DBSCAN与Kmeans相结合的手机大数据聚类方法研究

时空大数据是目前研究的热点。如何从海量手机信令数据中获取有价值的信息是研究手机信令数据的难点。本文在基于距离的点聚合方法的基础上,提出了将基于密度聚类算法DBSCAN与基于距离聚类算法kmeans相结合的点聚合算法。采用DBSCAN与kmeans相结合的点聚合算法实现手机信令数据的可视化,不仅能避免手机信令数据在可视化时点数据的堆叠和覆盖问题,而且使得其聚合后获取数据的空间分布结构更准确。     

基于手机信令的空间位置数据计算职住地

通过手机信令数据提取人们在使用手机时记录下来的基站位置和服务时间,用以识别居民出行的职业地和居住地。在分析提取到的手机信令数据时,由于数据采集、整合的质量问题,需要对手机信令数据进行提取、清洗、关联等预处理,在预处理后的标准化数据的基础上,通过搭建数学算法、模型来识别职业地和居住地,用以辅助城市交通调查、规划。     

地理空间数据结合手机信令等多源数据刻画城市居民出行特征

本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、图谱等多源数据,运用工作日通勤分析模型和节假日出行特征提取模型,识别用户的通勤距离、通勤方式、日均通勤频次、周均工作时长、节假日出行场景、出行频次、驻留时长等内容,并形成涵盖职住娱信息的出行特征类标签集。以成都市为例,采集连续1个月的手机信令数据和同时期的POI等数据,验证了该方法的可行性,该成果作为反映城市实际人口规模数量和空间分布特征的城市人口地图大数据产品的重要内容,为政府部门、商企用户开展相关分析业务提供数据支撑。     

基于K-means算法的突发事件地理信息空间化研究

针对目前众源突发事件地理信息提取中空间化方法的不足,本文提出了基于众源应急事件的地理信息空间化方法研究。采用K-means算法来解决地图服务无法空间化的地理信息问题。地理信息空间化有效地解决了众源应急地理信息提取中地址空间化的不足,实现了最优的地址空间化的识别与存储,同时配合地理信息认知模型可以进一步细化分析地名的空间关系,这为下一步应急地理信息的可视化提供了数据质量的保证。试验结果表明,本文的应急地理信息空间化方法不仅可以对中文地址实现地理信息空间化,而且该方法还适用于以非中文为母语国家的众源应急地理信息空间化,同时还为其他领域的关联识别提供了方法上的参考。该研究可以为应急灾害救援部门提供更高精度的空间地理信息数据,将获取到的众源应急信息准确地显示在地图上。     

基于手机信令数据居民出行链提取算法

研究居民出行链不仅能够准确预测交通状况而且对城市规划有着重要的意义。经典DBSCAN算法以距离衡量不能完全聚类时空大数据,本文以北京市手机信令数据为基础在经典DBSCAN聚类算法的基础上扩展时间维度提取用户出行链,实验表明该算法能够解决相同地点不同时间停留点判读问题,通过与经典出行链提取算法对比表明该算法具有可行性,并且在职住停留点提取方面比较符合实际情况。     

一种基于地理信息的手机用户定位方法北大核心CSCD

基于手机信令数据的用户轨迹行为分析已广泛应用于交通监测、城市管理、人口分析等多个业务领域。针对手机基站定位与用户实际位置存在偏差且驻留轨迹缺失语义信息的问题,本文提出了一种基于地理信息的手机信令数据用户定位方法。该方法首先构建面向轨迹分析的地理实体数据采集规范;然后对手机信令数据进行聚类,建立地理实体与基站的权重映射关系;最后使用时空推理及对轨迹的深度学习技术,将用户有效驻留轨迹点拟合至实际的地理实体,实现用户定位。验证结果表明,该方法提升了用户定位的准确度,为后续业务场景的应用提供了可靠的数据支撑。     

基础地理信息数据产品数字水印技术研究

阐述在基础地理信息数据产品中实现数字水印技术的方法,针对不同类型的基础地理信息数据产品,设计了不同的数字水印算法的策略。根据矢量数据在空间分布上的特点,提炼出了基于空间统计特征的数字水印存储模型,设计了专用的数据分类算法。设计的栅格数据数字水印算法综合运用时域、空域等不同的方法,能够抵抗小波压缩以及剪切和拼接等攻击。     

基于TEA算法的地理信息数据安全保护技术及验证分析

地理信息数据是国家国防建设和国民经济发展的重要基础数据,随着数字化、信息化及云计算等技术的发展,地理信息数据的安全威胁日益严峻,本文面对移动平台上地理信息数据安全存储、高效传输和实时信息解密及处理等挑战,提出了一种基于TEA算法的地理信息数据安全保护技术,该技术采用循环迭代的移位和异或运算实现对地理信息数据的加密和解密,可以实现移动平台端地理信息数据的高安全加密存储和高性能实时解密处理,并采用该算法对SRTM数据进行处理和分析。试验结果表明,基于TEA算法的地理信息数据加密技术可以有效实现地理信息数据的加密及解密处理,满足移动系统对地形数据的高安全存储和高性能处理的要求。     

基于数据挖掘的地理信息服务聚合研究

互联网环境下的地理信息服务聚合是当前的研究热点之一。本文研究了网络爬虫、数据挖掘、行业信息空间定位以及服务聚合技术,智能解析了多个行业的数据资源,并将空间化后的行业地理信息数据进行了注册与发布,实现了行业数据与基础地理信息数据的服务聚合。最后,开发原型信息系统,验证了该方法的可行性与有效性。     

并行处理技术在全球海量地理信息数据质量控制中的应用

针对全球海量地理信息数据成果数据量大、数据类型丰富、质量检查内容多的特点，本文将分布式并行计算技术、多线程技术应用到地理信息数据质量控制体系中，基于MapReduce框架实现了多源多时相海量数据并行质量控制，把算法结构由一个周期执行一个操作改造为一个周期执行多个操作的并行处理，从根本上解决重复操作多、计算慢的质量检查难题。选取核心矢量要素、DOM成果、DEM成果作为典型数据案例开展效率对比试验。试验结果表明，该技术方案的处理效率比传统技术方案提高2~3倍，有效地压缩了任务执行时间，节约了任务执行成本，实现了对海量地理信息数据的快速质量控制，保障了全球地理信息数据的成果质量。     

利用手机信令数据刻画不同人物画像

本文基于微软亚洲研究院Geolife项目北京志愿者2007—2012年长时间尺度的手机信令数据,以个体为单元开展了出行类型和人物画像研究,提出了一种基于高簇聚类对用户轨迹类型进行划分,然后结合出行规律,综合考虑职业类型、年龄、爱好属性特征的人物画像刻画的方法。研究主要结论为：①本文划分了包括两点一线固定型、两点一线变化型、双核心型、均匀分布型、发散型5种出行类型;②北京市拥有固定工作的技术人员或白领人群约占44%,学生群体或退休老人有接近1/4的数量。     

扩展卡尔曼滤波的安卓手机定位算法研究

随着手机定位的应用越来越多,目前市场中许多APP(Application)都会用到定位功能.但多数APP使用传统的定位算法,不能满足人们实时获取高精度地理位置信息的需求.现阶段对于手机的全球定位系统(GPS)芯片原始数据定位方法的研究较少,因此本文主要对利用手机GPS原始数据定位的可行性及定位算法进行了研究.利用Android 7.0系统提供的应用程序接口获取GPS芯片的原始数据参数,根据手机实用场景的速度特征,分别设计并实现了针对于静态场景的静态卡尔曼滤波和针对低速场景的动态卡尔曼滤波定位算法.通过静态实验以及电动车实验和步行实验的结果表明:与传统的定位算法相比,本文设计的静态卡尔曼滤波和动态卡尔曼滤波定位算法拥有更好的定位结果,更加接近实际行走路线,证明了利用手机GPS原始数据定位的可行性,同时也证明了设计的卡尔曼滤波算法可以提高定位精度,论文的研究结果为实现静态与动态的高精度手机定位算法提供了理论依据.     

基于时空数据挖掘的城市体检评估方法与实践——以无锡市为例

时空数据挖掘作为当前研究的热点之一,为城市研究提供了新的思路和技术手段。本文以无锡市为例,利用手机信令数据、车辆轨迹实时数据、基础地理信息等多源异构时空数据,构建相应的数据挖掘模型,进行了职住平衡、区域联系度、交通拥堵等城市特征的挖掘与分析,构建多源数据挖掘的城市评估体系,探索了时空数据挖掘在城市体检评估中的应用,为城市规划和运行管理提供了科学评估与决策。     

Quality of hybrid location data drawn from GPS‐enabled mobile phones: Does it matter?

Despite their increasing popularity in human mobility studies, few studies have investigated the geo‐spatial quality of GPS‐enabled mobile phone data in which phone location is determined by special queries designed to collect location data with predetermined sampling intervals (hereafter “active mobile phone data”). We focus on two key issues in active mobile phone data—systematic gaps in tracking records and positioning uncertainty—and investigate their effects on human mobility pattern analyses. To address gaps in records, we develop an imputation strategy that utilizes local environment information, such as parcel boundaries, and recording time intervals. We evaluate the performance of the proposed imputation strategy by comparing raw versus imputed data with participants’ online survey responses. The results indicate that imputed data are superior to raw data in identifying individuals’ frequently visited places on a weekly basis. To assess the location accuracy of active mobile phone data, we investigate the spatial and temporal patterns of the positional uncertainty of each record and examine via Monte Carlo simulation how inaccurate location information might affect human mobility pattern indicators. Results suggest that the level of uncertainty varies as a function of time of day and the type of land use at which the position was determined, both of which are closely related to the location technology used to determine the location. Our study highlights the importance of understanding and addressing limitations of mobile phone derived positioning data prior to their use in human mobility studies.     

移动测量、地理信息更新与城市管理智能化

城市管理智能化的基础是互联网、地理信息平台和云计算平台。地理信息平台的灵魂,是其数据的现势性。城市地理信息快速更新,涉及理念、经费和技术,这3个要素构成了城市测绘的历史性挑战,也是城市推行智能化管理的现实性瓶颈。本文提出基于真彩激光点云,构建一种城市自然数字模型;基于车载移动测量、无人机航摄、手机拍照、高清视频监控及云计算平台等技术手段,形成城市自然数字模型快速更新的技术体系;以实时更新的城市自然数字模型,构建具有最优现势性的城市地理信息平台,即以此奠定城市管理智能化的数据基础。     

Mapping collective human activity in an urban environment based on mobile phone data

Identifying and characterizing variations of human activity – specifically changes in intensity and similarity – in urban environments provide insights into the social component of those eminently complex systems. Using large volumes of user-generated mobile phone data, we derive mobile communication profiles that we use as a proxy for the collective human activity. In this article, geocomputational methods and geovisual analytics such as self-organizing maps (SOM) are used to explore the variations of these profiles, and its implications for collective human activity. We evaluate the merits of SOM as a cross-dimensional clustering technique and derived temporal trajectories of variations within the mobile communication profiles. The trajectories’ characteristics such as length are discussed, suggesting spatial variations in intensity and similarity in collective human activity. Trajectories are linked back to the geographic space to map the spatial and temporal variation of trajectory characteristics. Different trajectory lengths suggest that mobile phone activity is correlated with the spatial configuration of the city, and so at different times of the day. Our approach contributes to the understanding of the space-time social dynamics within urban environments.     

面向虚实融合的单体建筑物实时识别与定位

针对当前矢量地图导航缺乏真实环境信息,而视觉地理定位依赖海量图像标注数据的问题,提出了一种面向虚实融合的单体建筑物实时识别与定位方法。该方法以智能手机为载体,利用轻量级深度网络SSD(single shot detector)实时检测手机视频流中的建筑物对象类别,通过调用手机内置传感器获取当前定位信息与拍摄视角,并以矢量地图信息为辅助,在仅需识别出建筑物类别的情况中,准确获得单个建筑物的属性与定位信息,并与矢量地图进行叠加可视化,最终达到真实地理环境与矢量地图融合的增强导航。随机采集了550张建筑物图像,经过处理标注后作为训练标签,在计算机上训练SSD的建筑检测功能并且进行验证;将训练好的SSD网络模型迁移到移动端,结合地理围栏方法与手机传感器开发可识别建筑单体信息的增强导航系统,将系统部署在手机上进行测试。实验结果表明,该方法可充分利用矢量地图与实景图片的互补信息,在仅需少量建筑物标注样本的情况下,实现单体建筑物信息增强的手机端地图导航,有效缓解了矢量地图定位不够直观的问题。