顾及时空异质性的缺失数据时空插值方法

时空插值方法被广泛应用于缺失时空数据集的插值与估计。时空插值是时空建模与分析的一个重要内容,当前该研究关注的热点之一是异质条件下的时空插值与估计问题。因此,本文从时空数据的异质性出发,提出了一种顾及时空异质性的缺失数据时空插值方法。该方法首先对数据集进行时空分区,然后分别在时间和空间按照异质协方差模型计算缺失数据的估计值,进而利用相关系数确定时空权重、融合时间和空间估计值得到缺失数据的最终估计结果。最后通过两组气象数据集进行交叉验证对比分析试验。试验结果表明本文方法对比其他插值方法具有更高的精度和适用性。     

顾及时空语义的疑犯位置时空预测

预测疑犯的社会活动行踪,对案件嫌疑人的排查以及犯罪行为的主动预防具有重大意义。当前研究主要依据疑犯的历史系列作案位置预测其住址或未来犯罪位置,缺少对其复杂社会活动位置的转移过程进行建模,也没有考虑位置数据稀疏性对预测性能产生的影响。为此,提出了融合时空语义的位置时空预测（spa-tio-temporal semantics location prediction,SSLP）模型。首先,利用疑犯在不同语义时段和语义位置上的分布邻近性提取目标疑犯的相似疑犯群体;其次,结合该群体的轨迹数据和位置语义信息,基于核密度平滑方法估算出涉及未记录位置的转移频次及其时态访问概率;最后,采用贝叶斯模型实现疑犯个体的时空预测。实验结果表明,基于W市2013年1月至6月间158名疑犯的17 539个位置记录数据,SSLP模型在top-k距离偏离度和top-k精确率上优于其他流行方法40%~50%,对疑犯位置数据稀疏性具有优异的适应能力。     

顾及相似用户特征的个人位置预测算法

个体位置预测在传染病精准防控、公共设施科学规划等应用中具有重要意义,既有位置预测算法主要侧重对个体纵向历史轨迹特征进行挖掘建模,从而实现位置预测,对横向相似性用户的规律特性考虑较少。因此,基于图卷积和长短期记忆模型（long short-term memory,LSTM）框架,提出顾及横向相似用户轨迹特征以及纵向历史规律性特征的个体位置预测算法。首先,构建用户轨迹相似性算法并筛选高相似度用户;然后,利用图卷积模型提取待预测用户相似高的用户轨迹特征;最后,利用LSTM框架提取历史轨迹特征,集成相似用户轨迹特征,从而实现个体位置预测。基于某市8万多个用户连续4个工作日的数据进行实验,结果表明,所提算法的准确率随预测时间步长增加而下降,而夜间预测准确率明显高于白天,但相比于既有模型均有10%以上提高;以15 min为预测时间步长时,模型准确率达80.45%。     

基于互联网的城市时空数据调查技术方法研究

分析互联网时空数据的类型和来源,研究互联网时空数据的获取和挖掘方法。以重庆市空气质量的时空变化研究为例进行案例分析,探讨在时空数据获取和挖掘中的应用。     

基于网络和图的时空智能——概念、方法和应用

当前时空智能(SpaceTimeAI)和地理空间智能(GeoAI)已是热门的话题,该研究领域旨在将计算机科学的最新方法(如深度学习)应用于地理空间问题。虽然深度学习方法因其对栅格数据的自然适用性而在图像处理中取得了巨大成功,但仍未广泛应用于其他空间和时空数据类型。本文提出使用网络和图作为SpaceTimeAI或GeoAI的基本结构的倡议,并将其应用于城市研究中。相比于基于网格的表达,基于网络的结构更加精确和实用。图能实现对点、线、面/多边形/网格和网络等多种空间结构的表达。本文通过时空预测、聚类和时空优化等常用时空分析方法展示基于网络和图的时空智能分析的优势,并介绍其在交通出行、警务和公共卫生等领域的应用。     

基于深度学习的滑坡位移时空预测

滑坡变形监测数据是认识滑坡变形演化规律的直接依据,对该数据深度挖掘是实现滑坡灾害预警预报的有力保障。现有的滑坡位移预测模型多局限于单个监测点的时序预测,且未考虑监测点间的空间相关性。针对上述问题,本文提出了一种基于深度学习的滑坡位移时空预测模型:首先,构建表达所有点间空间相关性的加权邻接矩阵;其次,引入外界影响因素加强属性特征矩阵,以构建图结构数据;最后,采用集合图卷积网络(GCN)和门控循环单元(GRU)的深度学习模型,并通过多组试验寻找最优超参数,实现滑坡位移的时空预测。本文模型结果的均方根误差为4.429 mm,与对比模型相比至少降低了47.3%。而消融试验结果也显示,引入外界影响因素的属性增强可进一步提高模型的预测性能,均方根误差相对于未属性增强结果减少了28.4%。结果表明,该方法可用于滑坡位移或其他地质灾害中同样具有时空关联属性的观测量的时空预测。     

基于低频GNSS轨迹的转向级城市交通信息精细预测

利用浮动车GNSS轨迹数据可以实时获取和预测城市交通状态,且覆盖范围广、部署成本低,对自动驾驶路线决策、交通拥堵治理具有重要的支撑作用.现阶段,利用浮动车GNSS轨迹数据预测的信息仅包含路段上的交通速度、状态,而忽略了交叉口内不同行驶方向上的交通流差异;且交通信息准确性受到GNSS采样频率的限制.本文提出一种基于图卷积网络和低频GNSS轨迹数据的转向级交通预测方法:首先,顾及轨迹点间车辆运动模式提出一种排队起始点估计模型;然后,基于对偶图理论构建转向连通关系的图结构;最后,基于图卷积网络提出一种顾及转向时空模式的交通预测模型.试验结果显示,本文方法能准确地获取和预测转向级交通速度、排队长度信息,交通预测准确性全面优于基准方法.     

顾及空间异质性的大范围地面沉降时空预测

大速率、不均匀的地面沉降已经威胁到人类的生产活动,高精度的沉降预测结果对于地质灾害的精准防控具有重要意义。为掌握地面沉降的演化规律,利用现场观测数据或InSAR数据开展了多项预测研究。然而,由于空间异质性的存在,大范围地面沉降的准确预测仍然是一项挑战。在这项研究中,从数据驱动的角度提出了一种顾及空间异质性的大范围地面沉降时空预测方法 STLSTM (Spatio-temporal Long Short-Term Memory)。首先,通过聚类识别地理空间中的均质子区;然后,在每个子区中,一个特别的长短期记忆LSTM (Long ShortTerm Memory)网络被用来捕捉局部位置的非线性特征;最后,利用预训练的网络对未来时刻的地面沉降进行定量预测。在实验部分,哨兵1号影像数据被用来比较STLSTM与其他8种基准方法的性能,利用空间统计指标分析了模型的有效性。结果表明,STLSTM在152 s内达到了最高的预测精度（71.4%）,且能够有效弱化空间异质性对大区域沉降预测任务的影响。总之,这项研究将空间异质性处理策略融合到深度学习模型中,实现了高精度、高时效的大范围地面沉降时空预测。     

时空数据挖掘中的模式探讨

随着数据的采集、存储、计算等能力不断提升,在数据挖掘领域,基于大数据的时空信息数据的分析和处理正是当前研究的热门问题。步入"互联网+"时代后,从巨大体量的时空大数据中挖掘出潜藏的有价值的信息具有重大意义。加之时空数据处理更为复杂,日趋繁重的时空数据处理任务急需寻找有效时空数据挖掘方法。据此,从数据挖掘中的时空数据挖掘模式的分析和展示角度出发,探讨时空数据挖掘的几种模式,包括时空频繁模式、时空关联模式、时空共现模式、时空分类、时空聚类、时空异常模式检测等,分析这些时空数据挖掘模式目前发展状况,对存在的问题及可能的解决办法进行探讨。     

顾及时空信息的暴雨精细化大数据平台构建方法

暴雨是城市灾害中最常见的一种,具有降水时间短、强度大的特点,很难做到精确预报.以时空信息为基础框架,建立了暴雨精细化工程综合时空数据库,研发了暴雨精细化工程基础数据平台,提供了暴雨专题数据可视化展示、暴雨灾害预测分析、灾害模拟、撤离避灾路线制定等功能.通过对暴雨的时空分布进行实时展示,可获得基于监测数据的较为准确的预测...     

时空数据的组织与应用研究

时空数据是智慧城市各个领域实现智能化的关键性支撑技术,智慧城市的建设离不开时空数据。本文以智能应用为导向,提出了时空数据的组织模型,构建了智慧城市时空大数据计算、分析、服务框架,实现了时空数据全生命周期的高效管理与智能应用。     

ST-CFSFDP:快速搜索密度峰值的时空聚类算法

时空聚类算法是地理时空大数据挖掘的基础研究命题。针对传统CFSFDP聚类算法无法应用于时空数据挖掘的问题,本文提出一种时空约束的ST-CFSFDP(spatial-temporal clustering by fast search and find of density peaks)算法。在CFSFDP算法基础上加入时间约束,修改了样本属性值的计算策略,不仅解决了原算法单簇集多密度峰值问题,且可以区分并识别相同位置不同时间的簇集。本文利用模拟时空数据与真实的室内定位轨迹数据进行对比试验。结果表明,该算法在时间阈值90 s、距离阈值5 m的识别正确率高达82.4%,较经典ST-DBCSAN、ST-OPTICS及ST-AGNES聚类算法准确率分别提高了5.2%、4.2%和7.6%。     

智慧澄海时空大数据平台设计与实现

以汕头市澄海区自然资源一体化综合管理为目的,基于数据中台微服务架构和BI数据挖掘等前沿技术,提出了智慧澄海时空大数据平台建设的技术路线和实施路线,实现了离散二三维数据到数据中台的自动汇聚和互联共享,定制了面向土地、规划业务的空间分析模型,促进了自然资源数据管理与活化利用,有力支撑了面向自然资源管理、国土空间规划、城市管理的行政审批、监管决策、公共服务等各行业应用。     

顾及信誉的众源时空数据模型

提出了一种顾及信誉度的众源时空数据模型。在分析众源时空数据中地理要素、目标状态、对象版本、贡献者、信誉度、改变现实空间实体或信息空间对象状态的事件等要素间的相互作用机理的基础上,采用面向对象方法设计了一种顾及信誉度的众源时空数据组织方法,用UML对其进行描述,分析了与信誉度相关操作及其联动关系,得出了8条联动规则。开发了顾及信誉度的众源时空数据管理原型系统,验证了所提模型的有效性。     

基于粗糙集的缺失数据循环搜索重建算法

提出了一种基于粗糙集理论的缺失数据循环搜索重建算法,分析了算法的复杂性,并选择一个典型数据集进行了缺失数据重建的实验。结果表明,该算法不但能较为准确地重建缺失数据,在控制噪声引入方面也有较好的表现。     

基于深度学习的人群活动流量时空预测模型

传统的时空预测方法缺乏对复杂时空非线性关系的描述,且难以顾及空间多尺度特征对于预测结果的影响.针对这一问题,本文提出了一种融合空间多尺度特征的时空网络模型(MST-Net),将流量预测的回归问题转换为具有时空特性的判别模型.首先,通过并联卷积提取空间多尺度特征;然后,通过引入注意力机制的门控循环单元提取时间特征;最后,...     

智慧黄山时空大数据建设与应用实践

基于时空大数据技术、面向服务模式、高性能计算和分布式计算等相关理论和技术,本文设计并实现了时空大数据平台,集合了时空数据整合、处理、存储、分析、可视化等功能,并具备后台资源弹性分配和管理能力.规划了适合本地情况的时空大数据重点应用方向,基于大数据空间分析模型,分析了土地利用现状数据变化情况;运用机器学习的方法构建地价预测模型,实现了远期地价预测能力;利用大数据分析及存储手段,实现了基于手机信令数据的旅游景区流量分析.为黄山市提供了统一的时空大数据服务基础设施,并为智慧城市全面应用积累了经验.     

地理大数据挖掘研究进展与挑战

大数据时代,全面涵盖人类活动与地理环境信息的地理大数据为更全面认识“人-地”关系提供了新的机遇。数据挖掘是地理大数据产生“大价值”的关键。与传统目的性采样数据(或“小数据”)相比,地理大数据具有更细的时空粒度、更广的时空范围、更丰富的人地关系信息、更高的时空有偏性及更低的时空精度。地理大数据的独特性使得地理大数据挖掘面临新的挑战。本文首先对地理大数据挖掘与空间数据挖掘的区别与联系进行分析;然后,对当前地理大数据挖掘方法、应用及软件的研究进展进行回顾和总结;最后,对地理大数据挖掘面临的挑战和发展趋势进行了展望。通过对地理大数据挖掘研究进展进行系统的分析,有望为地理大数据挖掘理论与方法的完善提供一定的参考和借鉴。     

顾及平稳特征的PM2.5浓度时空趋势拟合研究

针对PM2.5浓度估算中全局平稳因素和局部非平稳因素同时存在的问题,该文以京津冀地区2015年1月—7月的PM2.5浓度为研究对象,人口密度、GDP、AOD、温度、相对湿度、风速和大气压强为影响因子,利用混合时空地理加权回归模型对PM2.5浓度进行估算。结果显示,考虑全局平稳特征时能有效地提升PM2.5浓度估算的精度,PM2.5浓度与风速、温度呈负相关关系,京津冀地区PM2.5浓度呈北低南高的趋势。     

基于唯一关联标识载体的时空大数据建设研究与实践

时空大数据是空间信息领域近年来研究和建设的热点之一,本文结合嘉兴市在时空大数据建设过程中所遇到的问题,有针对性地进行了分析研究,提出了基于唯一关联标识载体的信息空间化和融合关联方法,并在"智慧嘉兴"时空信息云平台(一期)项目建设过程中进行了实践。