基于社交媒体数据的城市人群分类与活动特征分析

空间信息技术已开始进入全空间信息系统发展阶段,即将空间信息系统的范畴从传统测绘空间扩展到宇宙空间、室内空间、微观空间等可量测空间。位置大数据不仅是全空间信息系统的重要研究对象之一,而且也成为了广域全空间中了解人们生活方式以及城市动态变化的一种有效途径。本文基于社交媒体数据中的位置签到数据,提出一种不同于传统以社会经济属性为依据的城市人群分类方法。首先利用签到数据的时间序列构造矩阵模型;然后,通过分析用户签到活动的时间特征,采用K-means聚类算法和K近邻算法（K-NN）识别出具有不同时空行为特征的城市人群（静态居民、动态居民、通勤者以及访问者）;最后,本文根据得到的人群分类结果,通过分析不同类型人群的时空间行为特征,发现不同类型人群时空间行为的差异性与潜在规律性,从而为表征城市人群的组成结构及特征,研究城市时空结构提供一种新的视角。     

交通拥堵与预警信息交互传播动力学分析

城市交通拥堵问题已经成为当今世界许多城市发展过程中面临的一个严峻问题。针对这一问题,全空间信息系统通过对复杂、动态的交通拥堵过程进行多粒度抽象、多尺度建模和多层次综合分析,为解决城市交通拥堵提供了新的途径。当城市交通发生严重堵塞时,通常伴随着“道路拥堵”预警信息传播,用以影响人类的出行活动,从而在一定程度上影响交通拥堵传播。为了深入分析城市交通网络拥堵的动态演进过程,本文建立了交通拥堵传播的改进易感-感染-易感（susceptible-in fected-susceptible,SIS）的病毒传播模型,利用状态转移概率方法,基于多层复杂网络分析交通拥堵和预警信息交互传播的动力学行为特征,揭示预警信息传播对交通拥堵传播的影响。该方法不仅能够描述基于交通流传播特点的拥堵传播过程,而且能够描述交通网络中的预警信息传播过程。数字仿真实验表明,交通拥堵的传播过程与交通网络中的预警信息传播动力学之间存在关联关系。     

行车模式的公交站点识别方法

针对公交车全球定位系统(GPS)数据的公交站点识别问题,该文基于公交车辆运行状态,将公交车辆的运行划分为终点站待命模式、正常行驶模式、站点停车上/下客模式,提出了一种基于这3种行车模式的公交站点识别方法,通过行车模式判定、轨迹方向分割和DBSCAN密度聚类,提取各个方向的公交站点。该文使用深圳市公交车GPS数据展开验证,实验结果表明,该方法能有效地、准确地识别公交站点。