基于时空-语义融合的移动轨迹自动综合方法研究

Mobile trajectory analysis is an important content of big data mining of geographical information which contains rule of spatio-temporal distribution and scale features. Compared with traditional geo-space object, trajectory data contains comprehensive information of time, space and semantics. Thus, its simplification of information and feature extraction need different strategies of automated generalization and become new research object and method of map automated generalization. This research aims to carry out analysis of scale features and automated generalization for mobile trajectories by modeling for mobile trajectories based on mixed spatio-temporal and semantic information. In this study, personal GPS trajectory is taken as the research object. By analyzing the temporal, spatial and semantic scale features of trajectory and their relations, the expression framework of the scale consistency and labeling system of the mobile trajectory data will be set up. The semantic scale matching and feature points recognition of mobile trajectory will be discussed under the constraints of geospatial environment. To solve the problem of scale transformation of the mobile trajectory, the feature point’s evaluation and self-adaptive segment wise generalization methods based on fusion of spatio-temporal and semantic information will be explored. Finally, the theory and method of the automated generalization of the mobile trajectory will be built up. The contribution of this research will promote the development of scale theory for the mobile trajectory, expand the automated generalization theory of geospatial data, push forward the multi-scale analysis and data mining of mobile trajectory and lay down the foundation for the analysis of big data.

移动轨迹分析是地理信息大数据挖掘的重要内容，同样有着时空分布规律与尺度特征。与传统的地理空间对象相比较，轨迹数据同时具有时间、空间与语义的综合信息，其信息化简与特征提取有着不同的自动综合策略，是地图自动综合研究对象与方法的新的扩展。本研究旨在通过对移动轨迹的时空与语义信息进行融合建模，开展对移动轨迹进行尺度特征分析与自动综合研究。研究以个人出行GPS轨迹为对象，通过分析轨迹的时间、空间与语义尺度特征及其关系，建立移动轨迹的尺度一致性表达框架与标注体系，探讨地理空间环境约束下的移动轨迹语义匹配与特征点识别，针对移动轨迹的尺度转换问题，探索融合时空-语义信息的轨迹特征点评价方法与自适应分段综合方法，最终构建移动轨迹自动综合理论与方法。本研究成果将有助于建立移动轨迹的多尺度理论，拓展地理空间数据自动综合理论与方法，为移动轨迹大数据的分析奠定基础。

移动轨迹数据是地理时空大数据的重要组成部分，同样存在时空分布规律与尺度特征，且其海量化、多元化、实时化、网络化等特征，使得数据处理、传输与分析更加需要自动综合与尺度变换的支持。本课题以GPS轨迹为对象，采用时空与语义信息融合的手段，通过引入移动轨迹的地理环境，探讨移动轨迹时空、语义及其尺度特征，建立轨迹的语义提取方法，在此基础上提出了移动轨迹分段综合方法与自适应综合方法，从而为移动轨迹大数据分析与挖掘提供基础支撑。具体研究包括：（1）研究了轨迹的时间尺度、空间尺度、语义尺度特征，并建立了其空间尺度与时间尺度之间的转换关系式以及讨论了语义尺度与时空尺度之间的一致性关系；（2）扩展了轨迹语义提取方法，包括基于密度聚类的多尺度轨迹停留段提取与语义匹配方法和顾及城市复杂路网的轨迹移动段地图匹配方法；（3）提出了基于特征点排队的轨迹综合方法，通过时空-语义一体化来表达移动轨迹，以轨迹点为评价对象，分别评价轨迹点的时空特征和路网语义特征，从而建立轨迹点的时空特征队列以及顾及路网语义的时空特征队列，以此综合轨迹，并通过不同时间尺度的出租车轨迹数据进行验证，表明本方法在算法效率、综合精度以及路网特征点保持上较之前方法都有不同程度的提高；（4）提出了基于语义约束的轨迹分段综合方法，通过考虑移动轨迹隐含着路网语义、停留地点语义等各种地理空间环境语义信息，设计了轨迹的语义综合方法、轨迹停留段的综合方法和轨迹移动段的综合方法，并通过个人GPS轨迹数据试验验证，该综合方法在保持较好的时空精度的同时还能提供较大的压缩率，并且也可以得到多尺度语义信息，能适用于不同场景的分析需求。.本课题执行期间发表期刊论文4篇，其中SCI2篇；参加国际会议2次并发表会议论文1篇；培养博士研究生1人，已毕业。本项目的研究成果对移动轨迹自动综合提供理论、方法与技术支撑。