基于時空數據的用戶移動行為模式研究

摘? ?要：文章首先以時空軌跡數據為基礎，介紹了時空軌跡數據的基本結構，構建了時空軌跡數據模型。其次，對等時間間隔時空軌跡采樣數據進行了研究，生成用戶熱點訪問區域。最后，以用戶時空軌跡數據挖掘算法實現了對熱點訪問區域的挖掘研究。

關鍵詞：時空軌跡;用戶移動行為

GPS，RFID，網絡通信技術的不斷發展，使得我們對于時空軌跡數據的收集、存儲與分析成為可能。對時空軌跡進行分析，從大量的用戶移動時空軌跡數據中發現蘊含的移動行為模式，對于諸如社會管理、交通系統規劃與監控，基于位置的服務等領域都有非常重要的作用，同時也是數據挖掘領域的一個研究熱點。

以感知時空軌跡數據為基礎，以信息學科的研究方法為工具，對大規模數據背后所隱含的關聯影響關系進行定量的建模，對所蘊含的規律知識進行系統、完整的抽取，進而對已存在的現象進行原因解釋，對未來可能出現的事件進行預測[1]，這是一種以數據驅動的社會計算學科的研究范疇。

1? ? 時空軌跡數據的模型

時空軌跡數據是指在時間和空間維度下，對移動用戶或車輛運動過程中的軌跡點采樣獲得的數據信息。軌跡數據包括采樣的時間信息和當時所處的地理位置空間信息。車輛時空軌跡數據是指在交通路網結構的約束條件下，在時間領域具有語義關系約束。

車輛時空軌跡數據可以用公式表達為：

其中，Ti表示第i個采樣時間點，Loci表示移動用戶在Ti時間所處的地理位置，Loci的位置信息與地理坐標信息表示一致，包含水平坐標值和垂直坐標值，可以表示為Loci（xi，yi）。本文中的采樣時間間隔|Tj-Ti|為等時間間隔數值。

采樣時間為等時間間隔，因此可以將用戶的時空軌跡數據的連續時間域轉換為離散時間域，只考慮軌跡數據點的空間位置信息，將采樣的時空軌跡數據點映射到二維空間域上進行表示。可以采用規則網格單元的形式來表示用戶的時空軌跡數據，以等規則空間粒度將空間平面劃分為有限個網格單元集合，以實現對連續空間區域的離散化處理以及相近軌跡位置點的近似化計算。假定一個3×3的平面規則空間網格集合，如果空間位置Loci落在第k個網格單元之內，則可以使用該網格單元的標識號Cellk來代替該二維空間位置[2]，軌跡序列的網格單元示意如圖1所示。

通過這樣的離散化劃分，連續的時空軌跡數據點就能夠被轉換為若干個離散的網格單元集合，臨近的連續軌跡數據點可以劃分到一個網格單元中，用相同的網格單元符號表示。因此，原始的時空軌跡數據集為：

可以被轉換為如下形式：

2? ? 等時間間隔的用戶移動行為模式挖掘

熱點區域是指移動對象頻繁訪問的空間區域。對于移動軌跡數據來說，是指在某個空間區域中存在大概率的移動數據訪問點，這個區域被稱作為熱點空間區域。將原始時空軌跡映射到三維時空中，基于規則網格空間劃分，移動軌跡位置點被轉換為不同瞬時的網格單元數據（見圖2）。網格單元被按照瞬時采樣時間分割為相應的多個時間曾，在每一個時間層，使用密度統計的方法判定時空熱點區域。以cell（i，j）表示第i個時間層上的第j個網格單元，用Rate（cell（i，j））表示網格單元cell（i，j）被移動群體訪問的頻率次數。

將用戶移動軌跡數據集合用D={M1，M2，...，M6}表示，其中Mi表示第i個移動個體的歷史軌跡數據。本實驗中設置網格單元規格為3×3，軌跡數據集合如圖3所示。

對該移動數據集進行用戶訪問頻率次數計算之后，運用數據挖掘算法實現對用戶熱點區域訪問軌跡序列的挖掘，具體的算法流程如圖4所示。將軌跡數據集映射為規則的網格單元形式，然后對該網格單元的數據進行用戶軌跡訪問頻率值得計算，形成軌跡頻率值網格單元集合。掃描該集合的網格單元值，如果頻率值Rate（cell（i，j））大于給定的閾值，則標識該單元格為熱點區域。如果頻率值Rate（cell（i，j））不大于給定的閾值，則刪除該網格單元[3]。直到所有的網格單元都掃描完成之后，將符合條件的熱點單元格及支持度值存入移動模式集合LS中，判斷該單元格是否等于對應的支持度值，如果等于支持度值，則將該單元格加入軌跡序列，否則移除該單元格，直到所有的網格單元判斷完成后，最終的LS集合即是要生成的熱點區域軌跡序列。

3? ? 結語

本文介紹了等時間間隔條件下的用戶移動行為模式挖掘問題，對等時間間隔時空軌跡采樣數據進行了研究。針對等時間間隔時空軌跡時間維度內的離散化特征，提出了時間—空間規則網格表示的時空熱點區域的概念以表示不同時間切片上的熱點空間區域，最后設計并實現了用戶時空軌跡序列的挖掘算法。

基金項目：遼寧省博士科研啟動基金項目;項目編號：20170520222。遼寧省教育科學“十三五”規劃課題;項目編號：JG17EB142。

作者簡介：陳雪蓮（1979— ），女，黑龍江肇東人，講師，博士;研究方向：數據挖掘。

[參考文獻]

[1]張彥俊，楊曉冬，劉毅，等.基于時空大數據的智慧稽查平臺構建研究[J].計算機與數字工程，2019（3）：616-617.

[2]楊杰.基于時空軌跡大數據的群體行為模式挖掘分析關鍵技術[D].南京：東南大學，2015.

[3]呂萍.看美國大數據技術與業務發展[J].數字通信世界，2015（5）：46-48.

Abstract：Firstly， based on the spatio-temporal trajectory data， this paper introduces the basic structure of spatio-temporal trajectory data and constructs a spatio-temporal trajectory data model. Secondly， the peer-to-peer interval spatio-temporal track sampling data is studied to generate the user hot spot access area. Finally， based on the user spatio-temporal trajectory data mining algorithm， the research of mining hot spot access area is carried out.

Key words：spatio-temporal trajectory; user mobile behavior