[文章摘要]Constructing Semantic Interpretation of Routine and Anomalous Mobility Behaviors from Big Data

文章：Constructing Semantic Interpretation of Routine and Anomalous Mobility Behaviors from Big Data
作者：Georg Fuchs, Hendrik Stange, Dirk Hecker, Natalia Andrienko, Gennady Andrienko
来源：SIGSPATIAL Special, 2015, 7(1): 27-34.

本文基于车辆轨迹数据和信用卡交易数据来挖掘人类的常规和异常模式。其中对轨迹进行语义抽象，将其表示为语义空间中的停留点，如home, work, breakfast, lunch and dinner等。对于异常模式，需要探测访问了未知语义的地点以及不寻常的访问时间或者是异常的停留时间。


当前轨迹分析的模式已经从语法模式转向为语义模式。很多轨迹语义分析依赖于POI，但是使用POI有如下不足：
1，POI有时不能获取，且经常变化。
2，对于公共地点POI是有用的，但是对于个人地点POI显的无能为力。

3，相同的POI对于不同的人群有不同的模式，比如一个公寓，对有些人是家，而对有些人则是工作地点。

下图为语义空间，右边是时空立方体。

下面是语义Flow map。

下面是对flow进行聚类的结果，聚类的特征是语义空间中语义地点pair之间flow的大小，然后利用k均值结合曼哈顿距离进行聚类。

下图中的BFMO地点是语义未知的地点，通过filter选择了只访问BFMO地点的轨迹，然后查看异常时间的访问等。

下图是将所有人的聚会利用网络可视化的形式表达，其中点的颜色表示员工的不同职务，线的粗细表示联系的紧密程度，

本文是下文的扩展：

Andrienko N, Andrienko G, Fuchs G. Analysis of mobility behaviors in geographic and semantic spaces[C]//Visual Analytics Science and Technology (VAST), 2014 IEEE Conference on. IEEE, 2014: 341-342.