基于TRMM数据的福建省降水时空格局BME插值分析

传统空间插值方法可获得福建省区域内降水的总体分布,但该地区气象站点较稀疏且分布不均,导致该区域内降水的空间插值结果误差较大。为提高插值精度,本文利用TRMM卫星数据以弥补站点数据的不足,尝试将TRMM数据作为"软数据"、台站数据作为"硬数据",两者相结合后采用贝叶斯最大熵(Bayesian Maximum Entropy,BME)方法对福建省降水的时空格局进行分析。以2000-2012年近13年20个气象站点的年降水量和月降水量为基础数据,分别利用普通克里格法(Ordinary Kriging,OK)和TRMM为"软数据"的BME插值法,分析福建省多年降水的时空分布格局,并对2种方法的插值结果进行比较。结果表明:在时空分布上,以TRMM数据为辅助变量的贝叶斯最大熵插值结果能更好地体现降水的局部差异特征;在误差评价上,以TRMM数据为辅助变量的贝叶斯最大熵插值结果的MAE和RMSE较小,表明TRMM数据作为"软数据"参与插值的BME方法可以在一定程度上弥补站点数据的不足,有效降低预测结果的绝对误差。通过对福建省降水插值的时空分布格局分析和误差评价可看出,BME插值法通过对基础台站数据,以及TRMM卫星产品数据的利用,使降水的时空分析结果更加真实客观,同时,为TRMM卫星降水数据的应用提供了一个新思路。     

基于多源数据的北京市朝阳区人口时空格局评估与预测

城市人口分布与活动呈现高度的时空动态变化,掌握人口时空变化特征并进行未来预测,对于精准人口评估、有效的政策措施制定、实时的人口预警与调控等具有重要意义。本研究利用以手机信令数据为主的多源时空数据,首先利用地理探测q统计进行探索性数据分析,其次结合贝叶斯模型进行北京市朝阳区居住人口的时空变化探究及时空预测,以期达到对朝阳区人口的动态评估与预测。首先,选用地理探测q统计进行空间异质性探测,用贝叶斯时空层次模型探究基于手机信令数据推算的北京市朝阳区居住人口的总体空间效应、总体时间效应以及局部变化趋势;其次,选用贝叶斯高斯预测过程模型,基于朝阳区各街乡的居住人口及相关人口影响因子数据进行朝阳区各街乡2017年12月的居住人口预测。时空探究表明：朝阳区居住人口在空间上存在完美空间分异,整体呈现沿环路由内向外递增的空间分布格局,整体时间趋势表现为增长,各街乡局部时间变化趋势呈现一定差异。预测的空间分布与实测空间分布整体一致,精度较高,各街乡预测精度不一。结果表明基于贝叶斯理论的时空层次模型和高斯预测过程模型可以为多源时空数据下的多尺度精准识别与人口时空模式挖掘提供有效的方法支撑。     

时空事件聚类分析方法研究

时空事件聚类分析是当前聚类分析研究领域最前沿的一项主要内容,在疾病预警与控制、气候变化、地震预测及犯罪行为分析等领域具有重要的应用价值。本文一方面针对时空事件聚类分析的研究现状与最新进展进行归纳总结;另一方面选取四种代表性的时空事件聚类分析方法(时空重排扫描统计,ST-DBSCAN,WKN,STSNN)从聚类质量与用户操作两个方面进行试验分析,对同一方法针对不同类型数据集,以及不同方法针对同一数据集的聚类效果进行了对比分析。最后,在实验分析的基础上对现有时空事件聚类分析的优缺点及适用性进行了归纳总结,并指出了需要进一步研究的若干问题。     

时空数据模型及时空地理信息系统功能架构

地理信息系统(GIS)就其实质而言,是现实世界的一种数据抽象模型。但现有的GIS数据模型缺乏跟踪现实世界实体变化的能力,因为它只保存实体的现势数据,而对于各种历史状态数据则无法保存,是一种快照数据模型。随着地理信息系统在行业应用的普及和深入,人们开始认识到地理信息系统应该具有描述现实世界中各种时空变化的能力,既可以分析其过去,又可以预测其未来(发展趋势)。这种想法导致了时空地理信息系统和时空数据模型概念的提出。本文分析了时空数据建模方面的技术问题;并讨论了主要的建模方法。认为历史接续关系和时序刻画是时空建模的主要内容。     

时空轨迹分类研究进展

时空轨迹分类旨在为一条轨迹预测类别。时空轨迹分类在城市规划、个性化用户推荐等方面具有重要应用价值,其过程主要包括轨迹数据预处理、特征提取、建立分类器3个阶段。本文综述了近年来时空轨迹分类的研究进展,首先对时空轨迹分类的过程进行概述;然后将时空轨迹分类算法按特征提取的方式分为基于运动特征的轨迹分类算法、基于分类规则的轨迹分类算法和基于图像信号分析的轨迹分类算法3类,分别论述了这些算法的基本思想和优缺点;之后对现有的轨迹分类算法从数据来源、分类器、特征提取方式等方面进行对比分析;最后讨论现有的时空轨迹分类算法面临的挑战。     

基于贝叶斯统计的黄河流域生态文明与共同富裕的时空协同演进研究

鉴于目前关于时空数据的综合评价未能充分考虑时空交互信息，本文提出一种时空动态熵值法，可同时考虑空间、时间和时空交互3个维度的信息熵，采用该方法综合测度了2000—2020年黄河流域地级市尺度的生态文明指数（Ec CI）和共同富裕指数（CoPI）；采用贝叶斯自适应多阶段时空演化模型精细研究了黄河流域EcCI和CoPI时空演进规律，有效识别了二者在研究期内的非线性局部变化趋势；为了能够定量测度黄河流域EcCI和CoPI的时空协同状态，本文提出一种贝叶斯时空协同模型，实现了二者在四类变化组合场景下时空协同状态的有效测度。研究发现，黄河流域EcCI和CoPI的时空演进过程可分为3个时期：2000—2007年（前期）、2008—2015年（中期）和2016—2020年（后期）；EcCI的总体空间格局在后期发生了一定转变，而CoPI则在3期保持了基本稳定，表明CoPI的区域协调难度要高于EcCI；在前期和中期，有少数区域的Ec CI和CoPI出现了降低趋势，但在后期，绝大部分区域的EcCI和CoPI都呈现出增长趋势，相较于EcCI而言，CoPI的增长趋势表现出区域极化特征；在时空协同方面，EcCI...     

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。     

面向人类行为研究的时空GIS

人类时空行为是地理学、物理学、规划学、流行病学等多学科共同关注的研究主题。时空GIS面向地理时空数据的建模与分析需求,注重时间与空间的一体化表达,为人类行为特征分析与规律探索提供基础方法支撑。然而,现有时空GIS在人类行为时空过程表达以及人类行为与时空场境交互分析等方面存在不足。本文通过深度融合时间地理学理论,提出一种面向人类行为研究的时空GIS方法,以丰富与完善现有的时空GIS方法体系。在深入解读时间地理学中“情境”、“企划”等核心概念的基础上,本文分别从情境要素存在性动态表达、情境要素相关性动态理解及情境要素变化的动态感知等方面探讨拓展现有时空GIS方法的可行性。     

基于时空多图卷积网络的网约车乘客需求预测

随着智能手机的普及,网约车成为常用的出行替代方式。网约车运营平台因此成为智能交通系统的主要组成部分,在满足公众出行需求中发挥重要作用。乘客需求预测是网约车系统需要解决的核心问题,现有文献中提出的模型忽略了长期时间相关性及多种空间相关性,本文针对现有研究成果存在的局限性,在充分考虑网约车乘客出行需求时空相关独特性的基础上,提出一种融合全局特征的时空多图卷积网络(Spatio-Temporal Multi-Graph Convolutional Network Fused With Global Features,GST-MGCN)模型。该模型遵循临近性、周期性和趋势性(Closeness, Period and Trend,CPT)范式,利用时序信息拟合时间依赖关系;通过识别多种空间语义相关性构建对应的关系图结构、建立多图卷积模型;模型中的全局特征融合模块,使用门控融合和总和融合方法分别捕捉乘客需求的突变和渐变。以海口市数据集为样本的实验结果表明,本文提出的GSTMGCN模型MAE、RMSE和MAPE指标的值分别是2.269、3.917、21.447,优于其他同类主流模型。本研究证明提出...     

基于多源时空大数据的城市规划评估研究——以温州市为例

与传统数据调查技术相比,时空大数据具有高采样率、大数据量、连续性和实时性等特点,为城市规划实施过程中的动态评估提供了全新的“智慧规划”技术手段。首先,从城市评估实施评估的理论和实践展开回顾;其次,借鉴本体论方法,在城市规划实施评估应用领域范畴,梳理多源时空大数据,提出“价值取向—评估内容—指标—模型—数据”实证分析逻辑;最后,以温州市为案例,介绍多源时空大数据在温州市规划评估应用实践的技术路线,实施评估内容包括人口规模、协调发展、空间布局、公共服务设施效能、交通设施效能等5个领域。相关研究成果可参考作为国土空间规划实施评估的一个子集。     

多源遥感数据时空融合模型应用分析

多源遥感数据时空融合模型是解决目前遥感数据获取能力不足问题的重要方法之一,当前主要融合方法的研究,集中于平原区域,缺乏复杂条件下的多源遥感数据融合技术的应用研究。针对我国南方复杂条件,本文对比研究了多源遥感数据时空融合模型在我国南方复杂条件下的应用能力。针对LORENZO模型、LIU模型、统计回归模型、STARFM和ESTARFM 5种主流多源遥感数据时空融合模型,采用Landsat-ETM+和MODIS数据,以江苏省南京市的小块区域为实验区,利用5种模型生产融合影像,以真实Landsat-ETM+数据为模板,定性和定量评价融合效果的好坏。结果表明：除LORENZO模型外,其余4种模型获得的融合影像与真实影像之间都具有较高的相关性,相关系数均高于0.6,其中,ESTARFM模型的融合影像与真实影像间的相关性最高,融合效果最好,其次为STARFM模型,再次为LIU模型和统计模型法。在融合过程中采用距离、时间和光谱等信息越多,融合效果越好,在复杂地区的适用能力越强,融合影像更能反映地物的细节特征。     

犯罪时空预测方法研究综述与展望

犯罪时空预测作为预测警务的核心支撑技术,自2000年左右至今得到了快速的发展.本文介绍了犯罪时空预测的实践背景和理论基础,将犯罪时空预测解构为利用历史案件的时空位置、时空环境和个体行为等要素,结合相应的算法模型预测未来案件时空分布的过程.然后,从输入要素的视角对当前的犯罪时空预测方法进行了总结和归纳,将其划分为基于案件...     

区域人口迁移时空溢出效应与动力机制分析

区域人口迁移流的规模不仅取决于迁出地与目的地的“双边”要素,也与前期迁移流和周边迁移流息息相关。传统重力模型揭示了区域人口迁移过程的“推-拉”机制,但受制于对时空维度的忽视,无法有效表达迁移流之间的时空依赖关系,因而难以度量区域要素变化对迁移流产生的时空溢出效应。本文引入多种形式的时空依赖结构,构建迁移流时空重力模型,并采用贝叶斯马尔可夫链蒙特卡洛（MCMC）方法进行估计。在此基础上,结合时空效应框架量化区域要素对迁移流的影响,定量分析人口迁移过程的时空溢出效应与动力机制。本文以1985-2015年中国省际人口迁移为例,通过与非空间的动态重力模型估计结果比较,初步表明时间依赖、空间依赖以及时空扩散依赖在区域人口迁移过程中不容忽视;时空维度上,区域要素变化在初期对迁移网络的溢出效应超过对该区域迁移流的直接影响;逐渐衰减的时空溢出效应维持了区域人口迁移规模发展的相对稳定,与动态重力模型估计结果形成了鲜明对比。区域人口规模、人均GDP水平及其时空溢出效应共同驱动中国省际人口迁移系统的发展。耦合时空维度依赖关系的时空重力模型能更好地理解区域人口迁移过程的演化特征,为促进区域人口均衡发展提供科学的决策依据。     

点模式条件下的犯罪嫌疑人时空同现模式挖掘与分析

现有时空同现模式挖掘方法因其在空间和时间频繁阈值等参数值的设定上存在困难且缺乏客观依据的问题而难以被应用到犯罪地理研究中。为此,本文通过引入时空状态同现模式和最小时空参与率等概念对现有挖掘方法进行了重新建模,并结合广义Grubbs异常值检验提出了一种点模式分布下的犯罪嫌疑人时空同现模式挖掘框架。基于该框架对中国某省部分犯罪嫌疑人的真实移动轨迹数据的实验分析结果表明,本文所提出的方法能够有效地挖掘出嫌疑人间显著的时空同现模式,且这些模式的时空分布特征不仅与犯罪活动易发生在非农业生产区这一共识基本相符,还与日常活动理论的基本观点相适应。本文拓展了时空同现模式挖掘在犯罪地理研究中的应用,研究成果对公安机关等执法部门在重点监控某些犯罪嫌疑人以及合理分配和部署警力资源方面具有重要意义。     

MDA与事件驱动的面向对象时空数据建模研究

面向对象的空间数据模型更符合地理现象的本质特征,目前面向对象的数据库管理系统尚不成熟,在现有的关系数据库及对象关系型GIS平台下进行面向对象的数据建模研究很有必要。本文以模型驱动架构理论为基础,以事件驱动的方法建立面向对象的时空数据模型,探讨在关系数据库及对象关系型GIS平台下,进行时空数据面向对象建模的方法和技术路线。探讨了事件驱动的建模方法以及事件、对象的定义与组织,并应用UML建模语言建立了面向对象的动态行为模型、时态行为模型以及软件模型,对模型的可执行性进行了验证。在关系数据库及对象关系型GIS平台下,实现了面向对象的时空数据建模,并为GIS跨平台和跨系统之间的互操作探索了一条新的途径。     

基于时变网络的多粒度时空对象关系演化过程表达与建模

对空间事物的表达与研究模型主要针对多粒度时空数据本身的描述,而不是描述多粒度时空对象的相关性。多粒度时空对象是一种新的时空对象表达方法,其中时空对象关系的演化过程是一种抽象的复杂的网络的过程。本文在多粒度时空对象表达的基础上,对其演化过程进行形式化定义,提出以时变网络的方法构建初步的关系演化过程模型。通过对基于时间切片的退耕还林演化过程关系的描述与表达,形成动态实时变化的网络模型,从而抽象表达退耕还林过程中的对象关系的演化过程。应用时变网络明确多粒度时空对象关系的演化过程,并对演化过程进行初步的表达和建模,可以使对象关系变化更加清晰化,提高其层次性和效率性,为今后研究多粒度时空对象关系变化规律奠定基础。     

基于轨迹语义的船舶活动知识图谱构建

随着全球经济一体化的深入推进，海上交通拥堵和船舶事故频发。为了对海上船舶活动进行监管和分析，传统的方法主要利用船舶定位数据进行数据挖掘，未结合其他海上多源数据进行船舶时空活动过程和行为模式分析，缺少深层次的知识挖掘。为此，本文综合利用多源数据，在提取轨迹的语义信息基础上，构建船舶活动知识图谱，为低知识密度的轨迹时空点序列向高阶语义知识转化提供一种有效途径。具体地，首先通过解析船舶活动的特征和组成要素，基于“过程-事件-行为”的核心思想，设计船舶活动知识图谱本体层；然后利用Stop/Move模型提取轨迹语义信息，利用DMCNN模型抽取船舶突发事件，完成实例层填充；最后通过构建原型系统，对上述模型和方法进行验证。结果表明，本文所构建的船舶活动知识图谱，可以支持对船舶常规活动和突发事件进行知识表示，并可以实现时空活动查询和回溯，进而达到语义增强效果，具有一定的应用价值。     

改进基于事件的时空数据模型

本文回顾了基于状态的时空数据模型和基于事件的时空数据模型。为了完整记录下时空的变化过程,有利于时空过程的查询,论文针对栅格数据提出了一种改进基于事件的时空数据模型。该模型完整地记录下地理现象的变化过程,并将地图数据的当前状态作为基图。由于大多应用中对现状图调用的最多,所以将现状图作为基图改进了系统的运行效率。最后,为了体现模型查询变化信息的优势,文章分析了一些时空查询实例。     

北京市二手房价格时空演变特征

城市住宅价格时空格局及演变特征是衡量城市房地产市场发展均衡性的重要指标。针对海量的互联网实时房产数据,本文构建了一种长时序时空大数据挖掘方法。首先,利用挂牌数据和成交数据,进行了泛在网络地产数据的可用性验证;其次,提出了“混合像元”的多尺度栅格模型,以构建基于栅格系统的房产统计特征描述,形成了多源网络房产数据融合方法;然后分别采用莫兰指数和地理探测器分析房价的空间自相关性和分异性,并基于P-Bshade和邻近栅格时空插值算法解决了稀疏房产数据的融合与插值问题,构建了长时序房地产时空栅格数据库;最后,以北京六环范围内为研究区域,通过栅格区划算法进行了二手房价格时空演变格局的挖掘分析。     

时空轨迹相似性度量方法综述

时空轨迹数据是记录移动对象时间和空间的位置序列,它是研究移动对象最为重要的数据来源。时空轨迹数据的分析挖掘是空间数据挖掘的一个研究热点,它包括轨迹检索、轨迹分类、模式挖掘、异常检测等。在分析挖掘过程中,轨迹之间的相似性度量是一个关键问题。本文研究时空轨迹相似性度量方法,首先从理论意义和应用价值的角度分析时空轨迹相似性度量的重要性,然后根据度量方式的不同将时空轨迹相似性度量方法分为两大类:基于轨迹点的相似性度量方法和基于轨迹段的相似性度量方法。由于基于轨迹点的各种相似性度量方法的应用场景和对相似性的定义不同,再将其细分为全局匹配度量法和局部匹配度量法。对时空轨迹相似性度量方法进行分类的同时,也对各个类别中常用的相似性度量方法进行了详细阐述,分析它们的优缺点及应用场合,为时空轨迹分析挖掘提供参考。