时空轨迹序列模式挖掘方法综述

康 军，黄 山，段宗涛，2，李宜修

（1.长安大学信息工程学院，西安 710064；2.陕西省道路交通智能检测与装备工程技术研究中心，西安 710064）

0 引言

在全球定位、位置感知、移动通信和遥感等技术高速发展的背景下，时空轨迹数据，如：车辆行驶轨迹、人群移动轨迹、动物迁徙轨迹等，开始大量涌现。时空轨迹数据含位置、时间、速度等基本信息，其具有时空序列性、异频采样性、数据质量差的特点［1］，是对移动对象在时空环境下的个体移动和行为历史的真实写照。它不仅蕴含着群体对象泛在的移动行为模式与规律，例如人群的出行活动特征、车辆移动轨迹特征，还能反映城市交通流演化的内在规律。通过从海量的时空轨迹数据中发现这些模式规律，能够为城市规划、交通管理、交通指挥、服务推荐、位置预测等领域提供新的解决思路和建设性帮助，而这些过程通常需要通过对时空轨迹数据进行序列模式挖掘来得以实现。

时空轨迹序列模式挖掘作为序列模式挖掘的一个重要研究分支，可以定义为从海量的、异构的、含噪声的移动全球定位系统（Global Positioning System，GPS）轨迹序列中提取潜在的、频繁出现的、具有价值的轨迹序列的过程。随着数据采集和存储等技术的飞速发展，时空轨迹数据呈指数级增长，出现了“数据过剩，信息匮乏”的局面。在这样的背景下，很多领域内的学者，都致力于研究和开发相关时空轨迹序列模式挖掘算法和应用程序，揭示移动轨迹数据中有价值的信息。……