基于角色标注的中文POI名称语义分类方法

针对现有中文兴趣点POI(points of interest)分类的不足,分析POI名称的结构特征,利用中文文本处理、语义相似度计算方法,提出一种基于角色标注的中文名称语义分类方法,提高POI分类的精度。     

一种应用兴趣点数据进行地表覆盖分类的方法

针对传统基于遥感影像的地表覆盖分类方法普遍存在的生产周期长、成本高、自动化程度低等问题，提出了一种完全利用兴趣点（point of interest，POI）数据进行地表覆盖自动化分类的方法。首先应用潜在狄利克雷分布主题计算模型，从POI数据的文本信息中挖掘出与地表覆盖类型相关的主题类型和分布概率；然后基于POI文本的主题分布，运用支持向量机分类算法构建地表覆盖分类模型；最后以遥感影像地表覆盖分类结果为依据，采用随机抽样的方式对所提方法进行验证。结果表明，该方法能够较好地区分人造地表和非人造地表，且整体分类精度超过80%，可作为传统遥感影像分类的辅助手段，满足地表覆盖快速分类的制图需求。     

利用OpenStreetMap数据进行高空间分辨率遥感影像分类

针对高分辨率遥感影像分类样本标注困难的问题，提出了一种利用OpenStreetMap （OSM）数据自动获取标注样本的方法。与现有的利用OSM数据进行分类的方法不同，该方法加入了空间特征以弥补单独使用光谱特征分类的不足。首先，基于OSM数据提供的地物类别和位置信息进行样本标注，为了降低OSM数据中少量错误信息对分类结果的影响，采用聚类分析的方法对样本进行提纯；其次，使用形态学轮廓来提取影像的结构特征，挖掘高分辨率遥感影像丰富的空间信息，与光谱特征相叠加并输入分类器进行分类。试验证明，本文提出的方法能够有效避免人工样本标注所需要的人力物力；同时，联合影像的光谱空间特征能够更好地描述地物特性，得到较高的分类精度。     

载体轨迹停留信息提取的核密度法及其可视化

轨迹停留蕴含重要语义信息,其有效提取是开展轨迹Stop/Move模型分析的前提。本文首先依据核密度思想,通过累计邻域点时空贡献来定义轨迹点的停留指数,在此基础上设计了停留指数图,以图形方式直观表达轨迹点的时空聚集程度变化。进一步针对源于停留指数的潜在停留段,提出了一种基于潜在停留段时空临近关系的逐级合并算法,以自动发现和提取停留。试验表明,该算法兼顾停留识别的完整性和准确性,可以有效识别复杂多样的轨迹停留,即使面对噪声严重的轨迹,停留提取的正确率依然较高。     

点云场景语义标注的排序批处理模式主动学习法EI北大核心CSCD

针对点云场景语义标注存在着手工标注费时费力、算法耗时严重、标注精度不高和不适用于大规模场景点云处理等问题,本文提出了一种结合排序批处理模式的主动学习点云场景语义标注方法。该方法首先对原始点云进行下采样处理,然后利用改进的递归特征增加法从庞大的特征集中筛选出最优特征子集,采用排序批处理模式采样算法迭代选取并人工标注少数未标注点,通过创建最小人工标注训练集来完成下采样点云的语义标注工作,最后利用邻域等权标签传播算法完成原始点云数据的标注。对3个室外大场景点云分别进行的试验表明:本文方法只需人工标注7.50%、7.35%、5.83%的点云即可完成下采样点云的标注工作。此外,对比试验表明,本文方法在标注精度和减少人工成本方面优于其他方法,能为点云语义标注工作节省大量人工成本。     

利用手机定位数据的用户特征挖掘

手机定位数据已经逐渐成为一类新兴的空间数据,可用于分析个体或大规模区域内群体的活动特征,服务于基于位置的服务和城市及交通规划等。提出了一种基于手机定位数据,结合区域内兴趣点(POI)、房产价格等,利用空间聚类及语义分析等手段,对用户特征进行分析和挖掘的方法。首先采用DBSCAN方法提取用户重点活动区域;其次,根据用户的活动规律假设对活动区域进行类别标注;最后引入自然语言处理方法对POI和楼盘描述信息进行词频分析。并结合区域内POI类别和房价信息推断用户可能的偏好特征及收入或消费能力等特征,对用户一个月的手机定位数据进行挖掘分析。结果表明,该方法对用户重点活动区域及个体喜好特征等能够进行较为有效的挖掘。     

顾及地址语义和地理空间特征的多源POI位置融合

多源POI位置融合是实现地理空间数据匹配融合的关键技术之一。然而,由于不同POI数据源之间位置编码的差异及定位误差,导致位置融合更加困难。本文提出了一种顾及地址语义和地理空间特征的多源POI位置融合方法。首先,通过TextRCNN和图注意力网络提取地址属性的语义特征;然后,使用多层感知机提取位置属性的地理空间特征;最后,基于自注意力机制通过特征聚合实现多源POI位置融合,并对成都市百度地图、腾讯地图和高德地图的POI数据进行试验验证。结果表明,该方法显著优于现有方法,平均位置融合精度优于12 m。     

基于2D-3D语义传递的室内三维点云模型语义分割

针对现有三维点云模型重建对象化和结构化信息缺失的问题,提出一种基于图模型的二维图像语义到三维点云语义传递的算法。该算法利用扩展全卷积神经网络提取2D图像的室内空间布局和对象语义,基于以2D图像超像素和3D点云为结点构建融合图像间一致性和图像内一致性的图模型,实现2D语义到3D语义的传递。基于点云分类实验的结果表明,该方法能够得到精度较高的室内三维点云语义分类结果,点云分类的精度可达到73.875 2%,且分类效果较好。     

语义因子支持的多源POI分类信息一致化处理

为了解决网络POI分类异构导致多源POI数据匹配与整合困难的问题,该文利用分类特征词提取、特征词去重与优化等关键技术,构建POI分类的语义概念格,然后通过概念格之间的语义关联关系,实现多源异构POI分类体系的映射与转换。最后通过实验验证了该文方法的有效性,并将其成功应用于省级地理信息公共服务平台(政务版)数据更新。     

移动轨迹的尺度特征

移动轨迹是移动对象在地理空间环境中移动而留下的痕迹。移动轨迹数据是一类特殊的地理时空数据，它具有时间尺度、空间尺度和语义尺度特征。本文首先分析了轨迹数据的空间尺度特征与时间尺度特征，建立了轨迹空间尺度与时间尺度转换关系式；然后论述了轨迹的语义内涵和语义尺度特征，将轨迹语义分为移动对象语义、地理空间环境语义、采集设备语义、移动方式语义，并从地理空间环境语义的角度分析了轨迹的语义多尺度；最后探讨了轨迹语义尺度与时空尺度之间的一致性关系。     

基于语义相似度的海量遥感图像可视化研究

针对海量遥感图像如何有效的传达分类结果以实现有效的可视化问题,本文按照分类的语义标注结果的相似度并运用现有的信息可视化技术来实现图像的可视化。首先采用了贝叶斯网络学习的方法进行图像的自动分类标注,然后利用基于图像布局的多维标度算法(Multi-dimensional Scale)以及无需降维的Value and Relation(VaR)技术实现可视化。实验表明本文的方法能够填补图像低层视觉特征和高层语义之间鸿沟,对大量的图像在一个视图内进行有效的浏览,而不造成图像的混乱,并能实现高层次的图像分析。实验的可视化结果是十分有效的。     

顾及兴趣点潜在上下文关系的城市功能区识别

城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。     

利用轨迹数据提取城市居民出行时空分布特征

介绍了利用出租车轨迹数据提取城市居民出行时空分布特征的过程,包括利用数理统计的方法对出租车上下客事件基于时间进行特征分析;给出了一种融合核密度估计(KDE)与兴趣点(POI)分类的密度聚类算法,实现了出租车上下客热点区域的挖掘以及居民出行活动规律与城市功能区之间关系的发现.?研究表明:居民的出行活动特征在"工-休"日之...     

出租车GPS轨迹集聚和精细化路网提取

针对利用GPS数据提取双向路网和交叉路口转向信息精度低的不足,本文提出一种顾及位置与行驶方向的轨迹集聚和精细化路网提取方法,实现了精细化路网提取。为提高交叉路口路网的提取精度,首先剔除原始轨迹中的离散和异常轨迹点,并按一定的步长对轨迹段进行加密;然后引入行驶方向角来表达车辆在轨迹点处的行驶方向,顾及位置和行驶方向获取每个轨迹点的相似轨迹点集合;接着依次计算每个轨迹点的偏移距离,通过对轨迹点的迭代偏移完成轨迹集聚;最后剔除未成功集聚的轨迹点,将完成集聚的轨迹点连成轨迹线并作缓冲区,运用栅格数据数字化方法提取得到能够反映道路精细转向关系的道路网。以福州市出租车GPS数据进行轨迹集聚和路网提取试验,结果表明:本文方法能有效地将GPS轨迹按车辆行驶方向分别进行集聚,提取的道路网为双向道路并且能反映交叉路口处道路的精细转向关系。     

基于四叉树算法的POI分级优化显示方法研究

为了使"天地图"中大数据量、高密度的POI数据在各显示比例下达到清晰易读的表达效果,本文在考虑POI权重属性的情况下,提出了一种基于四叉树算法进行自动过滤的方法,达到各级比例尺优化显示的效果,并通过实例验证该方法的可行性、稳定性,达到了对POI数据高效过滤和图面表达美观的双重效果。     

基于空间语义角色的自然语言空间概念提取

根据空间信息的特点,从定义的空间语义角色入手,通过语义角色标注、短语识别以及概念模式匹配等手段,具体分析了自然语言中的空间实体、实体间空间关系以及空间过程的表达与提取方法。     

空间信息RESTful网络服务语义注册方法研究

为了提高语义标注过程的效率,研究了自动化语义标注空间信息RESTful网络服务的方法,该方法通过在数据网络中,查找网络服务输入输出参数的匹配项,从而实现自动标注。将语义标注结果通过SPARQL端点服务发布,便于标注结果在服务发现过程中的应用。     

移动轨迹聚类方法研究综述

轨迹数据是人类移动行为的表征,能够映射出人的出行模式和社会属性等信息。怎样有效挖掘轨迹数据蕴藏的人类活动规律一直是研究的热点。通过轨迹聚类发现行为相似的类簇,从而探究群体的移动模式是轨迹挖掘和深度应用常见的方法之一。本文首先根据轨迹数据的特点,将轨迹数据模型分为轨迹点模型和轨迹段模型,并据此定义相应的相似性度量：空间相似性度量和时空相似性度量;然后,对两类模型的聚类方法进行了综述,并总结不同聚类算法的优缺点,以期为不同应用选取聚类算法提供科学依据;最后对移动轨迹数据聚类方法研究的发展趋势进行了讨论。     

Inferring trip purposes and uncovering travel patterns from taxi trajectory data

Global positioning system-enabled vehicles provide an efficient way to obtain large quantities of movement data for individuals. However, the raw data usually lack activity information, which is highly valuable for a range of applications and services. This study provides a novel and practical framework for inferring the trip purposes of taxi passengers such that the semantics of taxi trajectory data can be enriched. The probability of points of interest to be visited is modeled by Bayes’ rules, which take both spatial and temporal constraints into consideration. Combining this approach with Monte Carlo simulations, we conduct a study on Shanghai taxi trajectory data. Our results closely approximate the residents’ travel survey data in Shanghai. Furthermore, we reveal the spatiotemporal characteristics of nine daily activity types based on inference results, including their temporal regularities, spatial dynamics, and distributions of trip lengths and directions. In the era of big data, we encounter the dilemma of “trajectory data rich but activity information poor” when investigating human movements from various data sources. This study presents a promising step toward mining abundant activity information from individuals’ trajectories.