段宗涛，任国亮，康 军，黄 山，杜锦光，王倩倩

(长安大学 a.信息工程学院，b.陕西省道路交通智能检测与装备工程技术研究中心，西安 710064)

随着全球卫星导航、物联网、移动通信、大数据等技术与智能交通系统(intelligent transportation system，ITS)的深度融合，城市交通系统已经进入了智能交通时代，越来越多的各类移动对象在不同场景下的时空轨迹数据被采集和存储到时空数据库中。这些时空轨迹数据包含的大量知识需要进行快速有效的分析。在对各种时空轨迹的分析任务中，序列模式挖掘是其中最重要的任务之一。时空轨迹序列模式挖掘作为序列模式挖掘的一个重要研究分支，其可以定义为从海量的、异构的、含噪声的移动GPS轨迹序列中提取潜在的、频繁出现的、具有价值的轨迹序列的过程。通过对这些轨迹序列研究分析可以揭示出有价值的信息来用于广泛的社会服务，如移动模式挖掘[1]、位置预测[2]、路径推荐[3]和异常检测[4]等。

时空轨迹路径推荐作为数据挖掘的一个应用，主要是通过对移动对象的历史轨迹进行挖掘以找出其行为潜在的时空规律性及其行为偏好，以此来为移动对象推荐合理、高效的运动路径。出租车作为城市居民户外出行普遍乘坐的交通工具，其对城市居民的出行生活有着举足轻重的影响，而出租车司机对城市的路网结构以及交通情况有着很深的了解，他们经常利用他们的经验知识在给定起始点-目的地(O—D)的情况下选择行驶路线，这些蕴含经验知识的行驶轨迹往往具有较高的成本效益，如行程距离短、行车时间少、行车速度快等。……