基于时空周期模式挖掘的活动语义识别方法

郭茂祖，邵首飞，赵玲玲，李阳

（1. 北京建筑大学 电气与信息工程学院，北京 100044; 2. 北京建筑大学 建筑大数据智能处理方法研究北京市重点实验室，北京 100044; 3. 哈尔滨工业大学 计算机科学与技术学院，黑龙江 哈尔滨 150001）

活动语义识别是指从人类的时空轨迹数据或离散的位置序列中挖掘出人类的活动信息[1]。智能移动终端的广泛应用提供了海量的个体位置相关的时空数据，如社交媒体签到数据、GPS(global positioning system)轨迹数据和手机信令数据等[2]。这些数据为精细粒度下个体的活动识别提供了有力支撑。相比原始的时空轨迹数据或位置序列信息，带有语义的活动轨迹数据更能直观地反应人类的具体活动，这有助于深入了解每个个体的生活模式，发现个体的个性需求，为个体提供定制化服务，也可以发现与个体活动模式相同或相似的群体，进而识别群体的共性特征和需求[3]。这些信息的挖掘可以用于配置交通资源和资源规划[4]，如公交车的班次和地点的设定、共享单车的投放量和投放地点、商场的选址等，从而达到优化社会资源配置、精细化满足各种群体的不同需求的目的[1,5-6]。

人类的活动轨迹在空间上是多重交叉的[7]，在时间上表现出序列性和一定的周期性[8-10]。已有的大部分方法都是在GPS轨迹数据的空间特征—活动地点的POI(point of interest)数据和运动特征(速度、加速度)之上构建分类模型，进而识别用户的活动语义[11-15]。该类方法忽略了活动轨迹的时间特性，导致该类方法的识……