时空轨迹聚类方法研究进展.pdfVIP

第30 卷 第5 期 地 理 科 学 进 展 Vol.30, No.5 2011 年05 月 PROGRESSINGEOGRAPHY May, 2011 时空轨迹聚类方法研究进展 1,2 1 2,3 4 龚 玺 ，裴 韬 ，孙 嘉 ，罗 明 (1. 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京 100101；2. 中国科学院烟台海岸带 研究所，烟台264003 ；3. 中国科学院研究生院，北京 100049；4. 香港中文大学地理与资源管理学系，香港) 摘 要：时空轨迹(Trajectory)是移动对象的位置和时间的记录序列。作为一种重要的时空对象数据类型和信息 源，时空轨迹的应用范围涵盖了人类行为、交通物流、应急疏散管理、动物习性和市场营销等诸多方面。通过对各 种时空轨迹数据进行聚类分析，可以提取时空轨迹数据中的相似性与异常特征，并有助于发现其中有意义的模 式。本文根据时空轨迹数据的特点，系统综述了时空轨迹聚类方法的研究进展。首先，从理论、可行性和应用的 角度分析了时空轨迹数据及其聚类方法研究的重要性，并论述了时空轨迹的定义、模型与表达；然后，按照相似性 度量所涉及的不同时间区间将现有的时空轨迹聚类方法划分为6 类，并对每一类方法的原理及特点进行了评述； 最后，讨论了现有方法面临的主要问题和挑战，并对时空轨迹聚类研究的发展进行了展望。 关 键 词：时空轨迹；时空数据挖掘；聚类；相似性度量；研究进展 1 引言 物流、应急疏散管理、动物习性、市场营销、计算几 何以及模拟仿真等各个领域进行研究。综上所述， 传统的GIS 研究中，人们常常只关注于某一时 无论从理论、可行性还是应用的角度来看，时空轨 刻对地理空间中的属性与空间信息的分析，这实际 迹数据的研究都非常必要。 上只是描述了研究对象的一个快照，没有对连续的 为了能够从大量时空轨迹数据中发现有趣的、 时态数据作专门处理，但时间、空间和属性作为地 隐藏的、未知的知识，需要使用空间数据挖掘作为 理实体及地理现象本身固有的3 个基本特征，是反 分析方法。空间数据挖掘为研究者们提供了很多 [1] [2] 映地理实体的状态和演变过程重要组成部分 。随 有效的数据分析工具 。在数据驱动的空间数据挖 着卫星定位技术、无线通信、跟踪检测设备及视频 掘方法中，聚类分析和关联规则挖掘是两种重要的 实时采集技术的快速发展，人们能够方便地以低廉 手段，其区别在于关联规则挖掘是一个异中求同的 的价格获得时空轨迹数据。例如，通过传感器遥测 过程，而聚类分析则是同中求异的过程。通过聚类 野生动物或者鱼类的活动，通过旅行日志记录交通 能够识别对象空间中稠密和稀疏的区域，将数据中 工具的运动状况，通过条形码的检入检出了解物流 的相似性与异常特征提取出来，从而发现全局分布 [3] 的状况，通过信用卡刷卡记录或者电话通话记录来 模式和数据属性之间有趣的相关 。这正符合人们 跟踪用户的位置，甚至通过互联网搜索某对象的相 对时空轨迹数据分析的要求，即在没有先验知识的 关事件来确定该对象的运动轨迹等。空间对象的 情况下，先将数据聚合成不同的类，再对各类所代 位置、属性都可能随着时间的推移而发生变化，人 表的模式进行解读从而获得知识。 们不仅需要知道某一对象