基于手机信令数据居民出行链提取算法

研究居民出行链不仅能够准确预测交通状况而且对城市规划有着重要的意义。经典DBSCAN算法以距离衡量不能完全聚类时空大数据,本文以北京市手机信令数据为基础在经典DBSCAN聚类算法的基础上扩展时间维度提取用户出行链,实验表明该算法能够解决相同地点不同时间停留点判读问题,通过与经典出行链提取算法对比表明该算法具有可行性,并且在职住停留点提取方面比较符合实际情况。     

地理空间数据结合手机信令等多源数据刻画城市居民出行特征

本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、图谱等多源数据,运用工作日通勤分析模型和节假日出行特征提取模型,识别用户的通勤距离、通勤方式、日均通勤频次、周均工作时长、节假日出行场景、出行频次、驻留时长等内容,并形成涵盖职住娱信息的出行特征类标签集。以成都市为例,采集连续1个月的手机信令数据和同时期的POI等数据,验证了该方法的可行性,该成果作为反映城市实际人口规模数量和空间分布特征的城市人口地图大数据产品的重要内容,为政府部门、商企用户开展相关分析业务提供数据支撑。     

DBSCAN与Kmeans相结合的手机大数据聚类方法研究

时空大数据是目前研究的热点。如何从海量手机信令数据中获取有价值的信息是研究手机信令数据的难点。本文在基于距离的点聚合方法的基础上,提出了将基于密度聚类算法DBSCAN与基于距离聚类算法kmeans相结合的点聚合算法。采用DBSCAN与kmeans相结合的点聚合算法实现手机信令数据的可视化,不仅能避免手机信令数据在可视化时点数据的堆叠和覆盖问题,而且使得其聚合后获取数据的空间分布结构更准确。     

手机信令聚类的个体常驻区域识别

针对手机信令数据存在定位稀疏、精度粗糙以及语义信息有限等问题,该文提出了利用手机信令数据以识别个体常驻区域及停驻信息的方法,即采用滑动时窗去除数据噪声,计算生成用户的时序聚簇;再通过凝聚式层次聚类对长时间序列内的时序聚簇进行空间簇联合,推测个体的常驻区域范围;最后提取合并聚簇的时间信息,计算个体在相关常驻区域停驻的时段特征。实验表明,该文方法有效识别了个体的常驻区域,降低了固定时段划分数据识别常驻地的局限性,细化地描述了个体的常驻区域及停驻时段特征。     

结合手机信令数据和地理空间数据的居民职住信息识别

基于手机信令数据和地理信息数据,融合地理信息空间运算能力,创新性地提出了一种识别居民职住信息的方法。在Spark平台上,首先运用地理信息空间分析服务将手机信令数据绑定至地理实体,再通过降噪算法完成定位校准和信令数据的清洗、加工,最后构建数学算法和模型得到居民的工作地和居住地。以成都市居民连续两周的手机信令数据为例,验证了该方法的可行性,该成果将会为商业选址、客群管理、城市规划等应用提供数据支撑。     

一种基于多源数据验证的手机信令数据分析结果不确定性研究方法

手机信令数据被广泛应用于城市人群的动态特征分析,但其分析结果的不确定性尚不明确。因此,提出一种多源数据验证的不确定性分析方法。将从手机信令数据中提取的分布特征与多源数据进行对比,用人群代表性、转移覆盖率、聚集一致性3个指标评价分析结果的不确定性。并基于深圳市手机信令数据,选取了城市感知中人群分布、区域流动、热点识别3个典型城市动态特征,用人口网格分布、营运车辆GPS数据、高德兴趣点（point of interest,POI）等数据集对手机信令数据的分析结果进行验证,得出该区域手机信令数据分析结果的不确定性特征。     

基于手机信令的空间位置数据计算职住地

通过手机信令数据提取人们在使用手机时记录下来的基站位置和服务时间,用以识别居民出行的职业地和居住地。在分析提取到的手机信令数据时,由于数据采集、整合的质量问题,需要对手机信令数据进行提取、清洗、关联等预处理,在预处理后的标准化数据的基础上,通过搭建数学算法、模型来识别职业地和居住地,用以辅助城市交通调查、规划。     

基于手机信令数据的北京市人口空间分布特征

手机信令数据兼有时间信息和空间信息,是用于研究人口空间分布、城市空间特征较好的大数据。利用手机信令数据和乡镇区划数据,分类分乡镇分析提取不同口径用户数量及用户密度概率分布函数,北京市人口空间分布及其均衡性。研究发现：北京市人口分布呈现出由首都功能核心区向中心城区和新城扩散的态势,对于手机信令可分时段统计用户,呈现出人口密度分布并不平衡,中心城区和新城个别街道如卢沟桥街道、新桥街道、沙河地区等工作居住用户远超于其他乡镇街道,人口聚集明显;在职住方面,个别街道存在就业功能空间外溢,居住功能空间紧张的现象,职住用户分布不匹配现象。     

基于手机信令数据的北京市景区游客时空活动特征研究

手机信令数据可以用于研究区域人群时空活动特征,但利用手机信令数据对景区客流活动规律探究的研究较少。本文基于手机信令数据,以北京市32个景区为研究对象,建立客流时空特征评价指标,对北京景区2021年3月1日至2021年5月13日的客流时空变化规律进行了分析。结果显示节假日和周末北京客流量有明显的增长,不同景区间存在客流拥堵差异,近80%的景区在节假日会面临较高的客流压力。研究结论可为北京旅游发展和风险防范提供信息参考。     

利用时序手机通话数据识别城市用地功能

城市土地利用是人的活动与城市物质空间交互所表现出的综合结果,因此人的活动与城市土地利用功能密切相关;具有不同时间段人的活动的空间聚集与分散规律的区域,其所属的社会功能属性亦不相同。随着大数据时代的到来,以居民手机数据为代表的基于位置的服务数据（local basic service,LBS）大量出现,使得实现时空全覆盖和精细化地监测城市人的活动成为可能。因此,利用手机数据的优势,能够实现从人的角度来区分识别城市用地功能类型。利用手机通话详单数据（call detail records,CDRs）提取面向地块尺度的居民通话聚合时序特征,提出了一种城市土地利用类型谱聚类识别方法。以武汉市为例进行实验分析,结果表明,该方法识别城市土地利用的平均精度为54.6%,为探知城市土地利用空间分布提供了一个有效的方法。     

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。     

Mapping collective human activity in an urban environment based on mobile phone data

Identifying and characterizing variations of human activity – specifically changes in intensity and similarity – in urban environments provide insights into the social component of those eminently complex systems. Using large volumes of user-generated mobile phone data, we derive mobile communication profiles that we use as a proxy for the collective human activity. In this article, geocomputational methods and geovisual analytics such as self-organizing maps (SOM) are used to explore the variations of these profiles, and its implications for collective human activity. We evaluate the merits of SOM as a cross-dimensional clustering technique and derived temporal trajectories of variations within the mobile communication profiles. The trajectories’ characteristics such as length are discussed, suggesting spatial variations in intensity and similarity in collective human activity. Trajectories are linked back to the geographic space to map the spatial and temporal variation of trajectory characteristics. Different trajectory lengths suggest that mobile phone activity is correlated with the spatial configuration of the city, and so at different times of the day. Our approach contributes to the understanding of the space-time social dynamics within urban environments.     

扩展卡尔曼滤波的安卓手机定位算法研究

随着手机定位的应用越来越多,目前市场中许多APP(Application)都会用到定位功能.但多数APP使用传统的定位算法,不能满足人们实时获取高精度地理位置信息的需求.现阶段对于手机的全球定位系统(GPS)芯片原始数据定位方法的研究较少,因此本文主要对利用手机GPS原始数据定位的可行性及定位算法进行了研究.利用Android 7.0系统提供的应用程序接口获取GPS芯片的原始数据参数,根据手机实用场景的速度特征,分别设计并实现了针对于静态场景的静态卡尔曼滤波和针对低速场景的动态卡尔曼滤波定位算法.通过静态实验以及电动车实验和步行实验的结果表明:与传统的定位算法相比,本文设计的静态卡尔曼滤波和动态卡尔曼滤波定位算法拥有更好的定位结果,更加接近实际行走路线,证明了利用手机GPS原始数据定位的可行性,同时也证明了设计的卡尔曼滤波算法可以提高定位精度,论文的研究结果为实现静态与动态的高精度手机定位算法提供了理论依据.     

Design and implementation of framework of mobile GIS based on phone terminal for environmental monitoring

This paper proposes a method for constructing an extensive wireless GIS network by utilizing Java cellular phone as GIS terminal for environmental monitoring through dynamic location disaster-emergency notification management of spatial databases. An experimental case study is demonstrated to show its potential in the application field.     

基于时空数据挖掘的城市体检评估方法与实践——以无锡市为例

时空数据挖掘作为当前研究的热点之一,为城市研究提供了新的思路和技术手段。本文以无锡市为例,利用手机信令数据、车辆轨迹实时数据、基础地理信息等多源异构时空数据,构建相应的数据挖掘模型,进行了职住平衡、区域联系度、交通拥堵等城市特征的挖掘与分析,构建多源数据挖掘的城市评估体系,探索了时空数据挖掘在城市体检评估中的应用,为城市规划和运行管理提供了科学评估与决策。     

基于车载点云数据的树木提取与分析

本文基于高速公路高精度点云数据,首先通过点云数据的分类处理实现对树木点云数据的提取,将树木点云投影到水平面,采用DBSCAN密度聚类算法实现单根树木的提取;然后在数据密集区域存在树木树冠点云重叠的区域,本文结合树干几何特征提取树干的位置信息,计算所有点云到树干中心的欧氏距离,将所有点云归类到最近的树干进行粗分割;最后根据粗分割的树木轮廓特征确定树冠模型与树冠中心,提出了采用基于密度特征的格网竞争算法对重叠的区域进行精细分割。试验表明,本文采用的树木分割方法能够实现单棵树木精确提取。     

OSM辅助车载LiDAR点云三维道路边界精细提取

道路边界精确提取建模是城市道路管理、智能交通规划和高精度地图制作等领域的重要课题之一。本文提出了一种基于车载激光雷达点云数据和开源街道地图(OSM)的三维道路边界精确提取方法。首先,针对原始车载LiDAR点云数据应用布料模拟滤波分离地面点,再结合相对高程分析获取道路边界点候选数据集。然后,应用OSM矢量道路网数据的节点辅助道路边界点候选点集进行分段。最后,在各分段点云数据集中基于随机抽样一致性算法获得三维道路边界点集。通过直道、弯道及高密度复杂场景3种不同类型的城区道路边界路段分类提取试验。结果表明,利用该方法进行道路边界提取的准确率和召回率分别达96.12%和95.17%,F1值达92.11%,本文方法可用于高精度道路边界的三维精细提取与矢量化,进而为智能交通与无人驾驶导航提供支撑。     

基于移动GIS的公共设施巡查系统的设计与实现

本文使用ArcGIS Server Mobile SDK开发了用于移动端的公共设施巡查系统.文章在系统分析设计的基础上重点阐述系统的功能的实现,利用ArcGIS Mobile提供的组件和类库,通过C.NET编程开发并实现了系统的各个功能.在实例的分析中使用沈阳市部分公共设施数据进行了验证,结果系统稳定,功能基本完善,数...