妈妈在家

PEMS等流量数据集记录的数据是怎样产生的？

时空数据挖掘必备： Python的时间处理

1. 作者观察到现有的轨迹相似度计算模型都没有建模时间相似性，从时空分离的角度**重新定义了轨迹相似度的概念**。2. 在轨迹的空间嵌入和时间嵌入时，作者提出了时空的**共同融合**模块，显式地建模了轨迹的时空相关性。3. 在考虑模块的重构时，作者每次都是先提出最简单的可行方案，再分析其缺陷，再迭代，使得对比实验具有很好的说服力。4. 作者对前人工作的总结非常充分，introduction提及的分布式的海量轨迹挖掘算法、轨迹相似度计算的应用的介绍是很新颖的。

1. 作者提出的空间划分方式，将equal-size的网格转换为了层次结构，并通过同一级节点的连接，构造出了一个空间划分的图，具有一定的新意。2. 在此基础上，作者使用的图注意力机制捕获长序依赖，在实验上取得了良好的效果。