امروزه به واسطه توسعه فناوری، استفاده از سیستم‌های تعیین موقعیت افزایش چشمگیری داشته است. این ابزار داده‌های موقعیت را به صورت رشته‌ای از نقاط مکانی-زمانی به نام خط سیر تولید می‌کنند. در سال‌های اخیر تحقیقات مربوط به مدیریت داده‌های خط سیر، اغلب با تمرکز بر تکنیک‌های ذخیره‌سازی/بازیابی، مدلسازی، داده کاوی و کشف دانش از داده‌های خط سیر بوده است. این مطالعات عمدتاً بر جنبه‌های هندسی داده‌های خام تاکید داشته‌اند. با این حال، ما امروزه شاهد گسترش تقاضا در بخش‌های کاربردی مختلف از ردیابی کالا توسط کشتی‌های تجاری تا شیکه‌های اجتماعی، با فهم رفتار (الگوی) معنایی اشیاء در حال حرکت هستیم. الگوهای معنایی نه تنها شامل الگوهای هندسی هستند، بلکه دانش استخراج شده از داده‌های حرکت و اطلاعات مربوط به حوزه جغرافیایی و کاربردی را نیز شامل می‌شوند. فرآیند کشف دانش از داده‌های حرکت و غنی‌سازی معنایی خطوط سیر مکانی معمولاً شامل چند گام ‌پردازش است تا داده‌های ورودی خام به اپیزودهای معنی‌دار تبدیل شوند. این مقاله، ضمن ارائه چارچوب محاسباتی خط سیر معنایی، به بررسی و پیاده‌سازی هر یک از مراحل برای آماده‌سازی داده‌ها به منظور کشف دانش و اضافه کردن معنا به داده‌ها می‌پردازد. در این کار، فرآیند پردازش داده‌ها در هر گام چکیده‌سازی به ترتیب با داده‌های خام پاکسازی شده، خط سیر مکانی-زمانی و خط سیر ساختاریافته مورد بررسی قرار گرفته است و الگوریتم‌های ارائه شده روی داده‌های واقعی خط سیر پیاده‌سازی و ارزیابی شده است.