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。     

时空大数据分布式增量IMSTDCA聚类方法研究

时空聚类分析是对时空大数据进行利用的一种有效手段,目前传统聚类算法存在着大规模分布数据难以处理,海量数据处理时间较长,确定参数困难,聚类质量较差等缺陷。因此,提出一种分布式增量聚类流程DICP,利用广域网分布增量聚类方法,避免大量数据的传输拷贝,有效提升聚类运算效率。对于DICP流程中的时空数据聚类算法本身,研究了一种大数据环境下的IMSTDCA时空数据聚类算法,借助密度聚类的思想,通过时空数据的聚集趋势预分析、时空数据聚类算法,以及时空数据聚类结果评价3个步骤完成聚类分析,实现时空大数据的快速高效信息挖掘。     

数据质量聚类算法

在聚类算法中,聚类中心决定聚类的最终结果,而传统的分割聚类算法不能准确定位聚类中心。根据数据场提出了数据质量聚类中心的新概念,给出数据质量聚类算法,能够一次定位聚类中心,无需迭代,也无需预置聚类个数。7组对比实验表明,提出的方法能够准确定位聚类中心,获得良好的聚类结果和稳定性,优于传统的分割聚类算法和峰值密度聚类算法。     

利用手机信令数据刻画不同人物画像

本文基于微软亚洲研究院Geolife项目北京志愿者2007—2012年长时间尺度的手机信令数据,以个体为单元开展了出行类型和人物画像研究,提出了一种基于高簇聚类对用户轨迹类型进行划分,然后结合出行规律,综合考虑职业类型、年龄、爱好属性特征的人物画像刻画的方法.研究主要结论为:①本文划分了包括两点一线固定型、两点一线变化...     

基于数据场聚类的遥感影像分类方法研究

将数据场聚类方法引入到遥感影像分类中,将数据集映射到光谱空间,让光谱点对聚类的贡献通过势能充分表现出来。通过特征空间的建立、势能的计算及势能图像的分割等步骤实现了对遥感影像的分类,并讨论了辐射因子及辐射半径等对聚类的影响。     

签到位置数据的密度峰值快速搜索与聚类方法

位置签到数据蕴含了城市居民活动变化。由于客户端位置候选问题,不同的签到行为以同一候选位置签到时会产生位置重复现象。针对现有密度聚类方法在签到数据聚类上存在的问题,以快速搜索和查找密度峰值聚类算法(CFSFDP)为基础,提出了签到位置数据的密度峰值快速搜索与聚类方法。首先,引入位置重复频率来表达签到位置重复,然后,对原始签到位置数据点统计位置重复频率并重新设计数据结构,以新的空间点要素为研究对象寻找密度峰值点;最后,构建了峰值点密度簇聚类算法,在点要素集聚类过程中考虑密度连通性来保证峰值密度簇的连续与完整。试验表明,所提出的聚类方法有效避免了重复度较高的离群位置对象选为峰值并聚类的情况,并具有良好的空间适应性。所提取的密度峰值点不仅可以用来表示热区的中心,还能够反映热区的集中趋势,进而可以帮助探索热区的动态变化情况。     

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。     

图斑数据的多密度属性连接聚类方法

图斑面的聚类处理是挖掘图斑空间知识的重要手段。针对当前图斑面大小不一、形态各异、分布不均等导致聚类结果不够准确的问题,同时为满足大规模图斑数据分析的需要,本文引入多密度属性计算指标,提出了一种图斑数据的聚类方法。首先,根据单个图斑内部点位置(包含边界)的不同赋予其多个密度属性;然后,根据图斑间密度低值向密度高值靠拢的趋势建立图斑归属连接,依次生成图斑要素的树状结构连接;最后,依据树状结构连接的结果对各连接进行剪枝或合并,生成多个独立树,完成图斑面的聚类。试验证明,本文方法可以有效识别各类不规则图斑的聚合集群,并在大规模图斑数据的聚合中具有良好的精度表现,满足高密度多边形区域的聚类识别需求。     

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。     

面向多维时空位置数据的动态加权聚类模型

针对传统聚类算法在处理时空位置数据挖掘时面临的多维聚类问题,提出了动态加权聚类模型。该模型叠加利用经典k-均值和基于密度的DBSCAN聚类算法,通过计算最大轮廓系数确定合适的簇数目,按照划分初始簇类、识别和剔除噪声点、修正聚类簇中心点位置坐标3个步骤实现对大体量多维时空位置数据的聚类分析,提出了动态权重系数计算公式,优化了基于密度的DBSCAN聚类算法中相似度函数,并在Python3.7环境下以网络签到数据集实例仿真验算了该模型算法。实验结果表明,相较单一的传统聚类算法,该模型能综合利用多维非位置属性对时空位置数据点聚类,更合理界定聚类簇的归属数据点,对提升时空位置数据集聚类簇中数据点的聚类效果明显。     

分布式增量机制下的交通流大数据聚类分析

时空聚类分析是对时空大数据进行利用的一种有效手段。本文提出了一种分布式增量大数据聚类分析方法,利用分布增量机制不但可以减少重复计算和迁移拷贝次数,而且可以持续对聚类结果进行修正,能够在保持聚类准确性的条件下提升整体运算效率。而聚类算法本身通过数据聚集趋势预分析、聚类算法和结果评价3个步骤,构建了一体化时空邻域,在时间和空间维度保证了聚类结果的准确性。经过试验证明该方法可以实现时空大数据的快速高效信息挖掘。     

基于位置数据和POI的聚类方法

提出了一种基于自适应迭代的空间聚类方法,以探索城市空间设施与人们出行行为的内在关系。基于位置数据和POI,先将微博数据进行格网化,转化为连续的格网数据;再利用自适应迭代的聚类方法和相关性分析探索微博的空间分布和城市公共服务设施的时间活跃度。实验结果表明,微博数据和服务设施之间具有较强的相关性,并从大数据分析角度为城市规划布局的优化提供了辅助决策;但将其应用到实际规划中还有待进一步验证和完善。     

一种众源车载GPS轨迹大数据自适应滤选方法

基于同步高低精度GPS轨迹数据的空间特征和GPS误差分布原理,提出了一种众源GPS车载轨迹大数据自适应分割-滤选模型。该模型首先通过角度、距离约束将完整的车载GPS轨迹数据进行分割,以轨迹分割段作为基本滤选单元;然后通过对比轨迹分割段内GPS轨迹向量与其参考基线间的相似度,按照相似度与GPS定位精度之间的量化关系指导滤选。试验结果表明,该方法可以实现车载轨迹大数据按信息提取精度需求的滤选。     

Hadoop支持下的地理信息大数据处理技术初探

大数据时代的到来,给GIS的创新发展带来了前所未有的机遇。本文对Hadoop和GIS进行了研究分析,提出了基于Hadoop的GIS大数据处理模型。试验结果显示,该模型能够扩充Hadoop的空间运算能力,对后期地理信息大数据挖掘和分析有一定的参考价值。     

基于移动GIS的规划数据应用系统研究

随着移动GIS技术的发展,移动办公已逐渐成为行业应用的新趋势,本文面向规划业务的核心需求,结合移动GIS技术,应用ArcServer、 ArcGIS for iOS、WebService等技术框架、设计并开发了基于移动GIS的规划数据系统,实现基于移动端的规划数据浏览查询和分析等功能,对于提高规划业务效率具有积极作用。     

基于改进DBSCAN方法的移动对象轨迹停留分析

停留是指对象静止或长时间在较小范围内徘徊的状态。从移动对象轨迹中识别出主要的停留时段及停留区域,可以进一步分析对象的行为及区域的特征。DBSCAN是一种基于密度的空间聚类方法,当二维空间中点密度超过一定阈值时,就认为这些点是一个集聚。本文对DBSCAN方法进行改进,不仅考虑轨迹点之间的空间关系,而且考虑轨迹点之间的时间关系,因此,能有效识别移动对象的停留。最后,利用Starkey项目提供的动物移动轨迹数据进行了停留分析。     

基于SuperMap的空间大数据可视化技术研究与应用

人类正从IT时代走向DT时代,诸多的技术手段使大数据处理技术能够从大规模数据中分析出相关模式或趋势,让我们对海量数据的价值挖掘充满了期待.当可视化呈现让大数据的潜力达到最大时,以往未被观察到的现象或趋势很容易被发现,用户能够快速地获得更多信息,发现他们所需要的价值.因此,如何最大化地呈现大数据中隐含的价值变得尤为关键.本文将重点研究空间大数据的可视化方法,充分发挥数据可视化的作用,帮助用户挖掘隐藏在空间大数据中的价值.     

基于模糊C均值聚类的机载LiDAR点云滤波

点云滤波是机载LiDAR数据处理的重要步骤.现有滤波算法大部分要建立点云之间的索引关系,增加了算法的复杂度;或需要对原始数据进行内插,导致原有精度损失.本文在对LiDAR点云数据的高程进行统计分析的基础上,引入模糊C均值聚类分析算法,针对大区域平坦复杂城区数据,无须建立索引或进行内插,能够快速简单地实现地面点与非地面点的分类.实验结果表明,该方法切实可行,能够较好地满足精度需求.     

基于大数据的内涝智能指挥系统研究与应用

鉴于目前的内涝应急管理缺乏足够的预警能力和快速反应能力,基于大数据和物联网监测技术,利用内涝大数据建立内涝风险识别和预警预报模型,通过在线监测设备和路面视频监控实现内涝现场信息的实时感知,构建了包括信息感知、决策支持、应急精细化管理3个层面的城市内涝智能指挥系统,实现了对内涝灾害的动态风险评价和智能指挥决策.