位置地图的空间认知研究

作为信息时代实现位置服务的重要基础,位置地图交互性强、使用方便,并且能实时、应景地向用户提供位置关联信息,因而比传统的电子地图更能满足用户的位置服务需求。文中分析位置地图的特点和服务模式,并基于地图空间认知理论,提出位置地图的空间认知过程,最后探讨位置地图的认知设计原则,为基于位置地图的位置服务中空间信息的认知与表达提供理论依据。     

室内行人移动行为识别及轨迹追踪

作为室内位置服务的基础,室内定位技术近年来得到了广泛的关注。针对现有室内定位技术存在成本高、精度有限以及效率不足等问题,提出了一种融合人类活动识别、行人航迹推算(pedestrian dead recko-ning,PDR)以及地标匹配修正等技术的室内行人位置推算方法。该方法使用基于智能手机的PDR技术来估算用户的位置信息,而人类活动识别技术则用来感知用户室内移动行为中的特定地标,利用这些地标信息来辅助修正PDR轨迹中产生的累积误差。此外,为了解决用户初始位置未知的问题,引入隐式马尔科夫模型进行推断,并提出了一种顾及室内环境特征的维特比算法来确定用户轨迹。实验结果显示,所提方法在提高室内行人移动行为识别和定位精度的同时,有效实现了用户室内轨迹的追踪。     

一种CORS的高精度位置服务云平台建设方法

针对CORS系统服务能力无法满足行业及大众应用领域快速增长的高精度位置服务需求的问题,该文提出了一种基于CORS的高精度位置服务云平台建设方法,通过将数据解算服务器与业务处理服务器进行分离,采用虚拟网格用户形式生成用于高精度定位的改正数或虚拟观测值产品,有效解决了高并发服务请求以及涉密数据安全性问题,在服务高精度测量用户的同时,提供面向开发者的各级精度位置服务接口,满足海量级、多场景、易接入的大众应用领域高精度位置服务需求。详细介绍了云平台构架设计、关键技术及具体实施方案,依托本文研究成果,湖南省已成功建设了基于HNCORS的面向大众应用领域的高精度位置服务云平台——问北位置,以期为各省级CORS高精度位置服务云平台的建设提供参考。     

基于云计算的位置服务平台建设研究

云计算作为一种革命性的计算模型住很多行业都成为重要的技术趋势。将云计算应用于空间地理信息领域所形成的空间云计算也逐渐成为整个空间地理信息行业的主流技术。位置服务利用当今高速发展的互联网和多样化的移动终端向用户提供基于位置的信息和娱乐服务。空间信息数据是位置服务平台的重要维成部分。本文首先介绍云计算相关概念,根据对目前位置服务平台存在的问题的剖析提出了基于云计算的位置服务平台建设的思路和平台架构,最后分析了该平台的特点和所形成的产业链。     

车辆GPS轨迹兴趣区域提取算法研究

车辆行驶轨迹是驾驶员主观意愿和路网客观约束综合作用的结果,从海量轨迹中挖掘兴趣区域可为车辆提供更深层次、更有效的位置服务。文中深入分析车辆GPS轨迹特征,在基于时间的聚类算法中引入路网约束,实现车辆GPS轨迹的兴趣点提取和噪点剔除,基于DBSCAN算法生成兴趣区域,采用Google Geocoding反向地理编码发掘并合并语义重复区域,在语义层次上实现兴趣区域提取。实验表明,该算法可在语义层次有效提取兴趣区域。     

基于用户轨迹的POI个性化推荐算法研究

为了实现兴趣点(POI)的个性化推荐,本文针对用户轨迹中的含有大量冗余点的问题,探讨了利用POI和公交数据对用户轨迹数据进行压缩的算法。研究了传统的协调过滤推荐算法后,提出一种基于用户轨迹的加权Top N推荐算法(User TN)。实验结果表明,推荐结果的准确率、召回率和个性化程度都优于传统的协同过滤推荐算法,证明了本文方法的有效性。     

基于位置服务的应用技术和发展趋势

基于位置服务是地理信息应用与服务领域快速发展的重要技术。针对基于位置服务技术日益广泛的应用和未来发展的前景,该文介绍了基于位置服务的概念、体系结构和服务模式。详细剖析了实现基于位置服务的关键技术(包括移动定位技术和地理空间信息技术)及当前进展;分析了其在实际应用中存在的问题,包括定位精度无法保证,动态位置信息的采集工作量大且信息整合参差不齐,地图数据的快速浏览对移动终端的处理能力和存储能力要求较高,及用户个性化的隐私需求无法满足等,并指出了其研究热点和未来的发展趋势。     

基于优化模糊遗传算法的地理信息个性化推送方法

通过优化和改进模糊遗传算法,提出一种用户乐意接受的个性化信息推送模式。该方法可根据用户所处位置、生活行为和兴趣爱好、社会潮流等,主动向用户推送信息,实现针对用户的个性化信息推送服务。实验结果表明,该方法能够提高信息推送的准确性,减少网络资源的占用,弥补信息搜索功能的不足。     

移动掌上校园APP的设计与实现

传统LBS应用主要提供城市中的交通、餐饮等大众位置服务,对于小范围的特定场所(如校园、居民小区、公园等)还未提供成熟的个性化位置服务。利用GIS技术对校园数据的组织管理和可视化方法进行研究;基于空间位置管理校园数据,并以矢量地图等方式对校园数据进行可视化表达;基于Android技术进行掌上校园APP的开发实践,实现了路线规划、校内街景、周边搜索等功能。实验表明:移动校园与LBS有很好的契合点,将校园生活与位置信息紧密结合,能够为师生提供更好的个性化服务。     

关注点推荐算法的霍克斯过程法

关注点（point-of-interest,POI）推荐是基于位置的社交网络（location-based social network,LBSN）中重要的个性化位置服务。针对LBSN中用户签到数据的复杂性和高度稀疏性问题,本文提出了一种基于霍克斯过程的上下文感知协同过滤关注点推荐算法（HWCF）。首先,根据用户签到关注点的地理空间聚集现象分析用户行为特征,筛选用户候选关注点;然后,利用霍克斯过程对候选关注点建模,通过融合空间距离信息、空间序列变换信息、时间信息、用户偏好、关注点流行度等多种上下文信息计算用户访问候选关注点的概率,对访问概率排序得到top-k推荐列表;最后,对算法参数的取值及调整过程进行讨论。试验结果表明,HWCF算法比其他的关注点推荐算法具有更好的推荐效果。     

用户GPS轨迹数据支持下的出行安全分析

安全是每次出行的重要因素之一，传统方法大多基于人力或视频协同才能完成安全监控，缺少以轨迹数据度量出行的方法。定位和跟踪系统的技术进步，GPS卫星定位技术的不断发展与普及，使利用车载导航装置、手持GPS装置收集及使用GPS数据点成为可能。本文提出了一种基于用户GPS轨迹数据评价安全的方法，并以校区内宿舍与实验室间的轨迹数据为研究对象，验证了方法的有效性。研究表明：用户轨迹在离开安全轨迹处，获得较低的安全得分。反之，用户轨迹如果与安全轨迹极为相似，则获得很高的安全得分。该方法在检验用户轨迹是否与安全轨迹相似极为高效，同时以轨迹数据的形式反映用户的出行安全。     

Mobile user identification based on road networks and multiple distance measures

Mobile user identification aims at matching different mobile devices of the same user using trajectory data, which has attracted extensive research in recent years. Most of the previous work extracted trajectory features based on regular grids, which will lead to incorrect feature representation due to lack of geographic information. Besides, most trajectory similarity models only considered one single distance measure to calculate the similarity between users, which ignore the connection between different distance measures and may lead to some false matches. In light of this, we present a novel user identification method based on road networks and multiple distance measures in this article. The proposed method segments a city map into several grids and road segments based on road networks. Then it extracts location and road information of trajectories to jointly construct user features. Multiple distance measures are fused by a discriminant model to improve the effect of user identification. Experiments on real GPS trajectory datasets show that our proposed method outperforms related similarity measure methods and is stable for mobile user identification. Meanwhile, our method can also achieve good identification results even on sparse trajectory datasets.     

室内用户语义位置模式挖掘研究——以商场为例

结合室内轨迹数据的特点,研究了室内移动对象语义轨迹序列处理方法,以及利用LDA主题模型与用户历史轨迹进行室内商场用户分类的方法。提出了通过关联规则分析挖掘用户语义位置模式的方法,并以北京某大型商场的实际用户轨迹数据为例,对所提出的方法进行了实验验证。     

顾及相似用户特征的个人位置预测算法

个体位置预测在传染病精准防控、公共设施科学规划等应用中具有重要意义,既有位置预测算法主要侧重对个体纵向历史轨迹特征进行挖掘建模,从而实现位置预测,对横向相似性用户的规律特性考虑较少。因此,基于图卷积和长短期记忆模型（long short-term memory,LSTM）框架,提出顾及横向相似用户轨迹特征以及纵向历史规律性特征的个体位置预测算法。首先,构建用户轨迹相似性算法并筛选高相似度用户;然后,利用图卷积模型提取待预测用户相似高的用户轨迹特征;最后,利用LSTM框架提取历史轨迹特征,集成相似用户轨迹特征,从而实现个体位置预测。基于某市8万多个用户连续4个工作日的数据进行实验,结果表明,所提算法的准确率随预测时间步长增加而下降,而夜间预测准确率明显高于白天,但相比于既有模型均有10%以上提高;以15 min为预测时间步长时,模型准确率达80.45%。     

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。     

Weka‐STPM: a Software Architecture and Prototype for Semantic Trajectory Data Mining and Visualization

Enormous quantities of trajectory data are collected from many sources, such as GPS devices and mobile phones, as sequences of spatio‐temporal points. These data can be used in many application domains such as traffic management, urban planning, tourism, bird migration, and so on. Raw trajectory data, as generated by mobile devices have very little or no semantics, and in most applications a higher level of abstraction is needed to exploit these data for decision making. Although several different methods have been proposed so far for trajectory querying and mining, there are no software tools to help the end user with semantic trajectory data analysis. In this article we present a software architecture for semantic trajectory data mining as well as the first software prototype to enrich trajectory data with both semantic information and data mining. As a prototype we extend the Weka data mining toolkit with the module Weka‐STPM, which is interoperable with databases constructed under OGC specifications. We tested Weka‐STPM with real geographic databases, and trajectory data stored under the Postgresql/PostGIS DBMS.     

时空轨迹多层级相似子段匹配方法

轨迹子段匹配是轨迹数据挖掘的重要手段,针对其计算复杂度较高、受噪声影响大的问题,提出了一种融合自适应希尔伯特地理网格编码的多层级轨迹编码树结构,在可接受的建树代价下,形成了从轨迹整段到最小片段的层次化组织形式和子段从属关系表达结构,并在轨迹片段编码树的基础上,设计了相似子段匹配算法,将复杂的空间计算转化为空间编码的字符串前缀匹配操作,极大地降低轨迹子段匹配的计算复杂度。实际轨迹数据的实验表明,在不影响匹配准确率的前提下,提出的子段匹配方法的效率与基于经典距离的相似性度量方法相比,有超过一个数量级的性能提升。     

北斗导航信号源发展现状分析

北斗导航信号源是检测北斗用户机性能的重要测试设备,它通过仿真卫星星座、卫星星钟、电离层等环境效应、用户轨迹等来模拟再现北斗导航卫星信号。分析了国内外导航信号源的发展现状以及信号源的功能特点,指出未来导航信号源的发展趋势。     

一种COVID-19病例个体时空轨迹交互式提取与质量评估方法

针对当前新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)病例个体时空轨迹描述文本高度非结构化的特点,提出了一种基于自然语言处理(natural language processing,NLP)辅助的交互式轨迹提取方法,用于提高轨迹提取的效率和质量。设计了交互式轨迹提取和质量评估流程,研究并实现了地址分割与组合算法、轨迹质量评估算法等关键技术。以黑龙江本土COVID-19聚集病例为例,通过轨迹提取效率和质量对比实验,验证了该方法的有效性和实用性。实验结果表明,与无NLP辅助的提取方法相比,该方法的轨迹提取效率得到了显著提升;同时,依据轨迹定量可信度评价结果,人机交互式的提取方法还可有效解决算法轨迹自动提取中存在的轨迹点遗漏、位置错误等问题。     

A novel trajectory similarity measurement method based on node-sequence hierarchical digraph

Trajectory similarity measurement is a basic and vital task in trajectory data mining, which has attracted extensive research in the past decades. Recent works focused on the sequence and hierarchy property of trajectories to construct similarity measurements. However, these methods ignore the user information on the visiting locations, such as semantic and time distribution. In light of this, a novel trajectory similarity measurement based on Node-Sequence Hierarchical Digraph (NSHD) framework is proposed in this article. We first propose a Time-Weighted Stay Point Detection (TWSPD) method to extract real visiting locations of users more accurately. Then, the nodes of digraph are obtained by clustering users' stay points and the edges of digraph are sequence information that users move between these nodes. An Advanced Earth Mover's Distance (AEMD) is proposed to measure the node similarity between users, considering visiting time distribution and semantic information simultaneously. Both node and sequence similarities are used to calculate the similarity score to obtain the final trajectory similarity measurement. Experiments on Geolife and T-Drive datasets show that our proposed method offers competitive performance with mean reciprocal rank values reaching 96.01 and 81.26%, which outperforms related trajectory similarity measurements by more than 10 and 15%.