基于距离特征的 GPS 轨迹数据聚类与分析
机器学习
2022-12-02 v1
摘要
智能手机的普及通过大幅增加可用移动数据的类型与体量，加速了移动性研究。此类移动数据的一个来源是 GPS 技术，其正变得日益普遍，并帮助研究界理解人们的移动模式。然而，目前缺乏一个标准化框架，用于借助机器学习方法研究工作与非工作用户在工作日与休息日由非工作、非家庭地点所产生的不同移动模式。我们提出了一种新的移动性度量——日特征距离，并将其与起讫点矩阵特征一起用于为每个用户生成特征。随后我们将这些特征与无监督机器学习方法 -means 聚类结合，对每一类日期（工作日与休息日）得到三类用户簇。最后，我们提出两个用于聚类结果分析的新度量，即用户共性与平均频率。利用所提度量，可辨识出有趣的用户行为，并帮助我们更好地理解用户的移动模式。
引用
@article{arxiv.2212.00206,
title = {Clustering and Analysis of GPS Trajectory Data using Distance-based Features},
author = {Zann Koh and Yuren Zhou and Billy Pik Lik Lau and Ran Liu and Keng Hua Chong and Chau Yuen},
journal= {arXiv preprint arXiv:2212.00206},
year = {2022}
}
备注
13 pages, 12 figures. To be published in IEEE Access