一种利用移动数据发现每日人类移动模式的概率方法

利用从智能手机用户收集的地理定位数据发现人类移动模式，是近年来热门的研究课题。在本文中，我们试图基于 GPS 数据发现每日移动模式。相较于其他常规方法，我们从概率视角看待该问题，以从原始 GPS 数据中探索更多信息。我们采用非参数贝叶斯建模方法——无限高斯混合模型（Infinite Gaussian Mixture Model）来估计每日移动的概率密度。随后，我们使用 Kullback-Leibler 散度作为度量来衡量不同概率分布之间的相似性。结合无限高斯混合模型与 Kullback-Leibler 散度，我们推导出一种自动聚类算法，可在不预先设定聚类数的情况下为每个用户发现移动模式。在实验中，我们的方法在从不同用户收集的真实用户数据上得到了验证。结果表明，基于 IGMM 的算法优于基于 GMM 的算法。我们还在不同长度的数据集上测试了方法，以发现用于发现移动模式的最小数据长度。