摘要：随着时空数据获取设备的普及应用,产生了大量反映移动对象活动的位置数据,数据的海量性及分析的复杂性决定了该类数据为典型的大数据.位置数据中的到达和离开可以反映移动对象的流动规律,可以表示为区域的流动模式,本文研究空间区域中移动对象流动模式的构建方法,将区域的流动规律以时间序列进行定量表示,模式可用于指导交通、安全等方面的可预测调度.由于对象流动的随机性,使得构建高预测精度的模式成为一个挑战.提出一种基于层次聚类的流动模式构建模型,模型中通过数据的离散化、序列化、模式训练等步骤实现模式构建;提出偏斜度层次聚类树及异常序列去除方法,可以有效去除局部异常序列及自动聚簇选取,提高了模式的预测精度.利用真实数据集对所提出的模式训练方法进行了充分的实验,验证了所构建的空间区域中的流动模式可以用于表达区域中对象的流动规律,所提出的模式训练方法与现有的训练方法相比具有较高的预测精度.

关键词：对象流动模式 层次聚类树 偏斜度 异常序列 

单位：东北大学信息科学与工程学院 辽宁沈阳110006 沈阳建筑大学信息与控制工程学院 辽宁沈阳110015