JUST技术：驻留点应用及经典检测算法解析

随着定位技术的不断普及，嵌入在手机和PDA设备内的GPS、北斗等位置传感器周期性地记录移动对象的位置，从而产生了海量的轨迹数据。用户为分享行程可能主动记录自己的轨迹，物流派送车、出租车、共享私家车等由于运营监管的需要可能被动地记录轨迹位置信息。

这些轨迹数据背后的想象空间极大。利用轨迹数据，我们可以用来估计全城的车流量、通行时间、补全现有地图等等。而为实现这些应用，我们通常会对轨迹数据进行预处理，剔除掉一些时间连续且空间上非常临近的点（下文简称驻留点），因为驻留点会影响上述应用的精确度。

然而，这些被丢掉的驻留点也隐含了丰富的信息。利用检测得到的驻留点，如图1所示，我们可以进行事件分析、地点发现、序列挖掘等等。本文，我们将带大家探索驻留点背后的故事，以及介绍一些经典的驻留点检测算法。

图1 轨迹驻留点的检测及应用

一、 驻留点应用

1.事件分析

移动对象往往会因为某些事件而停留，比如车辆会因为加油而停留、快递员因为配送而停留等等。通过分析移动对象在特定POI（兴趣点）驻留的时长和时间，我们可以分析POI的特性，助力决策。

在[1-2]中，作者将出租车轨迹中的驻留点（图2）与加油站POI进行关联，利用提出的方法，能够估计每个加油站每个时间片的平均加油等待时间，用于推荐加油地点，以及推测每个加油站每个时间片的访问车辆数，从而推测出全城实时的油耗。

图2 汽车加油事件 [1-2].

在[3]中，作者