孙 爽，陈 燕，朴在吉，张金松

1.大连海事大学 航运经济与管理学院，辽宁 大连116026

2.大连外国语大学 软件学院，辽宁 大连116044

在大数据的时代背景下，轨迹数据的多样性愈发明显，在包含时间、位置、位移、速度等基本信息的前提下又可包括根据实际情况的个性化信息。由于时空轨迹数据是真实存在的移动对象的行为模式，在数据处理和计算过程中可以利用轨迹中含有的时空序列的特征，但同时由于传感器、噪声和其他因素的差异和影响，轨迹数据是永远不会完全精确的[1]。各个交通领域的轨迹数据大量存在，有着多方面的应用。它包含不同交通个体泛在的共性的行为模式与移动规律，例如城市车辆出行活动特征、人群的移动轨迹特征、港口船舶轨迹流的内在规律。基于轨迹数据的时空模式挖掘是大数据研究的重要方向，例如路径推荐、城市交通规划、交通路况预测、安全情报分析等具体应用，对于人类的生产生活有重要的意义。早在2004年新加坡就将出租车的轨迹数据应用于实时的交通监控的管理决策中，后续又用于路径、交通流监控、交通异常检测等方面[2]。近年来，Zheng[3]针对轨迹数据挖掘进行了一次全面的调查，提出了研究框架来深入探讨轨迹数据时空模式挖掘的研究领域。Mao等[4]研究基于出租车运行轨迹及其在城市通勤模式挖掘中的应用，提出了一种从具有大量点位置的出租车轨迹数据集中发现家庭出行时空模式的新方法，从而了解城市结构和隐含的家庭通勤行为的空间分布和时间趋势。……