基于语义位置网的地址位置预测方法

现有的地址数据库虽然覆盖面较广泛,但仍存在地址数据缺失的现象,针对未被包含在地址数据库中的地址如果进行有效的预测、定位等问题,提出了基于语义位置网的地址位置预测方法,首先从语义位置网中获取和地址具有语义近似关系的节点集合中获取包围盒;然后采用多种策略来寻找包围盒中点集的最佳空间分布;最后通过最优分布提供的点集,分别采用...     

基于移动对象轨迹的室内导航网络构建方法

室内导航网络是行人导航、信息推荐和商业分析的基础。传统人工测绘或半自动提取的室内三维导航网络无法满足复杂室内空间结构高频变化需求。随着室内定位技术的不断发展,室内移动对象轨迹数据爆发式增长,为室内导航网络快速构建与变化监测更新提供了可能。本文提出一种基于移动对象轨迹的室内导航网络构建方法,在基于ST-DBSCAN的轨迹简化预处理基础上,提出了室内轨迹自适应栅格化算法,减弱栅格图像分辨率对导航网络提取的影响,有效避免廊道轨迹密度差异造成的导航网络拓扑连通失效,并通过CFSFDP自适应聚类算法自动识别楼层之间连通点,实现室内导航网络的快速构建。实验数据来源于上海图聚智能科技股份有限公司提供的某商城真实的室内移动对象轨迹数据,实验结果表明,与普适栅格化方法相比,本文提出的方法将导航网络构建准确率平均提高2.43%,拓扑正确度提高12.8%。     

融合历史犯罪数据的疑犯社会活动位置预测

由于重点跟踪人员（疑犯）的社会活动监控数据可获取性差,难以直接反映疑犯的社会活动时空模式,降低了案情分析和犯罪风险预测的有效性。为此,本文提出了融合犯罪记录的位置预测（Crime Records enhanced Location Prediction,CReLP）模型,将疑犯犯罪记录信息融入协同过滤算法,预测疑犯在未来对任意位置的访问频度。该方法利用张量（Tensor）表达疑犯在不同时段和位置上的访问频度,基于疑犯的犯罪事件数据构建疑犯时空关联度矩阵,利用该矩阵约束正则化的张量分解（Tensor Decomposition）过程,以解算出张量中的缺失值,进而获得各疑犯的潜在时空分布模式。实验采用包含了241个疑犯、1.9万个位置记录的真实疑犯位置数据集进行了模型测试,结果表明本文方法在均方根误差和 top-k 最小搜寻距离2个指标上都超过其他Baseline方法32%~63%和14%~26%,大幅提高了位置时空预测的有效性和健壮性。     

钻孔轨迹与样品位置的数字化制图方法研究

为了提高勘查线剖面图样品位置投影的准确度和改变样品须单项独立投影的情况,笔者对钻孔轨迹投影理论、方法和技术进行分析研究,得出了样段控制长度的计算原理方法,实现了由数据直接进机处理数字化生成勘查线剖面图,特别是所有样品可一次性投影成图。本文以哈密地区泉东山某铅锌矿床钻孔ZK901举例,通过数据收集、分析、预处理求得各控制点的投影位置,之后利用Section软件"表格数据投影"功能投影空间坐标,实现了钻孔轨迹、样品位置直接自动投影成图的数字化制图方法。     

顾及实时位置预测信息的动态精密单点定位算法

传统模式下动态精密单点定位(precise point positioning, PPP)技术可利用动态序贯最小二乘算法进行历元递推求解,坐标参数因其时变特性,历元间不进行继承,使得动态PPP算法损失了先验位置信息的约束条件。针对该问题,提出一种顾及实时位置预测信息的动态精密单点定位算法,通过预测残差信息确定各坐标分量的自适应因子,并分析该方法的定位精度以及与采样间隔的相关性;最后利用位移平台开展形变模拟实验。数值算例结果显示,该方法能有效改善高频动态数据处理的精度,对无基准站支持下的缓变型形变监测具有一定的应用价值。     

基于过滤文本和社交网络的用户常驻位置预测

社交用户的文本具有地理差异性,并且社交关系密切的用户之间居住位置更近,因而文本和社交网络均可用于推断用户常驻位置。现有基于文本和社交网络的用户常驻位置预测方法对文本的位置指示性特征挖掘不充分,而用户文本中地名等位置指示信息却提供了最有用的位置信号。因此,本文提出一种基于地理命名实体识别（GER）和图卷积神经网络（GCN）的社交用户位置预测方法。首先,通过地理命名实体识别方法对用户文本进行过滤以凸显位置指示性特征;其次,基于提及关系和关注与被关注关系抽取社交网络;再次,结合社交网络和用户文本内容,采用基于图卷积神经网络的方法进行用户常驻位置预测;最后,将GER-GCN与GCN以及最新研究成果进行比较,并探究该模型的小样本学习能力及其影响因素。基于Geotext数据集和2个微博数据集的实验表明：① GER文本过滤方法可显著提升用户位置预测精度;② 在所有实验中,GER-GCN的预测精度最高,并在基准数据集GeoText上比最新研究成果提升1%~2%;③ 在最小监督的现实场景中,本文印证了GER-GCN模型的小样本学习能力,并发现社交网络质量对其小样本学习能力起到决定性作用。实验结果验证了GER-GCN方法的先进性,且该方法符合社交媒体现实场景的应用需求。     

利用终端位置时空转移概率预测通讯基站服务用户规模

基站服务用户数的预测对通信基站的空间位置选取、通讯服务带宽的配置优化等有重要作用,并为城市公共安全管理方面中的人群聚集预警与群体事件预防提供辅助决策支持。本文利用海量手机轨迹数据,运用时空转移概率定量化描述城市内不同区域间人群流动的时空特性,结合马尔可夫链和贝叶斯定理,构建手机用户群体在基站间的时空转移概率模型,并以此提出一种城市区域尺度上的基站服务用户数预测方法。利用湖北省某城市长达30 d的手机轨迹数据进行模型训练与预测方法验证,实验结果表明：在时间粒度为60 min时,本文提出的方法对8-22时各时段基站服务用户数预测准确率都大于94.8%;在不同时间粒度下对比本文方法、Castro模型、移动平均法,发现在时间粒度大于20 min时,本文方法预测准确率高于另外两种方法。     

基于GIS交通网络的室内3维网络模型研究

在2维交通网络逻辑数据模型基础上,讨论了概念化的楼层网络,进行了室内连通的3维网络模型的研究。基于ArcGIS的交通网络模型建立了试验区的室内3维网络模型,并给出分析结果,该方法为室内3维网络模型研究提供了技术支持。     

融合文本主题和社交关系的社交网络用户住所位置推测方法

在基于位置的应用领域中,如自然灾害监测、流感趋势预测、定向广告推广等,用户地理位置的推测起到重要的作用。现有方法主要利用文本内容和社交网络进行位置推测,一方面未能充分挖掘和融合2种信息,另一方面推测社交网络中孤立用户的位置比较困难。因此,本文提出一种融合文本主题和社交关系图神经网络的社交网络用户住所位置推测方法（Social Relationship Graph Convolutional Network, SRGCN）。主要方法包括：首先,从文本内容中获取混合特征,利用TF-IDF获得文本特征向量,根据用户之间的提及信息建立初始社交关系图;其次,针对用户社交关系图中存在孤立用户并难以估计其位置的问题,建立主题模型,根据主题向量相似度为孤立用户建立联系,补充社交关系图;最后,基于图卷积神经网络处理社交关系图数据,对文本特征和网络结构进行联合建模,以有效推测用户的地理位置。在真实世界基准数据集GeoText上探究了主题相似度阈值对推测性能和图规模的影响,实验结果表明本文方法能够增加可定位用户的比例并将大部分属于同一类的用户节点聚集;SRGCN在平均距离误差、距离误差中位数、推测准确度方面...     

基于位置的机构合作网络构建方法研究

机构合作是合作网络中观层面的合作,机构合作网络可以反映科研机构间的合作关系。机构合作网络多采用人工处理搭配工具进行构建,缺乏对空间数据的有效支持、生成的全局矩阵无法重复利用。设计一种基于位置的机构合作网络构建方法,利用基于位置的实体链接技术以及网络加权模型实现了机构合作网络的动态构建:基于机构位置的聚类法与同机构下作者唯一的策略解决了实体间共指与歧义问题;网络加权模型实现了机构合作网络的动态构建,便于增量更新、反映了合作关系的强度,使得机构合作网络更具科学性。实验证明,该方法可有效提高机构合作网络构建的效率和科学性。     

基于WiFi/PDR的室内定位初始位置融合解算方法研究

提出基于WiFi/PDR的初始位置融合解算方法。以检测到步数后0.2 s内WiFi定位坐标为集合,将PDR中估算的相邻两步距离和航向角作为参照,通过距离阈值和角度阈值筛选相邻两步WiFi定位坐标,以距离和角度综合偏离度选择最优定位坐标。结果表明,该方法解算的初始位置精度为1.2～1.8 m,比WiFi指纹定位误差缩小50%。     

扩展SPARQL的室内空间语义查询研究

针对室内空间特点以及人类对室内位置服务的迫切需求,探讨了适合室内空间语义查询的方法。基于全息位置地图室内空间本体模型,描述室内空间对象及与之相关的人、事的属性信息及其关系,以室内空间本体概念及其属性作为查询原语,增加查询函数实现室内特有的空间关系（如“对面”、“楼上”和“楼下”等）的计算与查询,扩展了SPARQL查询语言基本语法。设计了室内本体查询语言IndoorSPARQL,开发自定义查询语言解析器,初步实现了顾及空间计算的室内空间语义查询。最后,利用Protégé本体建模工具对试验区进行本体实例建模,采用自定义查询语言IndoorSPARQL进行室内语义查询,并将结果可视化。实验结果表明,基于自定义语言IndoorSPARQL的查询方法可有效地支持顾及室内空间计算的复杂语义查询。     

面向智能导游的室内外定位方法研究

智能导游是基于游客位置的路径引导、游览讲解的综合性服务,与地理信息系统(GIS)、移动定位技术、基于位置的服务(LBS)等之间有着密切的联系。目前,室外定位技术已趋于成熟,但是无法满足室内定位的要求,因而室内外一体化定位在智能导游领域的应用亟待研究。本文将室内外定位引入到景区智能导游服务中,在调研室内外定位技术的基础之上,根据景区智能导游系统中室内外定位的具体需求,研究基于全球定位系统(GPS)和超宽带技术(UWB)的室内外组合定位方法,提出基于游客行为与空间状态的室内外组合定位模式,通过探测游客的运动状态实现定位切换算法,构建基于GPS与UWB的室内外组合定位平台。     

基于 HBase 的面向语义单元的室内移动对象索引

随着室内定位技术的广泛应用,传感器记录了大量室内移动对象的位置数据,而索引技术作为移动对象数据分析的基础工作也得到越来越多的研究。已有索引技术多是针对室外空间的移动对象,不能支持室内移动对象数据的三维立体性、轨迹的复杂性、随机性等特点,这些索引技术也仅仅关注了移动对象的位置信息,忽略了语义信息,不能有效地支持室内移动对象的管理和分析,并且当面对海量的移动对象数据时,这些架构在传统关系型数据库上的索引都存在性能瓶颈问题。因此,本文提出了面向语义单元的移动对象表达模型,利用语义单元将室内移动对象的位置语义化,设计了SCoII （Semantic Cell Oriented Indoor moving objects Index）索引结构对室内移动对象的历史数据进行索引,能够有效支持语义粒度上的时空范围查询、移动对象语义轨迹查询。索引基于HBase实现,能够适应大规模的并发更新与查询,具有良好的规模扩展性,规避了大数据给传统数据库带来的性能瓶颈问题,实验证明其具有良好的更新和查询性能。该索引的实现方便了基于语义的室内移动对象分析和数据挖掘工作,为今后的分析工作奠定了基础。     

顾及空间及语义相关性的POI位置标注优化方法

POI的质量是确保寻路、路径规划、导航等高质量地图服务的基础,是影响POI数据的位置准确性、逻辑一致性和语义差异性问题等数据质量问题的关键因素。本文从影响POI位置空间、关系和语义因素3个角度出发,针对POI位置错标、不同语义POI无法区分及POI分布与现实世界不一致的情况,结合建筑数据和道路数据,进行POI多阶段位置优化研究,包括位置约束计算阶段、位置选择阶段、位置优化阶段。以某街道区域为分析区域开展POI位置优化实验,结果表明本文提出的位置优化方法能有效降低错标率（19.3%）、提高可辨识度（6.7%）,并有效提高子区域POI分布与道路分布的一致性,有效提高不同语义POI的识别速度。     

大型商场顾客消费行为轨迹推断

如何获取大型商场内海量顾客消费行为一直是行为地理学面临的难点问题,而近年来爆发式增长的室内轨迹数据为这一问题解决提供了机遇,但室内轨迹的语义信息缺失、数据质量差等问题给推断顾客消费行为造成了挑战。本研究提出了一种顾及文本-轨迹的商场顾客消费行为轨迹推断框架,无需隐私敏感的顾客消费记录数据,可以获取大量顾客消费行为,该方法通过爬取室内店铺的网络文本,增强室内店铺语义属性,进而实现顾客几何轨迹到语义轨迹的转化提升,并引入了轨迹嵌入特征表示学习方法,捕捉群体轨迹之间的移动特征,综合轨迹移动特征、轨迹语义特征及顾客嵌入特征,通过高维聚类实现了大型商场顾客消费模式的推断。通过某大型商场7045位顾客的真实轨迹进行实验分析,实验结果表明,本文提出的方法与传统特征提取方法相比,聚类结果在轮廓系数上提升最高达69.8%,顾客消费行为提取准确率更高。研究发现,室内顾客移动具有一定楼层倾向性,并且室内空间结构如店铺位置、扶梯位置、功能区划分等,会影响顾客消费模式。本文提出的方法可以有效识别不同消费水平、移动特征的顾客群体,实现顾客消费行为的轨迹推断。     

基于手机定位数据的城市人口分布近实时预测

精细时空尺度下城市人口分布的近实时预测可为优化公共资源配置、协助城市交通诱导、制定公共安全应急预案、探索城市居民活动规律等提供重要科学依据。本文采用城市手机定位数据,基于时间序列分析方法,分别建立参数预测模型和非参数预测模型,对精细尺度下的城市人口空间分布开展近实时预测。预测结果表明,基于时间序列分析方法的预测模型可为精细尺度下的城市人口分布近实时预测提供方法支持;在本文实验条件下,从人口规模、时空分布、多时间尺度、特殊事件等多个角度评估模型精度,非参数预测模型其预测误差均小于参数预测模型,且预测结果更为稳定。     

面向室内导航的分层认知路网优化方法

随着室内空间应用规模的增加以及室内定位技术的发展,面向大型场馆等室内空间的应急救援与导航成为室内GIS应用的研究热点,而室内路网构建是室内应急导航服务得以实现的关键技术。本文面向室内导航寻径的这一现实问题,以室内路网动态构建与优化作为研究对象,基于室内空间感知规律以及分层认知的方式,提出和构建了室内单元认知分层编码方法：① 将建筑物室内路网分为街道-建筑物、建筑物-楼层、楼层-区块、区块-房间等4个层次;② 为了满足语义分析的需求,在分析室内单元功能的基础上,引入“虚拟房间单元”,将室内封闭性空间和联系性空间统一剖分为房间单元;③ 依据室内建筑认知分层模型以及室内单元剖分结果,按照建筑物-楼层-分区-房间单元的顺序,从高级到低级的顺序进行连续分层编码。以国内某商业中心为例构建了室内分层认知路网,每一个层次都可以减少参与运算的结点和弧段数,简化了计算网络,从而提高了运算的效率,同楼层寻径时间约为55 ms,跨楼层的寻径时间约为100 ms左右。结果表明,该分层认知编码模型符合人们对室内路网的经验性层次认知,能够很好地刻画路网层次特征,能满足寻径计算的精度和效率的要求,为面向导航的室内应用奠定了基础。