基于稀疏軌跡聚類的自駕車旅游路線挖掘

楊奉毅，馬玉鵬，包恒彬，韓云飛，馬 博

（1. 中國(guó)科學(xué)院新疆理化技術(shù)研究所，烏魯木齊830011； 2. 中國(guó)科學(xué)院大學(xué)，北京100049；3. 新疆民族語(yǔ)音語(yǔ)言信息處理實(shí)驗(yàn)室，烏魯木齊830011）

（?通信作者電子郵箱ypma@ms.xjb.ac.cn）

0 引言

隨著國(guó)民經(jīng)濟(jì)水平提升，私家車保有量迅速增加，自駕車旅游逐漸成為人們旅游出行的熱門選擇。通過(guò)對(duì)游客的自駕軌跡進(jìn)行分析，可以發(fā)現(xiàn)流行的自駕車旅游路線，為旅行者的旅行路線的規(guī)劃提供支持。然而，自駕車游客的活動(dòng)具有較高的自主性，導(dǎo)致行程軌跡數(shù)據(jù)難以收集，數(shù)據(jù)的代表性和覆蓋性不足。

本文采用覆蓋新疆的加油數(shù)據(jù)集，挖掘流行的新疆自駕車旅游路線。該數(shù)據(jù)集記錄了用戶在新疆的所有加油行為，其中同樣包含了所有自駕車游客的加油記錄。按照時(shí)間先后將加油站點(diǎn)組成序列就可以得到一條加油軌跡，加油軌跡是游客旅游路線的某種采樣，能夠真實(shí)反映游客的時(shí)空移動(dòng)軌跡，可以作為新疆自駕車旅游路線挖掘的重要數(shù)據(jù)來(lái)源。然而，利用加油數(shù)據(jù)挖掘流行的自駕車旅游路線主要面臨兩個(gè)挑戰(zhàn)。首先，原始數(shù)據(jù)中人員數(shù)量眾多，加油行為復(fù)雜多樣，難以準(zhǔn)確識(shí)別出自駕車游客群體；其次，相比全球定位系統(tǒng)（Global Positioning System，GPS）軌跡數(shù)據(jù)，加油記錄產(chǎn)生的頻率非常低，數(shù)據(jù)十分稀疏，導(dǎo)致同一條加油軌跡中的兩個(gè)連續(xù)軌跡點(diǎn)之間的路徑不確定，從中還原出具體的路線十分困難。如圖1 所示，圖中的線條為某游客自駕游的確切軌跡，圓點(diǎn)表示該游客實(shí)際的加油地點(diǎn)?？梢钥闯觯揽繂我挥慰拖∈璧募佑蛙壽E點(diǎn)數(shù)據(jù)，并不足以推斷出游客實(shí)際的旅游路線。

本文的主要工作如下:針對(duì)游客群體識(shí)別的問(wèn)題，通過(guò)分析已知的游客加油行為，總結(jié)出游客加油的基本特征，進(jìn)而從大量原始加油記錄中識(shí)別出游客群體。針對(duì)軌跡點(diǎn)稀疏問(wèn)題，受word2vec［1］的啟發(fā)，提出一種基于語(yǔ)義表示的稀疏軌跡聚類算法:將每個(gè)加油站看作一個(gè)單詞，每條加油軌跡看作一個(gè)句子，通過(guò)word2vec學(xué)習(xí)加油站點(diǎn)的分布式表示，然后使用每條軌跡中站點(diǎn)向量的平均值表示該加油軌跡，最后通過(guò)k均值算法完成軌跡聚類，根據(jù)聚類結(jié)果挖掘流行的自駕車旅游路線。圖2為本文方法的總體流程。

圖1 某游客旅游路線與加油軌跡對(duì)比Fig. 1 Comparison between tour route and refueling trajectory of a tourist

圖2 本文算法的總體流程Fig. 2 Overall flow of the proposed algorithm

1 相關(guān)工作

1.1 旅游路線挖掘

近些年來(lái)出現(xiàn)了大量旅游路線規(guī)劃和推薦的相關(guān)研究。目前研究采用的數(shù)據(jù)主要是用戶分享的GPS 軌跡數(shù)據(jù)、帶地理標(biāo)簽的照片數(shù)據(jù)和簽到數(shù)據(jù)［2］。Zheng 等［3-5］基于GPS 軌跡數(shù)據(jù)做了一系列的旅游路線挖掘和推薦的工作，取得了優(yōu)秀的成果。Cui等［6］基于用戶的GPS 軌跡信息，考慮用戶的個(gè)性化信息，基于協(xié)同過(guò)濾技術(shù)提出了兩種旅游路線推薦算法，提高了推薦結(jié)果的個(gè)性化程度。然而，GPS 軌跡雖然可以反映游客的具體旅行路線，但是相對(duì)難以獲得。隨著基于位置服務(wù)的發(fā)展，利用社交媒體數(shù)據(jù)進(jìn)行旅游路線挖掘和推薦成為新的研究熱點(diǎn)。文獻(xiàn)［7］提出了一種基于主題模型的協(xié)同過(guò)濾方法，利用旅游照片進(jìn)行旅游推薦。文獻(xiàn)［8］基于游客簽到數(shù)據(jù)，提出一種基于集體知識(shí)的路線推理框架，從不確定軌跡中挖掘流行的旅游路線。目前，采用這些用戶分享數(shù)據(jù)進(jìn)行自駕車旅游的研究較少，主要原因在于這些數(shù)據(jù)難以區(qū)分普通游客與自駕游客，其中能夠完全確定為自駕游客數(shù)據(jù)的數(shù)量很少。文獻(xiàn)［9］基于自駕游客分享的924 條GPS 軌跡，結(jié)合路網(wǎng)信息與旅游景點(diǎn)信息，以季節(jié)強(qiáng)度指數(shù)、多維緩沖區(qū)、核密度等方法分析自駕車游客的時(shí)空行為特征。

上述數(shù)據(jù)大多來(lái)自于用戶的分享，這些用戶僅僅占全部游客的一小部分，因此分析結(jié)果帶有較大的偏差。與上述研究采用的數(shù)據(jù)不同，本文采用加油軌跡數(shù)據(jù)進(jìn)行自駕車旅游路線的挖掘，數(shù)據(jù)集本身包含全部自駕車游客在新疆的加油行為，對(duì)于分析新疆自駕游的整體情況具有重要作用。

1.2 軌跡聚類

為了發(fā)現(xiàn)不同移動(dòng)對(duì)象軌跡中的代表路徑或共同趨勢(shì)，通常將相似的軌跡進(jìn)行聚類［10］。傳統(tǒng)的軌跡聚類方法一般先使用一定的度量方法比較軌跡之間的相似性，之后采用一些經(jīng)典的聚類算法進(jìn)行聚類。Lee 等［11］提出了一個(gè)軌跡聚類框架，首先將每個(gè)軌跡劃分為多個(gè)子軌跡，然后采用基于密度的聚類方法對(duì)這些子軌跡進(jìn)行聚類。Tang 等［12］提出了出行行為聚類算法，使用結(jié)合采樣的密度聚類算法解決軌跡數(shù)據(jù)中的噪聲問(wèn)題。Besse等［13］定義了一種新的距離度量方法，實(shí)現(xiàn)了基于距離的軌跡聚類。

時(shí)空軌跡聚類的核心在于衡量軌跡之間的相似性，常用的軌跡相似性度量方法包括動(dòng)態(tài)時(shí)間扭曲（Dynamic Time Warping，DTW）［14］、最 長(zhǎng) 公 共 子 序 列（Longest Common Subsequence，LCSS）［15］和編輯距離方法EDR（Edit Distance on Real sequence）［16］。

上述度量方法主要考慮了軌跡點(diǎn)的空間位置信息，適合用于采樣頻率高的GPS數(shù)據(jù)。然而，游客的加油頻率非常低，通常在2～3 d，加油軌跡十分稀疏，兩個(gè)連續(xù)訪問(wèn)的加油站點(diǎn)之間甚至相隔數(shù)百公里。因此，上述方法并不適用于極其稀疏的加油軌跡數(shù)據(jù)。

1.3 分布式表示

在自然語(yǔ)言處理領(lǐng)域，傳統(tǒng)的將單詞表示為高維、稀疏向量的方法基本上被基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)言模型所取代。神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型通過(guò)考慮詞序和單詞的共現(xiàn)來(lái)訓(xùn)練，其概念基于分布式假設(shè)，即在句子中經(jīng)常出現(xiàn)在一起的單詞具有更高的統(tǒng)計(jì)相關(guān)性。Mikolov 等［1］提出的word2vec 是其中的突出代表，它可以簡(jiǎn)單高效地學(xué)習(xí)到單詞的低維向量表示，在包括機(jī)器翻譯、情感分析等傳統(tǒng)的自然語(yǔ)言處理任務(wù)上取得了優(yōu)秀的表現(xiàn)。

最近，分布式表示的概念逐漸擴(kuò)展到網(wǎng)頁(yè)搜索、電子商務(wù)、推薦系統(tǒng)等其他領(lǐng)域。研究人員意識(shí)到可以將用戶的行為序列視作句子，進(jìn)而學(xué)習(xí)商品或用戶的嵌入表示，如用戶的點(diǎn)擊、查詢或購(gòu)買序列。分布式表示被用于各種類型的網(wǎng)絡(luò)推薦中，包括淘寶推薦［17］、求職推薦［18］、應(yīng)用推薦［19］、房源推薦［20］等。同樣，類似的方法也被提出用于社交網(wǎng)絡(luò)分析，利用網(wǎng)絡(luò)中節(jié)點(diǎn)的隨機(jī)游走序列學(xué)習(xí)網(wǎng)絡(luò)節(jié)點(diǎn)的嵌入表示［21］。本文同樣利用這一思想，將加油軌跡中的加油站看作單詞，整條軌跡看成句子，運(yùn)用word2vec學(xué)習(xí)加油站的語(yǔ)義向量表示，用于加油軌跡聚類，還原游客的旅行路線。

2 自駕車游客群體識(shí)別

原 始 加 油 數(shù) 據(jù) 集 中 的 記 錄r ={u，v，s，t，area}，其 中:u、v、s、t 分別代表司機(jī)、車輛、加油站和加油時(shí)間戳；area 代表加油站所屬的行政區(qū)劃。從中選取數(shù)據(jù)構(gòu)建人員加油軌跡數(shù)據(jù)集，選取時(shí)間范圍是2016 年1 月1 日至2018 年12 月31 日。將加油記錄按照人員進(jìn)行重組，每個(gè)用戶的所有加油記錄可以組成一條加油軌跡tra ={s1，s2，…，sn}，它是一個(gè)用戶按時(shí)間順序訪問(wèn)過(guò)的加油站點(diǎn)集合。

經(jīng)過(guò)調(diào)查可發(fā)現(xiàn)自駕車游客通常具有3 個(gè)特征:1）只來(lái)過(guò)新疆一次且停留時(shí)間不超過(guò)30 d；2）具有連續(xù)加油行為，相鄰兩次加油時(shí)間間隔小于5 d；3）加油地點(diǎn)不固定且分散在各個(gè)地州市，通常不少于3 個(gè)地州市。同時(shí)，為了避免軌跡過(guò)于稀疏，本文只對(duì)加油次數(shù)大于8 次的軌跡進(jìn)行分析。根據(jù)以上特征，定義了四條規(guī)則，用以自駕車游客群體的識(shí)別。對(duì)于加油軌跡數(shù)據(jù)集中的任意一條軌跡tra ={s1，s2，…，sn}，如果滿足:

則認(rèn)為軌跡tra為自駕加油軌跡，對(duì)應(yīng)人員為自駕游客。

根據(jù)以上規(guī)則，從加油軌跡數(shù)據(jù)集中提取出20 646 條加油軌跡。為了驗(yàn)證這些軌跡確為自駕游人員所產(chǎn)生，本文對(duì)軌跡對(duì)應(yīng)人員的基本特征做了統(tǒng)計(jì)分析。首先，這些人員的男女比例高達(dá)21∶1，遠(yuǎn)遠(yuǎn)高于原始數(shù)據(jù)集中3.5∶1 的男女比例，這符合長(zhǎng)途自駕旅游中司機(jī)絕大多數(shù)為男性的實(shí)際情況。其次，游客的主要來(lái)源省份與整體情況也有著很大差異，如圖3所示。

圖3 外來(lái)人員與自駕游客的省份分布Fig. 3 Provincial distribution of migrants and self-driving tourists

圖3（a）為原始數(shù)據(jù)集中外來(lái)人員的主要省份分布，這在很大程度上體現(xiàn)了外地人在新疆生活及工作的情況，可以看到，四川、甘肅和陜西等距離較近的省份，與新疆的人員交流比較密切；同時(shí)，河南、山東等省份由于人口總量大，在新疆也有大量的人員活動(dòng)。如圖3（b）所示，游客的來(lái)源省份發(fā)生了很大的變化，較發(fā)達(dá)省份的人員占比明顯增加，來(lái)自北京的人員數(shù)量最多，而來(lái)自甘肅的游客數(shù)量很少，這體現(xiàn)了居民收入及消費(fèi)水平對(duì)自駕車旅游的重要影響。最后，對(duì)自駕游人員的月份分布做了統(tǒng)計(jì)，如圖4 所示。結(jié)果顯示，游客的數(shù)量受季節(jié)變化十分明顯，主要集中在7、8、9 三個(gè)月，與此同時(shí)，幾乎沒(méi)有游客選擇在冬季進(jìn)行自駕游，這與新疆的氣候條件有著密切的關(guān)系，符合新疆旅游市場(chǎng)的基本情況。

圖4 自駕車游客人數(shù)隨時(shí)間變化的統(tǒng)計(jì)Fig. 4 Histogram of self-driving tourist number variation with time

由此可見(jiàn)，本文定義出的規(guī)則有效識(shí)別出了自駕車游客群體，能夠支撐進(jìn)一步的研究工作。

3 基于語(yǔ)義表示的加油軌跡聚類

3.1 問(wèn)題定義及分析

定義1 自駕路線。游客實(shí)際的自駕路線是一個(gè)連續(xù)的空間曲線，是游客駕車自駕的確切移動(dòng)路徑。

定義2 加油軌跡tra。每條加油軌跡都是按照時(shí)間先后排序的游客加油的站點(diǎn)序列，是自駕路線的一種采樣，形式化表示為tra ={s1，s2，…，sn}。加油軌跡tra 和加油站s 對(duì)應(yīng)的向量表示分別為traj和st。

定義3 加油軌跡聚類。給定游客加油軌跡集T，我們的目標(biāo)是將軌跡集T劃分為k個(gè)不相交的簇C ={C1，C2，…，Ck}，同一個(gè)軌跡簇的加油軌跡對(duì)應(yīng)同一條自駕路線，T ={tra1，tra2，…，traf}。

同一條自駕路線上會(huì)有數(shù)量眾多的加油站，游客的加油行為具有極大的自主性，每條加油軌跡都可以看作是對(duì)路線上的所有加油站的隨機(jī)采樣。因此，雖然游客的旅游路線相同，最終的加油軌跡依然有著很大的差別。這些軌跡都反映了旅游路線的部分信息，將這些軌跡進(jìn)行聚類可以得到完整的旅游路線信息。然而，加油軌跡的高度稀疏性導(dǎo)致基于軌跡點(diǎn)空間相似性的傳統(tǒng)軌跡聚類算法無(wú)法得到理想的效果，因此本文將自然語(yǔ)言處理中語(yǔ)義相似性的概念引入加油軌跡聚類，用以更好地衡量加油站點(diǎn)之間的相似性。

在自然語(yǔ)言處理領(lǐng)域，語(yǔ)義相似的單詞擁有相似的上下文。同樣，在加油軌跡中，加油站的上下文通常是同一路線上的加油站，這些站點(diǎn)具有更高的語(yǔ)義相似性。使用word2vec學(xué)習(xí)站點(diǎn)的語(yǔ)義信息，得到站點(diǎn)的向量表示，之后取所有站點(diǎn)向量的平均值作為加油軌跡的向量，最后使用經(jīng)典的k 均值算法實(shí)現(xiàn)軌跡聚類。本文算法的整體框架描述如下。

算法1 基于語(yǔ)義表示的加油軌跡聚類。

輸入 加油軌跡數(shù)據(jù)集T，聚類簇?cái)?shù)k，skip-gram 模型窗口大小m，嵌入向量維度d。

3.2 站點(diǎn)向量表示

本節(jié)將介紹使用word2vec進(jìn)行站點(diǎn)表示的方法。給定加油軌跡數(shù)據(jù)集T，目標(biāo)是學(xué)習(xí)到每個(gè)站點(diǎn)的d維向量表示。實(shí)際上，word2vec 包括兩個(gè)模型，分別為連續(xù)詞袋模型（Continuous Bag-of-Words model，CBOW）和skip-gram 模型。其中，CBOW 的目標(biāo)是根據(jù)上下文預(yù)測(cè)中心詞的概率，skipgram 模型則相反。一般而言，skip-gram 模型的效果會(huì)更好，因此本文選擇使用skip-gram模型學(xué)習(xí)站點(diǎn)的向量表示。

skip-gram 雖然是一種無(wú)監(jiān)督的方法，但它仍然在內(nèi)部定義了一個(gè)輔助的預(yù)測(cè)任務(wù)。如圖5 所示，首先選定中心詞si，在它的前后各m 個(gè)詞距內(nèi)選定上下文，組成訓(xùn)練的單詞對(duì)（si，si-m），…，（si，si-1），（si，si+1），…，（si，si+m）。在訓(xùn)練期間，使用包含當(dāng)前中心詞及其上下文的滑動(dòng)窗口在語(yǔ)料庫(kù)中移動(dòng)，得到所有的訓(xùn)練樣本，目的是借助中心詞預(yù)測(cè)上下文出現(xiàn)的概率。構(gòu)造這個(gè)監(jiān)督學(xué)習(xí)的目標(biāo)并不是想要解決這個(gè)監(jiān)督學(xué)習(xí)問(wèn)題本身，而是想要借助這一問(wèn)題來(lái)學(xué)習(xí)一個(gè)好的詞嵌入模型。

圖5 基于skip-gram模型的站點(diǎn)嵌入表示Fig. 5 skip-gram model based station embedding representation

skip-gram 模型的結(jié)構(gòu)如圖6 所示，是一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型，僅擁有輸入層、隱藏層和輸出層三層結(jié)構(gòu)。

圖6 skip-gram模型結(jié)構(gòu)Fig. 6 skip-gram model structure

輸入層和輸出層都由一個(gè)N 維的one-hot 編碼向量表示，N代表加油站的總數(shù)，隱藏層由維度為d的向量表示。權(quán)重矩陣WN×d和W′d×N，分別位于輸入層與隱藏層之間和隱藏層與輸出層之間。隱藏層沒(méi)有使用任何激活函數(shù)，輸出層使用softmax作為激活函數(shù)。模型的具體的訓(xùn)練過(guò)程如下。

3）通過(guò)反向傳播算法及隨機(jī)梯度下降來(lái)更新權(quán)重矩陣W 和W′，最小化損失函數(shù)。整個(gè)訓(xùn)練樣本集上的損失函數(shù)為

4）取權(quán)重矩陣W的每一行作為站點(diǎn)的向量表示。

3.3 軌跡聚類

當(dāng)獲得了站點(diǎn)的向量表示之后，就可以利用站點(diǎn)向量得到軌跡的向量表示。在自然語(yǔ)言處理中，句子向量表示的一種簡(jiǎn)單有效的方法是將句子中所有詞向量進(jìn)行平均［22］。類似地，對(duì)于軌跡tra，它的向量表示traj 為其包含的所有加油站s1，s2，…，sn向量表示的平均值，公式表示為:

至此可以得到每條軌跡的向量表示，然后使用經(jīng)典的聚類算法進(jìn)行軌跡聚類。本文采用k均值（k-means）算法進(jìn)行軌跡聚類。給定樣本集D 和聚類簇?cái)?shù)k，k 均值算法將樣本集劃分為k個(gè)不同的聚類簇C1，C2，…，Ck，最小化平方誤差:

1）從樣本集D 中隨機(jī)選擇k個(gè)樣本作為初始聚類簇的均值向量；

2）計(jì)算每個(gè)樣本與各個(gè)簇均值向量的距離，選擇距離最近的簇，作為樣本的簇標(biāo)記；

3）依據(jù)新劃分的簇，重新計(jì)算簇均值向量；

4）若簇均值向量未發(fā)生變化，算法終止，返回聚類簇；否則，重復(fù)步驟2）～3）。

4 實(shí)驗(yàn)與結(jié)果分析

4.1 實(shí)驗(yàn)配置

為了挖掘新疆自駕車旅游路線，采用覆蓋新疆全區(qū)的加油數(shù)據(jù)集作為原始數(shù)據(jù)集，該數(shù)據(jù)集記錄了2016 年1 月1 日至2018 年12 月31 日3 年時(shí)間內(nèi)，所有人員在新疆的加油記錄。首先對(duì)原始加油數(shù)據(jù)集進(jìn)行預(yù)處理（詳見(jiàn)第2 章），挖掘出20 646 名自駕車游客的加油軌跡作為實(shí)驗(yàn)數(shù)據(jù)集，涉及到全新疆1 856個(gè)加油站。實(shí)驗(yàn)機(jī)器系統(tǒng)為Ubuntu 18.04，CPU型號(hào)為Intel Core i7-3770 CPU@3.4 GHz，內(nèi)存12 GB，Python版本3.6。

本文的主要參數(shù)包括:窗口大小m，站點(diǎn)向量維度d 和聚類簇?cái)?shù)k。其中，m 和d 設(shè)置為默認(rèn)值，分別為5 和100。新疆的自駕游路線主要分為北疆線和南北疆大環(huán)線，因此將k 值設(shè)置為2。

4.2 站點(diǎn)分布式表示結(jié)果分析

為了驗(yàn)證算法是否學(xué)習(xí)到了有效的站點(diǎn)嵌入表示，本文文使用余弦相似度衡量站點(diǎn)向量之間的相似性，觀察相似的站點(diǎn)之間具有怎樣的關(guān)聯(lián)關(guān)系。本文選擇阿勒泰地區(qū)的喀納斯加油站作為目標(biāo)，該站點(diǎn)位于著名景區(qū)喀納斯附近，適合分析游客的加油行為。表1展示了與喀納斯加油站最相似的10個(gè)站點(diǎn)。其中的1號(hào)、2號(hào)、4號(hào)、6號(hào)和8號(hào)站點(diǎn)同樣位于喀納斯景區(qū)附近，表明站點(diǎn)的向量表示有效學(xué)習(xí)到了站點(diǎn)的空間位置特征。除此之外，還發(fā)現(xiàn)10 個(gè)站點(diǎn)均位于著名旅游景點(diǎn)附近，3 號(hào)、5 號(hào)和10 號(hào)加油站位于白沙湖景區(qū)附近，7 號(hào)和9號(hào)加油站位于那拉提景區(qū)附近。這種結(jié)果表明站點(diǎn)向量有效地包含了站點(diǎn)的語(yǔ)義信息，將游客旅行中訪問(wèn)過(guò)的景點(diǎn)信息包含在內(nèi)，有利于進(jìn)一步的路線挖掘。

表1 與喀納斯加油站最相似的10個(gè)站點(diǎn)Tab. 1 Ten most similar stations to Kanas gas station

4.3 聚類可視化結(jié)果分析

由于數(shù)據(jù)本身完全無(wú)標(biāo)注，因此選擇通過(guò)聚類結(jié)果的可視化，人工驗(yàn)證結(jié)果的有效性。如圖7 所示，圖中的圓點(diǎn)代表每個(gè)聚類簇中加油次數(shù)前100 的站點(diǎn)，三角形代表新疆的12個(gè)5A級(jí)景區(qū)，線條代表流行的旅游路線。

圖7 聚類結(jié)果可視化Fig. 7 Visualization of clustering results

可以看出，北疆的旅游資源更為豐富和集中，幾乎所有游客都會(huì)前往北疆進(jìn)行游覽，因此兩條路線都涉及到了北疆景點(diǎn)的游覽，二者在北疆地區(qū)的行程幾乎一致，包含了北疆的10 個(gè)5A 級(jí)景區(qū)。相比北疆，南疆的旅游景點(diǎn)集中在喀什地區(qū)，與其他景點(diǎn)相隔較遠(yuǎn)，因此一部分游客在游覽完北疆后選擇直接返程（路線A），其余的游客則繼續(xù)前往喀什地區(qū)游覽，最終經(jīng)由巴州的若羌縣前往青海省（路線B）。圖8 為馬蜂窩旅游網(wǎng)推薦的新疆自駕游路線，可以看出該路線與圖7 中的路線A 有著很高的重合度，不同之處在于馬蜂窩推薦路線以烏魯木齊市為起止點(diǎn)，這是因?yàn)槁糜尉W(wǎng)站通常將烏魯木齊作為游客的集結(jié)地點(diǎn)。

圖8 馬蜂窩旅游網(wǎng)推薦的一條自駕游路線Fig. 8 A self-driving tour route recommended by Mafengwo website

5 結(jié)語(yǔ)

本文利用用戶在新疆的加油數(shù)據(jù)，成功挖掘出兩條流行的新疆自駕車旅游路線。首先，根據(jù)自駕車游客的行為特征從全疆加油數(shù)據(jù)集中挖掘出自駕車游客人群，并分析了游客的基本特征，結(jié)果說(shuō)明了游客群體數(shù)據(jù)的可靠性。然后，鑒于現(xiàn)有軌跡聚類算法不能解決加油軌跡過(guò)于稀疏的問(wèn)題，提出一種基于語(yǔ)義表示的加油軌跡聚類算法，最終的可視化結(jié)果表明該方法很好地還原了游客的旅行路線。但是本文方法僅僅考慮了軌跡點(diǎn)的語(yǔ)義信息，沒(méi)有將軌跡點(diǎn)本身的空間信息考慮在內(nèi)，后續(xù)的研究工作將考慮把空間與語(yǔ)義信息進(jìn)行結(jié)合，學(xué)習(xí)更好的站點(diǎn)及軌跡分布式向量表示。另外，本文挖掘出的流行路線為長(zhǎng)途自駕游路線，后續(xù)的工作將結(jié)合節(jié)日、季節(jié)等信息進(jìn)一步挖掘短途的自駕游路線。