基于多尺度空间划分与路网建模的城市移动轨迹模式挖掘

被引：35

作者：

王亮 ^{[1
,2
,3
]}

胡琨元 ^{[1
]}

库涛 ^{[1
]}

吴俊伟 ^{[1
,3
]}

机构：

[1] 中国科学院沈阳自动化研究所信息服务与智能控制研究室

[2] 西安科技大学电气与控制工程学院

[3] 中国科学院大学

来源：

自动化学报 | 2015年 / 41卷 / 01期

关键词：

数据挖掘; 移动轨迹; 多尺度划分; 路网模型;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

针对城市移动轨迹模式挖掘问题展开研究,提出移动全局模式与移动过程模式相结合的挖掘方法,即通过移动轨迹的起始位置点–终点位置点(Origin-destination,OD点)与移动过程序列分别进行移动全局模式与过程模式的发现.在移动全局模式发现中,提出了弹性多尺度空间划分方法,避免了硬性等尺度网格划分对密集区域边缘的破坏,同时增强了密集区域与稀疏区域的区分能力.在移动过程模式发现中,提出了基于移动轨迹的路网拓扑关系模型构建方法,通过路网关键位置点的探测抽取拓扑关系模型.最后基于空间划分集合与路网拓扑模型对原始移动轨迹数据进行序列数据转换与频繁模式挖掘.通过深圳市出租车历史GPS轨迹数据的实验结果表明,该方法与现有方法相比在区域划分、数据转换等方面具有更好的性能,同时挖掘结果语义更为丰富,可解释性更强.

引用

页码：47 / 58

页数：12

共 15 条

[1]

融合语义特征的移动对象轨迹预测方法[J] 黄健斌;张盼盼;皇甫学军;孙鹤立; 计算机研究与发展 2014,

[2]

基于路网的LBSN用户移动轨迹聚类挖掘方法 [J].

邹永贵 ;

万建斌 ;

夏英 .

计算机应用研究, 2013, 30 (08) :2410-2414

[3]

探索城市公交客流移动模式 [J].

王明生 ;

黄琳 ;

闫小勇 .

电子科技大学学报, 2012, (01) :2-7

[4]

基于位置感知设备的人类移动研究综述 [J].

刘瑜 ;

肖昱 ;

高松 ;

康朝贵 ;

王瑶莉 .

地理与地理信息科学, 2011, 27 (04) :8-13+31+2

[5]

基于时间衰减模型的数据流频繁模式挖掘[J] 吴枫;仲妍;吴泉源; 自动化学报 2010, 05

[6]

基于模式挖掘与匹配的移动轨迹预测方法 [J].

赵越 ;

刘衍珩 ;

余雪岗 ;

魏达 ;

单长伟 ;

赵洋 .

吉林大学学报(工学版), 2008, (05) :1125-1130

[7]

数据流频繁模式挖掘研究进展 [J].

潘云鹤 ;

王金龙 ;

徐从富 .

自动化学报, 2006, (04) :594-602

[8]

Urban link travel time estimation using large-scale taxi data with partial information[J] Xianyuan Zhan;Samiul Hasan;Satish V. Ukkusuri;Camille Kamga Transportation Research Part C 2013,

[9]

Mining frequent trajectory pattern based on vague space partition[J] Liang Wang;Kunyuan Hu;Tao Ku;Xiaohui Yan Knowledge-Based Systems 2013,

[10]

Dwelling in the canyons: Dwelling detection in urban environments using GPS; Wi-Fi; and geolocation[J] Niels Brouwers;Matthias Woehrle Pervasive and Mobile Computing 2012,

← 1 2 →