融合时间序列的POI动态推荐算法

兴趣点(POI)的签到数据体现了用户的偏好和兴趣点的分布特征,这在兴趣点推荐领域有极为重要的价值.为了缓解数据稀疏造成的推荐不准确等问题,本文提出了融合时间序列的POI动态推荐算法,结合用户与用户之间的关系、兴趣点位置以及流行度信息等.首先划分时间序列,得到时间因子的相似度;其次时间序列融入到基于用户的协同过滤算法,再根据时间的连续性特征得到基于用户的预测评分,然后将地理影响因子与基于时间的流行度信息结合,预测用户的评分,进而与基于用户的评分加权融合;最后,在Gowalla数据集上进行实验,结果表明,本文提出的融合时间序列的POI动态推荐算法能够有效减小推荐误差,提高推荐精度与召回率.     

融合时空信息和兴趣点重要性的POI推荐算法

针对兴趣点（POI）推荐研究中数据噪声过滤问题和不同POI的重要性问题,提出了一种融合时空信息和兴趣点重要性的POI推荐算法——RecSI。首先,根据POI的地理信息和POI之间相互吸引力过滤噪声数据,缩小候选集的范围;其次,根据用户在一天中不同的时间段对POI类别的偏好程度,结合POI的流行度计算出用户的偏好得分;然后,结合社交信息和加权PageRank算法计算POI重要性;最后,将用户的偏好得分和POI重要性线性结合,以向用户推荐TOP-K的POI。在Foursquare真实的签到数据集上的实验结果表明,RecSI算法的精确率和召回率比最优的GCSR算法分别提高了12.5%和6%,验证了RecSI算法的有效性。     

融合时空信息和兴趣点重要性的POI推荐算法

针对兴趣点（POI）推荐研究中数据噪声过滤问题和不同POI的重要性问题，提出了一种融合时空信息和兴趣点重要性的POI推荐算法——RecSI。首先，根据POI的地理信息和POI之间相互吸引力过滤噪声数据，缩小候选集的范围；其次，根据用户在一天中不同的时间段对POI类别的偏好程度，结合POI的流行度计算出用户的偏好得分；然后，结合社交信息和加权PageRank算法计算POI重要性；最后，将用户的偏好得分和POI重要性线性结合，以向用户推荐TOP-K的POI。在Foursquare真实的签到数据集上的实验结果表明，RecSI算法的精确率和召回率比最优的GCSR算法分别提高了12.5%和6%，验证了RecSI算法的有效性。     

贪心与回溯算法在城市马拉松路线规划中的实践

针对目前城市马拉松路线人工规划效率低下的问题, 本文采用贪心和回溯算法进行城市马拉松路线智能规划, 具体方法是: 通过城市路网信息构建由经纬度坐标点拓扑关系连接而成的路网, 采用贪心和回溯算法对坐标点进行遍历搜索, 结合城市马拉松路线特殊要求, 运用直接逼近、启发式远离、启发式靠近和方向预估等策略实现路线的智能规划. 在此基础上, 提出一种综合POI热度值、道路宽度适宜度、路线畅通指数、过弯舒适度以及POI密集度5个维度的马拉松路线评估方法. 最后, 开展了北京、合肥马拉松人工和智能规划路线对比分析, 结果表明所采用的方法可快速高效实现马拉松路线规划.     

基于LBS的兴趣点查询与更新机制研究

本文对兴趣点(Point of Interest,POI)数据在位置服务(Location Based Service,LBS)行业的应用现状进行了分析,指出POI数据更新中存在的问题.借鉴一些地图社区的自由共享理念,本文提出了一种用户参与的POI更新模式.为了验证这一模式,本文构建了一个基本的LBS平台,实现了基于LBS的POI查询与数据更新的原型系统.详细的论述了系统的功能模块、业务流程和一些技术细节.系统运行结果表明这一模式是可行和有效的.     

融合空间和文本信息的兴趣点类别表征模型

准确表征兴趣点（POI）类别（如大学、餐厅等）是理解城市空间、辅助城市计算的关键。现有的POI类别表征模型通常只挖掘用户在POI之间的移动行为并学习序列特征，而忽视了POI数据的空间特征和文本语义特征。为了解决上述问题，提出一种融合空间和文本信息的POI类别表征学习模型Cat2Vec。首先，利用POI的空间共现关系构建POI类别共现点互信息（PMI）矩阵；然后，基于预训练的文本表征模型学习POI的文本语义特征；最后，引入新的映射矩阵，并基于矩阵分解技术将PMI矩阵分解为POI类别表征矩阵、文本语义特征矩阵以及映射矩阵的内积。在两个真实世界的数据集Yelp和高德上进行的POI语义重叠度评测中，相较于基准模型中表现最好的Doc2Vec模型，所提模型的性能分别平均提高了5.53%和8.17%。实验结果表明所提模型能更有效地嵌入POI语义。     

基于位置社交网络的个性化兴趣点推荐

兴趣点(point-of-interest,POI)推荐是基于位置的社交网络(location-based social networks,LBSN)中一项重要的服务。针对目前推荐算法存在的噪声数据影响推荐质量,用户个性化程度低的问题,提出了一种个性化联合推荐算法。提出了引入POI的位置因素去除不可能或可能性较小的POI,形成初步候选集;综合考虑POI的类别、流行度及用户的社会行为,增加用户个性化的程度,提高推荐结果的质量。在Foursquare真实签到数据集上的实验,证明了提出的联合推荐算法与目前先进的算法相比,准确率提高11%,召回率提高8%。     

基于随机词汇迭代模型的POI分类检索

从特征选择、局部区域划分和词汇语义相似性计算入手,利用随机词汇迭代模型(random terms iterativemodel,RTIM)进行海量兴趣点(point of interest,POI)文本分类.通过词汇频度、集中度和离散度方法筛选出特征词汇;依据文本与各POI类别间的相似度进行局部区域划分;在每个局部区域内基于词汇在文本中的排列顺序构建词频向量,基于词频向量中词频的随机删除和重构,获取特征映射矩阵;通过特征映射矩阵将文本转为特征向量,并采用SVM分类器进行POI文本分类.实验证明,该方法有效提升了POI文本分类准确性和覆盖率.     

基于用户活动轨迹和个性化区域划分的兴趣点推荐

随着基于位置的社交网络(Location-Based Social Networks,LBSNs)与兴趣点(Point of Interest,POI)推荐的有效组合,近年来已涌现出大量的相关研究,这些方法主要可分为将地理、社会、类别、文本以及时间等上下文信息进行建模并融合,进而克服数据稀疏问题并提升兴趣点推荐的性能.但已有的兴趣点推荐方法认为不同上下文间相互独立,在对不同上下文建模并融合的过程中忽略了其内在联系,导致上下文信息未得到充分利用.另外,在将上下文模型融合到用户自身偏好模型时,未考虑上下文信息对用户历史签到记录的不同影响.为应对上述挑战,本文合理地重构了上下文信息模型并有效地融合到用户偏好模型中,且提出了一种基于用户活动轨迹和个性化区域划分的兴趣点推荐方法.该方法根据用户的活动轨迹刻画出其日常活动区域,并探索了不同用户间的地理距离分布以及活动轨迹的相似度以建模社会关系对用户签到的影响.进一步地,结合用户活动轨迹区域内的POI的地理信息,使用带有自适应带宽的核密度估计方法评估POI间的地理相关性,以建模POI地理信息对用户签到的影响.最后,将用户社会关系模型和POI地理信息模...     

融合地点影响力的兴趣点推荐算法

为解决兴趣点（POI）推荐不准确和效率低的问题,深入分析社交因素和地理位置因素的影响,提出了一种融合地点影响力的POI推荐算法。首先,为了解决签到数据稀疏的问题,将2-度好友引入协同过滤算法中构建了社交影响模型,通过计算经历和好友相似度获取2-度好友对用户的社交影响;其次,深入考虑地理位置因素对POI推荐影响,在对社交网络分析的基础上构造了地点影响力模型,通过PageRank算法发现用户影响力,结合POI被签到次数计算地点影响力,获取准确的整体位置偏好,并使用核密度估计方法对用户签到行为建模和获取个性化地理位置特征;最后,融合社交模型和地理位置模型提高推荐准确性,并通过构造POI推荐候选集来提高推荐效率。在Gowalla和Yelp签到数据集上实验,结果表明所提算法能够快速完成POI推荐,在准确率和召回率指标上明显优于融合时间因素的位置推荐（LRT）和融合地理社交因素的个性化位置推荐（iGSLR）算法。     

基于多源地理大数据的城市空间结构研究

以东莞市主城区为研究区,利用夜光遥感数据、POI数据与手机定位强度数据,采用核密度分析、数据格网化与双因素组合制图方法,获得3种数据空间耦合相同或相异区域,并比较其与城市空间结构的关系.研究表明,3种数据的空间分布趋势总体一致,部分区域出现空间耦合相异:①受交通、功能区与夜光遥感数据的"溢出"效应等因素影响,城市道路、...     

一种基于POI大数据的城市核心区识别方法

城市核心区在城市功能的发挥中扮演着重要的角色,多核心式城市结构已成为一种重要的城市空间模式,但目前对于城市核心区识别研究却较为缺乏,快速而准确地提取城市核心区对于管理者进行精细的管理与规划有重要意义.研究提出一种基于兴趣点大数据(Point of Interest,POI)的城市核心区识别方法,结果发现应用该方法成功识...     

面向“15分钟生活圈”社区结构的表示学习

利用城市大数据发现社区结构是城市计算中重要的研究方向。有效表示面向“15分钟生活圈”社区的结构特征可以细粒度地评价生活圈社区周围的设施情况，有利于城市规划建设，创造宜居的生活环境。首先，定义了面向“15分钟生活圈”的城市社区结构，并采用表示学习方法获取生活圈社区的结构特征；然后，提出了生活圈社区结构的嵌入表示框架，框架中利用居民的出行轨迹数据确定兴趣点（POI）与居民区的关系，构建反映不同时段居民出行规律的动态活动图；最后，对构建的动态活动图采用自编码器进行表示学习得到生活圈社区潜在特征的向量表示，从而有效概括居民日常活动所形成的社区结构。针对生活圈社区便利性评价、相似性度量等应用，利用真实数据集进行了实验评估，结果表明，分POI类别的日周期的潜在表示方法优于星期周期的潜在表示方法，且前者的归一化折损累计增益（NDCG）比后者最少提升了24.28%，最多提升了60.71%，验证了所提方法的有效性。     

基于出租车GPS轨迹和POI数据的商业选址推荐

针对商业选址问题,提出一种基于城市出租车GPS轨迹和POI数据的商业选址推荐算法。首先,对城市出租车GPS轨迹和POI数据进行预处理及地图匹配,然后将城区进行交通小区划分,用OD矩阵分析交通小区之间的交通流量特征,并结合交通小区内POI的分布特征和语义属性,构建基于OD矩阵和对应小区POI数据相结合的商业地址推荐模型。最后,应用兰州市出租车GPS轨迹与POI数据验证了推荐算法的有效性和实用性,并将推荐结果在交通小区尺度上进行可视化呈现。实验结果表明,该推荐算法不仅能够推荐合理的商业选址,为商业选址决策提供快速有效的可视化定量分析方法,同时能够为城市公共服务设施空间布局规划提供决策依据。     

基于云计算的城市轨道交通数据可视化方法及案例研究

针对城市轨道交通票卡数据流无法快速处理现状,基于云计算平台提出一种城市轨道交通大数据可视化分析方法.基于数据ID将城市轨道交通客流数据按时间段进行分表处理;基于客流关键字段建立索引数据集合并将必要客流数据字段放入对应的索引中;通过删除冗余、错误数据实现对数据筛选和清洗处理.利用ECharts中的JS插件对城市轨道交通客...     

多源信息耦合的GDP空间化研究—以北京市为例

针对统计数据对G D P空间分布信息表达存在的局限性,耦合G D P统计数据、城市兴趣点数据、夜间灯光数据以及土地利用数据,提出了一种G D P空间化方法.以北京市为实验区,首先,利用土地利用类型与GDP的关系,实现了第一产业GDP的100 m网格空间化;其次,通过计算兴趣点密度分布情况,并耦合夜间灯光指数以及土地利用...     

Delineating urban functional use from points of interest data with neural network embedding: A case study in Greater London

Delineating urban functional use plays a key role in understanding urban dynamics, evaluating planning strategies and supporting policymaking. In recent years, Points of Interest (POI) data, with precise geolocation and detailed attributes, have become the primary data source for exploring urban functional use from a bottom-up perspective, using local, highly disaggregated, big datasets. Previous studies using POI data have given insufficient consideration to the relationship among POI classes in the spatial context, and have failed to provide a straightforward means by which to classify urban functional areas. This study proposes an approach for delineating urban functional use at the scale of the Lower Layer Super Output Area (LSOA) in Greater London by integrating the Doc2Vec model, a neural network embedding method commonly used in natural language processing for vectoring words and documents from their context. In this study, the neural network vectorises both POI classes (‘Word’) and urban areas (‘Document’) based on their functional context by learning features from the spatial distribution of POIs in the city. Specifically, we first construct POI sequences based on the distribution of POI classes, and add their LSOA IDs as ‘document’ tags. By utilising these constructed POI–LSOA sequences, the Doc2Vec model trains the vectors of 574 POI classes (word vectors) and 4836 LSOAs (document vectors). The vectors of POI classes are then used in calculating the functional similarity scores based on their cosine distance, with the vectors of LSOAs grouped into clusters (i.e., functional areas) via the k-means clustering algorithm. We also identify latent functions in each cluster of LSOAs by performing topic modelling and enrichment factor. Compared with TF–IDF, LDA and Word2Vec models, the Doc2Vec model obtains the highest accuracy when classifying functional areas. This study proposes a straightforward approach in which the model directly trains vectors for urban areas, subsequently using them to classify urban functional areas. By employing the enhanced neural network model with low-cost and ubiquitous POI datasets, this study provides a potential tool with which to monitor urban dynamics in a timely and adaptive manner, thereby providing enhanced, data-driven support to urban planning, development and management.     

Impact of extreme weather events on urban human flow: A perspective from location-based service data

This study investigates the impact of extreme weather events on urban human flow disruptions using location-based service data obtained from Baidu Map. Utilizing the 2018 Typhoon Mangkhut as an example, the spatial and temporal variations of urban human flow patterns in Shenzhen are examined using GIS and spatial flow analysis. In addition, the variation of human flow by different urban functions (e.g. transport, recreational, institutional, commercial and residential related facilities) is also examined through an integration of flow data and point-of-interest (POI) data. The study reveals that urban flow patterns varied substantially before, during, and after the typhoon. Specifically, urban flows were found to have reduced by 39% during the disruption. Conversely, 56% of flows increased immediately after the disruption. In terms of functional variation, the assessment reveals that fundamental urban functions, such as industrial (work) and institutional - (education) related trips experienced less disruption, whereas the typhoon event appears to have a relatively larger negative influence on recreational related trips. Overall, the study provides implications for planners and policy makers to enhance urban resilience to disasters through a better understanding of the urban vulnerability to disruptive events.     

基于地铁开展城市配送的选点-路径问题

为实现低碳高效的运输服务,着眼整合城市客货短途运输系统,将地铁作为城市配送的骨干网络,提出基于地铁配送的选点-路径问题.从货物平均送达时间最小化角度出发,整体优化配送中心的选择、地铁出站点的选择和离开站点后的配送路径,设计改进递归粒度算法进行求解.以成都市地铁网络为例,验证模型和算法的实用性及有效性.结果表明,基于地铁开展城市配送,能够保证货物精准送达客户手中,且服务范围扩大不会显著影响货物送达时间,能够满足货物送达稳定性.     

基于城市交通大数据的车辆类别挖掘及应用分析

实时城市交通监控已成为现代城市管理的一个重要组成部分，视频监控采集的交通大数据在城市管理和交通控制方面得到了越来越多的应用；然而，全城范围内庞大的监控交通大数据还鲜少用于城市交通及城市计算研究。在一个省会城市全城范围内的监控交通大数据上展开了车辆类别挖掘及应用分析研究。首先，定义了周期性私家车、类出租车和公共通勤车三种对城市交通具有重要影响的车辆类别，将车辆类别定义与频繁序列模式挖掘算法相结合提出了相应的挖掘方法。在济南市一周1704个视频监测点，1.2亿次车辆记录数据上，验证了所提定义及挖掘方法的有效性；其次，以4个居民小区为例挖掘分析了居民出行的交通方式及与周围兴趣点（POI）分布关系，此外，还探索了城市交通大数据与POI相结合在城市规划、需求预测和偏好推荐方面的应用潜能。