基于GPS軌跡的移動(dòng)用戶(hù)特征挖掘算法

方英蘭+楊勇

摘要：通過(guò)對(duì)移動(dòng)用戶(hù)的出行方式的識(shí)別，可以挖掘出用戶(hù)的移動(dòng)特征。目前識(shí)別移動(dòng)用戶(hù)的出行方式的方法在多種出行方式交替出現(xiàn)時(shí)，識(shí)別的準(zhǔn)確度并不高，在特殊情況下，甚至很低。針對(duì)以上問(wèn)題，提出了基于速度和轉(zhuǎn)角相結(jié)合的軌跡劃分的識(shí)別方法，首先利用速度小于固定速度閾值和轉(zhuǎn)角小于固定轉(zhuǎn)角閾值的位置點(diǎn)將原始GPS軌跡劃分為交通方式單一的子軌跡段，然后使用相同的方法對(duì)子軌跡段進(jìn)行劃分。實(shí)現(xiàn)結(jié)果表明，提出的算法能夠有效識(shí)別不同出行方式，效果較一般更好。

關(guān)鍵詞：出行方式；軌跡劃分

中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）01-0211-04

1 引言

過(guò)去研究者通過(guò)參與者填寫(xiě)問(wèn)卷調(diào)查和電話(huà)采訪的形式，來(lái)收集出行方式的信息，這通常會(huì)導(dǎo)致遺漏短途旅行和不準(zhǔn)確的數(shù)據(jù)[1-2]。然而隨著全球定位系統(tǒng)（GPS）的迅速發(fā)展，因其覆蓋范圍廣、定位速度快、定位精度高等特點(diǎn)，被普遍應(yīng)用于大多數(shù)移動(dòng)終端上。[3]而裝有GPS的移動(dòng)終端使位置點(diǎn)的采集變得容易，這給軌跡數(shù)據(jù)挖掘研究提供了便利。[4]擁有GPS功能的智能手機(jī)可以快速地定位和保存用戶(hù)的空間位置和定位時(shí)間，獲取大量移動(dòng)用戶(hù)的軌跡數(shù)據(jù)。移動(dòng)用戶(hù)軌跡可由位置點(diǎn)按照時(shí)間排序得到，分析移動(dòng)用戶(hù)軌跡，可以挖掘移動(dòng)用戶(hù)出行特征，了解用戶(hù)的出行規(guī)律，活動(dòng)規(guī)律，為解決交通擁堵，對(duì)城市交通進(jìn)行科學(xué)規(guī)劃和合理調(diào)度。

文獻(xiàn)[5]利用速度小于某一閾值的數(shù)據(jù)點(diǎn)將原始GPS軌跡劃分為交通方式單一的子軌跡段，然后對(duì)子軌跡段分別抽取特征，采用監(jiān)督式學(xué)習(xí)方法建立推斷模型對(duì)不同子軌跡的交通方式進(jìn)行識(shí)別。文獻(xiàn)[6]利用手持GPS設(shè)備記錄的GPS定位軌跡，選取方式段長(zhǎng)度，平均速度、速度均值、速度協(xié)方差等、最大的三個(gè)加速度、最大的三個(gè)速度等統(tǒng)計(jì)值，分別利用決策樹(shù)、貝葉斯網(wǎng)、支持向量機(jī)、條件隨機(jī)場(chǎng)等模式識(shí)別方法，對(duì)出行者采用的交通方式進(jìn)行了識(shí)別。文獻(xiàn)[7]提出了一種通過(guò)追蹤AGPS手機(jī)中的定位數(shù)據(jù)來(lái)識(shí)別交通流中的乘客所采用的交通方式的方法，通過(guò)Weka軟件建立起B(yǎng)P神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)AGPS定位數(shù)據(jù)進(jìn)行交通方式的識(shí)別。文獻(xiàn)[8]根據(jù)轉(zhuǎn)角將軌跡劃分成若干軌跡段，然后通過(guò)計(jì)算軌跡段的結(jié)構(gòu)相似度來(lái)判斷軌跡的匹配程度，進(jìn)而完成軌跡聚類(lèi)。文獻(xiàn)[9]提出了三種基于統(tǒng)一時(shí)間軌跡分段的算法，充分考慮了移動(dòng)對(duì)象在軌跡片段上的地理空間、時(shí)間的結(jié)構(gòu)，并運(yùn)用了基于時(shí)間序列的距離方法將軌跡劃分為許多空間和時(shí)間均勻的小片段，最后使用了最大移動(dòng)速度來(lái)檢測(cè)基于統(tǒng)一時(shí)間的空間異常點(diǎn)。文獻(xiàn)[10]將一段包含多種交通方式的軌跡分割成交通模式單一的片段，通過(guò)檢測(cè)兩種不同交通方式之間的潛在轉(zhuǎn)換點(diǎn)來(lái)自動(dòng)識(shí)別交通方式，具有相同交通方式的相鄰片段被合并在識(shí)別過(guò)程中。并引入交通模式的層次概念來(lái)對(duì)劃分的片段進(jìn)行交通模式識(shí)別。

根據(jù)以上分析可知，本文提出一種基于軌跡段劃分和貝葉斯網(wǎng)絡(luò)相結(jié)合的方式來(lái)識(shí)別移動(dòng)用戶(hù)的出行方式。該方法首先通過(guò)計(jì)算速度和轉(zhuǎn)角分別小于各自閾值的轉(zhuǎn)折點(diǎn)，將GPS軌跡進(jìn)行劃分，由此可以獲得多種出行方式其中之一的子軌跡段，再?gòu)淖榆壽E段中提取不同的出行特征。建立貝葉斯網(wǎng)絡(luò)，優(yōu)化貝葉斯網(wǎng)絡(luò)推斷模型，對(duì)分段過(guò)程中形成的每段子軌跡進(jìn)行出行方式識(shí)別。

2 出行方式識(shí)別

2.1 相關(guān)定義

為了更好的描述本文所提出的方法，首先介紹一些所使用的基本定義來(lái)對(duì)軌跡和相關(guān)屬性進(jìn)行形式化描述。

定義1 GPS軌跡（GPS Trajectory，GPSTR）由一系列不斷變化的GPS特征點(diǎn)（GPS Trajectory Points）構(gòu)成，而這些點(diǎn)會(huì)隨著時(shí)間的推移、位置在空間上的變化而變化。這些GPS特征點(diǎn)包含大量的信息，其中最重要的就是位置信息和時(shí)間信息，它通常以經(jīng)緯度的形式來(lái)表示。GPSTR={GPSTR1，GPSTR2，…，GPSTR?，…，GPSTRn}，GPSTR?={，，…，}，P?n={Latin，Lon?n}，i=1，2，3，…，n，t?1

定義2 GPS子軌跡（GPS SubTrajectory）一段完整軌跡所包含的部分軌跡，它是由轉(zhuǎn)折點(diǎn)劃分出來(lái)的，包含連續(xù)相對(duì)緊密的數(shù)據(jù)點(diǎn)，每段子軌跡代表一種出行方式，不同的子軌跡中相鄰數(shù)據(jù)點(diǎn)間的間隔不同。GPSTR={SubTR1，SubTR2，…，SubTR?，…，SubTRn}，其中子軌跡SubTR?表示第i個(gè)子軌跡，SubTR?={，，…，}，P?j={Lat?j，Lon?j}，1

定義3 轉(zhuǎn)折點(diǎn)，運(yùn)動(dòng)實(shí)體在特定區(qū)域內(nèi)，速度保持較低狀態(tài)、停留時(shí)間超過(guò)一定閾值，且轉(zhuǎn)角超過(guò)一定閾值位置點(diǎn)。

2.2 基于轉(zhuǎn)折點(diǎn)的軌跡劃分

人們?cè)诔鲎廛?chē)站臺(tái)或路邊乘坐出租車(chē)時(shí)，在等車(chē)的過(guò)程中，人總是在原地或周邊徘徊，此時(shí)人的速度總是保持幾乎靜止。可能由于各種情況，這種狀態(tài)可能會(huì)持續(xù)好久，導(dǎo)致其產(chǎn)生大量軌跡段，而這些軌跡段之間的轉(zhuǎn)角一般變化比較小。利用轉(zhuǎn)折點(diǎn)將便可以對(duì)GPS軌跡進(jìn)行劃分，每一段稱(chēng)為子軌跡，現(xiàn)假設(shè)每一個(gè)子軌跡段都只有一種出行方式。如圖1所示，假設(shè)用戶(hù)軌跡由12個(gè)位置點(diǎn)組成，這些點(diǎn)是按時(shí)間序列排序的，其中點(diǎn)a1，a2，a3，a4為轉(zhuǎn)折點(diǎn)，轉(zhuǎn)折點(diǎn)將軌跡段劃分為幾段出行方式不同的子軌跡段。

現(xiàn)實(shí)生活中由于交通事故、上班高峰時(shí)期等原因?qū)е陆煌〒矶?，此時(shí)轉(zhuǎn)折點(diǎn)的識(shí)別可能會(huì)出現(xiàn)兩種不同的情況，正常狀況指交通順暢，無(wú)擁堵且用戶(hù)只有在改變出行方式時(shí)才會(huì)發(fā)生短暫的停留或徘徊。此時(shí)軌跡中每個(gè)位置點(diǎn)的速度和方向是不同的，分別計(jì)算其速度和轉(zhuǎn)角，尋找速度值小于某一閾值，轉(zhuǎn)角值小于另一閾值的點(diǎn)，這時(shí)包含多個(gè)位置點(diǎn)的軌跡便被這些轉(zhuǎn)折點(diǎn)劃分為一個(gè)個(gè)獨(dú)立的子軌跡段，每段子軌跡段代表一種出行方式，如圖2所示，尋找出的轉(zhuǎn)折點(diǎn)即為速度小于閾值且轉(zhuǎn)角小于閾值的點(diǎn)。

當(dāng)城市出現(xiàn)交通擁堵時(shí)，人們乘坐的出行工具會(huì)不間斷的發(fā)生變化，如時(shí)快時(shí)慢，時(shí)停時(shí)走，此時(shí)一段軌跡內(nèi)可能會(huì)出現(xiàn)速度和轉(zhuǎn)角小于各自閾值的轉(zhuǎn)折點(diǎn)，這些點(diǎn)將這出行方式相同的軌跡段劃分為又劃分為距離更近的子軌跡段。如圖3所示。在公交車(chē)和乘坐出租車(chē)時(shí)，出現(xiàn)了多個(gè)速度和轉(zhuǎn)角小于閾值的點(diǎn)或停留點(diǎn)，如點(diǎn)p1，p2，p3，它們將一種出行方式下的子軌跡段又劃分成多個(gè)子軌跡段，如tr1，tr2。

針對(duì)軌跡段出行方式已知，但有多個(gè)轉(zhuǎn)折點(diǎn)時(shí)，可能軌跡段的出行方式有多種。為了能精準(zhǔn)地找到轉(zhuǎn)折點(diǎn)，需要分別計(jì)算這些轉(zhuǎn)折點(diǎn)前后子軌跡段的平均速度和平均轉(zhuǎn)角，如果這兩個(gè)平均速度和平均轉(zhuǎn)角值相近或相等，則將這兩個(gè)識(shí)別有誤的轉(zhuǎn)折點(diǎn)合并，表明此時(shí)并沒(méi)有發(fā)生出行方式的改變。否則不進(jìn)行合并。如圖4所示，在乘坐公交車(chē)子軌跡段中，出現(xiàn)了四個(gè)轉(zhuǎn)折點(diǎn)a2，a3，p1，p2.分別計(jì)算a2和p1，p1和p2、p2和a3間的速度v1、v2、v3，轉(zhuǎn)角θ1、θ2。如果v1、v2、v3相近或相等且θ1、θ2相近或相等，則說(shuō)明沒(méi)有發(fā)生出行方式的轉(zhuǎn)換，此時(shí)將p1和p2合并，在乘坐公交車(chē)的子軌跡段中，只有a2和a3兩個(gè)轉(zhuǎn)折點(diǎn)。

算法1描述了如何識(shí)別轉(zhuǎn)折點(diǎn)的詳細(xì)步驟，第3行計(jì)算位置點(diǎn)的速度，第4、5行計(jì)算位置點(diǎn)的轉(zhuǎn)角，第6行尋找待轉(zhuǎn)折點(diǎn)，第7～13為判斷待轉(zhuǎn)折點(diǎn)是否為轉(zhuǎn)折點(diǎn)的過(guò)程，其中第7～8行為交通順暢時(shí)識(shí)別待轉(zhuǎn)折點(diǎn)為轉(zhuǎn)折點(diǎn)的方法，其中10～13行為交通出現(xiàn)堵塞時(shí)轉(zhuǎn)折點(diǎn)的識(shí)別步驟，第10、11行為計(jì)算平均速度和平均轉(zhuǎn)角，其中Li、Ti、SPi、θi分別表示子軌跡段的長(zhǎng)度、時(shí)間、平均速度和轉(zhuǎn)角。第12行為判斷平均速度和轉(zhuǎn)角是否相等或接近，如果符合要求則合并中間的待轉(zhuǎn)折點(diǎn)，將子軌跡頭尾待轉(zhuǎn)折點(diǎn)識(shí)別為轉(zhuǎn)折點(diǎn)。

算法1 find_TurnPoint（N，speedThreshold，cornerThreshold，trafficCondition）

輸入：GPS位置點(diǎn)N，一個(gè)速度閾值speedThreshold，一個(gè)轉(zhuǎn)角閾值cornerThreshold，交通順暢、交通堵塞兩種情況

輸出：一組轉(zhuǎn)折點(diǎn)集合TPCollection

1. i=0；pointNum=|N|；

2. While i

3. speed=length/time；

4. α=arccos（（length2+lengthi+12-hypotlength2）/2lengthi*lengthi+1）；

5. θ=|π-α|；

6. if speed

7. if trafficCondition is normal then

8. TPCollection.Add（pi）；

9. else

10. SPi=aveSpeed（Li，Ti）；

11. θi=aveθ（θi，θi+1）；

12. if SPi≈SPi+1 || θi≈θi+1then

13. TPCollection.Add（p1，pn）；

14. break；

15. i++；

16. return TPCollection；

2.3 特征提取

移動(dòng)用戶(hù)出行時(shí)方式各異，導(dǎo)致出行速度和轉(zhuǎn)角又各有不同。公交車(chē)沿著固定的線路行駛，其速度一般變化不大，在一段路程上其轉(zhuǎn)角變化很小甚至沒(méi)有任何變化。出租車(chē)由于所在用戶(hù)的不同，道路情況不同，其具有一定的不確定性，所以其速度和轉(zhuǎn)角一般變化較大。因此我們可以通過(guò)計(jì)算移動(dòng)用戶(hù)的速度和轉(zhuǎn)角來(lái)識(shí)別其出行方式，找出其出行規(guī)律。本文考慮的因素有速度，平均速度，夾角，轉(zhuǎn)角，平均轉(zhuǎn)角，相關(guān)定義如下：

1）速度：運(yùn)動(dòng)實(shí)體從起始位置到終點(diǎn)位置單位時(shí)間內(nèi)位置變化大小程度，用Vi=Li/ti表示，i=1，2，3，…，n.

2）平均速度：運(yùn)動(dòng)實(shí)體在時(shí)間段內(nèi)其位置變化大小的平均程度。用V=（Vi+Vi+1+…+Vj）/n表示，其中1≦i≦n，1≦j≦n，n表示當(dāng)前子軌跡段內(nèi)位置點(diǎn)的數(shù)目，Vi表示位置點(diǎn)i處的速度。

3）夾角：運(yùn)動(dòng)實(shí)體在某點(diǎn)相鄰兩個(gè)軌跡段之間的夾角，它反映了運(yùn)動(dòng)實(shí)體的運(yùn)動(dòng)趨勢(shì)，用αi=arccos（（a2+b2-c2）/2a*b）表示，a，b分別表示位置點(diǎn)i處相鄰軌跡段的長(zhǎng)度，c表示位置點(diǎn)i的斜邊長(zhǎng)度，其中1≦i≦n。

4）轉(zhuǎn)角：運(yùn)動(dòng)實(shí)體在某點(diǎn)相鄰兩個(gè)軌跡段之間方向偏移量。規(guī)定外向轉(zhuǎn)角為正值，內(nèi)向轉(zhuǎn)角為負(fù)值，用θi=|π-αi|，其中1≦i≦n。

5）平均轉(zhuǎn)角：一段時(shí)間內(nèi)運(yùn)動(dòng)實(shí)體的子軌跡段之間的平均偏移程度。用θ=（θi+θi+1+…+θj）/n表示，其中1≦i≦n，1≦j≦n，n表示子軌跡上位置點(diǎn)的數(shù)目，θi表示位置點(diǎn)i處的轉(zhuǎn)角。

如圖5一段軌跡包括3個(gè)位置點(diǎn)，如a1，a2，a3，位置點(diǎn)a1，a2之間的距離為L(zhǎng)1，時(shí)間間隔為T(mén)1，a2和a3之間的距離為L(zhǎng)2，時(shí)間間隔為T(mén)2，以及a1和a3的距離L3，可以應(yīng)用式（1）、（2）和式（3），計(jì)算a1的速度，軌跡段Tra1a2和Tra2a3之間夾角，轉(zhuǎn)角。

2.4 模型識(shí)別

本文使用貝葉斯網(wǎng)絡(luò)對(duì)出行方式進(jìn)行自動(dòng)識(shí)別。首先計(jì)算軌跡中位置點(diǎn)的速度和相鄰軌跡段之間的轉(zhuǎn)角，識(shí)別速度小于速度閾值和轉(zhuǎn)角小于轉(zhuǎn)角閾值的轉(zhuǎn)折點(diǎn)，劃分GPS軌跡為多個(gè)子軌跡段，再計(jì)算子軌跡段的平均速度和平均轉(zhuǎn)角，對(duì)子軌跡段進(jìn)行轉(zhuǎn)折點(diǎn)判斷，最終識(shí)別移動(dòng)用戶(hù)的出行方式。利用移動(dòng)用戶(hù)速度，平均速度和轉(zhuǎn)角、平均轉(zhuǎn)角來(lái)建立出行方式貝葉斯網(wǎng)絡(luò)，再使用測(cè)試集對(duì)該貝葉斯網(wǎng)絡(luò)進(jìn)行優(yōu)化。最終使用建立的貝葉斯網(wǎng)絡(luò)自動(dòng)識(shí)別軌跡段的出行方式。

3 實(shí)驗(yàn)結(jié)果分析

針對(duì)本文提出的結(jié)合速度和轉(zhuǎn)角來(lái)進(jìn)行軌跡劃分的出行方式識(shí)別方法，，以北方工業(yè)大學(xué)數(shù)據(jù)庫(kù)實(shí)驗(yàn)室開(kāi)發(fā)的移動(dòng)互聯(lián)資源管理平臺(tái)的手機(jī)端手機(jī)的數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，本數(shù)據(jù)集記錄了338個(gè)用戶(hù)在3年之內(nèi)的移動(dòng)行為，每個(gè)用戶(hù)持有一個(gè)安裝有開(kāi)發(fā)的易劃APP的智能手機(jī)來(lái)將各自的位置數(shù)據(jù)回傳到服務(wù)器的數(shù)據(jù)庫(kù)保存，通過(guò)挖掘這些位置數(shù)據(jù)，可以得到用戶(hù)個(gè)人的出行方式。選擇該數(shù)據(jù)集中的部分?jǐn)?shù)據(jù)作為訓(xùn)練集，剩余數(shù)據(jù)作為測(cè)試集，來(lái)驗(yàn)證該方法。

3.1 分段方法精確度

為了突出本文提出的速度和轉(zhuǎn)角相結(jié)合的轉(zhuǎn)折點(diǎn)劃分方法的準(zhǔn)確性，分別選擇基于單一速度的分段方法[4]和基于參考時(shí)間的分段方法[9]與之進(jìn)行對(duì)比?；趩我凰俣鹊姆侄畏椒ㄖ焕盟俣葋?lái)進(jìn)行軌跡分段，基于參考時(shí)間的分段方法利用相同時(shí)間間隔將軌跡分段。本文選擇速度區(qū)間0.4～4m/s來(lái)測(cè)試基于單一速度的分段方法不同數(shù)據(jù)集的精確度，選擇時(shí)間區(qū)間40～280s來(lái)測(cè)試參考時(shí)間的分段方法不同數(shù)據(jù)集的精確度，而對(duì)于基于速度和轉(zhuǎn)角相結(jié)合的分段方法，選擇速度區(qū)間0.5～5m/s和轉(zhuǎn)角區(qū)間4°～40°測(cè)試不同數(shù)據(jù)集的精確度。如圖6、圖7和圖8所示，三種方法在不同數(shù)據(jù)集時(shí)大體都是呈先上升達(dá)到最高點(diǎn)后下降趨勢(shì)，只是在單一時(shí)間劃分方法時(shí)略微不同，此方法時(shí)在數(shù)據(jù)集1和數(shù)據(jù)集3時(shí)中間有少許下降。整體來(lái)看速度和轉(zhuǎn)角相結(jié)合的方法的精確度明顯高于單一速度劃分方法和統(tǒng)一時(shí)間劃分方法。由于本文所提方法考慮了兩種因素，且這兩個(gè)因素對(duì)于出行方式的識(shí)別具有關(guān)鍵作用，且在現(xiàn)實(shí)生活中符合用戶(hù)的出行特點(diǎn)，所以本方法識(shí)別的精確度更高。

4 結(jié)語(yǔ)

本文提出了一種將速度和轉(zhuǎn)角相結(jié)合的軌跡段拆分方法，并利用建立決定出行方式的貝葉斯網(wǎng)絡(luò)，最終識(shí)別出各個(gè)分段的出行方式。首先計(jì)算各個(gè)分段的速度和轉(zhuǎn)角，識(shí)別出轉(zhuǎn)折點(diǎn)。然后再對(duì)子軌跡段進(jìn)行平均速度和平均轉(zhuǎn)角，根據(jù)平均速度和平均轉(zhuǎn)角來(lái)識(shí)別子軌跡段上的出行方式。根據(jù)訓(xùn)練集得到的結(jié)果建立速度、平均速度和轉(zhuǎn)角、平均轉(zhuǎn)角決定的貝葉斯網(wǎng)絡(luò)，并使用測(cè)試集來(lái)驗(yàn)證建立的貝葉斯網(wǎng)絡(luò)的正確性，并做調(diào)整。本方法將速度和轉(zhuǎn)角相結(jié)合，相比之前的方法[4][9]，識(shí)別的出行方式更契合移動(dòng)用戶(hù)，也符合現(xiàn)實(shí)生活。但由于轉(zhuǎn)角的計(jì)算難道大，計(jì)算的轉(zhuǎn)角又不那么準(zhǔn)確，增加了計(jì)算的時(shí)間，且識(shí)別時(shí)考慮的因素相對(duì)來(lái)說(shuō)比較不完整。下一步找到快速、準(zhǔn)確的計(jì)算轉(zhuǎn)角方法，并考慮其他因素，如移動(dòng)用戶(hù)的出行喜好，移動(dòng)用戶(hù)所在區(qū)域的交通狀況等，來(lái)提高出行方式識(shí)別的精確度。

參考文獻(xiàn)：

[1] S.Bricka and C.Bhat.Comparative Analysis of Global Positioning System-Based and Travel Survey-Based Data[J].Transportation Research Record：Journal of the Transportation Research Board，1972：9-20，Jan 2006.

[2] G.Draijer，N.Kalfs，and J.Perdok.Global Positioning System as Data Collection Method for Travel Research[J].Transportation Research Record：Journal of the Transportation Research Board，1719：147-153，Jan 2000.

[3] Jianwei Han，Micheline Kamber，Jian Pei.數(shù)據(jù)挖掘：概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社，2012.7.

[4] 李海.基于GPS軌跡的周期模式發(fā)現(xiàn)[J].電子設(shè)計(jì)工程.2015，21（23）：24-27.

[5] 肖艷麗，張振宇，楊文忠.基于GPS軌跡的用戶(hù)移動(dòng)行為挖掘算法[J].計(jì)算機(jī)應(yīng)用與軟件.2015.11（32）：83-87.

[6] 袁華，錢(qián)宇，楊銳.基于GPS軌跡的用戶(hù)興趣點(diǎn)及頻繁路徑挖掘研究[J].系統(tǒng)工程理論與實(shí)踐.2015.5（35）：1276-1282.

[7] 袁冠，夏士雄，張磊，周勇.基于結(jié)構(gòu)相識(shí)度的軌跡聚類(lèi)算法[J].通信學(xué)報(bào).2011，9（32）：103-110.

[8] Yoon H，Shahabi C.Robust Time-Referenced Segmentation of Moving Object Trajectories[C]/ /ICDM，2008：1121-1126.