基于感兴趣点和滴滴数据的打车需求分析

大数据具有多数据形式、大数据量、传输快捷等优势,大数据分析已逐渐影响和改变人们解决问题的思维方式。本文利用滴滴打车数据和感兴趣点分析人们的打车需求,识别出打车活跃区域。对打车需求数据进行时间划分,核密度分析得到打车聚集区域。统计了打车点附近各类型POI的个数,分析了各区域内打车需求与时间段、地理位置、工作日和周末的关系。发现早高峰(7点到9点)打车与住宅区POI相关,晚高峰(17点到19点)与商铺POI相关,夜晚(21点到2点)打车与公司POI相关,且同一地区在周末与工作日的打车活跃时间不同。     

时空参考框架普适化表达

随着GIS研究领域拓展,空间信息系统面临着全尺度、全类型、全动态表达等挑战,而“全空间信息系统”则成为应对上述挑战的有效途径。时空参考框架是人类时空观的量化表达,面对不同尺度、不同范畴的研究对象,全空间信息系统时空参考框架面临着表达尺度、基准变换以及时空一体化等方面的问题,亟需探索普适化、归一化的时空参考框架表达与转换方法。本文通过对已有一维、二维、三维以及时空参考框架的定义、表达方式的分析与比较,尝试提出时空参考框架普适化表达方法,该表达不仅适用于数学定量表达,也适用于语义模糊表达,为在更广泛的意义上实现时空表达提供了借鉴;同时,基于现实世界的分维、分形特征,利用上述普适化表达方法,通过对时空参考框架时间维、空间维的变换方法研究,探索了以递归计算的方式实现时空参考框架的归一化表达,实现了全空间时空参考框架的全尺度、全维度变换。