استخراج موقعيت‌هاي مورد علاقه اشخاص با استفاده از خط سير آنان

Extracting people’s interested locations using their trajectories

امروزه تلفن‌های همراه قابلیت‌های متنوعی همچون تعیین موقعیت ماهواره‌ای را دارا می‌باشند كه می‌توان بر اساس آن‌ها موقعیت استفاده‌كنندگان را محاسبه نمود. از این موقعیت می‌توان برای ارائه خدمات متنوع مكان‌مبنا به كاربران بهره برد. البته برای ارائه اینگونه خدمات باید علایق و خصوصیات كاربران را در نظر گرفت. این اطلاعات معمولا به صورت دستی توسط كاربران به سیستم‌های مكانی بیان می‌گردد. حال اگر بتوان برخی از این اطلاعات را از رفتار كاربر استخراج كرد، می‌توان خدمات مكان‌مبنا را خودكار نمود. بعلاوه، امكان ثبت مكان‌های حضور هر شخص از قابلیت‌های دیگر اینگونه دستگاه‌ها است. با اتصال نقاط متوالی زمانی، داده‌ی خط سیر هر شخص بدست می‌آید. با استفاده از این داده‌ها می‌توان اطلاعات زیادی همچون رفتار حركتی، مكان‌های مورد علاقه و مسیرهای انتخابی اشخاص را بدست آورد. از این اطلاعات می‌توان برای كاربردهایی مانند پیش‌بینی موقعیت آینده هر شخص با توجه به الگوهای حركتی او استفاده كرد. در این مقاله دو روش برای استخراج مكان‌های مورد علاقه اشخاص توسعه داده شده است كه می‌تواند به عنوان یكی از معیارهای الگوی حركتی هر فردی باشد. برای ارزیابی روش‌ها از داده‌های شهر پكن استفاده شد. روش اول موقعیت‌های مورد علاقه كاربران را بدون در نظر داشتن زمان حضور در هر یك از موقعیت‌ها و روش دوم با در نظر داشتن زمان حضور استخراج می‌كند. نتایج حاصل نشان می‌دهد كه روش دوم عملكرد بهتری دارد. چون اطلاعات خط سیر را به صورت كامل در نظر می‌گیرد و تعداد موقعیت‌های مورد علاقه بیشتری را استخراج می‌كند و از الگوریتم منطقی‌تری استفاده می-كند. از این الگوریتم‌ها می‌توان برای بهبود ارائه خدمات مكان‌مبنا استفاده نمود.

Nowadays, Mobile phones have different abilities like satellite positioning which allows calculating the users’ positions. These positions can be used for serving different location-based services for users. Therefore, these services should consider users’ interests and characteristics. This information is usually given manually by the users. If this information is extracted users’ behavior, these services can get interests information automatically. In addition, mobile devices can log calculated users’ locations. Then, each user’s trajectories can be achieved by connecting these locations considering temporal order. Information like interested locations, moving behavior and selected path by users can be extracted using these trajectories. This information can be used for applications like predicting users’ future location. Two methods for extracting interested locations for users are developed in this paper which can be a measure for the users’ behavior. These methods are evaluated using data for Beijing. First method extracts users’ interested locations without considering the time that the users were, but second method considers the presence time for the logged positions for extracting interested locations. Results show that second method has better functionality, because this method considers the trajectory data completely and number of extracted interested locations for second method was more than first method. These algorithms can be used for improving location-based services.