语义轨迹数据分析：一种概念和计算方法

语义轨迹数据分析：一种概念和计算方法

Towards Semantic Trajectory Data Analysis:A Conceptual and Computational Approach

作者：Zhixian Yan——瑞士EPFL

来源：VLDB2009（大规模数据库系统年会）

译者注：该文章比较老，但是代表了一种趋势，将人类难于理解的空间点数据（GPS轨迹）转化为易于人类理解的语义数据（地标），供人类更好的使用。

摘要：

GPS轨迹收集极其普遍，如何收集、整理、检索、挖掘这些数据成为了研究的热点。但是，大多数工作都基于轨迹的时空特性展开，没有充分开发高层的轨迹语义特性。本文通过结合语义概念和统计学方法来进行轨迹数据分析：主要包含如下三个方面：轨迹模型、轨迹计算和轨迹数据挖掘。

主要内容：

1、 相关工作：语义轨迹处理是个新生概念，2008年文献三【3】首次提出了一个概念模型，将轨迹表示为一系列的“停点——移动”，文献【4】提出使用位置兴趣点来丰富停点的内容。

同时，轨迹挖掘领域挖掘出的具有语义特性的知识（大多数也是基于轨迹的时空属性展开的，数据处理量大，费时），也可以看作一种语义轨迹，但是这种知识距离使用也很远。

2、 本文工作：A、由上至下（Top-down）的轨迹模型（同时包含集合属性和语义属性）；B、轨迹计算：由下至上（down-top）将原始GPS轨迹通过计算（设计轨迹预处理、分段、停点挖掘算法）转化为语义轨迹（移动，停止模型，并结合现实世界的语义知识）；C、基于语义轨迹，设计轨迹模式挖掘算法（不同于基于原始数据的方法）。

3、 子包含的轨迹语义模型：包含三类知识，轨迹的几何属性（RMD - Raw Movement Data）；周围的地理数据（GD - Geographic Data）；与具体应用相关的领域知识（ADD - Application Domain Data）。

则：轨迹的语义表示方式如下：（注：为了支持自动推理，文中提出了本体库）

语义轨迹的表示方法：起点，移动，停点，终点。

4、 轨迹计算：包括轨迹分段、停点挖掘，以及使用外部地理数据和应用相关的数据丰富轨迹数据（将起点、停点、重点等表示为地标数据）

5、 语义轨迹挖掘：同传统挖掘算法的差别是，输入为语义轨迹（起始、终点，重要的停点等）大大降低了数据量。