多级空间尺度下的轨迹知识发现-北京工业大学学报.PDF

第 37卷 第 lO期 北 京 工 业 大 学 学 报 V01．37 No．1O 2011年 10月 JOURNALOFBEIJING UNIVERSITY OFTECHNOL0GY 0et．2011 多级空间尺度下的轨迹知识发现 桂智明，李玉镒，陈 彩 (北京工业大学 计算机学院，北京 100124) 摘 要：为了挖掘轨迹数据库在不同空间尺度上隐含的移动对象分布模式与运动规律，将空间语义信息融入轨 迹的表达 ，运用空间层次关系模型结合多层关联规则挖掘方法 ，提出了一种基于语义位置矩阵的多尺度轨迹表 达和演化方法 ，在此基础上设计 了一种发现轨迹频繁模式的算法 ．试验结果表 明，该方法能发现不 同尺度 的轨 迹知识 ，并具有较高效率 ． 关键词 ：轨迹 ；语义 ；多尺度 ；知识发现 中图分类号 ：TP311 文献标志码 ：A 文章编号 ：0254—0037(2011)10—1570—05 对移动对象轨迹数据的知识挖掘是近年来 的研究热点．在当前主流研究中，主要是将轨迹视为时间 序列并按照时间序列相似性聚类来进行知识发现．其 中，轨迹序列的表达和相似性 的判定是主要 的2个 研究问题．对于轨迹的表达 ，主要方法有基于坐标一时间点对 的 C．trajectory模型…、基于移动对象初始位 置和速度的矢量模型 以及一些采用概化坐标位置序列表达轨迹的模型 ．针对位于受限网络中的移动 对象轨迹则多采用线性参考方法 (1inearreferencemethod)来表达移动对象的位置，然后以移动对象经过的 道路 ID序列来拟合轨迹 ． 目前 ，对轨迹相似性的判定主要是采用时间序列 比较算法进行的．根据轨迹表达方法的不 同，对轨迹 的相似性判定主要有基于轨迹点和轨迹段 2种方式 ：1)在基于轨迹点的方法 中，将轨迹视为时间坐标点 序列 ，根据每个点到点的空 问距离来分析整个轨迹 的相似度 ，常用 的算法包括 Hausdorff距离 、Frechet 距离 等．这些方法通常对轨迹的表达有限制 ，如相 同的点个数和时间间隔或单向等．Lin等 提 出的基 于 OWD(onewaydistance)的度量算法 中采用的是 DTW (dynamictimewarning)距离，能 比较不同长度 的轨 迹．2)在基于线段 的方法 中，将轨迹概化为关键段组成的序列 ，对于轨迹 中的每条线段一一计算距离并综 合 出整个轨迹 的相似度 ，如 Lee等 提出的发现公共子轨迹方法一TRACLUS． 当前这些研究大都忽略轨迹坐标所隐含的尺度特征 ，直接对以坐标序列表示 的轨迹进行相似聚类来 发现知识．由于空间信息本身呈现多尺度特征 ，不 同尺度上具有不同的分布模式与运行规律 ，在进行大范 围内(如全球)的移动对象运动规律的挖掘时，必须考虑轨迹坐标所处空间位置的多尺度特征．作者通过 研究不同空间尺度下轨迹语义上的相似性来发现轨迹数据库 中隐含的知识． 1 基于语义的轨迹多尺度表达 位置数据 隐含了丰富的语义信息 ，如 ：背景地理知识 、时态知识和空间层次关系等．本文采用提取坐 标 中的语义知识对轨迹进行表达 ，并根据不 同比例尺下位置所包含语义的不 同进行多尺度下轨迹的知识 发现． 1．1 轨迹的语义概化 对一个应用来说 ，通常不会关心其坐标 的数值 ，而是关心其所处 的地理位置．对于轨迹中二维空间坐 收稿 日期 ：2009—11—13． 基金项 目：国家 自然科学基金资助项 目；北京市 自然科学基金资助项 目(4113067，4112009) 作者简介 ：桂智明(1976一)，男 ，湖北武汉人 ，讲师． 万方数据 第 1O期 桂智明，等 ：多级空间尺度下的轨迹知识发现 标 ，通过定义一定的空间关系，可以将具有某种同类空间关系的坐标点聚类为一个语义位置 ，通过这种空 间一非空间维的概化，有助于简化知识的发现． 1．1．1 语义位置的定义 本文将语义