饶元淇，赵旭俊，蔡江辉

(太原科技大学 计算机科学与技术学院，太原 030024)

1 引 言

在如今智能化时代，随着定位设备、Wi-Fi网络、视频监控、以及无线传感器等设备的发展，产生越来越多的轨迹数据[1].同时，这些数据中又包含了大量的信息，在无人驾驶、导航系统、智能化的交通系统等领域有关轨迹数据的研究需求不断日益增长.传统的检测方法将轨迹视为一维序列，并在单一尺度下进行处理，无法挖掘不同特征尺度下丰富多样的信息[1].由于轨迹数据中隐藏着一系列影响用户出行行为的复杂特征，因此挖掘轨迹仍然具有一定的挑战性[2,3].例如，在气象台台风检测，可以探测到台风路径的变化，通过提前预测轨迹路径.对于可能造成的损失提前做好防护措施，以减少损失；在“网约车”软件使用过程中，系统检测到车辆异常轨迹时，对乘客发出安全性预警等，可以有效避免危险的发生.因此，在大规模轨迹数据集中挖掘轨迹具有很重要的现实意义和实用价值.如何从大规模的轨迹数据中挖掘出有用的知识，并且有效的发现许多隐藏在数据信息中的有价值的轨迹数据越来越受到人们的关注.

传统的轨迹检测方法是将轨迹数据进行切分为子段，综合考虑轨迹子段的比例和轨迹子段的密度，确定轨迹数据的划分[4-6].研究将轨迹数据直接以整条轨迹数据作为基本单元的轨迹检测的算法相对较少.因此，本文设计了一种基于图划分的轨迹……