[发明专利]基于时空轨迹知识图谱的用户出行模式挖掘方法

说明书

本发明公开了基于时空轨迹知识图谱的用户出行模式挖掘方法，包括步骤：从轨迹数据集T中抽取用户实体、轨迹实体和POI实体；从轨迹数据集T中抽取时间和空间信息；构建以用户为中心的时空轨迹知识图谱；根据以用户为中心的时空轨迹知识图谱挖掘用户的出行模式或群体出行模式。本发明的有益效果在于，可对用户出行模式进行动态挖掘，通过挖掘单个用户在指定时间段内的频繁轨迹序列获取个体的动态出行模式，通过挖掘相似用户构成的群体在指定时间段内的频繁轨迹序列获取群体动态出行模式。其中，时空轨迹知识图谱构建能够动态表征用户的轨迹信息，简洁高效地完成轨迹信息的融合和更新，实现用户实体、轨迹实体、POI实体的动态添加和查询。

技术领域

本发明涉及轨迹大数据领域和知识图谱领域，特别是基于时空轨迹知识图谱的用户出行模式挖掘方法。

背景技术

GPS、GSM等位置获取技术的普及使得人们可以方便地使用时空数据记录他们访问过的位置历史信息，这些数据刻画了个体和群体的时空动态出行特征。随着与个人相关的大量时空轨迹数据的可用性不断增加，从这些轨迹中发现有价值的知识变得充满了机遇和挑战。

知识图谱是一项正在蓬勃发展的可用于知识整合和知识挖掘的热门技术，最早被应用于搜索引擎领域。由于具备良好的可解释性、可扩展性以及可动态更新融合的特性，知识图谱逐渐被引入到数据量巨大、数据获取频率快、数据获取方式多样的轨迹数据挖掘领域。

目前，知识图谱在轨迹数据中的应用较少。使用轨迹数据构建的知识图谱通常都会结合静态的路网数据，主要用于交通拥堵溯因、事故检测、城市路径规划等城市交通问题。大多数用轨迹数据构建的知识图谱都是根据具体应用针对某个局部区域构建的，主要利用知识图谱的图结构属性结合深度学习技术完成指定任务。但是，知识图谱在轨迹数据中的应用不应该仅仅局限于此。利用知识图谱的实体、关系、属性三元组能够很好地表征用户和轨迹之间的关系，可用于动态挖掘用户的出行模式，解决轨迹数据的异构问题和频繁更新问题。基于以用户为中心的时空轨迹知识图谱来挖掘用户出行模式的方法，能够充分利用异构的轨迹数据，挖掘用户最新的出行模式。

(1)基于轨迹数据构建知识图谱

参考文献1“Understanding People Lifestyles:Construction of UrbanMovement Knowledge Graph from GPS Trajectory”(Zhuang C,Yuan N J,Song R,et al,IJCAI.pp.3616-3623,August.2017)是基于轨迹数据构建的城市移动知识图谱。该知识图谱由位置实体以及位置实体之间的相互依赖关系构成，其中位置指的是对指定区域进行自定义网格划分后得到的网格单元。在构建时，同时从时间、空间以及时间-空间这三个角度分析观测到的GPS轨迹点，用抽取出的时空信息确定位置间的相互依赖程度。该方法利用知识图谱表达轨迹数据中的时空信息，能够对城市位置的依赖程度进行有效观测，但是其适用范围窄，能够实现的功能单一。

参考文献2“轨迹图谱:一种基于知识图谱结构的轨迹信息抽取方法”(吴瑕,赵小明,余建坤,计算机应用研究,Vol.37,No.11,pp.1-5,Feb.2020)提出了一种基于轨迹数据的知识图谱构建方法，首次用知识图谱表征完整的轨迹信息。使用该方法构建的轨迹知识图谱中包含的实体有用户实体、轨迹实体、地物实体，包含的关系是这三类实体两两之间产生的空间关系、时间关系、地理关系。该方法尝试用知识图谱取代原始轨迹信息，但是增加了轨迹知识图谱的复杂度，并且缺乏应用针对性。

(2)轨迹模式挖掘方法