手机在人类生活中所扮演的角色越来越重要，除了电话、短信、上网等功能之外，手机与其相邻基站进行连接所产生的日志记录——即手机轨迹数据，往往会呈现出规律性，围绕其居住地、工作地做周期性的位置变迁，在很大程度上记录并反映了用户的日常生活习惯。
该数据具有数据量大、用户基数大及覆盖人群广等特点，并为发现用户重要位置提供了可能，即人们在日常生活中的主要活动地点，比如居住地和工作地。
图 1 某用户一天的基站连接日志
然而，“量大”并不意味着“质高”。对于重要位置分析来说，手机轨迹数据的低质主要体现在以下4个方面：
数据不准确性(精度误差)。轨迹数据本身是用户连接基站的记录集合，用户每连接一次基站，意味着用户在该基站周边的区域范围内，但不知道用户的具体位置。因此，数据本身存在着位置不确定性问题。同时，基站类型具有多样性，其包含微站、宏站、直放站和射频拉远站等类型，各类型的基站覆盖范围从几百米到几公里不等；
数据分布密度不均。基站的分布情况在城市的不同区域差异显著，例如市中心区域的基站密度远高于郊区的基站密度，因此用户在市中心区域出现的数据较多，而在郊区出现的数据较少;
数据中包含噪声。手机轨迹数据除了包含用户在重要位置的停留信息外，还混杂着大量在其他非重要位置上停留的记录(称为“噪声”数据)。如用户上下班途中连接基站所产生的记录，对重要位置分析来说，必须考虑噪声数据对分析的影响；
数据中存在基站跳变现象。换言之，用户所处位置恰巧处于多个基站的服务范围之内，手机信号会在多哥基站间跳动切换。
为了进一步地为提高挖掘结果的准确性和精确度，从3个方面进行优化：
使用多元数据的融合技术，提高结果的准确性；
提出了无工作地人群的发现算法；
提出了夜间工作人群的发现算法。
基于此框架设计了两种分布式挖掘算法: GPMA (grid-based parallel mining algorithm) 和SPMA (station-based parallel mining algorithm) 。
理论分析和实验结果表明，所提算法具有较高的执行效率和可扩展性，并具有更高的精度。
图1 介绍了某用户一天内连接基站的情况。矩形框中的时间表明，该用户曾经于该时间点与基站通信。例如，f基站的附加信息是“11:52|12:20”，这表明该用户曾经于这两个时间点分别访问基站f。其中，标记为L的蓝色标签指示了用户的居住地，标记为 W 的蓝色标签指示了用户的工作地。用户在L点停留期间，其手机会在 a、b和c这3个基站间切换；同时在W点停留期间，其手机也会在d和e两个基站间进行切换。目前最好的处理方法是针对精确轨迹数据进行分析，在海量低质情况下，不仅运行效率不高，而且结果准确率较低。
用户的多样性也为发现用户居住/工作地增加了难度，部分用户同时拥有一个以上工作地或居住地，还有些用户的居住/工作地会随用户搬家、换工作等原因而发生变化，部分无业人员无工作地，一些人员夜间工作，而白天休息，而现有工作未考虑用户的多样性问题，所以应结合数据融合等分析技术以解决用户多样性问题，提升结果的准确度。
针对轨迹数据质量的问题，接下来将介绍一个通用解决框架，并提出了两种挖掘算法，以及3种处理方案，以提高结果的准确度和精度。
声明：本文来自LBS，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
