ايجاد خطوط سير مکاني ساختار يافته بر اساس مدل توقف-حرکت به منظور غنيسازي معنايي

چکيده ايجاد خطط سير مکاني ساختار يافته بر اساس مدل تقف-حرکت به منظر غنيسازي معنايي سميه عاقل شاه نشين 1 رحيم عليعباسپر 2 1 دانشجي کارشناسي ارشد سيستمهاي اطالعات مکاني - دانشکده مهندسي نقشهبرداري اطالعات مکاني - پرديس دانشکدههاي فني - دانشگاه تهران s_aghel@ut.ac.ir استاديار دانشکده مهندسي نقشهبرداري اطالعات مکاني - پرديس دانشکدههاي فني - دانشگاه تهران 2 نشريه علمي- پژهشي علم فنن نقشه برداري دره ششم شماره 1 شهرير ماه 1931 abaspour@ut.ac.ir )تاريخ دريافت دي 1934 تاريخ تصيب ارديبهشت 1931( امرزه به اسطه تسعه فناري استفاده از سيستمهاي تعيين مقعيت افزايش چشمگيري داشته است. اين ابزار دادهه يا به صرت رشتهاي از نقاط مکاني-زماني به نام خط سير تليد ميکنند. در ساله يا اغلب با تمرکز بر تکنيکه يا بر جنبهه يا کاال تسط کشتيه يا هندسي دادهه يا ذخيرهسازي/بازيابي مدلسازي داده کاي کشف دانش از دادهه يا اخير تحقيقات مربط به مديريت دادهه يا خام تاکيد داشتهاند. با اين حال ما امرزه شاهد گسترش تقاضا در بخشه يا تجاري تا شيکهه يا شامل الگهاي هندسي هستند بلکه دانش استخراج شده از دادهه يا ميشند. فرآيند کشف دانش از دادهه يا مقعيت را خط سير خط سير بده است. اين مطالعات عمدتا کاربردي مختلف از رديا يب اجتماعي با فهم رفتار )الگي( معنايي اشياء در حال حرکت هستيم. الگهاي معنايي نه تنها حرکت اطالعات مربط به حزه جغرافيايي کاربردي را نيز شامل حرکت غنيسازي معنايي خطط سير مکاني معمال شامل چند گام پردازش است تا دادهه يا ردي خام به اپيزدهاي معنيدار تبديل شند. اين مقاله ضمن ارائه چارچب محاسباتي خط سير معنايي به بررسي پيادهسازي هر يک از مراحل براي آمادهسازي دادهها به منظر کشف دانش اضافه کردن معنا به دادهها ميپردازد. در اين کار فرآيند پردازش دادهها در هر گام چکيدهسازي به ترتيب با دادهه يا است الگريتمه يا ارائه شده ري دادهه يا اژگان کليدي: خط سير مکاني خام پاکسازي شده خط سير مکاني-زماني خط سير ساختاريافته مرد بررسي قرار گرفته اقعي خط سير پيادهسازي ارزيا يب شده است. داده کاي کشف دانش غنيسازي معنايي فشرده سازي نيسنده رابط 117

1- مقدمه ايجاد خطط سير مکاني ساختار يافته بر اساس مدل تقف-حرکت... امرزه با ظهر تسعه دستگاههايي مانند تلفنهاي هشمند PDA سيستمهاي نابري در خدرها که مجهز به سيستمهاي تعيين مقعيت نظير هستند GPS امکان گردآري دادهه يا مقعيت تليد شده تسط اشياي متحرک افزايش چشمگيري داشته است. عاله بر اين تکنيکه يا رديابي حسگر مانند ماهارهها رادار RFID جمعآري پردازش حجم عظيمي از دادهه يا حرکت را انجام ميدهند.[1] عمما اين ابزار دادههاي خام حرکت را با يک شناسه از شئ مقعيت آن در يک لحظه از زمان تليد ميکنند. اين دادهها که بيشتر به صرت رشتهاي از نقاط مکاني زماني ذخيره مدلسازي ميشند اصطالحا 1 ناميده ميشند خط سير.[2] در سالهاي اخير مضع خط سير به اسطه اهميت رزافزن آن مرد تجه پژهشگران بده است. تحقيقات مربط به خط سير در حزهه يا گناگن تسعه يافته است که از آن جمله ميتان به ايجاد رشه يا پايه براي بازسازي خط سير خام [9] تسعه نع دادهه يا جديد پيچيده عملگرها زبانهايي براي پايگاه دادهه يا اشياء متحرک [1,4] ايجاد الگريتمه يا دادهکاي جديد براي دادهه يا خط سير [8,7,6] اشاره کرد. مطالعات انجام شده در حزه خط سير عمما با تمرکز بر خط سير خام انجام شدهاند اطالعات زمينه را که ميتاند تصيف کننده دانش معنايي درباره حرکت باشد ناديده ميگيرند در نتيجه يک تصيف کلينگر که هم جنبه هندسي هم جنبه معنايي را دربرگيرد به سختي امکانپذير است.[3] 2 يک مفهم نسبتا غ ين سازي خطط سير معنايي جديد در حزه مطالعات مربط به خط سير است که در ساله يا اخير مرد تجه محققين قرار گرفته است. در اصطالحات مربط به خط سير معنايي حرکت به عنان يک رشته از بخشه يا معنيدار تعريف ميشد که شئ متحرک در آن يا متقف است )به عنان مثال محل کار مرکز خريد خانه( يا حرکت ميکند )رانندگي پيادهر ي غيره(. شکل 1 مثالي از خط سير هندسي )شامل نقاط خام جمع آري شده با )GPS خط سير معنايي متناظر با آن را نشان ميدهد [11]. خط سير هندسي نمايش مسير حرکت شئ متحرک به صرت رشتهاي از نقاط خام به شکل آن (P 1, t 1 ), (P 2, t 2 ), (P N, t N ) P i = x i, y i مقعيت نقطه است که در t 1 < t 2 < < t n زمان ثبت هر مقعيت است خط سير معنايي متناظر دنبالهاي از بخشه يا همگن شناسايي شده غنيسازي شده با اطالعات معنايي بر اساس کاربرد مردنظر است. شکل 1 - خط سير هندسي )باال( خط سير معنايي متناظر آن )پايين( [11] اضافه کردن معنا به دادهه يا خام خط سير به منظر ايجاد يک مدل داده از حرکت شئ متحرک است که قادر به نمايش معاني سطح باال از دادهه يا سازي غ ين تحليل دادهه يا معنايي حرکت باشد خط سير باعث بهبد مدلسازي.[3] شئ متحرک ميشد. در اين حزه يک 9 است که مقعيتش با زمان شئ متحرک يک مجديت تغيير ميکند. اين شئ متحرک ميتاند حاالت مختلف حمل نقل )پيادهر ي غ ين يک شخص با با اتمبيل با اتبس...( يک تاکسي يا اتبس در حال حرکت در يک شهر يا حتي کشتي در حال حرکت در دريا باشد [11]. خطط سير مکاني سازي با معنا فرآيندي چندين گام پردازش است. در اين فرآيند دادهه يا آري شده با دستگاهه يا غ ين تعيين مقعيت )مثل با جمع )GPS در 4 پردازش ميشد خطط سير پايينترين سطح انتزاعي شده با اطالعات معنايي در باالترين سطح تليد ميشد. بر همين اساس اين فرآيند را ميتان بر اساس خرجي هر مرحله از چکيدهسازي در سه گام خالصه کرد: 1. پيشپردازش تليد دادهه يا خام پاکسازي شده 2. شناسايي اپيزدها تليد خطط سير ساختاريافته 9. غ ين سازي خطط سير مکاني با معنا تليد خط سيرهاي معنايي [12]. 3 Entity 4 Abstraction 1 Trajectory 2 Semantic Enrichment of Trajectories 118

از آنجا که در فرآيند غنيسازي پردازش صرف مسيرهاي در سيستمه يا کار در فرآيند غنيسازي جغرافيايي خط سير هدف براي آناليزهاي مرسم اطالعات مکاني نيست هر يک از مراحل دادهها با ريکردي متفات در مقايسه با خط سير هندسي به تحليل دادهها ميپردازد. اين مقاله ضمن ارائه تحليل چارچب غنيسازي معنايي به ارائه پيادهسازي رشه يا خام شناسايي ک يل مؤثر در پاکسازي دادهه يا اپيزدها با حفظ خصصيات يک خط سير براي رد به مرحله غنيسازي معنايي ميپردازد. ساختار مقاله به اين شکل است: بخش 2 به بررسي مرر مطالعات انجام شده در حزه خط سير معنايي ميپردازد بخش غ ين نشريه علمي- پژهشي علم فنن نقشه برداري دره ششم شماره 1 شهرير ماه 1931 به معرفي 9 چارچب محاسبه خط سير براي سازي معنايي اختصاص يافته است در بخش 4 پياده سازي ارزيا يب نتايج ري دادهه يا اقعي ارائه ميگردد بخش آخر نيز به نتيجهگيري پيشنهادات ميپردازد. 2- مرري بر مطالعات انجام شده الين تالش در زمينه خط سير معنايي ارائه مدل مفهمي تقف تقف مکانه يا 1 بد [19]. در مدل ارائه شده حرکت مهم يک خط سير از نقطه نظر کاربرد هستند که شئ متحرک براي يک بازه زماني مشخص در آن بخش متقف است در حاليکه حرکتها زيررشتهه يا بين تقفه يا تسط معنايي متالي هستند. در اين مدل خط سير يک رشته از تقفها حرکتها نمايش مييابد اطالعات معنايي مربط به خط سير مجمعهاي از مکانهايي است که شئ متحرک در آن براي حداقل بازه زماني متقف باقي مانده است. با ارائه مدل تقف حرکت بسيا ير همين اساس تسعه يافته است. مدل الگريتم تقاطعمبنا براي سازي غ ين 2 SMoT معنايي يک از مطالعات بر [14] يک خط سير است. در اين رش مناطق تقف بر اساس تقاطع خطط سير مکاني با مناطق جغرافيايي تسط کاربر )به عنان کانديد يا تعيين مناطق کانديد يا از پيش تعريف شده تقف( شناسايي ميشند. تقف بر اساس کاربرد انجام ميشد. به عنان مثال در کاربرد گردشگري کانديداهاي تقف ميتاند فردگاه هتل اماکن تفريحي گردشگري باشند. الگريتم اين در معرفي مدل ميشد کانديداهاي کاربر در بماند جد دارد. Rocha [11] همکاران احتمال تقف اينکه شناسايي تسط تقفي کاربر از به ديد مناطق تقف حرکت در خط سير غنيسازي معنايي را بر اساس تغيير جهت نقاط تعريف کردند. خشههايي از نقاط که تغيير جهت بيشتري نسبت به نقاط ديگر داشته باشند مناطق مهم خط سير هستند. در رش پيشنهادي دادهه يا خط سير کشتيه يا متحرک( پيادهسازي فعاليته يا Alvares شد هدف ماهيگري در آن بيشتر است. همکاران که ري ماهيگيري )به عنان شئ يافتن مناطقي [16] گرچه مدلي معنايي است که ارائه ندادند اما چارچبي براي افزدن اتماتيک معنا به دادهه يا خط سير پيشنهاد کردند. چارچب ارائه شده فرآيند کشف دانش از داده هاي خط سير را تحت پشش قرار ميدهد شامل سه سطح است: انبار دادهکاي. عنان ابزار دادهکاي شد. در اين کار براي داده در چارچب پيشنهادي از آمادهسازي نرمافزار داده Weka PostGIS به به عنان انبار داده استفاده اضافه کردن معنا به دادهه يا خط سير در Weka اسط اتصال به پايگاه داده تسعه يافت. در فرآيند اضافه کردن معنا به دادهه يا معنايي ارائه شده در مدل SMoT Yan معماري غ ين همکاران [12] سيستم سه اليه يپشنهاد دادند. خط سير از مدل استفاده شده است. SeMiTri ال اليه را در قالب محاسبه خط سير که شامل پاکسازي داده از خطا شناسايي اپيزدهاي خط سير است. اليه دم شامل تکنيکهايي سازي دادهه يا براي خط سير است. اليه آخر سيستم نيز اليه کاربرد است که اسط بين سيستم کاربر است شامل تکنيکهايي براي دادهکاي خطط سير غنيسازي شده بصريسازي نتايج است. معنايي معنايي همکاران Cammosi از خط سيرها [11] را براساس فرآيند کشف الگهاي آنتلژي ريدادهاي انجام دادند. رش ارائه شده ميتاند در کاربردهايي که ريدادهاي معنايي ميتاند به صراحت بر اساس تقفها حرکتها تصيف شد مرد استفاده قرار گيرد. رش ارائه شده در کشف الگهاي مشکک حمل- نقل کانتينرهاي دريايي مرد آزمايش قرار گرفته است. در اين رش يک پايگاه دانش براي کانتينرهاي دريايي 1 Stop & Move 2 Stop & Move of Trajectories 119

ايجاد خطط سير مکاني ساختار يافته بر اساس مدل تقف-حرکت... تعريف براساس آن الگهاي غيرعادي تصيف کننده حرکات رفتار مشکک ميتاند مدلسازي شد. Bogorny CONSTAnT همکاران در [2] به ارائه مدل مفهمي در غنيسازي خط سير پرداختند. مدل ارائه شده در چارچب پرژه 1 SEEK انجام شد که تمرکزش ري مدلسازي نمايش آناليز کشف دانش از دادهه يا خط سير بد. در مدل مفهمي ارائه شده فرض اين بد که خط سير معنايي مجمعهاي از زيررشتهه يا معنايي است که با تجه به دامنه کاربردي مردنظر تعيين ميشند. زيررشتهه يا معنايي ميتانند بر اساس هدف شئ متحرک ابزار حمل نقل يا الگي حرکت باشند. در مدل ارائه شده استنتاج جنبهه يا معنايي مختلف به راحتي از ري دادهها امکانپذير نيست بر اساس الگريتمه يا دادهکاي انجام ميشد. Ritcher همکاران [17] فرآيند غنيسازي معنايي را با تمرکز بر خط سيرهاي مقيد شبکهاي پيادهسازي کردند. در اين پژهش از يک مدل گراف براي نمايش شبکه راههاي شهري استفاده شده است. در رش ارائه شده الگريتم STC به شناسايي نقاط مرجع در خط سير ميپردازد. فرآيند شناسايي نقاط مرجع بر اساس الگريتمه يا تطبيق نقشه انجام ميشد. سپس الگيتم براي همه نقاط شناسايي شده تمام تصيفات ممکن از نحه ادامه حرکت از هر نقطه را شناسايي ميکند. در نهايت بر اساس تصيفات شناسايي شده نقاط مرجع همسان متالي ترکيب شده فرآيند اضافه کردن معنا به دادهها انجام ميشد. دقت رش ارائه شده به دقت الگريتم تطبق نقشه پيادهسازي شده بستگي دارد. در تحقيقات انجام شده در حزه غنيسازي معنايي خطط سير مکاني اغلب مطالعات جنبه خاصي از کاربرد را در نظر ميگيرند با تمرکز بر اضافه کردن معنا به دادهها بدهاند [11,17,6,11] بخش ديگر نيز تقريبا مستقل از کاربرد به پياده سازي الگيتمها ري دادهه يا خط سير اشياء مختلف ميپردازند [12,2,6]. اين در حالي است که مطالعات کمي پيرامن ارائه يک چارچب جامع که فرآيند غنيسازي معنايي را بررسي کند صرت گرفته است. در اقع اضافه کردن معنا به دادههاي حرکت يک فرآيند پردازشي است که در چند گام انجام ميشد. در اين فرآيند پردازشي دادههاي خام GPS ارد فرآيند محاسباتي شده خطط سير غني شده با اطالعات معنايي به عنان خرجي در اختيار کاربردهاي مختلف قرار ميگيرد. در اين مقاله سعي بر اين است تا مراحل آمادهسازي دادهها از رد دادههاي خام حرکت تا تليد خطط سير ساختاريافته مرد تحليل قرار گرفته در هر گام يک رش مؤثر پيادهسازي ارزيابي شد. 3- محاسبه خط سير معنايي در فرآيند تبديل دادهه يا جمعآري شده با به GPS خطط سير غنيشده با معنا چندين مفهم کاربردي جد دارد. در اين بخش ضمن معرفي غ ين سازي معنايي بررسي ميشد. 1-3- تعاريف اين مفاهيم چارچب تعريف 1- خط سير مکاني )خام هندسي(: يک خط سير مکاني معمال به شکل ليست منظمي از نقاط مکاني زماني به شکل در آن P 0, P 1,, P N P i = x i, y i, t i که نمايش داده ميشد که x i, y i ε R يک سيستم مختصات تعريف شده مختصات نقاط در t i ε R t i = 0, 1,, N t 3 < < t n ملفه زمان اين ليست بده شرط < 2 t 1 < t بر ملفههاي زماني حاکم است. تعريف 2- تقف: يک تقف S از خط سير T به صرت چندتايي Tid, Sid, ST, t start, t end تعريف ميشد که در آن Tid شناسه خط سير Sid شناسه تقف ST زيررشته شناسايي شده از خط سير به عنان تقف به t start, t end ترتيب زمان شرع زمان پايان تقف در خط سير است که در آن t end t start threshold threshold حداقل بازه زماني تعريف شده بر اساس کاربرد مردنظر است براي اينکه اين بخش از خط سير با زمان شرع زمان پايان t end به عنان تقف در نظر گرفته شد. تعريف 9- حرکت: حرکت M در خط سير چندتايي شناسه خط سير شناسايي t start T Tid, Mid, MT, t start, t end است که يک Tid Mid شده به عنان حرکت شناسه حرکت MT t start, t end زيررشته به ترتيب زمان شرع پايان حرکت در خط سير است. به عبارت ديگر هر نقطه از خط سير که تقف نباشد حرکت است. 1 SEmantic Enrichment of trajectory Knowledge discovery 120

تعريف 4- اپيزد: اپيزد e در خط سير T بخشه يا همگن در خط سيرهاي مکاني هستند. شناسايي اپيزدها در خطط سير مکا ين بر اساس مدل مفهمي استفاده شده در فرآيند غنيسازي معنايي انجام ميشد. مثال در مدل مفهمي تقف حرکت اپيزدهاي خط سير تقفها حرکته يا تعريف ساختاريافته شناسايي شده هستند. نشريه علمي- پژهشي علم فنن نقشه برداري دره ششم شماره 1 شهرير ماه 1931-1 T تعريف ميشد که در آن فرآيند شناسايي بخشه يا خط سير ساختاريافته T به صرت چندتايي : خط سير e 0, e 1,, e N e i اپيزدهاي شناسايي شده در همگن خط سير هستند. تعريف 6- خط سير معنايي T: خط سير معنايي T به صرت رشته آن Q 0, Q 1,, Q N تعريف ميشد که در i Q i = x i, y i, t i, A A i معاني اضافه شده به خط سير براساس کاربرد مردنظر هستند. سه منبع اطالعاتي ميتاند براي افزدن معنا به دادههاي خام حرکت استفاده شد: )1( معنا از دادههاي خام حرکت استخراج شد )مثال فاصله از نقطه شرع( )2( از دادههاي ضمني به دست آيد )مثال دادههاي مربط به آب ها( )9( با استنتاج از دادهها حاصل شند )مثال حاالت مختلف حمل نقل ميتاند از دادههاي سرعت شتاب استنتاج شد( [18]. غنيسازي معنايي خطط سير مکاني را ميتان به عنان يک فرآيند محاسباتي در نظر گرفت که دادههاي خام حرکت را به دادههاي خط سير غنيشده با اطالعات معنايي تبديل ميکند. بر همين اساس اين فرآيند محاسباتي در چندين گام پيادهسازي ميشد. ادامه اين بخش به ارائه اين مراحل پردازشي ميپردازد. 2-3- چارچب محاسباتي خط سير معنايي فرآيند غنيسازي معنايي خط سيرهاي مکاني معم ال شامل چندين گام 2 پردازش است. در اين رند دادهه يا خام جمعآري شده تسط دستگاه تعيين مقعيت )مثل )GPS ارد فرآيند محاسباتي شده خط سير غني شده معنايي در اختيار کاربردهاي مختلف قرار ميگيرد. شکل فرآيند غنيسازي محاسباتي نشان ميدهد: )1 معنايي پيشپردازش دادهه يا خط سير را در چهارگام GPS خام )2 )9 )4 تقسيمبندي دادهها شناسايي اپيزدهاي حرکت غ ين سازي معنايي با تجه به اينکه فرآيند غنيسازي معنايي خط سير در اين مقاله از پيشپردازش دادهها تا شناسايي مناطق تقف در خط سير را دربرميگيرد در ادامه اين مراحل مرد تحليل بررسي قرار ميگيرد. 1-2-3- پيشپردازش دادهها دادهه يا فرآيند پيشپردازش دادهها با تمرکز بر جنبه هندسي خام پاکسازي دادهه يا GPS مجمعه دادهه يا است معمال شامل تکنيکهايي براي خط سير از خطا فشردهسازي است. جمعآري شده تسط دستگاهه يا تعيين مقعيت اغلب غيردقيق به دليل جد دادهه يا ميتاند نادرست هم باشد محدديت در تکنيکه يا اندازهگيريه يا نادرست فضاي بسته( يا جنبهه يا GPS پرت [13]. اين خطاها به دليل مقعيتيا يب است [21]. تمرکز اصلي تکنيکه يا سير حذف يا کاهش اين )به عنان مثال يا از دست رفتن سيگنال در مربط به حريم خصصي کاربر خطاها پاکسازي دادهه يا است. خطاهاي خط GPS معمال خطاهاي مربط به بعد مکاني نقاط خط سير را در نظر ميگيرد اطالعات مربط به زمان دقيق فرض ميشد که به دليل کاليبراسين دقيق ساعتهايي است که ماهارهها به آن مجهز هستند [21]. فرآيند کشف دانش از دادههاي خط سير معنايي عاله بر خصصيات هندسي خط سير با تکيه بر اطالعات معنايي خطط سير نيز انجام ميشد. از اين ر شناسايي حذف دادههاي پرت مهمترين گام در پاکسازي دادههاي خط سير است. براي اين کار يک راه شناسايي دادههاي پرت به صرت بصري حذف دادههاي خطادار است. اضح است که اين رش براي مجمعه دادههاي بزرگ امکانپذير نيست [21]. معمال يکي از رشها استفاده از تکينکهاي فيلتر کردن دادههاست. براي اين کار بايد هر د بعد مکاني زماني نقاط در نظر گرفته شد. يک راه استفاده از سري زماني سرعت نقاط است. به اين ترتيب هر خط سير به صرت يک ليست منظم از سرعت نقاط نمايش مييابد که سرعت لحظهاي هر نقطه به صرت تقريبي با کمک نقطه قبل بعد محاسبه ميشد: T = V 1, V 2,, V N V i = ( x i+1 x 2 i 1 ) + ( y i+1 y 2 i 1 ) t i+1 t i 1 t i+1 t i 1 i = 2,, n 1 )1( )2( 121

س- ايجاد خطط سير مکاني ساختار يافته بر اساس مدل تقف-حرکت... در رابطه )1( خط سير به صرت ليستي از ملفه هاي سرعت لحظهاي V i است که هر ملفه به صرت تقريبي با رابطه )2( به دست ميآيد. سرعت هر نقطه از خط سير با استفاده از نقطه قبل بعد P i 1 = x i 1, y i 1, t i 1 P i+1 = x i+1, y i+1, t i+1 محاسبه ميشد. نقطه شکل 2 - فرآيند غ ين سازي معنايي خط سير با محاسبه سرعت لحظهاي نقاط از قانن 9 -سيگما براي حذف دادهه يا پرت استفاده شده است. اما تعريف حد آستانه سرعت صرفا بر اساس قانن 9 -سيگما ممکن است باعث خطا در شناسايي شد که اين مضع به دليل ناهمگن بدن دادهها در تمام خطط سير است. بر اساس راه حل پيشنهادي فرآيند شناسايي حذف دادهه يا پرت يک فرآيند د مرحلهاي است: در گام نخست نقاطي که در بازه تعريف شده بر اساس قانن 9 يگما باشند به عنان نقطه اصلي خط سير در نظر گرفته ميشند نقاط خارج از بازه به عنان کانديداي نقاط پرت ذخيرهسازي ميشند. پس از شناسايي کانديداهاي نقاط پرت الگريتم به گرهبندي نقاط پرت متالي شناسايي شده ميپردازد. با محاسبه بازه زماني هر يک از گرههاي کانديدا هر يک از گرهها ارزيابي ميشند. اگر بازه زماني نقاط متالي شناسايي شده از حد آستانه زماني تعريف شده بيشتر باشد اين نقاط به مجمعه داده اصلي خط سير بازگردانده ميشند. به عنان مثال اين دادهها ممکن است مربط به بخشي از خط سير باشند که شئ متحرک سيله نقليه خد را تغيير داده است. عاله بر پاکسازي دادهها از خطا گام ديگر در پيشپردازش حذف دادههاي اضافي از مجمعه دادههاي خط سير است. در اقع به دليل محدديت در سازکار جمعآري ذخيرهسازي دادهها حرکت پيسته اشياء در حال حرکت با نمنهه يا نقاط نمايش گسسته از مقعيت مکاني-زماني مييابد. اضح است که هر چه تعداد نقاط نمنه بيشتر باشد دقت نمايش خط سير نيز بيشتر است. با جد اين با بيشتر شدن تعداد نقاط حجم پردازش نيز افزايش مييابد. از اين ر کاربرد تکنيکه يا کاهش داده خط سير به منظر مديريت مؤثر دادهها ضرري است [22]. اغلب تکنيکه يا ارائه شده در فشردهسازي بر اساس سادهسازي خطي هستند از تابع فاصله براي تقريب خط سير استفاده ميکنند. شکل نمنهاي 9 استاندارد ارتباط آنها با هم را نشان ميدهد. تابع از تابع فاصله در الگريتم داگالس-پکر است که در سادهسازي E 2 فاصله تنها بعد مکاني نقاط را در نظر ميگيرد. در تابع فاصله خطي E 3 زمان به صرت بعد سم مکاني در نظر گرفته ميشد. در E u تابع فاصله محاسبه فاصله با درنيا يب زمان به صرت متفات عمل ميکند هنگام خطي از بعد زمان نيز براي محاسبه فاصله استفاده ميشد. در اصطالح اين تابع تابع 1 نيز نام دارد. تابع فاصله اقليدسي همزمان E t نيز مشابه تابع E u است اما به جاي تعيين اختالف مکاني نقاط همزمان از اختالف زمان نقاط نزديک به هم استفاده ميکند اضح است که استفاده از تابع.[29] E 2 E t خط سير کافي نيست چن به ترتيب بعد زما ين خط سير ناديده گرفته ميشد. Cao تابع خطا معرفي کردهاند که بر اساس ترکيب براي کاهش داده مکاني همکاران [29] يک E u E t است از رش ساده در نظر گرفتن بزرگترين مقدار استفاده ميکند. با اين حال کام ال مشخص نيست که اختالف در مقياس د تابع خطا چطر بايد در نظر گرفته شد. در فنن فشردهسازي خطط سير معنايي عاله بر بعد زماني مکاني خط سير تجه به يک مضع ديگر نيز ضرري است آن حفظ مناطق تقف حرکت خط سير همزمان با کاهش تعداد نقاط خط سير است. يک راه در نظر گرفتن تابع فاصله بر اساس سرعت نقاط است. در 1 Synchronized Euclidean distance 122

ي)ب اقع ايده اصلي اين است که رفتار تقف حرکت نقاط بيشتر در مشتق آن )سرعت( ظاهر ميشد. برهمين اساس در الگريتم ارائه شده براي کاهش داده خط سير بهصرت رشتهاي از سرعت نقاط در نظر گرفته ميشد تابع فاصله سرعت بر اساس رابطه )9( تعريف ميشد. شکل 9 - رابطه بين تابع مختلف فاصله [29] 2-2-3- تقسيمبندي خط سير فرآيند تقسيمبندي خط سير از دادهه يا خام پاکسازي شده استفاده ميکند خطط سير مکاني زماني بدن همپشاني تليد ميکند. ايده اصلي در اين بخش معرفي رشهايي براي شناسايي نقاط تقسيم است که نقاط خام خط سير را به خط سيرهاي متالي تبديل ميکند [22]. 1 شناسايي خطط سير ميتاند بر اساس شکاف مکاني شتر از حد آستانه تعريف شده( فاصله زماني از پيش تعريف شده )مثل خط سيرهاي ساعتي رزانه هفتگي ماهانه...( يا نقاط مکاني از پيش تعريف شده )فاصله ثابت فاصله بين نقاط از پيش تعريف شده( باشد [3]. انتخاب رش مناسب براي شناسايي خطط سير مکاني- زماني بستگي به کاربرد مردنظر يژگيه يا داده دارد. به عنان مثال زماني که دادهه يا خط سير با استفاده از گشيه يا هشمند تسط افراد جمعآري شده باشد هدف غنيسازي معنايي خطط سير براي برنامهريزي شهري است خطط سير مکاني-زماني ميتاند به صرت رزانه شناسايي شند. در کاربرد ديگر دادهه يا جمعآري شده تسط تاکسيها ميتاند از نقاط از پيش تعريف شده مکاني به عنان نقاط تقسيم استفاده کند. نشريه علمي- پژهشي علم فنن نقشه برداري دره ششم شماره 1 شهرير ماه 1931 E V ( P i, P 1, P N ) = (v i v i ) 2, P i = x i, y i, v i, t i, v i = v s + a se (t i t s ) ; a se = (v e v s ) (t e t s ) )9( )4( 3-2-3- شناسايي مناطق تقف در رابطه )9( تابع فاصله يع ين E v E v تابع فاصله بر اساس سرعت است. در هدف يافتن نقطه همزمان متناظر با نقطه P i P i = x i, y i, v i, t i ثابت بدن شتاب هنگام درنيا يب درنيا يب ميدهد. در اينجا تقريبي s v v e است. تابع فاصله سرعت از فرض استفاده ميکند. رابطه )4( بر اساس سرعت با فرض ثابت بدن شتاب را نشان v i سرعت نقطه متناظر ري خط سير به ترتيب سرعت نقاط ابتدا انتهاي خط سير t s t e به ترتيب زمان ابتدا انتهاي خط سير است. براي کاهش تعداد نقاط از ترکيب تابع فاصله سرعت فاصله اقليدسي قائم استفاده شده است. با اين حال د تابع از د فرض متفات در درنيا يب استفاده ميکنند. تابع درنيا يب فرض براي تقريب خط سير E 2 از فرض ثابت بدن سرعت هنگام استفاده ميکند از سي ديگر تابع به درنيا يب ثابت شتاب ميپردازد. استفاده از ترکيب د تابع فاصله تابع E v بر اساس E 2 بنابراين براي نيز بهج يا ثابتبدن سرعت از ثابتبدن شتاب استفاده ميکند. پس خط اصل د نقطه در درنيا يب در فضاي مکاني-زماني تبديل به سهمي درجه د )با شتاب ثابت( ميشد. بعد از شناسايي خطط سير مکاني-زماني فرآيند شناسايي مناطق تقف حرکت ري خطط سير شناسايي شده انجام ميشد که خرجي آن خط سيرهاي ساختاريافته به شکل دنبالهاي از اپيزدهاست. به عبارت ديگر ايده اص يل در اين مرحله گرهبندي نقاط همگن در هر خط سير است. شکل 4 خط سير مکاني-زماني خط سير ساختاريافته متناظر با آن را نشان ميدهد. شکل 4 - خط سير مکاني-زماني خط سير ساختاريافته به شکل دنبالهاي از اپيزدها [12] 1 Spatial Gap 123

ايجاد خطط سير مکاني ساختار يافته بر اساس مدل تقف-حرکت... شناسايي مناطق تقف در خطط سير مکاني بر اساس مدل تقف-حرکت به د شکل ميتاند انجام شد [24]: )1( فرآيند شناسايي صرفا بر اساس دادهه يا خام خط سير باشد )2( در شناسايي مناطق تقف حرکت از ترکيب دادهه يا خام همراه با اطالعات جغرافيايي اطالعات مرتبط با کاربرد استفاده شد. اطالعات خام خط سير ميتاند سرعت شتاب جهت اطالعات مربط به مقعيت نقاط مثل تراکم باشد. اطالعات جغرافيايي کاربردي نيز شامل اطالعات مربط به محيطي که شئ متحرک در آن حرکت ميکند است. به عنان مثال در کاربرد گردشگري مکانه يا تقف ميتانند هتل مزه اماکن تاريخي گردشگري باشد. رش مناسب براي شناسايي مناطق تقف بر اساس کاربرد مردنظر انتخاب ميشد. در اين کار بر اساس اطالعات مربط به زمينه شئ متحرک محيطي که شئ متحرک در آن حرکت ميکند از سرعت شئ متحرک براي شناسايي مناطق تقف استفاده شده است. به اين ترتيب حد آستانه سرعت به صرت) 1 ( تعريف ميشد [12]: v = min{δ 1 obj AvgVlc, δ 2 } PsnAvgVlc )1( رابطه اين در obj AvgVlc, سرعت ميانگين شئ نيز سرعت بر متحرک در هر خط سير است PsnAvgVlc اساس محيطي است که شئ متحرک در آن حرکت ميکند. در اين کار با تجه به قيد مکاني دادههاي خط سير يعني خطط سير اتمبيل در شبکه راه شهري PstnAvgVlc ميانگين سرعت حرکت سايط نقليه در شبکه راه تعريف شده است. با تعريف حد آستانه سرعت بخشهايي از خط سير که سرعت بيشتري از حد آستانه تعريف شده دارند به عنان مناطق تقف در خط سير شناسايي ميشند. در اين تعريف مقدار حداقل زمان تقف نيز به الگريتم شناسايي مناطق تقف حرکت معرفي ميشد تا از ثبت تقفه يا اشتباه جلگيري شد. به اين ترتيب مناطقي از خط سير که بازه زماني آنها کمتر از حد آستانه تعريف شده باشد مناطق حرکت در خط سير خاهند بد. 4- پياده سازي ارزيا يب نتايج به منظر ارزيابي کارآيي رند پيشنهادي الگريتم پيشنهادي بر ري مجمعه اي از دادههاي خط سير پياده سازي سپس نتايج حاصل مرد ارزيابي قرار گرفت. مجمعه داده مرد انتخاب شده است شامل طل استفاده از مجمعه داده [28,27,26]. مجمعه داده GeoLife GeoLife 17621 خط سير است که تسط 182 1 سال )از آريل محدده شهر پکن 2117 جمعآري تا آگست شده است. کاربر در در 2112( مجمعه داده انتخابي شامل 3 خط سير است. در اين مجمعه داده بزرگترين خط سير طلي حدد 9 کيلمتر کتاهترين خط سير طلي حدد 111 متر دارد. فرآيند پيشپردازش شامل حذف خطا از دادهه يا خط سير کاهش تعداد نقاط است. در فرآيند شناسايي حذف خطا از مجمعه دادهه يا خط سير بايد هر د بعد مکاني زماني نقاط در نظر گرفته شد. براي اين کار ابتدا از رابط )1( )2( براي شناسايي حذف دادهه يا است. براي اين کار دادهه يا حد آستانه تعريف شده ميشند سپس دادهه يا زماني تعريف شده ارزيا يب پرت استفاده شده پرت از هر خط سير بر اساس شناسايي به طر مقت حذف شناسايي شده بر اساس حد آستانه ميشند. شکل 1 نسبت دادهه يا پرت به نقاط خط سير را قبل بعد از بازيا يب دادهها نشان ميدهد. در اين شکل محر افقي بيانگر شماره خط سير محر قائم نسبت تعداد نقاط پرت شناسايي شده به تعداد کل نقاط است. همانطر که مشاهده ميشد نسبت تعداد نقاط پرت به تعداد کل نقاط در خط سير ششم بعد از ارزيا يب پرت شناسايي دادهه يا شده به شدت کاهش يافته است. علت اين مسئله را ميتان در نمدار سرعت نقاط هنگامي که نقاط پرت اشتباه به دادهها بازگردانده ميشد مشاهده کرد. نمدار 6 شکل شناسايي حذف دادهه يا سرعت نقاط خط سير را قبل بعد از پرت نشان ميدهد. در اين شکل محر افقي بيانگر شماره نقاط در خط سير ششم محر قائم نمايانگر سرعت در هر نقطه است. در شکل 6 )الف( نقاط در محدده شماره 911 تا 411 به عنان داده پرت شناسايي شده از دادهها حذف شدهاند. شکل 6 )ب( نمدار سرعت دادهها را بعد از ارزيا يب نقاط شناسايي شده به عنان دادههاي پرت نشان ميدهد. معم ال اين بخش از خط سير مربط به زماني است که شئ متحرک است. سيله نقليه خد را تغيير داده صحت اين مضع را ميتان در مجمعه اطالعات جمعآري شده تسط کاربر نيز مشاهده کرد. در اين مجمعه داده عاله بر دادههاي مقعيت خط سير حاالت مختلف حرکت نيز تسط کاربر جمعآري شده است. بر 124

سي- اساس اين اطالعات جمعآري شده در خط سير ششم در محدده نقاط 911 تا 411 حالت حرکت کاربر از پيادهري به حرکت با تاکسي تغيير کرده است. شکل 1 - نسبت تعداد نقاط پرت به تعداد کل نقاط: رش 1 با قانن 9 -سيگما رش 2 الگريتم پيشنهادي پس از شناسايي حذف دادهه يا پرت از نقاط خام GPS فرآيند فشردهسازي ري دادهها انجام ميشد. در شکل 7 نرخ فشردهسازي الگريتم نشريه علمي- پژهشي علم فنن نقشه برداري دره ششم شماره 1 شهرير ماه 1931 E v-e 2 با رش داگالس-پکر در حد آستانهه يا مختلف مقايسه شده است. همانطر که ديده ميشد نرخ فشردهسازي الگريتم پيادهسازي شده نسبت به الگريتم داگالس-پکر باالتر است که البته اين مضع به دليل حفظ نقاط بيشتر خط سير است. بنابراين حفظ نقاط تقف به بهاي افزايش نرخ فشردهسازي است. با ارزيابي نتايج مربط به پيادهسازي الگريتم پيشنهادي E v_e 2 مشاهده شد که مناطق تقف در خط سير نيز که عمدت ا به شکل مناطق متراکم در خط سير نمايان ميشند در مجمعه داده خط سير به عنان نقاط مهم حفظ شدهاند. اين در حالي است که الگريتمهاي کاهش داده که بر اساس سادهسازي خطي هستند قادر به حفظ اين نقاط در خط سير نبدهاند. )الف( شکل 7 - مقايسه نرخ فشرده الگريتم داگالس-پکر با الگريتم E 2_E v )ب( شکل 6 - نمدار سرعت نقاط در خط سير ششم )الف( حذف دادههاي پرت با قانن 9 گما )ب( حذف دادهه يا پرت با الگريتم پيشنهادي بعد از پيشپردازش دادهه يا خام حرکت فرآيند شناسايي خطط سير مکاني-زماني ر ي دادهه يا پاکسا يز شده انجام ميشد. بر اساس کاربرد که با تمرکز بر مديريت حمل نقل ترافيک شهري است فرآيند تقسيمبندي خطط سير بهصرت خطط سير رزانه انجام شده است. در خطط سير شناسايي شده کمينه نرخ نمنهبرداري در دادهه يا جمعآري شده 1 ثانيه ميانگين نمنهبرداري حدد 11 ثانيه بيشينه شکاف زماني بين د نقطه از خط سيرهاي شناسايي شده حدد 12 ساعت است. اين شکاف زماني مربط به زماني است که کاربر GPS خد را خامش کرده است. جدل 1 مشخصات خطط سير رزانه شناسايي شده را نشان ميدهد. 125

ايجاد خطط سير مکاني ساختار يافته بر اساس مدل تقف-حرکت... جدل 1- خصصيات خطط سير رزانه شناسايي شده بيشينه شکاف گام شناسايي زماني( s ) 879 ميانگين نرخ نمنهبرداري( s ) 3 /46 شناسه خط سير 21111817 21111818 21111813 21111824 21111827 21111828 21111823 21111891 21111312 6/12 11/32 7/19 6/94 18/17 7118 3/41 3/41 1129 49818 2338 473 26144 1612 1119 6662 بعد در چارچب محاسبه خط سير اپيزدهاي مردنظر فرآيند شناسايي معنايي حرکت است. بر اساس کاربرد اپيزدهاي اساس سرعت نقاط انجام شده است. براي اپيزدها در دادهه يا محاسبه نقاط تقف حرکت بر شناسايي خط سير سرعت لحظهاي هر يک از شده است. سپس حد آستانه با تجه به تعريف شده هر يک از نقاط خط سير بر اساس سرعت محاسبه شده مرحله S M با S برچسبگذاري ميشند. در اين برچسب نقاطي از خط سير است که ممکن است مناطق تقف در خط سير باشند. در اقع اين احتمال جد دارد که اين نقطه بعد از يکپارچهسازي تقفهاي متالي تليد منطقه تقف داراي حداقل حد آستانه زماني الزم نباشد. نقاط سپس تقفها حرکته يا M تقف حرکت با نيز برچسب نقاط حرکت است. يکپارچهسازي ادغام متالي با اعمال شرط کمترين زمان تقف شناسايي شدهاند. بر اساس کاربرد مردنظر حداقل زمان تقف در هر منطقه از خط سير 121 ثانيه تعريف شده است. مقدار δ نيز به صرت تجربي براي برابر δ 2 δ 1 1/9 در نظر گرفته شده است. بر اساس تحليلهاي انجام شده تغيير مقدار δ به مقادير بيشتر از 1/9 باعث شناسايي مناطق تقف با طل بيشتر ميشد. جدل 2 تقفه يا شناسايي شده را ر ي دادهه يا خط سير نشان ميدهد. جدل ميانگين زمان تقف (s) 111 2- تقفه يا کمينه زمان تقف (s) 111 شناسايي شده خطط سير مکاني بيشينه زمان تقف (s) 111 تعداد مناطق تقف - زماني 1 شناسه خط سير 21111817 21111818 21111813 21111824 21111827 21111828 21111823 21111891 21111312 1 9 18 2 9 3 2 2 1187 49899 6176 1716 26111 7347 1144 99388 218 1142 111 413 411 179 191 16926 617/2 16691 1791/7 1162/1 17121 1991 1299/1 21117 8 شکل چند نمنه از تقفه يا خطط سير را نشان ميدهد. همانطر مناطق تقف شناسايي شده تسط شناسايي شده در که ديده ميشد الگريتم در اطراف تقاطعها ساختمانها به شکل تجمع نقاط شکاف مکاني هستند. اين مضع را ميتان به دليل کاهش سرعت حرکت شئ متحرک در اين مناطق رد شئ متحرک به فضاي بسته از دست رفتن سيگنال GPS فلا) 8. دانست. اين مناطق همان مکانهاي مهمي هستند که شئ متحرک براي حداقل بازه زماني تعريف شده در آنها حضر داشته است. در شکل ) د تقف به شکل شکاف مکاني در اطراف ساختمان تقف ديگر در تقاطع شناسايي شده است. تقف در تقاطع ميتاند بيانگر کاهش سرعت شئ متحرک در پشت چراغهاي راهنمايي باشد که در آن شئ متحرک بيش از حداقل بازه زماني تعريف شده در آن حضر داشته است. اين رند را ميتان در تقفهاي شناسايي شده در شکل 8. )ب( 8. )ج( نيز مشاهده کرد. با شناسايي مناطق تقف حرکت خط سير ساختاريافته به صرت ليستي از غنيسازي ميشد. بر اين اساس آماده اپيزدها اپيزدهاي شناسايي شده را ميتان در د گره تحليل کرد. گره ال اپيزدهايي هستند که بر اساس اطالعات معنايي مجد به عنان مناطق تقف غنيسازي ميشند. دسته ديگر مناطقي هستند که الگريتم شناسايي تقف آنها را بهعنان مناطق تقف شناسايي کرده اما براساس اطالعات معنايي مجد در هيچ دستهاي جاي ندارند. اين مناطق را ميتان به عنان مناطق تقف ناشناخته مرد تحليل قرار داد تا الگهاي معنايي از اين تقفهاي ناشناخته نيز کشف استخراج شد. 126

نشريه علمي- پژهشي علم فنن نقشه برداري دره ششم شماره 1 شهرير ماه 1931 5- نتيجهگيري در مباحث مربط به خط سير فرآيند اضافه کردن معنا به دادههاي خط سير مکاني در چندين سال اخير مردتجه محققين اين حزه بده است. اضافه کردن معنا که با هدف چکيدهسازي حجم عظيم دادههاي خط سير انجام آناليزهاي معنايي متنع انجام ميشد شامل چندين گام پردازش است تا دادههاي خام به سطح GPS چکيده سازي مردنياز براي غنيسازي معنايي تبديل شد. در اين مقاله با ارائه چارچب غنيسازي معنايي سه گام مردنياز براي آمادهسازي دادهها براي اضافه کردن معنا به دادههاي خط سير مرد بررسي قرار گرفته است. در گام نخست چکيدهسازي الگريتم پيادهسازي شده ضمن شناسايي حذف دادههاي پرت دادههاي شناسايي شده را ارزيابي درصرت نياز آنها را حذف ميکند. در فشردهسازي دادهها نيز که گام ديگر مرحله پاکسازي است رش پيشنهادي ضمن شناسايي حذف دادههاي اضافي مناطق تقف حرکت را که اجزاي مهم خط سير در فرآيند غنيسازي هستند حفظ کرده است. شناسايي خطط سير مکاني-زماني از ري دادههاي پاکسازي شده گام بعدي چکيدهسازي خط سير است. در اين مرحله بر اساس کاربرد مردنظر خطط سير رزانه شناسايي شدهاند. خطط سير مکاني-زماني در مرحله بعد که شامل شناسايي مناطق همگن در خط سير است به صرت اپيزدهاي تقف حرکت شناسايي ميشند. در الگريتم پيادهسازي شده بر اساس کاربرد مديريت حمل نقل از رش سرعت-مبنا استفاده شده است. در اين رش از اطالعات زمينه شئ متحرک محيطي که در آن حرکت ميکند براي تعيين حدآستانه تقف استفاده شده است. مراجع )الف( )ب( )ج( شکل 8 - تقفه يا شناسايي شده در خطط سير غ ين سازي خطط سير مکاني يک مضع نسبتا جديد در مطالعات مربط به خط سير است که در چند سال اخير مردتجه محققين اين حزه بده است. با تجه به تنع در خطط سير اشياء متحرک مختلف مطالعه پردازشه يا خط سير براي غ ين سازي معنايي ميتاند بر اساس مدله يا مفهمي ديگر نيز گسترش يابد. [1] Z. Yan, "Towards semantic trajectory data analysis: a conceptual and computational approach," in VLDB, Lyon, France, 2009. [2] Bogorny, V., Renso, C., Aquino, A. R., Lucca Siqueira, F., and Alvares, L. O., "CONSTAnT A Conceptual Data Model for Semantic," Transactions in GIS, vol. 18, no. 1, p. 66 88, 2014. [3] Marketos G, Frentzos E, Ntoutsi I, Pelekis N, Raffaeta A, and Theodoridis Y, "Building real-world trajectory warehouses," in Proceedings of the Seventh ACM International Workshop on Data Engineering for Wireless and Mobile Access (MobiDE 2008), Vancouver, British Columbia, 2008. [4] G uting, R. H. And Schneider, M., Moving Objects Databases, Morgan Kaufmann, 2005. [5] Pelekis,N., Theodoridis, Y., Vosinakis, S., Panayiotopoulos T., "HERMES - A Framework for Location-Based Data Management," in Advances in Database Technology - EDBT 2006, Springer Berlin Heidelberg, 2006, pp. 1130-1134. 127

[6] Li, Z., Han, J., Ji, M., Tang, L. A., Yu, Y., Ding, B., Lee, J.-G., And Kays, R, "MoveMine: Mining moving object data for discovery of animal movement patterns," TIST, vol. 2, no. 4, 2011. [7] Giannotti F, Nanni M, Pinelli F, and Pedreschi D, "Trajectory pattern mining," in In Proceedings of the Thirteenth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, California, 2007. [8] Cao H, Mamoulis N, and Cheung D W, "Discovery of periodic patterns in spatiotemporal sequences," IEEE Transactions on Knowledge and Data Engineering (TKDE), vol. 19, no. 1, pp. 453-467, 2007. [9] Yan, Z., Spaccapietra, S., Aberer, K., Parent, C., Chakraborty, D., "Semantic Trajectories: Mobility Data Computation and Annotation," ACM Transactions on Intelligent Systems and Technology, vol. 4, no. 3, 2013. [10] Pelekis, N., Theodoridis, Y., Janssens, D., "On the Management and Analysis of Our LifeSteps," ACM SIGKDD Explorations Newsletter, vol. 15, no. 1, pp. 23-32, 2013. [11] Camossi, E., Villa, P., and Mazzola, L., "Semantic-based Anomalous Pattern Discovery in Moving Object Trajectories," arxiv:1305.1946, 2013. [12] Yan, Z., Chakraborty, D., Parent C., Spaccapietra, S., Aberer K, "SeMiTri: a framework for semantic annotation of heterogeneous trajectories," in Proceedings of the 14th International Conference on Extending Database Technology, New York, 2011. [13] Spaccapietra, S., Parent, C., Damiani, M L., Macedo, J A., Porto, F,. and Vangenot, C., "A conceptual view on trajectories," Data & Knowledge Engineering, vol. 65, no. 1, pp. 126-146, 2008. ايجاد خطط سير مکاني ساختار يافته بر اساس مدل تقف-حرکت... [14] Alvares, L.O., Bogorny, V., Kuijpers, B., DE Macedo, J.A.F., Moelans, B., And Vaisman, A, "A model for enriching trajectories with semantic geographical information," in ACM-GIS, New York, NY, USA, 2007. [15] Rocha, J.A.M., Times, V.C., Oliveira, G., Alvares, L.O., And Bogorny, V., "DB-SMoT: A directionbased spatiotemporal clustering method," in Conf. of Intelligent Systems, London, 2010. [16] Alvares, L. O., Oliveira, G., Heuser, C. A., and Bogorny, V., "A Framework for Trajectory Data Preprocessing for Data Mining," in Conf. on Software Engineering and Knowledge Engineering, 2009. [17] Richter KF, Schmid F, Laube P, "Semantic trajectory compression:representing urban movement in a nutshell," SPATIAL INFORMATION SCIENCE, vol. 4, no. 1, pp. 3-30, 2012. [18] Guc, B., May, M., Saying Y., And Korner, "Semantic annotation of GPS trajectories," in 11th AGILE Int. Conf. on Geographic Information Science, Gerona, Spain, 2008. [19] Bamba,B., Liu,L, Pesti,P., and Wang, T., "Supporting Anonymous Location Queries in Mobile Environments With Privacygrid," in Proceedings of the17th International Conference on World Wide Web, 2008. [20] Zhang J and Goodchild M.F, Uncertainty in Geographical Information, CRC, 2002. [21] Jun,J., Guensler, R., and Ogle J., "Smoothing Methods to Minimize Impact of Global Positioning System Random Error on Travel Distance,Speed, and Acceleration Profile Estimates," Transportation Research Record: Journal of the Transportation Research Board, p. 141 150, 2006. [22] Zheng, Y.,, Zhou, X., Computing with Spatial Trajectories, New York: Springer-Verlag New York, 2011. [23] Cao, H.,Wolfson, O., And Trajcevski, G., "Spatio-temporal data reduction with deterministic error bounds," in In Proceedings of the DIALM-POMC Joint Workshop on Foundations of Mobile Computing, 2003. [24] Parent, C., Spaccapietra, S., Renso, C., Andrienko, G., Andrienko, N., Bogorny, V., Damiani, M. L., Gkoulalas-Divanis, A., Macedo, J. A., Pelekis, N., Theodoridis, Y., and Yan, Z., "Semantic trajectories modeling and analysis," in ACM Computing Surveys, 2013. [25] Zheng, Y., Zhang, L., Xie, X., & Ma, W. Y., "Mining interesting locations and travel sequences from GPS trajectories," in In Proceedings of the 18th international conference on World wide, Madrid Spain, 2009. [26] Zheng, Y., Li, Q., Chen, Y., Xie, X., & Ma, W. Y., "Understanding mobility based on GPS data," in In Proceedings of the 10th international conference on Ubiquitous computing, Seoul, Korea, 2008. [27] Zheng, Y., Xie, X., & Ma, W. Y., "GeoLife: A Collaborative Social Networking Service among User, location and trajectory," in IEEE Data Engineering Bulletin, 2010. [28] de Vries, G.K.D., "Kernel methods for vessel trajectories," in Ph.D. thesis, Informatics Institute, University of Amsterdam., 2012. 128