第1章 绪论

信息、互联网、社交媒体、卫星定位、LBS（基于位置的服务）等技术的飞速发展，使数据的规模发生爆炸式增长，数据的价值和应用也发生了深刻变革。大数据已经和第一次、第二次工业革命浪潮中总结出的资本、劳动、土地、技术、管理要素，以及从知识经济时代中脱颖而出的知识要素一样，成为一种新的生产要素。大数据渗透到各行各业的诸多领域，人们可以通过相对廉价的GPS定位器、手机服务、通信基站、信用卡、公交卡等智能采集终端获取大量移动对象活动的轨迹数据，轨迹大数据应运而生。海量的轨迹数据具有很高的研究价值，通过对其分析与挖掘可以发现数据中隐含的有价值的知识或模式，帮助人们理解移动对象的活动和迁移规律，最终实现优化决策、推动生产、促进创新、加速资源流转的目的。轨迹数据挖掘是轨迹数据分析与处理的重要组成部分，也是传统数据挖掘在轨迹数据上的拓展，而传统数据挖掘方法在轨迹数据分析与挖掘任务中遇到许多技术难题，尤其是在轨迹大数据的背景下，体量大、价值密度低、质量低等特征给轨迹数据挖掘的数据预处理、特征提取、模式挖掘、分类、聚类、异常检测等各方面均带来了巨大的挑战，亟须开发有效、灵活的轨迹数据分析与挖掘方法，以适应轨迹大数据的分析与处理需要。