摘要:
设计了一种基于时空Hausdorff距离切分、词向量相似性的轨迹大数据挖掘方法,以准确高效地分析数据中的伴随规律,真实反映人群和车辆的流动行为。基于时序特征的一对三Hausdorff距离算法可以排除反向轨迹、挖掘伴随关系;利用时间滑动窗口切分得到的轨迹段集合可为相似性度量建立数据基础。而基于词向量的轨迹相似性度量方法,建立了轨迹和词句的类比关系,体现了轨迹的空间、时间和方向异质性,能较为准确地度量伴随轨迹在结构上的相似程度,为发现同类目标或检测频繁路径等提供参考依据。
中图分类号:
李欣. 基于时空切分和词向量相似性的轨迹伴随模式挖掘[J]. 中山大学学报自然科学版, 2019, 58(5): 17-25.
LI Xin. Trajectory accompanying patterns mining method based on spatialtime segmentation and word vector similarity[J]. , 2019, 58(5): 17-25.