● 摘要
近些年来，利用不断发展的移动定位技术，人们收集了大量的移动轨迹数据。通过对这些数据的分析挖掘，可以更加深刻地理解人类活动的规律和机制，并且在诸如城市规划、交通管理、信息传播、传染病控制等方面提供应用。本文利用北京市约12,000辆出租车的轨迹数据，研究了移动轨迹数据挖掘的问题，并且基于对这些数据的挖掘，开发了有助于人们出行的应用。首先，为了理解承载移动轨迹运行的道路系统的特性，本文对北京市的道路网络进行了拓扑建模和分析，比较了三种不同的道路网络模型的拓扑结构。同时，本文还研究了道路网络的拓扑结构对移动轨迹的影响，分析了出租车真实载客路径与最短路径的关系，以及轨迹经过频率与路段介数的关系。其次，本文利用出租车轨迹对城市人类移动性规律进行了分析挖掘。我们采用DBScan聚类算法对出租车的上客（下客）热点区域进行发现，并且通过定义一种衡量热点区域之间差异的指标，定量地讨论了热点区域的差异和变化情况。我们还对出租车的载客O-D进行了挖掘，构建了载客O-D流量图，分析了载客O-D的变化情况。我们提出了将复杂网络中用于社团发现的CNM算法应用在载客O-D流量图上，实现对城市区域的划分，提供了一种利用移动轨迹研究人类活动在地理空间上的联系的手段。此外，我们还对出租车的载客位移距离进行了统计分析，发现北京市出租车的载客位移距离的分布是近似服从指数分布的。最后，本文还利用对出租车轨迹数据的挖掘，开发了一项进行打车推荐的应用。我们提出了一个基于非时齐泊松过程（NHPP）的打车等待时间估计模型，可以对不同路段在不同时段中的打车等待时间进行估计，并且提出了相应的打车等待地点的推荐策略。基于上述模型，我们开发了一款帮助用户打车的Android移动应用TaxiWaiter，该应用可以实现打车等待时间的可视化和打车等待地点的推荐，为人们在打车等待地点的选择上提供了有意义的帮助信息，并有望最终节省用户的打车等待时间。