基于轨迹大数据的用户行为模式建模与应用研究

Trajectory data is a typical big data. With the rapid development of wireless communication technologies, positioning technologies and mobile social networks, there have been overwhelming amounts of user-generated trajectories collected every day. However, since there is no textual information contained in the trajectories, recent studies focus on supporting location-aware applications based on the rich urban dynamic information contained in the trajectories, while ignore the huge potential value of the user behavior patterns. In this project, we mainly focus on the key techniques and applications for user behavior pattern modeling, including user personal interest modeling, user mobility pattern modeling and applications about the user behavior patterns. Based on this project, we strive for world-leading academic achievement in the aforementioned research areas, innovate on the theories and applications about trajectory big data, and eventually accelerate the construction of smart city.

轨迹数据是大数据的一种重要数据类型。随着无线通信技术、定位技术和移动社交网络等技术的快速发展，每天会有海量的移动轨迹数据被用户产生。由于轨迹数据的语义缺失，目前的轨迹数据研究主要从宏观上挖掘轨迹数据中位置信息蕴含的价值，而忽视了作为轨迹数据产生者的用户本身潜在的行为模式蕴藏着的巨大应用价值。本课题拟针对轨迹大数据的用户行为模式建模关键技术和应用展开研究，具体研究内容包括用户个人兴趣建模、用户移动模式建模和用户行为模式应用。通过此课题研究，我们力争在上述领域取得国际领先的学术成果，在轨迹大数据的理论发展和应用上有所创新，最终加速智慧城市的建设。

轨迹数据是大数据的一种重要数据类型。随着无线通信技术、定位技术和移动社交网络等技术的快速发展，每天会有海量的移动轨迹数据被用户产生。由于轨迹数据的语义缺失，目前的轨迹数据研究主要从宏观上挖掘轨迹数据中位置信息蕴含的价值，而忽视了作为轨迹数据产生者的用户本身潜在的行为模式蕴藏着的巨大应用价值。本课题针对轨迹大数据的用户行为模式建模关键技术和应用展开研究，具体研究内容包括用户个人兴趣建模、用户移动模式建模和用户行为模式应用。课题组开展一系列相关的研究工作，提出了多项支持大规模轨迹数据管理的相关技术和方法，撰写并发表论文23篇，其中CCF A类论文16篇。部分研究成果在阿里巴巴公司得到实际应用。