基于位置服务的移动对象时间模式挖掘

### 基于位置服务的移动对象时间模式挖掘 #### 1. 引言 位置基于服务（LBS）旨在精准识别用户位置，并将此信息应用于各类营销和服务中，为移动用户提供更个性化、更满意的服务。该服务尤其适用于位置随时间变化的领域，如PDA、移动电话、汽车、飞机等。这些随时间在位置和模式上发生变化的实体被定义为“移动对象”。移动对象的时间变化往往具有独特且规律的模式，可通过时间数据挖掘技术追踪。数据挖掘发现的移动对象模式，对基于位置的信息服务识别用户移动路径非常有用。 然而，以往的研究对移动对象的位置数据关注较少。基于位置的移动对象时间模式挖掘研究，虽与事务数据库分析和网络消费者行为研究类似，但由于以往研究未考虑空间属性，不足以发现移动对象的空间模式，在将模式理论应用于特定领域（如LBS）时存在局限性。 本文采用分阶段的方法。首先，通过对二维坐标系中的移动对象进行空间操作，将位置信息进行泛化，转化为传达移动对象位置信息的知识。其次，在移动模式的位置之间施加时间约束，将不确定的移动序列转化为有效的事务。最后，提出一种从移动对象的移动序列中发现显著模式的算法，该算法是Apriori算法在移动模式挖掘问题上的扩展和应用。 #### 2. 移动对象的描述 现有的数据挖掘模型过于静态，无法准确识别随时间不断变化的移动对象位置。众多研究致力于在时间和空间维度上追踪移动对象。移动对象的位置变化可能是离散或连续的，可描述为时间点或时间段，但目前尚无统一完善的移动对象定义。 本文抽象出移动模式挖掘中移动对象的基本定义组件。移动对象的拓扑属性在二维坐标系中随时间顺序变化。由于无法准确描述现实世界中移动对象的连续变化，我们使用离散点来表示移动对象的位置，每个点代表时间跨度的起始和结束点。本文采用的移动对象描述仅包含通用的基本组件，即位置在特定点采样。 移动对象的空间属性将使用平面坐标系（x轴和y轴）描述。抽象类型的移动对象Mpoint定义如下： 定义1： ```plaintext int Mpo = { (L1, VT1), (L2, VT2), ..., (Ln, VTn), oid } ``` 其中： - `oid`：具有唯一组件的对象的标识符。 - `vt`：有效时间。 - `L`：采样对象的位置，由x和y表示。 表1展示了移动对象在关系数据库表中的描述示例： | oid | vt | x | y | | --- | --- | --- | --- | | 100 | 2001/10/10/13/10 | 3321000 | -233100 | | 100 | 2001/10/10/13/20 | 3397000 | -463600 | | 100 | 2001/10/10/13/25 | 3385000 | -523600 | #### 3. 移动模式挖掘的问题定义 设 `L = { l1, l2, ..., lm }` 表示代表移动对象空间位置属性的有限坐标集，其中 `li = (xi, yi)`，`xi` 和 `yi` 表示移动对象在二维坐标系上的坐标值。设 `A = { a1, a2, ..., an }` 表示代表移动对象空间位置属性值的区域集，对于 `1 ≤ j ≤ n`，`aj = (l1, l2, ..., lk)` 且 `lk = (xk, yk)`。这允许使用代表性坐标值描述区域，通过空间操作可将用坐标值描述的移动对象空间属性