Infostop：多用户移动数据中可扩展的停留位置检测

近年来，移动性中的数据驱动研究蓬勃发展，为包括流行病预测和交通规划在内的现实挑战提供了解决方案。这些进展得益于能够实现大规模数字轨迹数据分析的计算工具。预处理空间轨迹时的挑战之一是所谓的停留位置检测，其需要将原始时间序列简化为个体静止时所处目的地的序列。该问题最广泛采用的解决方案由Hariharan和Toyama（2004）提出，涉及滤除非静止测量值，然后对静止点进行凝聚式聚类。然而，这一最先进解决方案存在两个局限：（i）由于固有的测量噪声，位置非常接近的频繁访问地点（如相邻建筑）很可能被合并为单一位置；（ii）无法同时分析多个用户的轨迹，因此目的地的定义不在用户间共享。在本文中，我们描述了Infostop算法，它通过利用基于流的网络社区检测算法Infomap克服了最先进解决方案的局限。我们在约$1000$名高度重叠移动个体的群体上测试了Infostop。我们表明，Infostop检测到的位置大小随用户数增加而饱和，且时间复杂度增长慢于先前方案。我们证明Infostop可用于轻松推断社交会面。最后，我们提供了Infostop的开源实现，用Python和C++编写，具有简单API，既可用于标注按时间排序的坐标序列（GPS或其他），也可用于无序空间点集。