面向室内空间的语义轨迹提取框架

利用海量位置数据分析用户行为,挖掘用户的潜在价值越来越受到人们的关注。室外环境中已有较成熟的解决方案。针对室内空间中WiFi定位数据的精确度、鲁棒性不足等问题,对面向室内空间的语义轨迹提取方法进行了研究,能在减少错误、压缩原始位置数据的同时,增强轨迹的表达能力,使得更深入的室内时空数据挖掘成为可能。该文基于室内空间建模、数据清洗、事件提取和语义增强4个模块的框架提出了室内语义轨迹计算的方法,在真实数据集和模拟数据集上进行实验,结果表明:该方法能从存在误差和缺失的室内定位数据中,准确有效地挖掘和提取出含有语义信息的轨迹数据,为上层的应用分析所用。