车辆轨迹数据提取道路交叉口特征的决策树模型

众源车辆轨迹数据隐含最新的道路分布信息,研究利用轨迹数据提取道路特征有益于基础路网数据的快速建库与更新。道路网由交叉口和连接交叉口的道路线构成,其中交叉口特征识别是整个道路网生成的关键。由于缺乏精细的交叉口识别模型,轨迹数据生成的道路网容易出现路口遗漏、结构失真等现象。针对这一问题,本文提出一种利用轨迹数据提取道路交叉口的方法。首先,分析车辆在交叉口与非交叉口区域移动轨迹几何形态及隐含动力学特征的变化情形;然后,利用决策树方法构建轨迹片段分类模型,并结合移动开窗式的轨迹线剖分模型建立交叉口区域变道轨迹片段提取方法;最后,依据Hausdorff距离对交叉口区域轨迹片段进行聚类,并提取中心线获得完整的道路交叉口结构。采用真实的车辆轨迹线作为测试数据,验证了本文提出方法的有效性。     

基于面向对象和影像认知的遥感影像分类方法——以都江堰向峨乡区域为例

基于面向对象思想和影像认知科学研究,探讨影像理解的新思路,将语义特征和传统的低级影像特征综合考虑进行对象识别,该方法对于提高影像分类精度和效率及经验知识的重复利用都有重要意义。在识别过程中,首先进行知识驱动的对象探测,分析语义特征;再进行数据驱动的影像多尺度分割,生成低级特征;最后应用模糊分类整合语义特征和低级特征用于对象识别和分类。将该方法应用于四川都江堰向峨乡QuickBird等数据,表明新方法比传统分类方法有更高的精度和效率。     

室内用户语义位置模式挖掘研究——以商场为例

结合室内轨迹数据的特点,研究了室内移动对象语义轨迹序列处理方法,以及利用LDA主题模型与用户历史轨迹进行室内商场用户分类的方法。提出了通过关联规则分析挖掘用户语义位置模式的方法,并以北京某大型商场的实际用户轨迹数据为例,对所提出的方法进行了实验验证。     

移动轨迹的尺度特征

移动轨迹是移动对象在地理空间环境中移动而留下的痕迹。移动轨迹数据是一类特殊的地理时空数据,它具有时间尺度、空间尺度和语义尺度特征。本文首先分析了轨迹数据的空间尺度特征与时间尺度特征,建立了轨迹空间尺度与时间尺度转换关系式;然后论述了轨迹的语义内涵和语义尺度特征,将轨迹语义分为移动对象语义、地理空间环境语义、采集设备语义、移动方式语义,并从地理空间环境语义的角度分析了轨迹的语义多尺度;最后探讨了轨迹语义尺度与时空尺度之间的一致性关系。     

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。     

顾及地理语境的旅游轨迹停留点语义标注

轨迹数据作为典型的时空大数据,具有较高的研究和应用价值。然而现有的轨迹数据挖掘主要聚焦于轨迹的空间特征,而较少关注轨迹数据语义的深度分析。本文面向智慧旅游服务的需求,重点探讨了旅游轨迹的轨迹停留点语义的自动标注问题。首先,针对POI短文本的特点,提出了基于《同义词词林》进行短文本语义扩展的方法对POI短文本进行特征扩展;同时,在顾及POI短文本的关键词集中、类别词分散等特征基础上,提出了改进TF-IDF的POI自动分类方法;其次,在POI分类的基础上,采用Native Bayes方法对轨迹停留点进行语义标注。结果表明,基于改进TF-IDF方法的POI自动分类可以达到约83%的精度,能够较好地实现POI的分类;而在POI自动分类基础上,基于Native Bayes的轨迹语义标注可以达到74%的精度,较好地实现了旅游轨迹停留点自动语义标注的目标。     

基于特征的模糊神经网络遥感图像目标分类识别

特征是图像处理中用于辨识目标的最基本属性.提出了利用模糊神经网络方法,针对舰船的几何特征、矩特征和纹理特征进行舰船目标识别处理.首先简单地描述了几何特征、矩特征尤其是Hu矩特征、一阶纹理特征和二阶纹理特征.然后分别对仿真数据、卫星观测数据中的舰船目标,以及自动检测处理获取的舰船目标的几何特征、Hu机特征和纹理特征进行了提取和分析.模糊神经网络方法可以综合模糊集理论和神经网络方法的优势,有效地实现基于特征的图像目标分类识别处理.文章首先描述了一种主从神经元结构的模糊神经网络分类识别方法,然后利用该方法对大型舰船进行分类识别,包括基于单类舰船特征的分类识别和基于多源(时相)数据融合的分类识别.实验结果表明,基于大型舰船的几何特征、矩特征和纹理特征,利用模糊神经网络方法可以实现对大型舰船目标的有效分类识别.通过多源数据融合处理,可以改善分类识别效果.     

基于非线性判别分析的高光谱影像特征提取

高光谱遥感影像丰富的光谱信息有利于深入挖掘目标的理化特性,精细识别不同目标间的细微差异。为了提高影像分类识别的精度与速度需要对光谱信息进行特征提取。基于核函数的判别分析能够在数据中提取非线性特征,本文将其应用到高光谱影像分类的特征提取中,并进行了最小距离分类实验取得理想结果。     

基于出租车轨迹的居民出行特征分析

研究并实现了一种结合核密度分析的DBSCAN空间聚类方法。首先对从马鞍山市出租车的轨迹数据中提取出上下客轨迹点数据进行预处理;再对上下客轨迹点数据进行聚类分析,识别居民出行热点区域;最后进行居民出行热点分析,并总结了居民出行的时空特征。     

基于Landsat-8和Sentinel-1A辽东湾海冰分类研究

为研究辽东湾海冰类型特征,文中基于2016年2月9日的Landsat-8和Sentinel-1A数据,结合多光谱、归一化植被指数(NDVI)构建CART自动决策树(CART Automatic Decision Tree),并用灰度共生矩阵(GLCM)统计Sentinel-1ASAR数据的纹理信息特征,对比传统监督分类并验证两种遥感图像海冰分类精度。研究指出:对Landsat-8数据,基于CART自动决策树的分类精度最高,总精度达81.68%;而Sentinel-1ASAR数据,基于最大似然分类的总精度为73.88%,相比于CART自动决策树,其能获得更高的海冰分类精度。分析本研究可知,基于光学数据的CART自动决策树在海冰类型识别中占优,而最大似然分类在SAR数据中对海冰类型的识别度较好,本文为辽东湾海冰监测与预报提供了一种有希望的技术手段。