https://transportxlab.com/zh/tag/mobile-phone-data/Mobile Phone DataHugo Blox Builder (https://hugoblox.com)zh-HansTue, 01 Apr 2025 00:00:00 +0800https://transportxlab.com/media/icon_hu11734318148517933569.pnghttps://transportxlab.com/zh/tag/mobile-phone-data/https://transportxlab.com/zh/publication/stkg-activity-location/Tue, 01 Apr 2025 00:00:00 +0800https://transportxlab.com/zh/publication/stkg-activity-location/<h2 id="研究概览">研究概览</h2> <p>本研究针对手机信令数据时间稀疏、空间定位不确定以及传统聚类方法依赖人工阈值的问题，将个体轨迹组织为时空知识图谱。方法同时推断停留点的空间邻接关系和时间相似关系，再识别紧密关联的活动地点群。</p> <h2 id="核心方法与发现">核心方法与发现</h2> <ul> <li>用三元组表示个体、停留点、时间片及其关系，形成可解释的轨迹语义结构。</li> <li>基于 Queen 邻接构建空间图，基于时间片余弦相似度构建时间图，并将两者融合。</li> <li>使用 Louvain 社区发现自动识别活动地点，在上海案例中改善空间边界精度和日间稳定性。</li> </ul> <h2 id="资料来源">资料来源</h2> <ul> <li><a href="https://doi.org/10.1016/j.jtrangeo.2025.104157" target="_blank" rel="noopener">论文 DOI</a></li> <li><a href="https://mp.weixin.qq.com/s/3xVU8HID9ejc3gHx6BX3Lw" target="_blank" rel="noopener">TransportX Lab 公众号解读</a></li> </ul>