全球定位、移动通信技术迅速发展的背景下涌现出了海量的时空轨迹数据,这些数据是对移动对象在时空环境下的移动模式和行为特征的真实写照,蕴含了丰富的信息,这些信息对于城市规划、交通管理、服务推荐、位置预测等领域具有重要的应用价值,而这些过程通常需要通过对时空轨迹数据进行序列模式挖掘才能得以实现。时空轨迹序列模式挖掘旨在从时空轨迹数据集中找出频繁出现的序列模式,挖掘时空数据中隐藏的信息,例如: 位置模式(频繁轨迹、热点区域)、活动周期模式、语义行为模式。综述近来年时空轨迹序列模式挖掘的研究进展,先介绍时空轨迹序列的数据特点及应用,再描述时空轨迹模式的挖掘过程:从基于时空轨迹序列来挖掘位置模式、周期模式、语义模式三个方面来介绍该领域的研究情况,最后阐述现有时空轨迹序列模式挖掘方法存在的问题,展望其未来的发展趋势。

http://www.joca.cn/CN/abstract/abstract24577.shtml

成为VIP会员查看完整内容
74

相关内容

专知会员服务
74+阅读 · 2021年5月21日
专知会员服务
52+阅读 · 2021年5月15日
专知会员服务
47+阅读 · 2021年3月19日
跨媒体分析与推理技术研究综述
专知会员服务
70+阅读 · 2021年3月11日
多模态视觉语言表征学习研究综述
专知会员服务
195+阅读 · 2020年12月3日
多模态视觉语言表征学习研究综述
专知
27+阅读 · 2020年12月3日
【综述】交通流量预测,附15页论文下载
专知
23+阅读 · 2020年4月23日
大讲堂 | 基于社交网络大数据的时空模式挖掘
AI研习社
3+阅读 · 2018年12月15日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
OASIS: An Active Framework for Set Inversion
Arxiv
0+阅读 · 2021年5月31日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
8+阅读 · 2019年1月8日
VIP会员
相关VIP内容
专知会员服务
74+阅读 · 2021年5月21日
专知会员服务
52+阅读 · 2021年5月15日
专知会员服务
47+阅读 · 2021年3月19日
跨媒体分析与推理技术研究综述
专知会员服务
70+阅读 · 2021年3月11日
多模态视觉语言表征学习研究综述
专知会员服务
195+阅读 · 2020年12月3日
相关资讯
多模态视觉语言表征学习研究综述
专知
27+阅读 · 2020年12月3日
【综述】交通流量预测,附15页论文下载
专知
23+阅读 · 2020年4月23日
大讲堂 | 基于社交网络大数据的时空模式挖掘
AI研习社
3+阅读 · 2018年12月15日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
微信扫码咨询专知VIP会员