基于行人轨迹数据进行行人伴随模式研究,提出一种基于轨迹相似度的伴随人员发现方法模型并基于分布式集群搭建了一个实用型的面向特定目标的轨迹分析系统来展开研究,论文的主要工作包括:(1)提出基于轨迹相似度的伴随人员发现(CR-TS)方法模型。首先通过对原始时空轨迹数据进行过滤、简化、变化等操作,得到潜在伴随集,然后基于监测点位置的固定性给出点伴随的定义,利用滑动时间窗口生成相似轨迹候选集,大大减少了中间结果集,最后选用余弦相似性作为轨迹相似性度量标准,对微观和宏观时间上的伴随同时进行考量,输出满足相似度阈值的伴随人员集。(2)设计了一个基于分布式集群的面向特定目标的CR-TS轨迹分析系统。为尽可能地模拟真实场景下的伴随人员发现过程,根据本文提出的CR-TS方法模型,设计了相应的并行化模式,利用分布式的环境来实现伴随人员发现过程的并行化,从而降低查询处理响应时间。该系统基于Hadoop集群,采用HDFS来存储行人历史通行数据,利用MapReduce编程模型实现CR-TS方法的并行化计算,借助SSM框架开发,将生成的结果存储在MySQL数据库中,由Redis数据库对业务层数据进行缓存,同时引入百度地图API,绘制伴随人员的移动轨迹。(3)通过设计一组测试用例,验证了本文提出的CR-TS方法的高效性、准确性。基于真实的行人通行记录数据集的一组实验,与传统方法进行对比分析,从性能、参数、正确性三方面对本文提出的方法作出了评价,验证了本方法在保证结果正确的前提下可以有效提高伴随人员发现的效率。