1、隨著全球定位系統(tǒng)（Global Positioning System，簡(jiǎn)稱GPS）越來越普遍地運(yùn)用，考慮到對(duì)移動(dòng)對(duì)象（Moving Object）進(jìn)行定位跟蹤，通過GPS獲取到移動(dòng)對(duì)象的活動(dòng)軌跡，并對(duì)軌跡序列進(jìn)行分析研究具有潛在的重大價(jià)值。序列模式挖掘（Sequence Pattern Mining）作為數(shù)據(jù)挖掘的一種重要方法，備受關(guān)注。
　　本文實(shí)驗(yàn)采用的數(shù)據(jù)集來自2008年五月的美國(guó)舊金山出租車移動(dòng)數(shù)據(jù)，主要分布在舊金山灣地區(qū)

2、，共包含536輛出租車的GPS坐標(biāo)數(shù)據(jù)。
　?。?）作為包含時(shí)間和空間兩個(gè)方面的移動(dòng)軌跡信息，GPS采集的數(shù)據(jù)具有數(shù)據(jù)量大、周期性、噪聲干擾嚴(yán)重、缺失性等特點(diǎn)，如何對(duì)軌跡數(shù)據(jù)進(jìn)行有效地預(yù)處理并得到有用的數(shù)據(jù)，將會(huì)直接影響到序列模式挖掘與匹配預(yù)測(cè)的正確性。本文從數(shù)據(jù)插值、數(shù)據(jù)聚類、數(shù)據(jù)歸一化、數(shù)據(jù)特征表示以及灰色關(guān)聯(lián)分析等方面對(duì)數(shù)據(jù)進(jìn)行處理，并通過對(duì)GPS軌跡停留點(diǎn)的檢測(cè)與合并方法對(duì)軌跡點(diǎn)進(jìn)行優(yōu)化，使數(shù)據(jù)能夠高效的進(jìn)行特征提取，為后

3、續(xù)算法提高可靠的軌跡序列。
　　（2）面對(duì)基于Apriori算法基本思想的AprioriAll算法、GSP算法以及SPADE算法等以及基于模式增長(zhǎng)的算法，包括Freespan算法、Prefixspan算法等，通過對(duì)幾種算法進(jìn)行對(duì)比分析，本文吸取了模式增長(zhǎng)方式不產(chǎn)生候選序列的優(yōu)點(diǎn)，同時(shí)通過對(duì)候選序列更加有效地剪枝進(jìn)行算法優(yōu)化，有效地提高了模式挖掘算法的效率以及正確性。
　　（3）面對(duì)序列模式匹配不準(zhǔn)確這一難題，本文提出了Fre