面向地理空间信息的轨迹模型及时空模式查询

轨迹数据处理与分析是目前空间信息和数据库等相关领域的研究热点之一。本文从Stop-Move轨迹模型出发,通过集成地理空间上下文信息来建模轨迹数据,并研究轨迹时空模式的查询处理技术。首先分析Stop/Move对象与点/线/面地理空间要素之间的时空关联关系,据此提出显式表达该关联语义的地理关联轨迹模型,在此基础上利用关系-对象数据库技术,为地理关联轨迹模型设计独立于应用的关系模式,接着定义轨迹时空模式查询,并提出基于地理关联轨迹关系模式的SQL处理框架,最后以典型性检索请求为例,讨论分析位置-时间、位置-顺序和位置-关系等三类轨迹时空模式查询的纯SQL处理技术,并以样例轨迹数据验证了本文方法的可行性。     

时空和语义结合的船舶轨迹数据压缩方法EI北大核心CSCD

大数据时代积累了覆盖范围广、时效性强的船舶轨迹数据。对海量冗余轨迹数据进行压缩,可提高检索效率,降低数据存储和传输负担;然而现有方法容易忽略移动对象的运动特征。因此,本文提出一种顾及轨迹时空特征和航行语义特征的压缩方法。首先,分析船舶轨迹的空间、时间和语义特征,设计顾及时空语义特征的轨迹数据压缩流程;其次,通过道格拉斯-普克和滑动窗口法计算轨迹点的时空和语义特征值;然后,加权融合轨迹点的时空和语义特征,构建轨迹点的重要性排序,并通过指定压缩比例获取保留轨迹点数目,实现船舶轨迹数据压缩;最后,根据压缩算法效率、质量和实例分析,表明本文方法可保留行驶的动态语义信息和时空形态特征,既可根据压缩比例控制压缩过程,又可显著减少数据冗余,为后续轨迹挖掘等应用提供数据基础。     

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...     

出租车轨迹数据的南京人群出行模式挖掘

针对现有出租车轨迹数据挖掘中时间序列邻近度量方法存在的问题,提出一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,进而研究城市人群出行行为的时空差异。以南京市为例,结合电子地图对出行模式的空间分布特征进行分析,证明了本文所提出的方法的有效性。实验结果表明:在空间分布上,工作日出租车出行模式按照平均出行频次由高到低排序,从城市中心向四周扩散,呈中心环状分布,出行模式区域界限较为明显,同类出行模式分布区域对应相似的功能。提出了一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,有效地分析城市人群出行行为的时空差异。     

利用出租车轨迹数据估计城市道路拥堵状况

交通拥堵是当代各大城市普遍面临的问题,如何通过各种技术手段发现城市交通的易拥堵路段并予以改善是城市交通相关部门以及学者关心的一个问题。通过各种GPS设备产生的历史轨迹数据对城市的研究逐渐受到重视,且取得一定的进展。文中总结运行车辆的4种通行状态:正常行驶、停靠/停泊、信号灯等待以及拥堵,分析这4种状态下运行车辆的速度特征,定义轨迹段平均速度和轨迹段速度方差两个数字特征用来描述运行车辆轨迹段的速度特征以及描述路段拥堵程度的拥堵指数,提出一种基于轨迹分段的拥堵检测的可视化方法,通过实验验证发现其可以较好地估计城市交通拥堵状况。     

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。     

基于出租车轨迹的居民出行特征分析

研究并实现了一种结合核密度分析的DBSCAN空间聚类方法。首先对从马鞍山市出租车的轨迹数据中提取出上下客轨迹点数据进行预处理;再对上下客轨迹点数据进行聚类分析,识别居民出行热点区域;最后进行居民出行热点分析,并总结了居民出行的时空特征。     

语义关联的轨迹-有向线移动过程模型及查询分析

轨迹在地理空间中相对一条有向线移动时,可能发生多次进入、离开、穿过、相遇、折返、停留等拓扑关系。针对轨迹-有向线的时空关联特征,提出语义关联的轨迹-有向线移动过程模型:基本思路是将轨迹-有向线的复杂拓扑细节描述为若干局部拓扑关系的组合,从拓扑和语义的角度描述轨迹相对于有向线的移动过程。最后设计并实现了面向该模型的关系模式,并以两类典型请求为例,分析了轨迹-有向线移动过程的纯SQL查询分析技术。     

轨迹压缩的典型方法评价

轨迹大数据的关键瓶颈之一是轨迹数据海量的数据规模对轨迹的分析、挖掘和应用的限制，因而各类针对轨迹数据的压缩方法是轨迹大数据研究的重点。现有轨迹压缩算法重视对轨迹数据的单一维度时空特征的保持，而缺乏压缩算法对多维度时空特征影响的研究。本文选取MBR面积误差、距离误差、方向误差、速度误差、压缩率和压缩速度等轨迹数据多维度时空特征，分别从轨迹的几何特征、运动特征和压缩效率3个层面对典型轨迹压缩方法进行评价。同时，为了系统观察轨迹压缩算法在不同压缩尺度上对轨迹时空特征的影响规律，本文采用多个尺度压缩结果的评价方法。研究结果表明，在整体效果上那些考虑了轨迹运动特征的压缩算法（如TD_TR算法）对轨迹的总体时空特征保持较好；并且不同的压缩算法对时空特征的影响总体上具有随着尺度变化的一致性，可见压缩尺度是决定压缩效果的核心因素。     

网络空间中线要素的核密度估计方法

核密度估计(KDE)方法是分析点要素或线要素空间分布模式的一种重要方法,但目前线要素核密度方法只能分析线要素在二维均质平面空间的密度分布,不能正确分析交通拥堵、交叉口排队、出租车载客等线事件在一维非均质道路网络空间中的密度分布。本文提出了一种网络空间中线要素的核密度估计方法(网络线要素KDE方法),首先确定每个线要素在网络空间上的密度分布,然后根据网络空间距离和拓扑关系确定网络空间的线要素核密度与时空分布。以出租车GPS轨迹数据中提取的"上客"线事件为例,分析出租车"上客"线事件在网络空间中的密度分布,通过与现有方法比较的试验结果表明,本文提出的方法更能准确反映路网空间中线事件的分布特征。     

城市犯罪时空同现模式的非参数检验方法

采用时空同现模式分析方法挖掘多元犯罪事件之间的关联关系，可为犯罪事件防控问题提供科学指导。现有方法依赖人为设置的频繁度阈值，应用部门若缺乏先验知识则可能导致决策错误。因此，基于非参数统计思想，提出一种面向城市犯罪的时空同现模式显著性检验方法。首先通过重建每类犯罪事件的时空分布，构建多元犯罪事件分布独立的零模型；然后根据零模型下多元犯罪事件同现频率的试验分布，判别候选时空同现模式的显著性。最后设计具有预设模式的模拟数据实验验证该方法的有效性；在多个分析尺度（时空半径）下识别S市2016年13种犯罪事件间时空同现模式，并以时空同现模式{扰乱治安，盗窃电动自行车，扒窃}为例，结合公共设施空间分布，对该模式形成机理进行深入分析。结果表明:①该方法充分顾及了单元犯罪事件自相关特征的影响，能够有效识别具有统计特性的时空同现模式；②犯罪事件时空同现模式随分析尺度的变化而存在差异；③具有相似建成环境和社会环境的犯罪事件容易形成时空同现模式。     

符合认知规律的时空轨迹融合与路网生成方法

以行驶在城市大街小巷的出租车GPS时空轨迹数据为研究对象,研究了符合"感知—认知—经验"认知规律3层次的轨迹融合与路网生成方法,提出了基于Delaunay三角网的时空轨迹融合模型,实现了从GPS时空轨迹中对符合认知规律需求的路网信息的获取,并以武汉市出租车GPS轨迹为试验,实现了对武汉市出租车时空轨迹的融合与武汉市路网数据的生成,证明了该方法的有效性。     

利用GPS轨迹二次聚类方法进行道路拥堵精细化识别

针对当前在精细识别道路拥堵时空范围方面研究的不足,提出一种利用GPS轨迹的二次聚类方法,通过快速识别大批量在时间、空间上差异较小且速度相近的轨迹段,反映出道路交通状态及时空变化趋势,并根据速度阈值确定拥堵状态及精细时空范围。首先将轨迹按采样间隔划分成若干条子轨迹,针对子轨迹段提出相似队列的概念,并设计了基于密度的空间聚类的相似队列提取方法,通过初次聚类合并相似子轨迹段,再利用改进的欧氏空间相似度度量函数计算相似队列间的时空距离,最后以相似队列为基本单元,基于模糊C均值聚类的方法进行二次聚类,根据聚类的结果进行交通流状态的识别和划分。以广州市主干路真实出租车GPS轨迹数据为例,对该方法进行验证。实验结果表明,该二次聚类方法能够较为精细地反映城市道路的拥堵时空范围,便于管理者精准疏散城市道路拥堵,相比直接聚类方法可以有效提升大批量轨迹数据的计算效率。     

对等网络下自适应层级的矢量数据时空索引构建方法

时空索引是时空数据存储和管理的关键技术之一,基于空间填充曲线(space filling curve,SFC)的索引方法近年来受到了广泛关注。然而对于矢量数据,现有索引方法多侧重于空间索引的实现,难以同时顾及时间查询和空间查询的效率,且对于非点要素(线要素与面要素),确定最优的索引级别一直是难点所在。为此,本文面向对等网络环境,提出一种自适应层级的时空索引构建方法。首先提出了基于分区键和分区内排序键组合策略的时空信息联合编码,然后据此设计了点要素、非点要素的时空表达结构,最后设计了多层级树结构以构建时空索引MLS3(multi-level sphere 3),并基于地理实体时间粒度及空间密度等特征自适应确定其最优索引层级。利用轨迹(点要素)、公路(线要素)和建筑物(面要素)实际数据进行了试验。试验结果表明,相比GeoMesa提出的XZ3时空索引,本文索引方法可有效解决非点要素的时空表达及层级划分问题,在避免存储热点的同时实现更为高效的时空检索。     

顾及时空轨迹特征的台风相似性评估算法

相似的台风路径在一定程度上反映了影响台风运动的诸多因素产生的相同或相似的综合效应。本文基于IMHD-ST距离并综合考虑轨迹时空距离和频率特征，提出了一种距离-频率时空轨迹相似性度量算法，从时空位置和路径形状两个角度衡量台风轨迹之间的相似程度。经实际数据验证本文所提出的算法计算结果准确，同时提高了对噪声、采样率变化和偏移等干扰的抵抗能力，能有效匹配相似轨迹对，服务于台风路径预测与历史相似台风案例的提取。     

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。     

一种时空过程的梯形分级描述框架及其建模实例

以对象建模视图和事件模型为基础的自底向上的时空过程表达方法,缺少对地理时空现象的显式定义,在时空因果链的细化表达方面存在不足。本文设计一种时空过程的梯形分级描述框架STP-TRAP,对时空过程进行自顶向下的显式化建模和集成时空因果链的分级描述,并在事件模型基础上,通过引入约束关系描述扩展时空因果链的表达模式。土地利用变迁过程建模实例与土地利用管理信息系统的设计和实现证明,该框架对土地利用变迁时空过程表达效果较好,为土地利用变更数据管理提供了新的思路。     

利用时空密度聚类的高速公路交通事故黑点路段鉴别

研究高速公路交通事故黑点路段的时空分布规律和关联因素,一直是交通领域的关注重点。本文针对事故统计的交通事故黑点路段鉴别方法存在地理学中的可塑面积单元(MAUP)问题,提出一种基于时空密度聚类的高速公路交通事故黑点路段鉴别方法。该方法改进了传统的DBSCAN空间聚类算法,引入一种顾及时间周期性和事故严重程度的事故时空邻近计算方法,通过密度连接规则自适应鉴别各种时空尺度的交通事故黑点路段。以2012—2016年湖南省的高速公路交通事故为例进行试验,结果表明,本文方法可有效克服不同划分单元的可塑面积单元问题,自适应鉴别不同长度的黑点路段,同时可进一步挖掘黑点路段上交通事故时空聚集模式。