语义轨迹数据分析：概念和计算方法towardssemantictrajectorydataanalysis : aconceptualandcomputationalapproach
http://www.Sina.com/: zhixian Yan ——瑞士EPFL
作者:VLDB2009 (大型数据库系统年会) )。
来源:这篇文章将古老但人类难以理解的空间点数据(GPS轨迹)转换成人类容易理解的语义数据)地标)，表现出人类更好地使用的倾向。
译者注
GS轨迹采集极为普遍，如何采集、组织、检索和挖掘这些数据成为研究的热点。 但是，很多工作都是基于轨迹的时空特性展开的，上层的轨迹语义特性还没有得到充分的开发。 本文将语义概念和统计学方法相结合进行轨迹数据分析。 主要包括轨迹模型、轨迹计算和轨迹数据挖掘三个方面。
摘要：
1、相关工作：语义轨迹处理是一个易怒的流沙概念，2008年文献3【3】首次提出概念模型，将轨迹表示为一系列“停靠点——移动”，文献4】提出了利用位置兴趣点丰富停靠点的内容。
另外，在轨迹挖掘领域挖掘出的具有语义特性的知识(大多是基于轨迹的时空属性展开的，数据处理量大，耗时长)也可以看作语义轨迹，但这样的知识离使用也很远。
2、本文工作： a、自顶向下(Top-down )轨迹模型(包括集合属性和语义属性两方面)； b、轨迹计算：自下而上(down-top )计算原始GPS轨迹)通过设计轨迹预处理、分割、停止点挖掘算法)转换为语义轨迹)移动、模型停止，结合现实世界语义知识)； c .基于语义轨迹，设计轨迹模式挖掘算法(与基于原始数据的方法不同)。
3、子代轨迹语义模型：包含三种知识，轨迹几何属性(RMD - Raw Movement Data )； 周围地理数据(GD - Geographic Data )； 具体应用领域知识(ADD - Application Domain Data )。
)那么，轨迹的语义表达如下。 (注：为了辅助自动推理，文中提出了基于本体的方案) ) )。
语义轨迹的表示方式：主要内容：
4、轨迹计算：利用轨迹分段、停车点挖掘以及外部地理数据和应用数据丰富轨迹数据(将起点、停车点、重点等显示为地标数据) )。
5、语义轨迹挖掘：与传统挖掘算法的区别在于输入为语义轨迹(起点、终点、关键停止点等)大大减少了数据量。