| 基于隐马尔可夫模型的时空轨迹语义匹配方法 |
| |
| 引用本文： | 刘星雨,盛业华,秦佳睿,刘青昊,叶龙杰.基于隐马尔可夫模型的时空轨迹语义匹配方法[J].地理与地理信息科学,2023(3):1-6. |
| |
| 作者姓名： | 刘星雨 盛业华 秦佳睿 刘青昊 叶龙杰 |
| |
| 作者单位： | 1. 南京师范大学地理科学学院;2. 南京师范大学虚拟地理环境教育部重点实验室;3. 江苏省地理信息资源开发与利用协同创新中心;4. 香港理工大学土地测量及地理资讯学系 |
| |
| 基金项目： | 国家重点研发计划项目“地理空间知识图谱与知识库引擎”(2021YFB3900903)；;国家自然科学基金项目“基于地理认知的地理场景数据模型与数据组织方法”(41631175)； |
| |
| 摘 要： | 时空轨迹数据关联的语义信息能更好地反映用户行为，对于POI密集分布的城市区域，轨迹的语义信息很难根据单一的距离或时间要素进行匹配，该文设计一种基于隐马尔可夫模型(HMM)的时空轨迹语义匹配方法。首先，利用时间阈值与距离阈值提取逗留点，并利用考虑时间的DBSCAN聚类方法对逗留点进行聚类，得到由抽象停留位置构成的轨迹；然后，结合POI数据获得停留位置的候选语义，再以停留位置序列为观测序列，以每个停留位置所关联的候选地点作为隐藏状态建立HMM,并用改进的加权距离的TF-IDF方法计算HMM的观测概率；最后，解算HMM得到最有可能的访问地点序列作为轨迹的语义匹配结果。该方法不依赖其他外部数据或训练数据，适用于POI密集分布的城市区域，基于真实时空轨迹数据集的实验结果验证了该方法的有效性。
|
| 关 键 词： | 时空轨迹 地理语义关联 语义轨迹 隐马尔可夫模型 兴趣点 |
|
|
