移动对象时空轨迹及社交关系一体化数据模型

发布时间：2016-08-15 18:12

本文关键词：移动对象时空轨迹及社交关系一体化数据模型，由笔耕文化传播整理发布。

第３９卷第６期２０１４年６月

武汉大学学报 · 信息科学版ＧｅｏｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔ　　　　　　ｙ

Ｖｏｌ．３９Ｎｏ．６

Ｊｕｎｅ２０１４　

：／．ｗｈｕｉｓ２０１４０１２５ＤＯＩ１０．１３２０３ｊｇ

（）文章编号：１６７１８８６０２０１４０６０７１１０８－－－

移动对象时空轨迹及社交关系一体化数据模型
张恒才１　陆　锋１　陈　洁１
北京，１　中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，１００１０１

摘　要：泛地理信息时代来临及Ｓ如何高效管理移动对象位置数据、社交关系数据及ｏＬｏＭｏ互联网模式盛行，地理空间数据成为ＧＩＳ与移动对象数据库研究领域一项全新的技术挑战。首先基于图模型提出了移动对象时空轨迹及社交关系的一体化数据模型Ｇ实现了移动对象所在地理空间、移动对象位置与轨迹、移动对ＳＭ，象之间社交关系的时空一体化表达，并定义了该模型的四种基础操作算子；然后基于图数据库系统Ｎｅｏ４Ｊ实、现了Ｇ最后利用真实的ＢＳＭ模型；ｒｉｈｔｋｉｔｅＧｏｗａｌｌａ位置社交网络数据验证了ＧＳＭ模型的有效性。所提出ｇ的Ｇ具有良好的执ＳＭ模型能够有效避免关系数据库中表连接造成的移动对象管理与查询效率低下的问题，可为基于位置的社交网络应用提供核心技术支持。行效率及稳定性，关键词：移动对象；数据模型；轨迹；社交网络中图法分类号：Ｐ２０８　　　　　文献标志码：Ａ

（融合Ｓ与ＮＳｓｏｃｉａｌｎｅｔｗｏｒｋｓｓｔｅｍ）　　近年来，　　ｙ）的ＳＬＢＳ（ｌｏｃａｔｉｏｎｂａｓｅｄｓｅｒｖｉｃｅｏＬｏＭｏ地理信　　息服务模式逐渐引起了人们的关注，也是新地理
１］信息时代［面临的挑战。ＳｏＬｏＭｏ即社交（ｓｏ－

的基础，是有效管理ｉｎｏｂｅｃｔｓｄａｔａｂａｓｅ，ＭＯＤ）　ｇｊ　社交网络系统中用户线下位置活动信息的关
５］。目前，移动对象位置数据模型主要的研究键［［］成果包括自由空间下的ＭＯ移动对象ＳＴ模型６、７］、离散数据模型［离散时空轨迹ＤＳＴＴＭＯＤ模８］９］、型［抽象数据类型［等；路网空间下的基于路段］１０１３－、的路网空间移动对象模型［基于道路的路网］１４１５－、空间移动对象模型［基于分区的路网空间移］１６１７－、动对象模型［时空一体化路网空间移动对象１８］模型［等。这些模型并不考虑移动对象之间复

））），它是Ｐｃｉａｌ＋本地化（ｌｏｃａｌ＋移动（ｍｏｂｉｌｅＣ、移动设备和真实社会关系的外延，代表着未来互联网发展的趋势。具有ＳｏＬｏＭｏ模式特征的位、置服务应用不断兴起，如微信、ＴｗｉｔｔｅｒＦａｃｅ－、Ｂ、Ｆ、ｂｏｏｋ、ＬｉｖｅＪｏｕｒｎａｌｒｉｈｔｋｉｔｅｏｕｒｓｕａｒｅｇｑ分享信息的主要Ｇｏｗａｌｌａ等成为人们沟通交流、、、渠道。ＳｏＬｏＭｏ强调ＳｏｃｉａｌＬｏｃａｌＭｏｂｉｌｅ的无其中，缝整合，Ｓｏｃｉａｌ为线上虚拟网络空间中人们如关注、朋友、同事等；之间广泛存在的社交关系，Ｌｏｃａｌ为线下真实地理空间中用户位置或活动信如签到、消费、旅游等；息，Ｍｏｂｉｌｅ指人们在真实
［２］空间的移动。随着 “ 人人都是传感器 ” 愿景逐渐

杂和动态变化的语义关系，因此也基本不支持ＧｅｏＳｏｃｉａｌ的联合查询。对于社交网络的研究虽－然很多，但大都集中在社交网络分析环节，如研究
］１９２２－、人们面对面交流模式与社交网络的关系［推］２３２５－、断社交网络联系类型［预测新的社交网络关］２６２８２９］－、网络舆情监测［及利用社交网络定系出现［３０］量分析人类行为模式［等。或者研究社交网络

走向现实，互联网用户数目增长及Ｏ２Ｏ（ｏｎｌｉｎｅｔｏ　）商业模式逐渐成熟，ｏｆｆｌｉｎｅＳｏＬｏＭｏ会产生海量的移动对象线上社交关系数据与线下移动位置数如何有效存储、管理与查询这些动态变化的数据，移动对象数据库等领域据已成为地理信息系统、的研究热点与难点问题
［］３４－

关系与移动轨迹之间的交互影响，如虚拟世界社
］３１３４－，交语义关系与真实世界移动轨迹相互影响［

虚拟社交关系会影响移动对象真实的轨迹行
］３５３６－，移动对象的运行轨迹也会影响虚拟社交为［］３７３８－关系的形成［等。在地理社交数据建模研究方

。

移动对象数据模型是移动对象数据库（ｍｏｖ－
收稿日期：２０１４０２１９－－

］面，文献［提出了一种分层用户轨迹数据建模３９

）；）。项目来源：国家８国家自然科学基金资助项目（６３计划资助项目（２０１２ＡＡ１２Ａ２１１，２０１３ＡＡ１２０３０５４１２７１４０８，４１１０１１４９：第一作者：张恒才，博士，博士后。研究方向为互联网空间信息搜索轨迹数据管理与数据挖掘。Ｅ－ｍａｉｌｚｈａｎｈｃｌｒｅｉｓ．ａｃ．ｃｎ＠ｇ：通讯作者：陆锋，博士，研究员，博士生导师。Ｅ－ｍａｉｌｌｕｆｌｒｅｉｓ．ａｃ．ｃｎ＠

７１２

武汉大学学报·信息科学版

２０１４年６月

方法，支持用户的相似性计算及经典旅行路线推荐。但该模型没有考虑地理空间建模和移动对象间的社交网络联系。本文尝试在移动对象建模过程中将移动对象间的社交关系作为一种重要的非空间语义信息，提出了一种移动对象时空及社交关系表达模型（，Ｇ，以ｓｏｃｉａｌｏｖｉｎｔｒａｅｃｔｏｒＳＭ）ｅｏｓａｔｉａｌ－－ｍｇｊｙｇｐ　实现地理空间、移动对象轨迹及社交关系的一体化表达，为基于位置的社交网络应用提供核心技术支持。

。移动对象轨迹图（ｒａｈ，ｍｏｖｉｎｔｒａｅｃｔｏｒＭＧ）ｇｐｇｊｙ　　

１　ＧＳＭ模型定义
１．１　地理空间剖分在移动对象数据模型中，如何控制地理空间表达粒度是一个重要问题。如果粒度过大，虽然但是在有助于降低移动对象位置更新代价，ＭＯＤ的实时查询或位置服务应用中难以准确描述移动对象的实时位置。鉴于此，本文引入Ｖｏｒｏｎｏｉ图对移动对象活动的地理空间进行剖分。Ｖｏｒｏｎｏｉ图定义如下：定义１　地理空间图（定义为：ＧＧ）ＧＧ＝（ＧＶｅＧＥｒｔｅｘｓ，ｄｅｓ）ｇ其中，ＧＶｅＯＩ空间分布生成的Ｖｏｒｏｎｏｉｒｔｅｘｓ为根据Ｐ多边形集合；ＧＥｄｅｓ为节点边集合。ｇ定义２　社交网络图（定义为：ＳＧ）ＳＧ＝（ＳＶｅＳＥｒｔｅｘｓ，ｄｅｓ）ｇ其中，ＳＶｅＳＥｒｔｅｘｓ为移动对象集合；ｄｅｓ为移动对象间ｇ社交网络关系集合。定义３　移动对象轨迹图（定义为：ＭＧ）ＭＧ＝（ＭＶｅＭＥｒｔｅｘｓ，ｄｅｓ）ｇ其中，ＭＶｅｏ集合与地理空间ｒｔｅｘｓ为移动对象ｍＶｏｒｏｎｏｉ剖分多边形集合；ＭＥｄｅｓ为移动对象运动ｇ。轨迹ｍｏ２ｅｏｅｄｅ集合ｇｇ定义４　移动对象定义为：）ａｒａｍ，ｍｍｏ＝（ｍｏｍｏｌｏｃｐｉｄ，ｎａｍｅ，其中，ｍｏｍｏｉｄ为移动对象编号；ｎａｍｅ为移动对象名称；ａｒａｍ为该移动对象的其他属性参数集合；ｐｍｌｏｃ为该移动对象当前位置信息。定义５　社交关系定义为：，ｍｓｏｃｉａｌｅｄｅ＝（ｓｏｃｉａｌｅｉｄｏｍｏｇｓ，ｅ，ｓｅｓｏｃｉａｌｔｅ）ｙｐｔｉｍｅ，ｔｉｍｅ，其中，ｓｏｃｉａｌｅｉｄ为社交关系编号；ｍｏｏｓ和ｍｅ为具有社交关系的两个移动对象；ｓｔｉｍｅ为该条社交关系
图１　基于ＰＯＩ空间分布的Ｖｏｒｏｎｏｉ空间剖分Ｆｉ．１　ＶｏｒｏｎｏｉｂａｓｅｄＧｅｏｒａｈｉｃａｌＳａｃｅＰａｒｔｉｔｉｏｎ－　　　ｇｇｐｐ图２　ＧＳＭ模型系统架构Ｆｉ．２　ＧＳＭ　ＭｏｄｅｌＡｒｃｈｉｔｅｃｔｕｒｅ　ｇ

Ｖ（ｄ（＝｛ｐｑ∈ ? ｑ ∈ ｐ，ｑ，ｐｉ）ｉ） ≤ …，ｄ（ｉ ≠ ｊ，２，ｎ｝ｑ，ｐｐｐｊ＝１，ｉ，ｊ），ｊ ∈ Ｐ，
其中，为空间点ｐＶ（ｏｒｏｎｏｉ区域；Ｐ为空ｐｉ）ｉ的Ｖ；如Ｐ间点集，ＯＩｎ为空间点集数量；ｑ为空间中的任意一点；ｄ为空间距离函数。Ｖｏｒｏｎｏｉ图是一可以将空间划分成不相交的种基本的数据结构，多边形，如图１所示。Ｖｏｒｏｎｏｉ的优势在于使得划分后的多边形中任一位置的最近邻ＰＯＩ都在该多边形内，可以有效控制地理空间建模粒度。

的建立时间；ｅｓｏ－ｔｉｍｅ为该社交关系的结束时间；ｃｉａｌｔｅ为社交关系类型。社交网络关系可以分ｙｐ为虚拟世界社交网络关系（如关注关系、粉丝关系等）与真实物理世界社交网络关系（如朋友关系、。同学及同事关系等）定义６　签到位置ｃｋｏｓ定义为：ｐ＿＿）ｃｋｏｓ＝（ｖｏｒｏｎｉｄ，ｍｏｉｄ，ｘ，ｔｉｍｅｏｓｏｓｐｐｐｙ，

１．２　ＧＳＭ数据模型该模型由三个子ＧＳＭ模型结构如图２所示，、图结构组成：地理空间图（ｅｏｓａｔｉａｌｒａｈ，ＧＧ）　ｇｐｇｐ移动对象之间的社交联系图（及ｓｏｃｉａｌＳＧ）ｒａｈ，　ｇｐ

９卷第６期　第３

张恒才等： 移动对象时空轨迹及社交关系一体化数据模型

７１３

其中，ｏｓ＿ｖｏｒｏｎｉｄ为Ｖｏｒｏｎｏｉ多边形编号；ｘ和ｐ＿ｏｓｔｉｍｅ为签到时ｐｙ为该移动对象的签到位置；间。定义７　移动对象轨迹片段．移动对象轨迹片段ｍｏ２ｒｏａｄｅｄｅ定义为：ｇ（，），（ｍｏ２ｅｏｅｄｅ＝（ｍｏｖｏｒｏｎｏｉｓｇｇｔｉｍｅ， …，））ｅｃｋｏｓｃｋｏｓｃｋｏｓｐｐｐｔｉｍｅ，（１，２，ｒｎ）其中，ｍｏ为移动对象；ｖｏｒｏｎｏｉ为该移动对象所在的Ｖｏｒｏｎｏｉ多边形；ｓｔｉｍｅ为该轨迹片段的开始时间，即进入该Ｖｏｒｏｎｏｉ的时间；ｅｔｉｍｅ为该轨迹片段的结束时间，即离开该Ｖｏｒｏｎｏｉ的时间；ｃｋｏｓｐ１， …，ｃｋｏｓｃｋｏｓｐｐ２，ｒｎ为签到位置序列。１．３　ＧＳＭ模型操作为了在Ｇ地理空间ＳＭ模型中实现移动对象、需要定义一些基本的及位置轨迹数据的联合查询，模型操作符，包括截取操作、扩展操作及投影操作。（定义８　Ｓ截取操作定义为根据ｅｌｅｃｔＧ，Ｃ）指定查询条件Ｃ对ＧＳＭ模型子图Ｇ进行截取操， …，作，其中Ｇ? （ＧＧ，ＳＧ，ＭＧ）Ｃ? （ａｔｔｒａｔｔｒ１，２，，ａｔｔｒａｔｔｒｍ为节点属性个数。ｍ）ｉ为图节点属性，（：具体包括：对地理空间子图ｅｌｅｃｔＧＧ，Ｃ） ①Ｓ返回满足条ＧＧ根据查询条件Ｃ进行截取操作，件的地理空间子图节点集Ｎ且ＮＳＳＧＶｅｓｒｔｅｘｓ；ｇｇ，ｇ? （：对社交网络子图ＳｅｌｅｃｔＳＧ，Ｃ）Ｇ根据查询 ②Ｓ，条件Ｃ进行截取操作返回满足条件的社交网络子图节点集Ｎ且ＮＳＳｅｌｅｃｔ ③ ＳｓｓＶｅｒｔｅｘｓ；ｇ，ｇ ?Ｓ（，）：对位置轨迹子图根据查询条件ＭＧＣＭＧＣ进行截取操作，返回满足条件的位置轨迹子图节点集Ｎ且ＮＳＳｍｍｅｒｔｅｘｓ。ｇ，ｇ?ＭＶ例如，查询子图为北京地理空间，查询条件为，中国科学院地理科学与资源研究所 ” 查Ｎａｍｅ＝“ 询语句如下：（ＳｅｌｅｃｔＧＧＮａｍｅ＝　Ｎｂｅｉｉｎｊｇ，ｇｇ＝Ｓ）中国科学院地理科学与资源研究所 ’ 　‘ 该截取操作将会返回名称为 “ 中国科学院地理科学与资源研究所 ” 所在的地理空间剖分多边形集合ＮＳｇｇ。（定义９　Ｅ扩展操作定义为查ｘａｎｄＮＳ，ｄ）ｐ询距离子图节点集ＮＳ中长度为ｄ的所有节点集。合，其中ｄ为距离阈值，ＮＳ? （ＮＳＮＳＮＳｓｍｇ，ｇ）ｇｇ，且ＮＳＮＳＮＳｅｒｔｅｘｓ，ｓＶｅｒｔｅｘｓ，ｍｅｒｔｅｘｓ。ｇｇ ?ＧＶｇ ?Ｓｇ ? ＭＶ（：具体包括：对地理空间子图ｘａｎｄＮＳｄ） ①Ｅｐｇｇ，节点集ＮＳｇｇ根据查询距离阈值ｄ进行扩展操作，返回满足条件的ＧＶｅｘａｎｄ（ＮＳ ② Ｅｐｒｔｅｘｓ集合；ｓｇ，：对社交网络子图节点集Ｎｄ）Ｓｓｇ根据查询距离阈返回满足条件的ＳＶｅ值ｄ进行扩展操作，ｒｔｅｘｓ集合；

（：对位置轨迹子图节点集ｘａｎｄＮＳｄ） ③Ｅｐｍｇ，返回满ＮＳｍｇ根据查询距离阈值ｄ进行扩展操作，足条件的ＭＶｅｒｔｅｘｓ集合。例如，查询节点集ＮＳ为社交网络图中Ｎａｍｅ查询距离阈值ｄ分别为１或＝ｍｏ１的移动对象，者２，查询语句如下：（（），Ｆ＝ＥｘａｎｄＳｅｌｅｃｔＳＧ，Ｎａｍｅ＝‘ ｍｏ１）ｐ１’ （（），ＦＦ＝ＥｘａｎｄＳｅｌｅｃｔＳＧ，Ｎａｍｅ＝‘ ｍｏ２）ｐ１’ 当阈值ｄ＝１时，扩展操作返回移动对象ｍｏ１的所有朋友集合Ｆ；当阈值ｄ＝２时，扩展操作返回移动对象ｍｏＦ。以图２为例，１的朋友的朋友Ｆ，。Ｆ＝（ｍｏｍｏｍｏＦＦ＝（ｍｏｍｏｍｏ２，４，６）５，３，７）定义１０　ＣｒｏｓｓＮＳＴＰ）投影操作定义Ｇ１（Ｇ２，为将子图Ｇ２节点集ＮＳ１子图空Ｇ２投影到其他Ｇ间，ＴＰ为时间参数。该操作与Ｓｅｌｅｃｔ截取操作及Ｅ是在两个子图空间之ｘａｎｄ扩展操作不同，ｐ：间进行映射。具体包括：ｒｏｓｓＮＳＴＰ） ①ＣＧＧ（ＳＧ，对社交网络子图节点集ＮＳＰＳＧ根据时间参数Ｔ投影到地理空间子图Ｇ返回满足条件的地理Ｇ，：空间子图节点集；对社交ｒｏｓｓＮＳＴＰ） ②ＣＭＧ（ＳＧ，网络子图节点集ＮＳＰ投影到ＳＧ根据时间参数Ｔ返回满足条件的位置轨迹子位置轨迹子图ＭＧ，：图节点集；对地理空间子ｒｏｓｓＮＳＴＰ） ③ＣＳＧ（ＧＧ，图节点集ＮＳＰ投影到社交网ＧＧ根据时间参数Ｔ，络子图ＳＧ返回满足条件的社交网络子图节点：集；对地理空间子图节点ｒｏｓｓＮＳＴＰ） ④ＣＭＧ（ＧＧ，集ＮＳＰ投影到位置轨迹子图ＧＧ根据时间参数Ｔ返回满足条件的位置轨迹子图节点集；ＭＧ，：对位置轨迹子图节点集ｒｏｓｓＮＳＴＰ） ⑤ＣＳＧ（ＭＧ，ＮＳＰ投影到社交网络子图ＭＧ根据时间参数Ｔ返回满足条件的社交网络子图节点集；ＳＧ，：对位置轨迹子图节点集ｒｏｓｓＮＳＴＰ） ⑥ＣＧＧ（ＭＧ，ＮＳＰ投影到地理空间子图ＭＧ根据时间参数Ｔ返回满足条件的地理空间子图节点集。ＧＧ，例如，查找社交网络子图ＳＧ中名称为ｍｏ２的移动对象在２０１３年１０月１日２２：００至２２：３０所经过的地理空间及位置轨迹，查询语句如下：（），１＝ＣｒｏｓｓＳｅｌｅｃｔＳＧ，Ｎａｍｅ＝‘ ｍｏ　ＲＧＧ（２’ ： ’ ，２０１３１００１２２００：００　ＳＴ－－　ｉｍｅ＝ ‘ ： ’ ）２０１３１００１２２３０：００　ＥＴ－－　ｉｍｅ＝ ‘ （），２＝ＣｒｏｓｓＳｅｌｅｃｔＳＧ，Ｎａｍｅ＝‘ ｍｏ　ＲＭＧ（２’ ： ’ ，２０１３１００１２２００：００　ＳＴ－－　ｉｍｅ＝ ‘ ： ’ ）２０１３１００１２２３０：００　ＥＴ－－　ｉｍｅ＝ ‘ 当投影空间为地理空间子图Ｇ返回移Ｇ时，动对象ｍｏ０ｍｉｎ内所经过的地理区域Ｒ１；２在３当投影空间为ＭＧ时，返回移动对象ｍｏ０２在３

７１４

武汉大学学报·信息科学版

２０１４年６月

ｍｉｎ内的位置轨迹Ｒ２。定义１多１　ＭｕｌｔｉＣｒｏｓｓＮＳＮＳＴＰ）Ｇ１（Ｇ２，Ｇ３，维投影操作定义为将子图Ｇ２的节点集与子图Ｇ３的节点集投影到子图Ｇ１，ＴＰ为时间参数。具体：将社包括：ｕｌｔｉＣｒｏｓｓＮＳＮＳＴＰ） ① ＭＭＧ（ＳＧ，ＧＧ，交网络子图节点集ＮＳＳＧ与地理空间子图节点集ＮＳＰ投影到位置轨迹子图ＧＧ根据时间参数Ｔ返回满足条件的位置轨迹子图节点集；ＭＧ，：将位置轨迹ｕｌｔｉＣｒｏｓｓＮＳＮＳＴＰ） ② ＭＳＧ（ＭＧ，ＧＧ，子图节点集ＮＳＳＭＧ与地理空间子图节点集ＮＧＧ根据时间参数Ｔ返回满Ｐ投影到社交网络子图ＳＧ，足条件的社交网络子图节点集；ｕｌｔｉＣｒｏｓｓ ③ ＭＧＧ（，，）：将社交网络子图节点集ＮＳＮＳＴＰＳＧＭＧＮＳＳＳＧ与位置轨迹子图节点集ＮＭＧ根据时间参数返回满足条件的地ＴＰ投影到地理空间子图ＧＧ，理空间子图节点集。例如，查询社交网络子图ＳＧ中名称为ｍｏ６的：移动对象在２０１３年１０月１日１２００在地理空间区域Ｖ６内所运行的位置轨迹数据，查询语句为：（（１＝ＭｕｌｔｉＣｒｏｓｓＳｅｌｅｃｔＳＧ，Ｎａｍｅ＝　ＭＲ ‘ ），，ＴｍｏＳｅｌｅｃｔ（ＧＧ，Ｎａｍｅ＝ ‘ Ｖ６ ’）ｉｍｅ＝６’ ‘ ： ’ ）２０１３１００１１２０１：１０－－　该多维投影操作返回ｍｏ６运行在地理区域。Ｖ６内的位置轨迹数据

并选取了不同的Ｌ包括不型，ＢＳＮ实验数据集，同的移动对象数量、社交关系数量及签到位置数量，同时利用成熟的ＲＤＢＭＳ平台ＰｏｓｔｒｅＳＱＬｇ（）实现了移动对象管理，采用二维关系Ｖ８．４．１８进行实验对比。表存储移动对象轨迹，２．１　实验环境实验环境为ＤｅｌｌＰｏｗｅｒＥｄｅＲ７２０，ＣＰＵ为　　　ｇ（，４核ＩｎｔｅｌＲ）Ｘｅｏｎ（Ｒ）ＣＰＵＥ５５２０２．２７ＧＨｚ　　内存４Ｇ，运行环境为６４位的ＣｅｎｔＯＳＬｉｎｕｘ６．４　　操作系统。Ｎｅｏ４Ｊ以图数据结构作为数据库底层存储模基本的存储单元包括节点、关系及属性，具有型，完全的事务特征与高效的图结构遍历算法，对ＧＳＭ模型具有原生的支持功能。实验所采用的位置签到数据为开放的基于位置的社交网络系统Ｂｒｉｈｔｋｉｔｅ与Ｇｏｗａｌｌａ美国站ｇ的数据。其中Ｇｏｗａｌｌａ数据包含１９６５９１个移动对　时间范围为２象和６４４２８９０个签到位置，００９年２　　月４日至２０１０年１０月２３日；Ｂｒｉｈｔｋｉｔｅ数据包含ｇ时间５８２２８个移动对象和４４９１１４３个签到位置，　　　范围为２地００８年３月２１日至２０１０年１０月１８日；理空间及ＰＯＩ数据来源于美国人口调查局所提供的开放数据。实现区域选择位置签到数据较丰富，、的华盛顿州（加利福尼亚ＷａｓｈｉｎｔｏｎＳｔａｔｅＷＣ）　ｇ，、纽约州（州（ＣａｌｉｆｏｒｎｉａＳｔａｔｅＣＡ）Ｎｅｗ　Ｙｏｒｋ　，）、（，）。德克萨斯州图ＳｔａｔｅＮＹＴｅｘａｓＳｔａｔｅＴＸ３　为实验所用签到位置数据的空间分布图，红色点为Ｂ蓝色点为Ｇｒｉｈｔｋｉｔｅ签到；ｏｗａｌｌａ签到。将ｇ实现数据集分成８组，如表１所示。实验中所采用的ＧＳＭ模型操作如表２所示。

２　模型实现与验证
为验证ＧＳＭ模型和模型基本操作符的有效性，利用ＮｏＳＱＬ阵营中的图数据库系统Ｎｅｏ４Ｊ（）与ＪＶ１．９．５ａｖａ语言实现了所提出的ＧＳＭ模

图３　签到位置空间分布图Ｆｉ．３　ＳａｔｉａｌＤｉｓｔｒｉｂｕｔｉｏｎｏｆＣｈｅｃｋｉｎＤａｔａ　　　－　ｇｐ表１　实验数据集分组Ｔａｂ．１　ＥｘｅｒｉｍｅｎｔａｌＤａｔａ　ｐ
编号

Ｖ数量

移动对象数量５０５８　　７９７　１６６８４　　２４５０　　

社交关系数量１６３６２２　　５９１９４　　５１３４０６　　１４２１３６　　

签到数量１９９４６９　９３８１６　７３９６８７　２９３５４２　

编号

Ｖ数量

移动对象数量１２３８８　　１７８９　　１７９９６　　１３２８　　

社交关系数量３９１１４４　　１０８６７８　　５２４３５２　　９９５２８　　

签到数量３６４９４０　１５７０２０　９８４４９３　１１１２４７　

ＷＣＯ８６５５－Ｇ　１　　ＷＣＫ８６５５－Ｂ　１　　ＣＡ－ＧＯ７２５１　５　　ＣＡ－ＢＫ７２５１　５　　

ＮＹ－ＧＯ１６５７　２　　ＮＹ－ＢＫ１６５７　２　　ＴＸ－ＧＯ０１７８　４　　ＴＸ－ＢＫ０１７８　４　　

９卷第６期　第３

张恒才等： 移动对象时空轨迹及社交关系一体化数据模型

７１５

表２　实验中采用的ＧＳＭ模型操作Ｔａｂ．２　ＴｅｓｔｅｄＯｅｒａｔｉｏｎｓｆｏｒｔｈｅＧＳＭ　Ｍｏｄｅｌ　　　　ｐ
ＧＳＭ模型操作实验案例

操作符运行效率的波动不大，稳定性较高；相比较，ＰｏｓｔｒｅＳＱＬ实现方式的运行效率的波动较ｇ大。实验结果如图４所示。图４（中，ｂ）Ｐｏｓｔ－ｒｅＳＱＬ实现方式中的Ｅｘａｎｄ操作符的运行效ｇｐ实现过程中需要过多的率出现波动的原因在于，表连接操作，随着社交关系数量的增加，表连接查询耗时增加较快；相反，在ＧＳＭ模型中，Ｅｘａｎｄｐ扩展操作可以转化为ＧＳＭ模型节点相连的边的遍历操作，社交关系数量的增长只会导致ＧＳＭ，模型ＳｏｃｉａｌＧｒａｈ中边的数量增长但基本不影ｐ响遍历操作效率，体现了ＧＳＭ模型的优势。图４（）中的Ｃｃｒｏｓｓ操作是在两个子图之间进行投影操作，在传统的Ｐ表的联合查ｏｓｔｒｅＳＱＬ实现中，ｇ询是不可避免的，但在Ｇ多个子图之ＳＭ模型中，从而间的联合投影同样可以避免表的连接操作，提高模型操作符的执行效率。图４（所展示的ｄ）ＧＳＭ模型中多个子图之间的多维投影操作符ＭｕｌｔｉＣｒｏｓｓ的执行效率随着签到位置数量的增长出现了波动，其原因有两个，一方面是在地理空间子图Ｇ缺少对Ｇ中仅构建了地理空间的Ｒ树索引，地理空间要素其他属性的索引，影响了多个子图间另一方面是在Ｇ投影映射的效率；ＳＭ模型实现过程中没有采用Ｎｅｏ４Ｊ的缓存配置与调优。Ｎｅｏ４Ｊ、的缓存策略在单子图的ＳｅｌｅｃｔＥｘａｎｄ操作与两子ｐ读写缓存影响图Ｃｒｏｓｓ操作中涉及的子图数量少，不明显，但是在ＭｕｌｔｉＣｒｏｓｓ操作中涉及多个子图之缓存配置优化的作用更加重要，造间的频繁操作，成ＭｕｌｔｉＣｒｏｓｓ操作效率出现波动。在后续研究中，将进一步优化ＧＳＭ模型的实现。

（）ＳＧ，Ｎａｍｅ＝‘ ｍｏＳｅｌｅｃｔｅｌｅｃｔ　Ｓｉ’ （（），ａｎｄＳｅｌｅｃｔＳＧ，Ｎａｍｅ＝‘ ｍｏ２）Ｅｘａｎｄｘｐ　Ｅｐｉ’ Ｃｒｏｓｓ），ＳＴＣｒｏｓｓＳｅｌｅｃｔ（ＳＧ，Ｎａｍｅ＝ ‘ ｍｏＭＧ（ｉ’ ｉｍｅ＝ ‘ ：，：２０１３１００１２２００：００’ ＥＴ２０１３１００１２２－－　－－　ｉｍｅ＝ ‘ ’ ）３０：００

（），ＭｕｌｔｉＣｒｏｓｓＳｅｌｅｃｔＳＧ，Ｎａｍｅ＝‘ ｍｏＳｅｌｅｃｔＭＧ（ｉ’ ，：ＧＧ，Ｎａｍｅ＝‘ Ｖｊ’）ＳＴ２０１３１００１１２００：ＭｕｌｔｉＣｒｏｓｓ（－－　ｉｍｅ＝ ‘ ’ ，： ’ ）００ＥＴ２０１３１００１１２３０：００－－　ｉｍｅ＝ ‘

２．２　实验分析表３为不同的实验数据集对ＧＳＭ模型操作执行效率性能的影响。其中运行时间是多次实验的平均值，且不包含索引构建、系统初始化及预处理时间。从表３可以看出，总体上，ＧＳＭ模型操作符运行效率优于ＰｏｓｔｒｅＳＱＬ实现方式。ｇ
表３　ＧＳＭ模型操作运行时间／ｍｓＴａｂ．３　ＯｅｒａｔｉｏｎａｌＴｉｍｅｆｏｒｔｈｅＯｅｒａｔｉｏｎｓｉｎ　　　　　ｐｐ／ＧＳＭ　Ｍｏｄｅｌｍｓｔｈｅ　
Ｓｅｌｅｃｔ　Ｅｘａｎｄ　ｐＣｒｏｓｓ　ＭｕｌｔｉＣｒｏｓｓＧＳＭ　ＰＳＱＬＧＳＭ　ＰＳＱＬＧＳＭ　ＰＳＱＬＧＳＭ　ＰＳＱＬ　　　ＣＡ－ＢＫ２８６９８７１２０５５５４０１５０　１　２　２　４　　１　４　２　４ＣＡ－ＧＯ４１５２７１６２４７１６８３５３２３８　１　３　６　　　１　５　５　５ＮＹ－ＢＫ３７６６７１１９５４０４５８３３５　１　２　２　３　　１　３　４　３Ｏ２８２４３４４５９３４３４９９９６５２ＮＹ－Ｇ　１　３　５　　　１　３　３　３ＴＸ－ＢＫ４１５８７９１６４５３４９４８５４　１　２　２　３　　１　３　３　３ＴＸ－ＧＯ３０５１３７６９７６５３９１７０４５２　１　３　５　　　１　６　５　６Ｋ３４４９８４２２０６４２２４２１５ＷＣ－Ｂ　１　２　２　２　　１　３　２　４ＷＣＯ４５７７６１４５４４３１０３１０５－Ｇ　１　２　３　３　　１　３　３　３

随着数据集规模变化（如移动对象数　　此外，，，社交关系数量、签到位置数量等）量、ＧＳＭ模型

图４　实验结果Ｆｉ．４　ＥｘｅｒｉｍｅｎｔａｌＲｅｓｕｌｔｓ　ｇｐ

２．３　讨　论）本文所采用的地理空间分割方法为基于１该方法的优势在于移动对ＰＯＩ的Ｖｏｒｏｎｏｉ划分，能够很象的位置签到数据与ＰＯＩ位置比较接近，好地适应位置轨迹数据空间分布不均匀的情况，

但劣势在于造成剖分多边形数量过多，碎多边形现象严重。由于Ｐ针对该ＯＩ一般呈现聚集现象，问题，在后续研究中将考虑先采用ＰＯＩ空间聚然后再进行地理空间剖分的方式。类，）Ｇ移动对象轨２ＳＭ模型支持对地理空间、

７１６

武汉大学学报·信息科学版

２０１４年６月

迹及移动对象社交关系的一体化建模，易于扩展，可以有效附加其他背景语义信息，包括移动对象将室内位置表达。但在ＧＳＭ模型实现过程中，大量位置数据存储在图节点的属性中，造成图节会在一定程度上影响Ｇ点过大，ＳＭ模型的查询后续工作中一方面可以采用效率。针对此问题，轨迹压缩或二进制方式减少存储空间，另一方面将位置数据放在外部存储。可以采用指针，）本文实现了Ｇ３ＳＭ模型常用的四种基础操作：Ｓｅｌｅｃｔ截取操作、Ｅｘａｎｄ扩展操作、Ｃｒｏｓｓ投ｐ影操作及ＭｕｌｔｉＣｒｏｓｓ多维投影操作。后续研究、中将进一步实现其他操作符，如ＵｎｉｏｎＩｎｔｅｒ－、ｓｅｃｔＤｉｆｆｅｒｅｎｃｅ等。）本文实验所采用的位置签到数据时间间４隔较长，且签到时间间隔不规律。后续研究中，可以尝试在ＧＳＭ模型中存储时间间隔在分钟级或者秒级的轨迹数据，如浮动车轨迹数据、手机信令并开展相关的查询实验，进一步验证与提数据等，高ＧＳＭ模型的可靠性。

参　考　文　献
［］，Ｓ１ｉＤｅｒｅｎｈａｏＺｈｅｎｆｅｎ．ＴｈｅＮｅｗＥｒａｏｆＧｅｏ　Ｌ　　　　　　－ｇ［］ＩｎｆｏｒｍａｔｉｏｎＪ．Ｓｃｉｅｎｃｅｉｎ　Ｃｈｉｎａ（ＳｅｒｉｅｓＦ：ｒａｈｉｃ　　　ｇｐ，（）：（李德ＩｎｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｓ）２００９，３９６５７９５８７　－ｆ］仁，邵振峰．论新地理信息时代［信Ｊ．中国科学（，（）：）息科学）２００９，３９６５７９５８７－］：［２ｏｏｄｃｈｉｌｄＭ　Ｆ．ＣｉｔｉｚｅｎｓａｓＳｅｎｓｏｒｓｔｈｅＷｏｒｌｄｏｆ　Ｇ　　　　　］，ＶｏｌｕｎｔｅｅｒｅｄＧｅｏｒａｈＪ．ＧｅｏＪｏｕｒｎａｌ２００７，６９　ｇｐｙ［（）：４２１１２２１－［］，，Ｄ，ｅ３ｕＦｅｎＺｈｅｎＮｉａｎｂｏｕａｎＹｉｎｉｎｔａｌ．　Ｌ　　　ｇｇｇｙｇ　：ＳＴｒａｖｅｌＩｎｆｏｒｍａｔｉｏｎＳｅｒｖｉｃｅｓｔａｔｅｏｆｔｈｅＡｒｔａｎｄ　　　　　　［］ＤｉｓｃｕｓｓｉｏｎｏｎＣｒｕｃｉａｌＴｅｃｈｎｏｌｏｉｅｓＪ．Ｊｏｕｒｎａｌｏ　　　　ｇｆ（）：（陆ａｎｄ　Ｇｒａｈｉｃｓ，２００９，１４７１２１９１２２９Ｉｍａｅ　　－　ｐｇ锋，郑年波，段滢滢，等．出行信息服务关键技术研］究进展与问题探讨［Ｊ．中国图像图形学报，２００９，（）：）１４７１２１９１２２９　－　［］，４ｉＱｉｎｕａｎ，ＹａｎＢｉｓｈｅｎＺｈｅｎＮｉａｎｂｏ．ＡｎＩｎ　Ｌ　　－ｇｑｇｇｇ　　ｔｅｒａｔｅｄａｔｉｏｅｍｏｒａｌａｔａｏｄｅｌｏｒＩＳ　Ｓ－Ｔ　Ｄ　Ｍ　ｆ　Ｇ－ｇｐｐ］ＴｒａｎｓｏｒｔａｔｉｏｎａｎｄＲｅｌａｔｅｄＡｌｉｃａｔｉｏｎｓ［Ｊ．Ｇｅｏ－　　　ｐｐｐ

ｍａｔｉｃｓａｎｄＩｎｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｏＷｕｈａｎ　Ｕｎｉｖｅｒ－　　　　ｆｆ　，，（）：（，，李清泉杨必胜ｓｉｔ２００７３２１１１０３４１０４１　－　ｙ
郑年波．时空一体化ＧＩＳ－Ｔ数据模型与应用方法［］：Ｊ．武汉大学学报 · 信息科学版，２００７，３２（１１））１０３４１０４１　－　［］，Ｌ，Ｃ５ｈａｎＨｅｎｃａｉｕＦｅｎｈｅｎＪｉｅ．Ａｄｖａｎｃｅｉｎ　Ｚ　　　ｇｇｇ　ＭｏｖｉｎＯｂｅｃｔＤａｔａＭｏｄｅｌｉｎＵｎｄｅｒＧｅｏｒａｈｉｃ　　　ｇｊｇｇｐ　　［］ＥｎｖｉｒｏｎｍｅｎｔＪ．ＪｏｕｒｎａｌｏＧｅｏＩｎｏｒ－Ｎｅｔｗｏｒｋ　　－ｆ　ｆ（：（张恒才，陆ｍａｔｉｏｎＳｃｉｅｎｃｅ，２０１３，１５３）３２８３３７　－锋，陈洁．网络空间移动对象模型的应用与发展［］（）：）Ｊ．地球信息科学学报，２０１３，１５３３２８３３７－］［６ｏｌｆｓｏｎＯ，ＸｕＢ，ＣｈａｍｂｅｒｌａｉｎＳ．ＭｏｖｉｎＯｂｅｃｔｓ　Ｗ　　　ｇｊ　：［ＤａｔａｂａｓｅｓＩｓｓｕｅｓａｎｄＳｏｌｕｔｉｏｎｓＣ］．Ｔｈｅ１０ｔｈＩｎ　　　　－ｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＳｃｉｅｎｔｉｆｉｃａｎｄＳｔａｔｉｓｔｉｃａｌ　　　　　，ＷＤａｔａｂａｓｅＭａｎａｅｍｅｎｔａｓｈｉｎｔｏｎＤＣ，ＵＳＡ，　　　ｇｇ１９９８［］７ｏｒｌｉｚｚｉＬ，Ｇ ü ｔｉｎＲ　Ｈ，ＮａｒｄｅｌｌｉＥ．Ａ　ＤａｔａＭｏｄｅｌ　Ｆ　　　ｇ　ａｎｄＤａｔａＳｔｒｕｃｔｕｒｅｓｆｏｒＭｏｖｉｎＯｂｅｃｔｓＤａｔａｂａｓｅｓ　　　　　ｇｊ　［，，ＵＣ］．ＡＣＭＳＩＧＭＯＤ，ＤａｌｌａｓＴｅｘａｓＳＡ，２０００　［］８ｅｎＸ，ＤｉｎＺ．ＤＳＴＴＭＯＤ：ＡＦｕｔｕｒｅＴｒａｅｃｔｏｒ　Ｍ　　ｇｇｊｙ　　］ＭｏｖｉｎＯｂｅｃｔｓＤａｔａｂａｓｅ［Ｊ．ＤａｔａｂａｓｅａｎｄＢａｓｅｄ　　　ｇｊ　

３　结　语
随着位置服务及社交网络的发展与融合，社交关系表达逐渐成为移动对象建模中不可忽略的因素。本文针对ＳｏＬｏＭｏ地理信息服务模式所亟需的移动对象轨迹与社交关系高效管理的需求，提出了一种移动对象轨迹及其社交关系的时并给出了Ｇ空一体化表达模型ＧＳＭ，ＳＭ模型常弥补了移动用的四种基本模型操作的实现方式，对象数据库系统中地理空间及社交网络数据管理采的缺陷。ＧＳＭ模型首先根据ＰＯＩ空间分布，用Ｖ以寻求移动对象空ｏｒｏｎｏｉ图剖分地理空间，间查询负载均衡和地理围栏的空间范围自适应；然后将剖分后的Ｖｏｒｏｎｏｉ多边形抽象为图的节点，移动对象的实时位置表达为移动对象与剖分多边形之间的实时映射关系，即动态边，移动对象之间的社交网络关系表达为移动对象之间的动态最后利用图结构实现了移动对象位置、轨迹及边；社交关系的时空一体化存储。该模型的优势在于实现了移动对象线上线下数据的有效融合，支持可为基于位置的社交网络ＧｅｏＳｏｃｉａｌ联合查询，－应用提供核心技术支持。为了验证ＧＳＭ模型的有效性，本文采用图数据库系统Ｎｅｏ４Ｊ实现了且选择成熟的ＰＧＳＭ模型，ｏｓｔｒｅＳＱＬ开展对比ｇ实验，验证了ＧＳＭ模型的有效性。

ＳｓｔｅｍｓＡｌｉｃａｔｉｏｎｓ，２００３，２７３６：４４４４５３Ｅｘｅｒｔ　　　－ｙｐｐｐ
［］９ ü ｔｉｎＲ　Ｈ．ＭｏｖｉｎＯｂｅｃｔＤａｔａｂａｓｅｓ［Ｍ］．Ｇｅｒ　Ｇ　－ｇｇｊ　　：Ｍ，ｍｅｎｏｒａｎＫａｕｆｍａｎｎＰｕｂｌｉｓｈｅｒｓ２００５：１０１６　　－ｇ［］Ｖ１０ａｚｉｒｉａｎｎｉｓｏｌｆｓｏｎＯ．Ａａｔｉｏｔｅｍｏｒａｌ　Ｍ，Ｗ　　ＳｇｐｐＭｏｄｅｌａｎｄＬａｎｕａｅｆｏｒＭｏｖｉｎＯｂｅｃｔｓｏｎＲｏａｄ　　　　　　ｇｇｇｊ　［］ＮｅｔｗｏｒｋｓＪ．ＡｄｖａｎｃｅｓｉｎＳａｔｉａｌａｎｄ　Ｔｅｍｏｒａｌ　　　ｐｐ２００１，２１２１：２０３５Ｄａｔａｂａｓｅｓ，　－［］Ｄ１１ｉｎＺ，Ｇ ü ｔｉｎＲ．ＭｏｄｅｌｉｎＴｅｍｏｒａｌｌＶａｒｉａｂｌｅｇｇｇｐｙ　　　　［］ＮｅｔｗｏｒｋｓＪ．ＤａｔａｂａｓｅＳｓｔｅｍｓｏｒＴｒａｎｓｏｒｔａｔｉｏｎ　　　ｐｙｆ

９卷第６期　第３

张恒才等： 移动对象时空轨迹及社交关系一体化数据模型

７１７

Ａｄｖａｎｃｅｄ　Ａｌｉｃａｔｉｏｎｓ，２００４，２９７３：６５１７２４　－ｐｐ
［］Ｓ１２ｅｉ ˇ ｃｖｃｓＬ，ＪｅｎｓｅｎＣＳ，ＫｌｉｓＡ．Ｃｏｍｕｔａｔｉｏｎａｌ　　　　ｐｙｇｙｐＭｏｄｅｌｉｎｆｏｒＮｅｔｗｏｒｋｏｎｓｔｒａｉｎｅｄＭｏｖｉｎＤａｔａ　　－Ｃ　ｇｇ　［Ｃ］．Ｔｈｅ１１ｔｈＡＣＭＩｎｔｅｒｎａｔｉｏｎａｌＳｍｏｓｉＯｂｅｃｔｓ　　　　－ｙｐｊｕｍｏｎＡｄｖａｎｃｅｓｉｎＧｅｏｒａｈｉｃＩｎｆｏｒｍａｔｉｏｎＳｓ　　　　　　－ｇｐｙ，Ｎ，Ｕｔｅｍｓｅｗ　ＹｏｒｋＳＡ，２００３［］Ｃ，Ｍ１３ｈｅｎＪｅｎＸ，ＧｕｏＹ，ｅｔａｌ．ＭｏｄｅｌｉｎａｎｄＰｒｅ　　　　－ｇｇ　　ｄｉｃｔｉｎＦｕｔｕｒｅＴｒａｅｃｔｏｒｉｅｓｏｆＭｏｖｉｎＯｂｅｃｔｓｉｎａ　　　　　ｇｊｇｊ　　ＣｏｎｓｔｒａｉｎｅｄＮｅｔｗｏｒｋ［Ｃ］．Ｔｈｅ７ｔｈＩｎｔｅｒｎａｔｉｏｎａｌ　　　，ＷＣｏｎｆｅｒｅｎｃｅｏｎＭｏｂｉｌｅＤａｔａＭａｎａｅｍｅｎｔａｓｈｉｎ　　　　－ｇｇｔｏｎＤＣ，ＵＳＡ，２００６　　［］Ｇ１４ｕｔｉｎＲ　Ｈ，ＤｉｎＺ．ＭｏｄｅｌｉｎａｎｄＱｕｅｒｉｎＭｏｖ　－ｇｇｇｙｇ　　　　［］ｉｎＯｂｅｃｔｓｉｎＮｅｔｗｏｒｋｓＪ．ＴｈｅＶＬＤＢ　Ｊｏｕｒｎａｌ，　　　ｇｊ　（）：２００６，１５２１６５１９０－［，Ｇ１５］ＸｕＪ ü ｔｉｎＲ　Ｈ．ＭａｎａｅａｎｄＱｕｅｒＧｅｎｅｒｉｃ　　　ｇｇｙ　　］ＭｏｖｉｎＯｂｅｃｔｓｉｎＳＥＣＯＮＤＯ［Ｊ．ＴｈｅＶＬＤＢ　Ｅｎ－　　　ｇｊ　（）：ｄｏｗｍｅｎｔ，２０１２，５１２２００２２００５　－　［］Ｋ，Ｈ，１６ｉｍ　ＤＯ，ＬｅｅＫＪｏｎＤＳｅｔａｌ．ＡｎＥｆｆｉｃｉｅｎｔＩｎ　　　　　　　－ｇ　ｄｅｘｉｎＴｅｃｈｎｉｕｅｆｏｒＬｏｃａｔｉｏｎＰｒｅｄｉｃｔｉｏｎｏｆＭｏｖｉｎ　　　　　ｇｑｇ　［］ＯｂｅｃｔｓＪ．ＫｎｏｗｌｅｄｅＢａｓｅｄＩｎｔｅｌｌｉｅｎｔＩｎｏｒｍａｔｉｏｎ－　　ｊｇｇｆ，ＥｎｉｎｅｅｒｉｎＳｓｔｅｍｓ，２００７４６９３：１９ａｎｄ　　－ｇｇ　ｙ［］，１７ＫｏｌａｈｄｏｕｚａｎＭＳｈａｈａｂｉＣ．ＶｏｒｏｎｏｉｂａｓｅｄｋＮｅａ　　－　　－ｒｅｓｔＮｅｉｈｂｏｒＳｅａｒｃｈｆｏｒＳａｔｉａｌＮｅｔｗｏｒｋＤａｔａｂａｓｅｓ　　　　　　ｇｐ［Ｃ］．Ｔｈｅ３０ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＶｅｒ　　　　　ｙ，，，ＬａｒｅＤａｔａＢａｓｅｓＴｏｒｏｎｔｏＣａｎａｄａ２００４　　ｇ［］Ｓ，１８ａｎｄｕＰｏａＩＺｅｉｔｏｕｎｉＫ．ＭｏｄｅｌｉｎａｎｄＱｕｅｒｉｎ　　　　－ｐｇｙｇ　［ＭｏｂｉｌｅＬｏｃａｔｉｏｎＳｅｎｓｏｒＤａｔａＣ］．Ｔｈｅ４ｔｈＩｎｔｅｒｎａ　　　　　－ｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＡｄｖａｎｃｅｄＧｅｏｒａｈｉｃＩｎｆｏｒｍａ　　　　　－ｇｐ，Ａ，，，ｔｉｏｎＳｓｔｅｍｓｌｉｃａｔｉｏｎｓａｎｄＳｅｒｖｉｃｅｓＶａｌｅｎｃｉａ　　ｙｐｐ，Ｓａｉｎ２０１２ｐ［］Ｃ１９ａｔｔｕｔｏＣ，ＶａｎｄｅｎＢｒｏｅｃｋ　Ｗ，ＢａｒｒａｔＡ．Ｄｎａｍｉｃｓ　　　　ｙＰｅｒｓｏｎｔｏＩｎｔｅｒａｃｔｉｏｎｓｆｒｏｍ　Ｄｉｓｔｒｉｂｕｔｅｄｅｒｓｏｎｏｆ　－－　　ｐＲＦＩＤＳｅｎｓｏｒＮｅｔｗｏｒｋｓ［Ｊ］．ＰＬｏＳ　ＯＮＥ，２０１０，５　　（）：７ｅ１１５９６［］，Ｂ ’ ？２０ＩｓｅｌｌａＬ，Ｓｔｅｈｌ éＪａｒｒａｔＡ．ＷｈａｔｓｉｎａＣｒｏｗｄ　　　　　］ＡｎａｌｓｉｓｏｆＦａｃｅｔｏａｃｅＢｅｈａｖｉｏｒａｌＮｅｔｗｏｒｋｓ［Ｊ．　　－－Ｆ　　ｙ：ＪｏｕｒｎａｌｏＴｈｅｏｒｅｔｉｃａｌＢｉｏｌｏ２０１１，２７１（１）　　ｆ　ｇｙ，１６６１８０－［］Ａ２１ｔｚｍｕｅｌｌｅｒＭ，ＤｏｅｒｆｅｌＳ，ＨｏｔｈｏＡ．Ｆａｃｅｔｏａｃｅ　　　－－Ｆ：Ｃ，Ｃｏｎｔａｃｔｓｕｒｉｎｏｎｆｅｒｅｎｃｅｏｍｍｕｎｉｔｉｅｓ　Ｄ　Ｃｇ　ａ，［ＲｏｌｅｓａｎｄＫｅＰｌａｅｒｓＣ］．Ｔｈｅ２ｎｄＩｎｔｅｒｎａｔｉｏｎａｌ　　　ｙｙ　ＷｏｒｋｓｈｏｏｎＭｉｎｉｎＵｂｉｕｉｔｏｕｓａｎｄＳｏｃｉａｌＥｎｖｉ　　　　－ｐｇｑ　　，Ａ，，ｒｏｎｍｅｎｔｓｔｈｅｎｓＧｒｅｅｃｅ２０１１［］Ｚ２２ｈｕａｎＨ，ＣｈｉｎＡ，ＷｕＳ．ＩｎｆｅｒｒｉｎＧｅｏｒａｈｉｃ　　ｇｇｇｐ　　［］ｉｎＥｈｅｍｅｒａｌＳｏｃｉａｌＮｅｔｗｏｒｋｓＪ．Ｍａ－Ｃｏｉｎｃｉｄｅｎｃｅ　　　　ｐ

［］Ｔ，Ｌ２４ａｎＪｏｕＴ，ＫｌｅｉｎｂｅｒＪ．ＩｎｆｅｒｒｉｎＳｏｃｉａｌＴｉｅｓ　　ｇｇｇ　　　［ＡｃｒｏｓｓＨｅｔｅｒｏｅｎｏｕｓＮｅｔｗｏｒｋｓＣ］．Ｔｈｅ５ｔｈＡＣＭ　　　　ｇＣｏｎｆｅｒｅｎｃｅｏｎ　ＷｅｂＳｅａｒｃｈａｎｄＤａｔａＩｎｔｅｒｎａｔｉｏｎａｌ　　　　　，，ＷＭｉｎｉｎＳｅａｔｔｌｅａｓｈｉｎｔｏｎ，２０１２ｇｇ［］Ｚ，Ｔ２５ｈｕａｎＨ，ＴａｎＪａｎＷ．ＡｃｔｉｖｅｌＬｅａｒｎｉｎｔｏｇｇｇ　ｙｇ　　　　［］ＳｏｃｉａｌＴｉｅｓＪ．Ｄａｔａ　Ｍｉｎｉｎａｎｄ　ＫｎｏｗｌｅｄｅＩｎｆｅｒ　　ｇｇ　（）：Ｄｉｓｃｏｖｅｒ２０１２，２５２１２８－ｙ，［，２６］ＷａｎＤ，ＰｅｄｒｅｓｃｈｉＤ，ＳｏｎＣ．ＨｕｍａｎＭｏｂｉｌｉｔ　　ｇｇｙ　　，ａＳｏｃｉａｌＴｉｅｓｎｄＬｉｎｋＰｒｅｄｉｃｔｉｏｎ［Ｃ］．Ｔｈｅ１７ｔｈ　　　　ＡＣＭ　ＳＩＧＫＤＤＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＫｎｏｗｌ　　　　－，Ｓ，ＣｅｄｅＤｉｓｃｏｖｅｒａｎｄＤａｔａＭｉｎｉｎａｎＤｉｅｏＡ，　　　　ｇｙｇｇ　ＵＳＡ，２０１１［２７］ＳａｄｉｌｅｋＡ，ＫａｕｔｚＨ，ＢｉｈａｍＪＰ．ＦｉｎｄｉｎＹｏｕｒ　　　　ｇｇ　［ＦｒｉｅｎｄｓａｎｄＦｏｌｌｏｗｉｎＴｈｅｍｔｏＷｈｅｒｅＹｏｕＡｒｅＣ］．　　　　　　ｇ　５ｔｈＡＣＭＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ　ＷｅｂＳｅａｒｃｈＴｈｅ　　　　　　，，ＵａｎｄＤａｔａＭｉｎｉｎＮｅｗ　ＹｏｒｋＳＡ，２０１２　　ｇ［］Ｃ，Ｔ，２８ｒａｎｓｈａｗＪｏｃｈＥ，ＨｏｎＪｅｔａｌ．Ｂｒｉｄｉｎｔｈｅ　　　ｇｇｇ　　ＢｅｔｗｅｅｎＰｈｓｉｃａｌＬｏｃａｔｉｏｎａｎｄＯｎｌｉｎｅＳｏｃｉａｌＧａ　　　　　ｙｐ　［ＮｅｔｗｏｒｋｓＣ］．Ｔｈｅ１２ｔｈＡＣＭＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒ　　　　－，Ｓ，ＷｅｎｃｅｏｎＵｂｉｕｉｔｏｕｓＣｏｍｕｔｉｎｅａｔｔｌｅａｓｈｉｎ　　　－ｑｐｇｇ，ｔｏｎ２０１０［］Ｌ，２９ｅｅＲ，ＷａｋａｍｉａＳＳｕｍｉａＫ．ＤｉｓｃｏｖｅｒｏｆＵｎｕｓｕａｌ　　　　ｙｙｙ　ＳｏｃｉａｌＡｃｔｉｖｉｔｉｅｓＵｓｉｎＧｅｏｔａｅｄＭｉｃｒｏｂｌｏｓＲｅｉｏｎａｌ　　　－　ｇｇｇｇｇ　［］，（）：Ｊ．Ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂ，２０１１１４４３２１３４９－［３０］ＣｈｏＥ，ＭｅｒｓＳＡ，ＬｅｓｋｏｖｅｃＪ．Ｆｒｉｅｎｄｓｈｉａｎｄ　　　　ｙｐ　：ＵｓｅｒＭｏｖｅｍｅｎｔｉｎＬｏｃａｔｉｏｎｂａｓｅｄＳｏｃｉａｌＭｏｂｉｌｉｔ　　　－　ｙＮｅｔｗｏｒｋｓ［Ｃ］．Ｔｈｅ１７ｔｈＡＣＭ　ＳＩＧＫＤＤＩｎｔｅｒｎａ　　　－ｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＫｎｏｗｌｅｄｅＤｉｓｃｏｖｅｒａｎｄＤａｔａ　　　　　ｇｙ　，，ＭｉｎｉｎＳａｎＤｉｅｏＣＡ，ＵＳＡ，２０１１　ｇｇ［］Ｅ３１ａｌｅＮ，ＰｅｎｔｌａｎｄＡ，ＬａｚｅｒＤ．ＭｏｂｉｌｅＰｈｏｎｅＤａｔａ　　　　　ｇｆｏｒＩｎｆｅｒｒｉｎＳｏｃｉａｌＮｅｔｗｏｒｋＳｔｒｕｃｔｕｒｅ［Ｍ］．ＵＳ：　　　ｇ　，Ｓｒｉｎｅｒ２００８：７９８８－ｐｇ［］Ｅ３２ａｌｅＮ，ＰｅｎｔｌａｎｄＡＳ，ＬａｚｅｒＤ．ＩｎｆｅｒｒｉｎＦｒｉｅｎｄ　　　　－ｇｇ　ｓｈｉＮｅｔｗｏｒｋＳｔｒｕｃｔｕｒｅｂＵｓｉｎＭｏｂｉｌｅＰｈｏｎｅＤａ　　　　－ｐｙｇ　　　［］ｔａＪ．Ｔｈｅ　ＮａｔｉｏｎａｌＡｃａｄｅｍｏＳｃｉｅｎｃｅｓ，２００９，　ｙｆ　　（）：１０６３６１５２７４１５２７８　－　［］Ｓ３３ｃｅｌｌａｔｏＳ，ＭａｓｃｏｌｏＣ，ＭｕｓｏｌｅｓｉＭ．ＤｉｓｔａｎｃｅＭａｔ　　　　－：ｔｅｒｓＧｅｏｓｏｃｉａｌＭｅｔｒｉｃｓｆｏｒＯｎｌｉｎｅＳｏｃｉａｌＮｅｔｗｏｒｋｓ－　　　　　［Ｃ］．Ｔｈｅ３ｒｄＣｏｎｆｅｒｅｎｃｅｏｎＯｎｌｉｎｅＳｏｃｉａｌＮｅｔ　　　　　　－，ｗｏｒｋｓＣＡ，ＵＳＡ，２０１０［３４］ＳｃｅｌｌａｔｏＳ，ＮｏｕｌａｓＡ，ＬａｍｂｉｏｔｔｅＲ．Ｓｏｃｉｏｓａｔｉａｌ　　　－ｐＰｒｏｅｒｔｉｅｓｏｆＯｎｌｉｎｅＬｏｃａｔｉｏｎｂａｓｅｄＳｏｃｉａｌＮｅｔ　　　－　　－ｐ［］ｗｏｒｋｓＪ．ＩＣＷＳＭ，２０１１，１１：３２９３３６－［］Ｌ３５ｉＮ，ＣｈｅｎＧ．ＡｎａｌｓｉｓｏｆａＬｏｃａｔｉｏｎｂａｓｅｄＳｏｃｉａｌ　　　　　－　ｙ［Ｃ］．ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｕｔａＮｅｔｗｏｒｋ　　　－ｐ，ＷｔｉｏｎａｌＳｃｉｅｎｃｅａｎｄＥｎｉｎｅｅｒｉｎａｓｈｉｎｔｏｎＤＣ，　　　　　ｇｇｇＵＳＡ，２００９［］Ｎ，Ｍ３６ｏｕｌａｓＡ，ＳｃｅｌｌａｔｏＳａｓｃｏｌｏＣ．ＡｎＥｍｉｒｉｃａｌＳｔｕｄ　　　　　ｐｙｏｆＧｅｏｒａｈｉｃＵｓｅｒＡｃｔｉｖｉｔＰａｔｔｅｒｎｓｉｎＦｏｕｒｓｕａｒｅ　　　　　ｇｐｙｑ　［Ｃ］．Ｔｈｅ５ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＡＡＡＩＣｏｎｆｅｒｅｎｃｅｏｎ　　　　　，，，ＷｅｂｌｏｓａｎｄＳｏｃｉａｌＭｅｄｉａＢａｒｃｅｌｏｎａＳａｉｎ２０１１　　　ｇｐ

ｃｈｉｎｅＬｅａｒｎｉｎａｎｄ　Ｋｎｏｗｌｅｄｅ　Ｄｉｓｃｏｖｅｒｉｎ　Ｄａｔａ－　ｇｇｙ　　ｂａｓｅｓ，２０１２，７５２４：６１３６２８　－
［］Ｔ２３ａｎＷ，ＺｈｕａｎＨ，ＴａｎＪ．ＬｅａｒｎｉｎｔｏＩｎｆｅｒＳｏ　　－ｇ　ｇｇｇ　　　［］ｃｉａｌＴｉｅｓｉｎＬａｒｅＮｅｔｗｏｒｋｓＪ．ＭａｃｈｉｎｅＬｅａｒｎｉｎ　　　　　ｇｇ

ａｎｄ　Ｋｎｏｗｌｅｄｅ　Ｄｉｓｃｏｖｅｒｉｎ　Ｄａｔａｂａｓｅｓ，２０１１，ｇｙ　
６９１３：３８１３９７　－

７１８

武汉大学学报·信息科学版

２０１４年６月

［］Ｃ，３７ｒａｎｄａｌｌＤＪＢａｃｋｓｔｒｏｍＬ，ＣｏｓｌｅＤ．ＩｎｆｅｒｒｉｎＳｏ　　　－ｙｇ　　ｃｉａｌＴｉｅｓｆｒｏｍ　ＧｅｏｒａｈｉｃＣｏｉｎｃｉｄｅｎｃｅｓ［Ｊ］．Ｔｈｅ　　　ｇｐ：ＮａｔｉｏｎａｌＡｃａｄｅｍｏＳｃｉｅｎｃｅｓ，２０１０，１０７（５２）　ｙｆ　　２２４３６２２４４１　－　［］Ｐ３８ｈａｍ　Ｈ，ＨｕＬ，ＳｈａｈａｂｉＣ．ＧＥＯＳＯ—Ａ　Ｇｅｏｓｏｃｉａｌ　　－：ＦＭｏｄｅｌｒｏｍ　ＲｅａｌｏｒｌｄＣｏｏｃｃｕｒｒｅｎｃｅｓｔｏＳｏｃｉａｌ－ｗ　－　　

［］ＣｏｎｎｅｃｔｉｏｎｓＪ．Ｄａｔａｂａｓｅｓｉｎ　ＮｅｔｗｏｒｋｅｄＩｎｏｒｍａ－　　ｆ

ｔｉｏｎＳｓｔｅｍｓ，２０１１，７１０８：２０３２２２　　－ｙ
［］Ｚ３９ｈｅｎＹ，ＺｈａｎＬ，ＸｉｅＸ．ＲｅｃｏｍｍｅｎｄｉｎＦｒｉｅｎｄｓａｎｄ　　ｇｇｇ　　　］ＢａｓｅｄｏｎＩｎｄｉｖｉｄｕａｌＬｏｃａｔｉｏｎＨｉｓｔｏｒＪ．Ｌｏｃａｔｉｏｎｓ　　　　　ｙ［，（）：ＡＣＭ　Ｔｒａｎｓａｃｔｉｏｎｏｎｔｈｅ　Ｗｅｂ，２０１１５１６０６７　　－

ＡｎＩｎｔｅｒａｔｅｄＤａｔａＭｏｄｅｌｆｏｒＳａｔｉａｌＴｅｍｏｒａｌＴｒａｅｃｔｏｒｉｅｓａｎｄｔｈｅ　　　　　－　　　ｇｐｐｊＲｅｌａｔｉｏｎｓｈｉｓｏｆＭｏｖｉｎＯｂｅｃｔｓＳｏｃｉａｌ　　　ｐｇｊ　
１１１ＺＨＡＮＧ　ＨｅｎｃａｉＵ　ＦｅｎＪｉｅ　Ｌｇｇ　ＣＨＥＮ　

１　ＳｔａｔｅＫｅＬａｂｏｒａｔｏｒｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＩｎｆｏｒｍａｔｉｏｎＳｓｔｅｍ，ＩｎｓｔｉｔｕｔｅｏｆＧｅｏｒａｈｉｃＳｃｉｅｎｃｅｓ　　　　　　　　　ｙｙｙｇｐ　　，，ａｎｄＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈＣｈｉｎｅｓｅＡｃａｄｅｍｏｆＳｃｉｅｎｃｅｓＢｅｉｉｎ１００１０１，Ｃｈｉｎａ　　　　　ｙｊｇ　　

：，，ＡｂｓｔｒａｃｔＩｎｔｈｅｉｎｆｏｒｍａｔｉｏｎａｅｗｉｔｈｔｈｅｄｅｖｅｌｏｍｅｎｔｏｆｔｈｅＳｏＬｏＭｏ（ｓｏｃｉａｌｌｏｃａｌａｎｅｏｒａｈｉｃ　　　　　　　　　　ｐｇｇｐｇｐ），ｍｏｂｉｌｅｍｏｄｅｓｉｎｔｈｅｍｏｂｉｌｅｉｎｔｅｒｎｅｔｉｎｄｕｓｔｒｈｏｗｔｏｅｆｆｅｃｔｉｖｅｌｍａｎａｅｍａｓｓｉｖｅｌｏｃａｔｉｏｎｂａｓｅｄａｎｄ　　　　　　　　　－ｙｙｇ　　，ｄａｔａｓｏｃｉａｌｎｅｔｗｏｒｋａｎｄｄａｔａｈａｓｂｅｃｏｍｅａｍａｏｒｃｈａｌｌｅｎｅｉｎｔｈｅｍｏｖｉｎｏｂｅｃｔｄａｔａｂａｓｅｓｅｏｓａｔｉａｌ　　　　　　　　　　　　　ｊｇｇｊｇｐ　，ｆｉｅｌｄｏｆｒｅｓｅａｒｃｈ．Ｉｎｔｈｉｓａｓａｔｉａｌｔｅｍｏｒａｌｉｎｔｅｒａｔｅｄｄａｔａｍｏｄｅｌｆｏｒｍｏｖｉｎｏｂｅｃｔｔｒａｅｃｔｏｒｉｅｓａｅｒ　　　　　－　　　　　　ｐｐｇｇｊｊｐｐ　，，ａｎｄｓｏｃｉａｌｒｅｌａｔｉｏｎｓｈｉｓｃａｌｌｅｄｔｈｅＧｅｏＳｏｃｉａｌｏｖｉｎＧＳＭ）ｍｏｄｅｌｉｓｔｏｍａｎａｅｂｏｔｈｒｏｏｓｅｄ　　　　－－Ｍ　　　　ｐｇ（ｇｐｐ，ｍｏｖｉｎｅｏｒａｈｉｃａｌｏｂｅｃｔｌｏｃａｔｉｏｎｓｔｒａｅｃｔｏｒｉｅｓａｎｄｓｏｃｉａｌｒｅｌａｔｉｏｎｓｈｉｓｉｎａｎｉｎｔｅｒａｔｅｄｆｒａｍｅｗｏｒｋ．　　　　　　　　　ｇｇｇｐｊｊｐｇ　，，ｄｅｆｉｎｅａｓｅｒｉｅｓｏｆｃｏｍｍｏｎｏｅｒａｔｉｏｎｓｉｎｃｌｕｄｉｎｉｎｔｅｒｃｅｔｉｏｎｅｘｔｅｎｓｉｏｎａｎｄｍｕｌｔｉｄｉｒｏｅｃｔｉｏｎＷｅ　　　　　　　　　－－ｐｇｐｐｊ　，ｒｏｅｃｔｉｏｎ．ＴｈｅｎｒａｈｍｅｎｓｉｏｎａｌｔｈｅＧＳＭ　ｍｏｄｅｌｉｓｉｍｌｅｍｅｎｔｅｄｂａｓｅｄｏｎａｄａｔａｂａｓｅｓｓｔｅｍ．Ｗｅ　　　　　　　　　　ｐｊｇｐｐｙｃｏｎｄｕｃｔｅｄｄｅｔａｉｌｅｄｅｘｅｒｉｍｅｎｔｓｗｉｔｈｔｗｏｆｒｅｅｌｏｃａｔｉｏｎｂａｓｅｄｓｏｃｉａｌｎｅｔｗｏｒｋｄａｔａｓｅｔｓｆｒｏｍＢｒｉｈｔｋｉｔｅ　　　　　　－　　　　　ｐｇＧｏｗａｌｌａｔｏｖｅｒｉｆｉｅｄｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅＧＳＭ　ｍｏｄｅｌ．ＲｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＧＳＭｒｏｏｓｅｄａｎｄ　　　　　　　　　　　　　ｐｐｍｏｄｅｌｃａｎａｖｏｉｄｉｎｅｆｆｉｃｉｅｎｃｃａｕｓｅｄｂｒｅｌａｔｉｏｎａｌｄａｔａｂａｓｅｔａｂｌｅｗｉｔｈｔｈｅｅｆｆｉｃｉｅｎｃａｎｄｓｔａｕｅｒｏｉｎｓ　　　　　　　　　　　－ｙｙｙｑｙｊ　　　　ｂｉｌｉｔｔｏｓｕｏｒｔｆｏｒｌｏｃａｔｉｏｎｂａｓｅｄｓｏｃｉａｌｎｅｔｗｏｒｋａｌｉｃａｔｉｏｎｓ．ｒｏｖｉｄｅ　　　　－　　　ｙｐｐｐｐｐ　：；；；Ｋｅｗｏｒｄｓｍｏｖｉｎｏｂｅｃｔｓｄａｔａｍｏｄｅｌｔｒａｅｃｔｏｒｏｃｉａｌｎｅｔｗｏｒｋ　　ｇｊｊｙｓｙ　　

：，：ＦｉｒｓｔａｕｔｈｏｒＺＨＡＮＧ　ＨｅｎｃａｉＰｈＤ．Ｈｅｆｏｃｕｓｏｎｍｏｖｉｎｏｂｅｃｔｓｄａｔａｂａｓｅａｎｄｓａｔｉａｌｔｅｍｏｒａｌｄａｔａｍｉｎｉｎ．Ｅａｉｌｚｈａｎｈｃｌｒｅｉｓ．ａｃ．ｃｎ　　　　　　　－　　－ｍ＠ｇｇｊｐｐｇｇ　：，，：ＣｏｒｒｅｓｏｎｄｉｎａｕｔｈｏｒＬＵＦｅｎＰｈＤ，ｒｅｓｅａｒｃｈｅｒＰｈＤｓｕｅｒｖｉｓｏｒ．Ｅ－ｍａｉｌｌｕｆｌｒｅｉｓ．ａｃ．ｃｎ　　＠ｇｐｐｇ　：（，ＦｏｕｎｄａｔｉｏｎｓｕｏｒｔＴｈｅＮａｔｉｏｎａｌＨｉｈＴｅｃｈｎｏｌｏＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｍｅｎｔＰｒｏｒａｍｏｆＣｈｉｎａ８６３Ｐｒｏｒａｍ）Ｎｏｓ．２０１２ＡＡ１２Ａ２１１，　　　　　　　　　ｇｇｙｐｇｇｐｐ　，２０１３ＡＡ１２０３０５；ｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａＮｏｓ．４１２７１４０８，４１１０１１４９．　　　　　　

檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪（上接第７１０页），，ｅｏｒａｈｉｃｎｅｉｔａｎｄｔｈｅｓａｔｉａｌｉｎｔｅｒａｃｔｉｏｎｓａｍｏｎｃｉｔｉｅｓａｈｂｒｉｄｂａｃｋｂｏｎｅｅｘｔｒａｃｔｉｏｎａｒｏａｃｈｉｓ　　　　　　　　　　ｙｐｇｙｇｇｐｐｐ　ｒｏｏｓｅｄｗｈｉｃｈｉｓｄｒａｗｎｆｒｏｍｔｈｅｒａｖｉｔｍｏｄｅｌａｎｄｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｔｈｅｏｒｉｅｓ．Ｔｈｉｓｒｅｓｅａｒｃｈｃａｎ　　　　　　　　　　　ｐｐｇｙｐｙ　　，，ｉｎｃｒｅａｓｅｕｎｄｅｒｓｔａｎｄｉｎｏｆｔｈｅｓｔｒｕｃｔｕｒｅｏｆｕｒｂａｎｓｓｔｅｍｓｒａｄｉａｎｔａｂｉｌｉｔａｔｔｒａｃｔｉｖｅｎｅｓｓａｎｄｏｅｎｎｅｓｓ　　　　　　　　　ｇｙｙｐ　ｏｆｃｉｔｉｅｓｉｎｔｈｅｖｉｒｔｕａｌｗｅｂｓｏｃｉｅｔ．　　　　　　ｙ：；；；Ｋｅｗｏｒｄｓｓｏｃｉａｌｎｅｔｗｏｒｋ；ｓａｔｉａｌｓｔｒｕｃｔｕｒｅｅｏｒａｈｉｃｂａｃｋｂｏｎｅＳｈａｎｎｏｎｅｎｔｒｏｒａｖｉｔｍｏｄｅｌ　　　　ｇｇｐｇｙｐｐｙｙ　　

：，，，，ＦｉｒｓｔａｕｔｈｏｒＣＨＡＮＧＸｉａｏｍｅｎＰｈＤｃａｎｄｉｄａｔｅｓｅｃｉａｌｉｚｅｓｉｎｅｏｒａｈｉｃｓｏｃｉａｌｎｅｔｗｏｒｋｓａｔｉｏｔｅｍｏｒａｌｄａｔａｖｉｓｕａｌａｎａｌｓｉｓａｎｄＩＴＳ．　　　　　　　－　　　　ｇｐｇｇｐｐｐｙ：ｍａｉｌ．ｃｏｍａｉｌｃｈａｎｘｉａｏｍｅｎＥ－ｍ＠ｇｇｇ：，：ＣｏｒｒｅｓｏｎｄｉｎａｕｔｈｏｒＬＩＱｉｎｕａｎＰｈＤ，ｒｏｆｅｓｓｏｒ．Ｅ－ｍａｉｌｌｉｚｕ．ｅｄｕ．ｃｎ　＠ｓｇｑｐｑｑｐｇ　：，ＮＦｏｕｎｄａｔｉｏｎｓｕｏｒｔＴｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａｏ．４１３７１３７７；ＳｈｅｎｚｈｅｎＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｍｅｎｔ　　　　　　　　　　　ｐｐｐＦｕｎｄｉｎＰｒｏｒａｍ，Ｎｏ．ＺＤＳＹ２０１２１０１９１１１１４６４９９；ＳｈｅｎｚｈｅｎＤｅｄｉｃａｔｅｄＦｕｎｄｉｎｏｆＳｔｒａｔｅｉｃＥｍｅｒｉｎＩｎｄｕｓｔｒＤｅｖｅｌｏｍｅｎｔＰｒｏｒａｍ，　　　　　ｇｇｇｇｇｇｙｐｇ　　　　Ｎｏ．ＪＣＹＪ２０１２１０１９１１１１２８７６５；ＣＣＦｅｎｃｅｎｔＡＲＧ２０１３０１１５．－Ｔ

本文关键词：移动对象时空轨迹及社交关系一体化数据模型，由笔耕文化传播整理发布。

本文编号：94846

资料下载

论文发表

支付宝下载

Download by Alipay
微信下载

Download by Wechat
会员下载

Download by Member

本文链接：https://www.wllwen.com/guanlilunwen/ydhl/94846.html

上一篇：ios开发论文参考文献范例
下一篇：游戏行业就业形势_游戏行业发展前景_2015年中国移动游戏行业研究报告

论文发表

·知网|万方|维普|龙源|省级|国家级|科技核心|北大核心|南大核心CSSCI|EI|SCI|SSCI|