张 俊 涛，武 芳，张 浩

（1.信息工程大学，河南 郑州 450002；2.西安测绘信息技术总站，陕西 西安 710054）

0 引言

近年来，移动定位技术在车载移动终端、移动设备上得到广泛使用，使得大量群体轨迹数据的获取在技术上及经济上可行性越来越高，大量的轨迹数据在日常生活中日益积累并为不同类型的应用服务，通过对这些轨迹数据的挖掘、分析，将有益于城市规划、城市交通管理以及智能的基于位置的服务。

关于轨迹数据挖掘、分析的研究，从研究对象的数量特征看，分为个体行为特点［1－3］以及群体行为特点［4，5］的研究。由于出租车轨迹数据主要是通过不同出租车（车辆ID）对产生轨迹数据的个体进行区分，而对于实际上某段轨迹真实所属的个人则难以区分，故利用出租车轨迹数据挖掘、分析城市居民出行行为特点实质上是一种利用轨迹数据进行群体行为特点的研究。当前此类型研究主要通过定义一系列适用于不同应用场景的距离度量指标［6－9］，依赖于数据挖掘中聚类的方法及其衍生方法进行，其中典型的方法有：针对轨迹点直接进行基于密度聚类［10，11］；将轨迹点转换为化简的线段序列，通过对线段的聚类以发现热点路径［12，13］；将轨迹转换为某类型的格网序列，在格网上聚类以发现热点区域［14，15］。这些类型的方法存在一个问题，即未能考虑轨迹的方向和数量特征对结果可能产生的影响，因为轨迹在某种程度上代表的是具有数量特征的一种流向（人流、物流等）。……