基于区域语义的城市移动模式可视分析

针对城市区域语义及移动模式难以提取的问题,提出一种基于区域语义的城市移动模式可视分析方法用于直观地分析人群出行情况.通过提取用户通话特征,使用高斯混合模型区分基站通话模式来发现城市区域的功能性信息;进一步使用层次聚类算法对用户行为进行语义发现,分析区域用户行为规律;区域语义与用户语义结合分析,挖掘人群在区域间的移动模式.案例分析表明,该方法能有效地发现区域功能特征,结合数据能帮助分析人员发现城市间移动模式以及探索用户移动意图,得到用户移动模式和功能区域之间的联系.     

一个基于基站轨迹数据的城市移动模式可视分析系统

随着移动通信技术的发展,手机基站轨迹数据在分析人类移动规律方面的优势日趋显著.由于人群移动模式与其社会行为息息相关,该模式能够直接反映各地理区块在不同时间段所具备的社会功能.根据词嵌入模型,首先将基站的时空信息映射为向量,通过计算基站间的高层语义的相似规律来分析地理区域的功能性信息;再将带有时空变化信息的手机用户移动轨迹映射至向量空间,使基站地理坐标与轨迹相结合,从而获取更加丰富的语义信息.在交互方面,设计了一个可视化分析系统Trajectory2Vec来探索城市区域功能和用户行为的关系,案例分析证明了该系统可以有效地帮助用户分析移动人群与城市区域间关系的动态变化规律.     

基于移动终端日志数据的人群特征可视化

随着我国移动互联网的迅猛发展,如何从海量移动终端日志数据中提取出有效信息,并进行合理、清晰的可视化分析,为工业界等提供有价值的统计分析功能显得尤为重要.目前,对于移动终端日志数据的研究和分析多是基于对单一属性的统计结果分析,如应用下载排行、用户留存率等.为了进一步挖掘移动终端日志数据背后深层次的隐含信息,更加准确地概括出移动终端用户的特征,提出了一种基于移动应用程序日志数据的人群特征分析与画像计算方法,构造了基于移动应用程序数据的主题模型,并将移动设备用户按照与不同应用主题的相关度进行聚类,得到了具有不同特征的人群,从而提出了基于层次气泡图和Voronoi Treemap的可视化展现与分析方案.进一步将人群特征与时间信息、地理位置信息相结合,从多角度可视化展现人群特征.最后,根据该研究内容,实现了B/S架构的日志数据可视化分析原型系统,并通过案例分析验证了该方法的有效性.     

面向城市科技创新评价的移动端APP

科技创新是城市乃至区域发展的主要动力.基于事实数据,针对某一特定城市进行快速、准确的科技创新评价就显得尤为必要.本文基于科技创新评价指标体系和可视化工具,设计了针对城市科技创新评价的移动端APP并进行了实际应用.系统以指标信息为基础,结合移动端APP特点,实现了指标展示、指标分析、指标评价功能.同时,系统结合地理空间信息可以对不同城市指标信息进行浏览和对比分析,该系统对于推进城市科技创新评价的高效化、精确化实施具有重要的意义.     

基于多尺度空间划分与路网建模的城市移动轨迹模式挖掘

针对城市移动轨迹模式挖掘问题展开研究, 提出移动全局模式与移动过程模式相结合的挖掘方法, 即通过移动轨迹的起始位置点--终点位置点 (Origin-destination, OD点) 与移动过程序列分别进行移动全局模式与过程模式的发现. 在移动全局模式发现中, 提出了弹性多尺度空间划分方法, 避免了硬性等尺度网格划分对密集区域边缘的破坏, 同时增强了密集区域与稀疏区域的区分能力.在移动过程模式发现中, 提出了基于移动轨迹的路网拓扑关系模型构建方法, 通过路网关键位置点的探测抽取拓扑关系模型.最后基于空间划分集合与路网拓扑模型对原始 移动轨迹数据进行序列数据转换与频繁模式挖掘. 通过深圳市出租车历史 GPS 轨迹数据的实验结果表明, 该方法与现有方法相比在区域划分、数据转换等方面具有更好的性能, 同时挖掘结果语义更为丰富, 可解释性更强.     

Road2vec:一种基于出租车轨迹数据的城市道路可视分析方法

发掘轨迹数据的时空连续性对分析路网结构和人类移动模式的非常重要,基于出租车GPS数据,提出一种城市道路的可视分析方法——road2vec.首先利用词嵌入技术将轨迹数据视为文本进行建模,得到道路的向量表示形式;然后计算得到道路向量在向量空间中的位置关系,并用这种位置关系来表示道路向量之间的相似性;最后根据相似性来探索道路在轨迹中的位置信息和连接关系.文中还设计了一套可视分析系统,以支持用road2vec方法探索城市道路相关信息.基于温州市出租车GPS数据的案例分析表明,该方法可以有效地反映人群在城市路网中的移动模式.     

Road2vec:一种基于出租车轨迹数据的城市道路可视分析方法EI北大核心CSCD

发掘轨迹数据的时空连续性对分析路网结构和人类移动模式的非常重要,基于出租车GPS数据,提出一种城市道路的可视分析方法——road2vec.首先利用词嵌入技术将轨迹数据视为文本进行建模,得到道路的向量表示形式;然后计算得到道路向量在向量空间中的位置关系,并用这种位置关系来表示道路向量之间的相似性;最后根据相似性来探索道路在轨迹中的位置信息和连接关系.文中还设计了一套可视分析系统,以支持用road2vec方法探索城市道路相关信息.基于温州市出租车GPS数据的案例分析表明,该方法可以有效地反映人群在城市路网中的移动模式.     

基于出行模式子图的城市功能区域发现方法

城市的功能区域是指在城市的发展过程中逐渐形成的功能(如工业、商业、居住、教育等)相对固定的地理区域。这些区域间的位置结构影响着城市中居民的出行模式,与此同时,城市居民的出行模式也客观地反映了城市不同区域的真实的功能定位。文中以出租车运行轨迹数据为基础,研究城市居民的出行模式,并根据所得模式实现城市功能区域的自动化发现。主要思路及贡献包括:1)使用车辆轨迹及路网结构数据构造区域模式图(region pattern graph)结构,并提出区域模式图构建算法,采用图结构将城市的不同地理区域连接起来;2)提出自底而上的功能区域发现算法(Bottom-Up Functional Region Discovering,BUFRD)框架及基本实现思路,包括提出频繁出行模式子图挖掘算法,发现区域模式图中频繁出现的出行模式;3)提出功能区域聚类算法,聚类已获取的出行模式子图集,并最终实现城市功能区域的发现。实验结果表明,通过所提方法发现的城市功能区域较传统方法所得结果的功能纯度更高,其熵值比传统方法降低了至少10%。     

基于移动网络信令的区域人群属性分析的研究与应用

人群属性分析在旅游管理和商业分析等领域具有重要的意义。针对传统方法的不足, 结合用户提出的实际需求, 调研分析了新型统计方法, 并对基于移动网络信令的区域人群属性分析方法进行研究。首先采集海量的移动网络用户信令数据, 然后挖掘分析得到区域用户驻留时长等中间数据, 最后结合判定规则分析出人群属性类型。分析平台汇总结果并以网页程序的方式向用户展示。用户的实际应用验证了该方法的可行性。     

基于中国观鸟数据的移动对象周期模式发现

移动对象的轨迹数据中包含大量时空信息,挖掘时空信息背后隐藏的周期模式对掌握移动对象变化规律具有重要作用。为此,提出一种三阶段移动对象周期模式检测算法,通过研究轨迹点的时空特征识别并剔除重复数据,利用密度聚类算法发现轨迹点密集区域并找出密集区域中每一类移动对象的周期模式,解决移动对象轨迹周期模式挖掘中轨迹数据重复、采样数据不连续及潜在周期模式发现问题。基于2003年—2015年中国观鸟记录中心、中国观鸟年报等公开数据的实验结果表明,该算法可有效处理轨迹数据并准确挖掘出规律性移动对象的周期模式。     

时间敏感的城市功能区主题模式发现

城市空间功能结构分析是城市地理信息领域的一个重要研究方向,正确分析空间功能可合理规划资源及方便居民利用城市空间.因此,文中提出时间敏感的城市功能区主题模式发现模型,用于分析随时间变化的城市动态功能区结构.模型中将城市空间网格化处理为多个空间单元,结合用户访问数据和兴趣点(Point of Interest, POI)数据对空间单元进行嵌入表示.在时间维度上对主题特征向量进行聚类后得到具有差异性的特征分布矩阵,完成时段划分.在空间维度上对具有类似特征分布的相邻区域进行合并,最终得到具有时间敏感性的城市功能主题模式.基于北京市共享单车轨迹数据和百度地图查询数据划分动态功能区,可视化展示功能区划分的合理性,并利用聚类评价指标验证文中模型的有效性.     

基于客流数据的区域出行特征聚类

区域功能发现对完善城市规划有着重要的指导意义.区域居民的出行特征提取与发掘可以作为建立模型分析区域功能的数据支撑.随着智能交通技术在轨道交通系统的应用,大量蕴含行人移动性和出行目的地信息的客流数据被采集得到,发现客流数据与地铁站相关区域功能有紧密联系.从地铁客流数据中提取出乘客出行模式和地铁站客流模式,并以此为基础建立概率图模型,实现了区域出行特征聚类.首先,以地铁客流数据为基础提取了乘客出行模式和地铁站客流模式,发现地铁站客流集中性和潮汐性的特性,能在一定程度上反映地铁的区域功能.然后,采用了文本分析领域经典的概率图模型,建立基于潜在狄利克雷分配(latent Dirichlet allocation, LDA)主题模型的地铁客流出行特征聚类模型,将具有出行规律相似性的地铁站聚类在一起.最后,通过分析聚类实验结果,发现在不同客流峰段内的区域功能和相互客流关系.     

基于呼叫详细记录数据的城市功能区识别

不同城市功能区区域之间具有外在物理差异和内在功能差异,且随时间和人类活动不断发生演变。针对卫星遥感等传统监测方法存在运行周期长、成本高,不能表征内在功能差异等问题,利用通信运营商提供的用户生活数据——呼叫详细记录（CDR）,进行城市功能区识别研究。首先,以人工标注的方法对基站小区进行功能区分类,得到住宅区、办公区、商业区、高校区、景点区五类训练样本;然后,提取各功能区内用户群体的通话行为和移动行为特征,进行差异性对比分析;最后,利用高斯混合模型（GMM）设计出多特征加权判决的功能区识别算法,并用训练集对该算法进行仿真。实验结果表明,CDR数据可以对城市功能区之间的内在差异进行表征,功能区性质与用户的通话行为和移动行为存在对应关系;判决权重为0.6时,该算法在现有数据集下的功能区召回率达到了最大,为51.08%。结合误差分析表明CDR数据在城市功能区识别应用上具有可行性。     

基于时空特征的车辆加油行为可视化分析

通过分析区域内车辆加油的大数据,研究车辆加油的普遍行为模式,调查可能的异常行为.为此,以覆盖新疆维吾尔自治区的车辆加油数据为基础,设计了一个交互式可视分析系统.首先通过抽取相关数据集的基础特征,得出加油站、汽车、驾驶员3类实体之间的关系;然后使用多种可视化经典视图并加以组合;此外,在部分视图上增加了一些额外的图形元素,以在具体应用场景下从不同视角描绘出典型的数据特征,如时空特征等,同时展示不同实体之间的关系.通过2个基于真实数据的案例,在领域专家的协助下分析数据中的典型个体行为模式及统计群组特征,最终实现对异常行为的识别.     

移动对象无冗余周期模式发现算法

技术的发展进步和需求的多样性,产生了大量的数据,数据背后隐含模式的发现对问题的深入研究起到关键性的作用.为了挖掘移动对象的周期运动模式,提出了一种无冗余周期模式(Non-redundant period patterns,NRPP)发现算法.为解决噪声因素的影响,在现有方法基础上,引入相似性因子,删减冗余周期模式,使挖掘出的模式精简、准确.算法为不同模式设置不同阈值,不但解决了稀有项问题和组合爆炸问题,而且也使得挖掘效率更高效.采用公开移动对象数据实验,结果表明算法能高效挖掘出移动对象的周期模式.     

上班族轨道交通刷卡流量可视分析

由于轨道交通的便捷性,其已成为上班族的首选出行方式.为了从海量轨道交通刷卡数据中分析不同时段的交通流量变化和上班族群体的移动行为特征,提出交互式的可视分析系统.首先定义相关规则,以发现上班族居住地点和工作地点;然后通过流量快照可视化视图,结合上班族的工作地点和居住地点分析不同时段的流量变化情况,其中,流量关系视图展示地铁站之间的流量变化和不同上班族的出行特征,流量时序视图展示整体地铁流量变化情况,便于用户分析工作日和非工作日的流量特征.最后,通过2个案例对该系统进行了验证.     

多模式移动对象不确定性轨迹预测模型

以移动设备、车辆、飞机、飓风等移动对象不确定性轨迹预测问题为背景,将大规模移动对象数据作为研究对象,以频繁轨迹模式挖掘、高斯混合回归技术为主要研究手段,提出多模式移动对象轨迹预测模型,关键技术包括:1）针对单一运动模式,提出一种基于频繁轨迹模式树FTP-tree的轨迹预测方法,利用基于密度的热点区域挖掘算法将轨迹点划分成不同的聚簇,构建轨迹频繁模式树,挖掘频繁轨迹模式预测移动对象连续运动位置.不同数据集上实验结果表明基于FTP-tree的轨迹预测算法在保证时间效率的前提下预测准确性明显优于已有预测算法.2）针对复杂多模式运动行为,利用高斯混合回归方法建模,计算不同运动模式的概率分布,将轨迹数据划分为不同分量,利用高斯过程回归预测移动对象最可能运动轨迹.实验证明,相比于基于隐马尔科夫模型和卡尔曼滤波的预测方法,所提方法具有较高的预测准确性和较低的时间代价.     

洞察设计意图和具有工业洞察力——Solid Edge V15的显著特点

坚持最初的设计意图,并同时满足时间、成本和质量的限制条件,是所有产品设计师所面临的挑战.随着每个版本的推出,Solid Edge不断增加的智能化的设计功能,通过直接构建于模型内的知识信息,可富有成效地洞察最初的设计意图.这确保了设计数据在整个开发流程中移动时,使用这些数据的人员不会忘记或误解最初的设计意图.     

基于群智感知的城市噪声检测与时空规律分析

通过在地图上用不同颜色表示不同的噪声污染等级,噪声地图能直观地展示城市各个区域的噪声污染情况.为了高效、经济地得到噪声地图,实现了一个基于群智感知的城市噪声检测和噪声地图生成系统.该系统以参与者的智能手机为感知终端,实现噪声污染数据的测量与采集;通过在服务器上综合处理所有感知终端的测量数据得到各个区域的噪声污染信息,使得用户可以在手机上查看噪声地图;在此基础上,对城市噪声的时空规律进行了分析和讨论.为解决测量数据是随意的和不完全的问题,该系统采用一种基于压缩感知的数据采样和压缩方法:各个感知终端独立地、随意地进行数据测量和压缩而不需要相互通信,服务器依然能够恢复重建出所有区块的噪声污染信息.实验结果表明,文中系统能够在保证精度的情况下,有效地减少感知终端的数据传输代价.     

基于移动网络信令数据的实时人流量统计方法

为了实现城市区域人流量实时动态性、有效性统计, 提出一种基于现网移动网络信令数据对城市自定义区域实时人流量进行监测的方法。该方法充分利用现网移动信令数据样本容量大、覆盖范围广、数据稳定可靠的特点, 通过对手机信令数据相关字段分析挖掘, 结合GIS技术实现了自定义区域实时人流量智能化统计。经过北京移动信令处理平台应用, 该方法较为有效, 能对北京市各区域实时人流量进行较为准确的统计。