语义轨迹建模与挖掘研究进展
语义轨迹是时空轨迹和语义信息融合的产物.除了含有时空信息以外,语义轨迹包括移动对象自身的运动状态(如速度、方向)、环境(如气温、空间拓扑关系)和社交关系(如好友关系、社交活动)等多方面信息.挖掘语义轨迹可以深入地发现个体或群体移动行为的意图、习惯、情感等高阶语义内容,从而深层次发现个体或群体移动行为的模式、关系和规律等.因而,相较于时空轨迹,语义轨迹在语义性、解释性、可行性等方面更符合决策分析应用的实践需求,具有更重要的研究意义和应用价值.本文对语义轨迹挖掘的关键技术进行了综述.首先,介绍语义轨迹的基本概念,并且根据语义元素类型的不同总结了4种常见的定义形式.其次,归纳了语义轨迹建模的基本阶段,包括预处理、轨迹分段和语义富化.由于语义轨迹无法像时空轨迹那样从位置感知设备中采集获得,因此语义轨迹是通过建模技术得到的,主要通过将语义信息和时空轨迹相融合生成相应的语义轨迹.然后,介绍语义轨迹挖掘的主要任务,包括语义轨迹模式挖掘、语义轨迹聚类、语义轨迹分类、语义轨迹异常检测等.针对每一项挖掘任务,介绍了有关的基本原理和相关算法,总结了主要的关键技术和挑战.最后,探讨了语义轨迹挖掘现存的研究难点和未来研究方向.从模型定义、语义标注技术、多源数据建模等方面,讨论了语义轨迹建模的重要研究问题;从语义轨迹数据管理、分类和预测、流式数据挖掘、隐私保护、多粒度挖掘、评价方法等方面,探讨了语义轨迹挖掘的未来研究问题.
语义轨迹、语义轨迹建模、语义轨迹挖掘、语义富化、本体知识库、语义轨迹模式挖掘、语义轨迹聚类、语义轨迹分类、语义轨迹异常检测
22
国家重点研发计划项目;国家自然科学基金项目
2020-07-02（万方平台首次上网日期，不代表论文的发表时间）
共15页
842-856
