基于路段序列的物体移动规律挖掘研究

本篇论文深入探讨了道路网物体移动规律的挖掘研究，由胡伟峰撰写，发表于河海大学计算机系。论文的核心关注点在于物体移动轨迹分析，这是理解移动规律的基础。作者指出，传统的移动规律挖掘方案大多基于区域序列模型，该模型试图识别物体移动中最常见的区域序列。然而，这种方法存在局限性，比如假设物体在每次位置更新时所在区域必须变化。 作者在此基础上提出了创新性的研究，即基于路段序列的轨迹模型，这个模型扩展了区域序列模型，能够更精确地描绘物体的移动路径，避免了区域必须连续变化的假设。这种模型的优势在于能更自然地反映道路网络的实际结构，有助于更准确地理解和预测物体的移动行为。 论文的核心内容包括两部分：首先，通过对物体移动轨迹的分析，定义和提取出物体的移动模式，这是一种对移动行为的抽象概括；其次，利用马尔科夫链理论，构建了一种挖掘物体移动规律的方法，例如预测物体未来的移动路径。马尔科夫链模型在此处被用于捕捉物体位置转移的概率关联，而不受限于每次位置变动的区域限定。 这篇论文旨在通过改进的轨迹模型和概率分析方法，突破现有技术的限制，更有效地挖掘道路网物体的移动规律，这对于智能交通系统的优化，如减少交通拥堵、提高道路使用效率等方面具有重要意义。通过本文的研究，可以为智能交通系统的设计和实施提供更为精准的数据支持和策略依据。