[发明专利]一种基于停留时间的移动对象语义行为模式挖掘方法

说明书

本发明涉及一种基于停留时间的移动对象语义行为模式挖掘方法，其步骤为：1)对移动对象语义轨迹数据进行采集，存储移动对象的语义信息；2)对每个移动对象，挖掘出其所有的频繁语义行为模式；3)设计基于时间权重的语义行为模式相似度度量方法，计算所述频繁语义行为模式之间的相似度；4)根据所述频繁语义行为模式之间的相似度，采用剪枝策略进行层次聚类，挖掘出所有具有相似语义行为模式的移动对象聚类。本发明可以保证移动对象语义行为模式挖掘的高准确性和高效性。本发明的最终结果可以提供给相关领域的用户使用，例如朋友推荐系统、轨迹破案领域、个性化服务领域等，可以支持对移动对象群体相似语义行为模式的准确查找，降低错误率。

技术领域

本发明涉及移动对象数据挖掘研究与应用领域，具体涉及一种基于停留时间的移动对象语义行为模式挖掘方法。

背景技术

近年来，移动对象的轨迹模式挖掘技术备受关注，移动对象轨迹记录了人们在真实世界中的活动，而这些活动在一定程度上反应了人们的生活方式和行为习惯，因此通过对轨迹数据进行分析，挖掘出移动对象的行为模式，发现移动对象之间相关性具有重要的研究价值与广泛的应用领域。

目前的移动对象轨迹模式挖掘方法主要分为两大类：基于地理信息的轨迹模式挖掘和基于语义信息的轨迹模式挖掘。其中基于地理信息的轨迹模式挖掘关注的是轨迹的时空属性，早期研究主要是基于欧式距离的相似性度量方法，其中具有代表性的有EamonnKeogh等提出的DTW(E.J.Keogh.Exact indexing of dynamic time warping.In VLDB,406-417,2002.)，Lei Chen等提出的EDR(L.Chen,M.Ozsu,and V.Oria.Robust and fastsimilarity search for moving object trajectories.In SIGMOD,491–502,2005.)，Michail Vlachos等提出的LCSS(M.Vlachos,M.Hadjieleftheriou,D.Gunopulos,andE.J.Keogh.Indexing multidimensional time-series.VLDB Journal,15(1),1-20,2006.)等。此外，轨迹模式之间相似性的度量方法有Jae-Gil Lee等提出的Partition-and-Group(J.-G.Lee,J.Han and K.-Y.Whang.Trajectory Clustering:A Partition-and-Group Framework.In SIGMOD,593-604,2007.)、Chih-Chieh Hung等提出的CACT(C.-C.Hung,W.-C.Peng,and W.-C.Lee.Clustering and aggregating clues oftrajectories for mining trajectory patterns and routes.VLDB Journal,2011.)等。基于语义信息的轨迹模式挖掘关注的是轨迹的语义特征，其中具有代表性的有J.J.-C.Ying等提出的MSTP-Similarity(J.J.-C.Ying,E.H.-C.Lu,W.-C.Lee,et al.MiningUser Similarity from Semantic Trajectories.In LBSN,19-26,2010.)，Yu Zheng等提出的TBHG(Y.Zheng,L.Zhang,X.Xie,et al.Mining Interesting Locations and TravelSequences from GPS Trajectories.In WWW,pp791-800,2009.)和HITS(Y.Zheng andX.Xie.Learning Travel Recommendations from User-generated GPS Traces.ACMTransactions on Intelligent Systems and Technology(TIST),2(1),2011.)，Jia-Ching Ying等提出的TrajUtiRec(J.-C.Ying,H.-S.Chen,K.W.Lin,et al.Semantictrajectory-based high utility item recommendation system.Expert Systems withApplications.4762-4776,2014.)等。