基于时间序列的轨迹数据相似性度量方法研究及应用综述

论文摘要

移动通信和传感设备等位置感知技术的发展,将人和事物的地理位置数据化。由此形成的轨迹数据正以极快的速度产生并呈指数级增长。轨迹数据中蕴含着丰富的信息,对其分析和挖掘具有重要的社会和应用价值。轨迹相似性度量研究是轨迹数据管理和分析的基础,在轨迹计算中起决定性作用。轨迹相似性度量通常以时间、空间或若干关键词作为参数,度量轨迹之间的相似程度。本文总结归纳了现有的轨迹相似性度量经典研究工作。首先,总结归纳了轨迹大数据的高维异构、多粒度、不确定、高冗余的特点,对轨迹的相似性度量问题进行了形式化的描述。其次,依据不同的数据类型,就经典的空间相似性、文本相似性和时间相似性的评价方法分别进行了说明和总结;依据轨迹形式与度量范围,将现有工作分为了基于离散点的轨迹全局和局部相似性,基于线段的轨迹全局和局部相似性的计算方法,并评价了各种方法的优缺点。再次,分析了轨迹相似性度量在交通管理、城市规划、智能推荐、智慧出行等领域的具体应用。最后,总结展望了轨迹相似性度量在未来研究与应用方面的发展方向。

论文目录

• 0 引言
• 1 轨迹大数据特点
•   1) 高维异构
•   2) 多粒度
•   3) 不确定
•   4) 高冗余
• 2 问题描述
•   2.1 轨迹表示法
•     2.1.1 时间序列表示法
•     2.1.2 轨迹其他表示法
•   2.2 轨迹相似性表示
• 3 轨迹相似性度量方法
•   3.1 面向不同数据类型的相似性度量方法
•     3.1.1 空间相似性
•       1) 常用空间距离度量方法
•       2) 基于时间序列的度量方法
•       3) 编辑距离及其扩展
•     3.1.2 文本相似性
•       1) TF-IDF
•       2) Jaccard距离
•       3) 编辑距离
•       4) 余弦相似性
•       5) SimHash+汉明距离
•       6) 统计语言模型
•     3.1.3 时间相似性
•   3.2 面向不同轨迹形式及度量范围的相似性度量方法
•     1) 基于离散点的轨迹全局相似性
•     2) 基于离散点的轨迹局部相似性
•     3) 基于线段的轨迹相似性
• 4 应用场景
•   4.1 交通管理
•   4.2 城市规划
•   4.3 智能推荐
•   4.4 智慧出行
•   4.5 环境保护
• 5 研究趋势展望
•   5.1 技术方面
•     1) 可调节匹配度的相似轨迹研究
•     2) 约束阈值学习
•     3) 图相似性计算方法
•     4) 高阶张量技术
•   5.2 应用场景
•     1) 购买行为轨迹
•     2) 职业轨迹
•     3) 健康轨迹
•   5.3 安全与隐私
• 6 结束语

文章来源

类型: 期刊论文

作者: 潘晓,马昂,郭景峰,吴雷,刘风阳

关键词: 相似性度量,轨迹数据,轨迹计算,移动计算

来源: 燕山大学学报 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 石家庄铁道大学经济管理学院,燕山大学信息科学与工程学院,天津师范大学软件学院

基金: 国家自然科学基金资助项目(61472340,61772533),河北省自然科学基金资助项目(F2018210109),河北省教育厅重点项目(ZD2018040),河北省引进留学人员资助项目(C201822),河北省基础研究团队项目,石家庄铁道大学第四届优秀青年科学基金项目(Z661250444)

分类号: TP311.13;O211.61

页码: 531-545

总页数: 15

文件大小: 1816K

下载量: 435