基于 HBase 的面向语义单元的室内移动对象索引

随着室内定位技术的广泛应用,传感器记录了大量室内移动对象的位置数据,而索引技术作为移动对象数据分析的基础工作也得到越来越多的研究。已有索引技术多是针对室外空间的移动对象,不能支持室内移动对象数据的三维立体性、轨迹的复杂性、随机性等特点,这些索引技术也仅仅关注了移动对象的位置信息,忽略了语义信息,不能有效地支持室内移动对象的管理和分析,并且当面对海量的移动对象数据时,这些架构在传统关系型数据库上的索引都存在性能瓶颈问题。因此,本文提出了面向语义单元的移动对象表达模型,利用语义单元将室内移动对象的位置语义化,设计了SCoII （Semantic Cell Oriented Indoor moving objects Index）索引结构对室内移动对象的历史数据进行索引,能够有效支持语义粒度上的时空范围查询、移动对象语义轨迹查询。索引基于HBase实现,能够适应大规模的并发更新与查询,具有良好的规模扩展性,规避了大数据给传统数据库带来的性能瓶颈问题,实验证明其具有良好的更新和查询性能。该索引的实现方便了基于语义的室内移动对象分析和数据挖掘工作,为今后的分析工作奠定了基础。     

室内用户语义位置预测研究

位置预测技术可以提前预知用户下一时刻的位置,在基于位置的服务（Location-based Service,LBS）领域中发挥着极其重要的作用。现有的位置预测技术大多仅使用用户的地理轨迹,仅使用地理轨迹挖掘出来的用户移动模式易受地理特性的限制缺乏深层次的语义信息。本文基于某商场群体用户的室内轨迹数据和语义信息预测用户下一个时刻语义位置。语义位置预测包括停留区域识别、停留区域语义匹配、语义位置建模。在停留区域识别阶段,为减少室内停留时间不固定对停留区域识别的影响,本研究提出了一种新型的时空凝聚层次聚类算法（Spatial-Temporal Agglomerative Nesting, ST-AGNES),该算法具有思想简单、超参数少、自动生成聚类个数等优点。在语义匹配阶段,引入了吸引度规则,充分利用停留区域所有轨迹点与室内高密度的商铺名称信息做匹配。最后,采用长短型记忆神经网络模型（Long Short-Term Memory,LSTM）挖掘群体用户的语义位置模式并预测用户未来的语义位置,实验预测正确率达到61.3%。     

语义轨迹建模与挖掘研究进展

语义轨迹是时空轨迹和语义信息融合的产物。除了含有时空信息以外,语义轨迹包括移动对象自身的运动状态（如速度、方向）、环境（如气温、空间拓扑关系）和社交关系（如好友关系、社交活动）等多方面信息。挖掘语义轨迹可以深入地发现个体或群体移动行为的意图、习惯、情感等高阶语义内容,从而深层次发现个体或群体移动行为的模式、关系和规律等。因而,相较于时空轨迹,语义轨迹在语义性、解释性、可行性等方面更符合决策分析应用的实践需求,具有更重要的研究意义和应用价值。本文对语义轨迹挖掘的关键技术进行了综述。首先,介绍语义轨迹的基本概念,并且根据语义元素类型的不同总结了4种常见的定义形式。其次,归纳了语义轨迹建模的基本阶段,包括预处理、轨迹分段和语义富化。由于语义轨迹无法像时空轨迹那样从位置感知设备中采集获得,因此语义轨迹是通过建模技术得到的,主要通过将语义信息和时空轨迹相融合生成相应的语义轨迹。然后,介绍语义轨迹挖掘的主要任务,包括语义轨迹模式挖掘、语义轨迹聚类、语义轨迹分类、语义轨迹异常检测等。针对每一项挖掘任务,介绍了有关的基本原理和相关算法,总结了主要的关键技术和挑战。最后,探讨了语义轨迹挖掘现存的研究难点和未来研究方向。从模型定义、语义标注技术、多源数据建模等方面,讨论了语义轨迹建模的重要研究问题;从语义轨迹数据管理、分类和预测、流式数据挖掘、隐私保护、多粒度挖掘、评价方法等方面,探讨了语义轨迹挖掘的未来研究问题。     

基于移动对象轨迹的室内导航网络构建方法

室内导航网络是行人导航、信息推荐和商业分析的基础。传统人工测绘或半自动提取的室内三维导航网络无法满足复杂室内空间结构高频变化需求。随着室内定位技术的不断发展,室内移动对象轨迹数据爆发式增长,为室内导航网络快速构建与变化监测更新提供了可能。本文提出一种基于移动对象轨迹的室内导航网络构建方法,在基于ST-DBSCAN的轨迹简化预处理基础上,提出了室内轨迹自适应栅格化算法,减弱栅格图像分辨率对导航网络提取的影响,有效避免廊道轨迹密度差异造成的导航网络拓扑连通失效,并通过CFSFDP自适应聚类算法自动识别楼层之间连通点,实现室内导航网络的快速构建。实验数据来源于上海图聚智能科技股份有限公司提供的某商城真实的室内移动对象轨迹数据,实验结果表明,与普适栅格化方法相比,本文提出的方法将导航网络构建准确率平均提高2.43%,拓扑正确度提高12.8%。     

面向移动位置数据的移动性指标计算工具:设计实现与实践应用

大规模个体移动位置数据的涌现,为在个体移动特征的基础上充分理解群体移动特征、从精细的时空尺度全面理解居民出行行为规律提供了条件,对时空行为、城市、交通等领域的研究以及空间规划的编制与评估、交通需求的分析与预测等领域的实践应用有重要意义。目前,尽管移动位置数据已在城市和交通等研究领域取得了广泛应用,但对其分析仍缺少通用的分析思路和操作便捷的工具软件。为方便相关领域的研究者和从业者使用移动位置数据,提升移动位置数据的应用价值,基于活动空间的概念,选取可表征活动空间外部形态和内在结构的移动性指标,提出了对个体移动位置数据进行定量化描述性分析的方法思路,设计并实现了计算移动性指标的工具软件。通过手机信令、出租车、公交刷卡、公共自行车4种不同类型的常见移动位置数据,展示了工具软件的不同应用场景。     

PIR传感网数据的几何代数建模与行为分析

现有基于PIR（Passive InfraRed）传感器数据的人体行为研究主要局限于运动时空分布、聚类等,对行为轨迹的重建和语义特征的解析相对较少,亟需发展新的建模与行为分析方法。本文尝试利用室内区域PIR传感器监测数据进行时空轨迹重构及其所揭示的运动语义特征研究。本文引入几何代数理论方法,构建传感器场景网络,实现了几何代数空间下动态网络的表达与路径计算,分析了人体运动特征及语义特征,建立最小语义单元,实现了空间数据到语义特征的转化,并可对个人和群体运动的空间区域特征和拓扑特征分析提供支撑。论文将传统PIR传感器网络分析从以几何、统计等为主的信号提取,转变为基于几何代数系统中不同类型代数结构的生成与转化问题,为诸如PIR传感网数据分析一类的非确定问题的求解提供了新的思路和数学基础,可为物联网GIS的构建提供借鉴。     

基于轨迹活动语义挖掘的个体社会经济水平评估

个体社会经济水平评估对于商业决策、城市规划和公共卫生具有重要的应用价值。但现有方法多依赖定位数据和呼叫详单记录构建出行位置和手机业务特征集合,未充分考虑个体出行的语义上下文,难以从动机与需求层面理解出行行为,导致建模过程可解释性不足。为此,本文提出一种基于轨迹活动语义挖掘的个体社会经济水平评估方法,通过显式提取居住、购物、餐饮、娱乐、消费喜爱度与探索欲6类消费模式,从消费能力与意愿角度刻画个体社会经济水平,提高评估方法的可解释性。(1)通过网格化的语义地图为停留点赋予出行语义上下文,并划分居住、购物、餐饮、娱乐4类活动的停留点集合;(2)计算4类活动的时间熵、旋转半径和活动区域经济水平等时空语义特征,并通过结构方程模型筛选特征计算各类消费模式价值;(3)使用极端随机森林决策个体社会经济水平。本文基于深圳市635名个体2019年4—11月的私家车轨迹数据开展实验,通过核心商圈、劳动密集型工厂、高档住宅与城中村等典型场景筛选高低社会经济水平人群,验证了方法有效性;此外,对高低社会经济水平群体的出行时空分布和工作强度开展可视化分析,探讨了群体间的出行模式差异。本文方法可为人地交互视角下的人口...     

基于手机信令数据的城市小活动空间人群空间分布特征

小活动空间人群是指日常活动范围较小的居民群体,他们对城市公共资源的需求主要集中在家庭位置附近的区域,分析其活动的时空规律特征,有助于更好地实现城市公共资源的均等化和精准化配置。然而目前研究中对此类人群关注较少,为此,本文提出一种基于手机信令数据的小活动空间人群识别及其空间分布的研究方法。首先识别用户家庭位置和停留点位置,构建基家最大距离指标,度量用户以家庭位置为中心的活动空间范围,并据此筛选小活动空间人群;其次根据用户与家庭位置间的距离信息构建“时间-距离”框架下的用户轨迹,在此基础上构建基于面积的轨迹相似性方法;然后利用逐级合并的层次聚类算法,根据用户轨迹的相似性对其进行聚类,挖掘小活动空间人群中典型活动模式;最后根据用户的家庭位置,进一步分析不同活动模式人群的时空分布特征。本文以上海市手机信令数据为例对该方法进行了测试,结果表明：① “时间-距离”框架下构建的基于面积的轨迹相似性方法,可反映用户基于家庭位置进行活动的时空特征,而逐级合并的层次聚类算法对典型活动模式挖掘的效率有明显提高,有助于研究城市居民的移动模式;② 上海市小活动空间人群分布呈现出圈层结构,主要分布在中心城区,郊区的工厂和大学城以及各区的商业中心附近,在郊区过渡区相对较少。本文提出的方法能够用于分析城市小活动空间人群的时空分布特征,可以为目前各大城市提出建设社区生活圈的决策提供方法支撑。     

时空轨迹相似性度量方法综述

时空轨迹数据是记录移动对象时间和空间的位置序列,它是研究移动对象最为重要的数据来源。时空轨迹数据的分析挖掘是空间数据挖掘的一个研究热点,它包括轨迹检索、轨迹分类、模式挖掘、异常检测等。在分析挖掘过程中,轨迹之间的相似性度量是一个关键问题。本文研究时空轨迹相似性度量方法,首先从理论意义和应用价值的角度分析时空轨迹相似性度量的重要性,然后根据度量方式的不同将时空轨迹相似性度量方法分为两大类:基于轨迹点的相似性度量方法和基于轨迹段的相似性度量方法。由于基于轨迹点的各种相似性度量方法的应用场景和对相似性的定义不同,再将其细分为全局匹配度量法和局部匹配度量法。对时空轨迹相似性度量方法进行分类的同时,也对各个类别中常用的相似性度量方法进行了详细阐述,分析它们的优缺点及应用场合,为时空轨迹分析挖掘提供参考。     

基于密度的轨迹时空聚类分析

通过轨迹聚类分析挖掘物体移动模式的空间分布和时间特征,对于认识运动的形成机制,预测运动的未来发展具有重要的意义。目前,轨迹聚类研究主要关注物体的空间位置变化,时空聚类中时间约束一般只是作为辅助信息,并不真正参与聚类。本文提出基于密度的轨迹时空聚类方法,在聚类过程中同时考虑轨迹包含的时空信息,在空间聚类的基础上提出了轨迹线段时间距离的度量方法和阈值确定原则,对时空邻域密度进行聚类分析,挖掘物体的时空移动模式。实验对南海涡旋轨迹进行时空聚类分析,得到了涡旋典型移动模式的空间分布和时间特征,验证了基于密度的轨迹时空聚类方法的有效性。加入时间约束后,移动通道主要发生缩短、分裂和消失的变化。和空间聚类相比,轨迹时空聚类可有效地划分发生在同一位置不同时间的轨迹,得到的聚类结果更加细化,移动模式更加准确,有利于物体的移动模式做更深入的分析。     

基于室内定位数据的群体时空行为可视化分析

室内定位数据记录了用户在室内空间活动的时空轨迹,是研究人群室内行为的重要信息源。室内数据时空耦合、分布复杂,可视化分析可以更好地揭示其规律。然而,与室外数据不同,室内数据具有时空粒度细、定位精度高等特点,与POI之间的空间关系更为明确,其轨迹受到室内设施和空间的制约,出现高维和不规则的特征,而这给室内行为研究提供依据的同时,又给可视化分析带来一定的挑战。现有的可视化方法主要应用于室外定位数据,关注轨迹自身的活动轨迹分析,往往忽略了所经过POI语义信息表达。针对这一问题,首先分析室内空间结构与定位数据的特征,阐述室内空间可视化分析的特殊性;在此基础上,面向室内人群的时空分布、移动模式及相关POI之间的对比、关联分析的需求,细化可视化分析的内容,明确可视化分析与展示的对象,并设计数据结构;从数据结构、可视化方法、展示图件及用户交互4个层次构建时空行为可视化分析模型;基于上述方法,采用WebGIS和WebGL技术综合设计和实现了面向商场定位的商场客流分析系统;最后,通过某一大型商场的用户定位数据进行可视化分析,从而验证了研究成果的正确性和有效性。     

Social construction functions of consumption space under stratification: The case of Guangzhou

As Chinese cities rapidly transformed themselves into consumerist societies, the relationship between consumers and consumption space under stratification has become a new research area in the field of urban social geography. Based on a consumer behavior analysis, this study explores the relationship between consumption space and the social strata of consumers in typical shopping malls in Guangzhou where the first shopping mall in China was built. The result shows that shopping malls have performed significant constructive functions of organizing consumers from different social classes into different consumption space. For middle- and upper-class consumers, the function of shopping malls centers on utilitarian consumption, identity recognition, and identity construction; whereas for lower-class consumers, its function revolves around pleasure and enjoyment. The symbolism of consumption space is the underlying reason for shopping malls to have their social constructive function. The findings of this research suggest that: 1) a shopping mall is a productive consumption space and a geographical space with subjectivity; 2) the micro-location of a shopping mall has social construction function; and 3) symbolic consumption is the core of social construction.     

Spatial Accessibility to Shopping Malls in Nanjing,China: Comparative Analysis with Multiple Transportation Modes

This study attempts to evaluate the rationality of the spatial layout of shopping malls and identify the urban area with poor shopping mall accessibility, as well as to provide a reference and assist decision-making for planning. Using the case of Nanjing, China, this study developed a method to evaluate the accessibility of shopping malls by three transport modes(car traffic, public transit, and bicycle). Specially, we divide the urban space into a regular hexagonal grid and harvest the total travel time from each of 7204 hexagon centroids to each of 129 shopping malls using the Baidu Internet map. The door-to-door travel time approach is used to evaluate all travel stages(walking, waiting, transfer, and transportation) based on travel time calculations. We further divide the shopping malls into two levels(super-regional and regional) based on the Dianping App's information and develop the indicator of accessibility to shopping malls: the number of shopping malls within tolerance time thresholds and apply the closest facility and cumulative opportunities methods to measure accessibility scores. The results show that the accessibility estimations vary greatly with transport modes. The accessibility of shopping malls presents a concentric ring trend centered on the city center under the car traffic and bicycle modes. And public transit accessibility tends to axially extend due to the topology of bus routes and metro lines. In particular, we observe that the accessibility of shopping malls in Nanjing has an uneven spatial distribution pattern, with high accessibility values in the central urban areas and lots of underserved areas in urban fringe regions. Based on the accessibility measurements, we finally map the poor accessibility area and propose corresponding implications for urban planning.     

时空轨迹分类研究进展

时空轨迹分类旨在为一条轨迹预测类别。时空轨迹分类在城市规划、个性化用户推荐等方面具有重要应用价值,其过程主要包括轨迹数据预处理、特征提取、建立分类器3个阶段。本文综述了近年来时空轨迹分类的研究进展,首先对时空轨迹分类的过程进行概述;然后将时空轨迹分类算法按特征提取的方式分为基于运动特征的轨迹分类算法、基于分类规则的轨迹分类算法和基于图像信号分析的轨迹分类算法3类,分别论述了这些算法的基本思想和优缺点;之后对现有的轨迹分类算法从数据来源、分类器、特征提取方式等方面进行对比分析;最后讨论现有的时空轨迹分类算法面临的挑战。     

移动对象多种运动参数在轨迹分类的应用

轨迹分类是以训练轨迹的特征来预测未知轨迹的类标签,可进行可疑车辆识别、非法渔船检测和交通模式检测等重要应用。当前大多数轨迹分类方法只考虑速度和加速度这2个运动参数,且只利用简单的统计量（如均值、中值、最大值）,不能充分挖掘轨迹的潜在特点,导致分类精度不高。针对该问题,本文在总结相关文献的基础上,提出一种基于移动对象运动特征的轨迹分类方法。针对速度、加速度、曲率、方向和转角这5个运动参数,利用偏度系数、峰度系数、变异系数和时间序列分析其中的自相关系数等,提取有区分力的全局运动特征;并从分割后的子轨迹中提取局部运动特征。对于方向和转角,引入方向统计学对其运动特征进行精确计算。实验表明本方法在船舶、野生动物和飓风数据集的分类精度达到了100%、80%和71.43%,实验验证了本方法构建的运动特征,在不同数据集下有效可行。