众源地理空间数据的城市热点区域探测

针对众源地理空间数据具有丰富的空间、时间和语义信息,将其应用于城市热点区域的探测可为城市发展规划、区域监督预警及大众服务等提供有力支撑的问题,该文提出了一种基于众源地理空间数据的城市热点区域探测方法。针对新浪微博签到数据的特性,以新浪微博2015年全年的签到数据为例,采用一种改进的空间采样方法获取格网单元的用户活跃度与类型信息,在此基础上,依次利用度量空间相关性和方向特征的空间测度对签到数据的空间模式进行了分析,最终探测到城市热点区域及其大致发展方向。结果表明,该方法具有周期短、成本低、可靠性高等特性,为城市热点区域的探测提供了一种新手段。     

关注点推荐算法的霍克斯过程法

关注点（point-of-interest,POI）推荐是基于位置的社交网络（location-based social network,LBSN）中重要的个性化位置服务。针对LBSN中用户签到数据的复杂性和高度稀疏性问题,本文提出了一种基于霍克斯过程的上下文感知协同过滤关注点推荐算法（HWCF）。首先,根据用户签到关注点的地理空间聚集现象分析用户行为特征,筛选用户候选关注点;然后,利用霍克斯过程对候选关注点建模,通过融合空间距离信息、空间序列变换信息、时间信息、用户偏好、关注点流行度等多种上下文信息计算用户访问候选关注点的概率,对访问概率排序得到top-k推荐列表;最后,对算法参数的取值及调整过程进行讨论。试验结果表明,HWCF算法比其他的关注点推荐算法具有更好的推荐效果。     

利用手机定位数据的用户特征挖掘

手机定位数据已经逐渐成为一类新兴的空间数据,可用于分析个体或大规模区域内群体的活动特征,服务于基于位置的服务和城市及交通规划等。提出了一种基于手机定位数据,结合区域内兴趣点(POI)、房产价格等,利用空间聚类及语义分析等手段,对用户特征进行分析和挖掘的方法。首先采用DBSCAN方法提取用户重点活动区域;其次,根据用户的活动规律假设对活动区域进行类别标注;最后引入自然语言处理方法对POI和楼盘描述信息进行词频分析。并结合区域内POI类别和房价信息推断用户可能的偏好特征及收入或消费能力等特征,对用户一个月的手机定位数据进行挖掘分析。结果表明,该方法对用户重点活动区域及个体喜好特征等能够进行较为有效的挖掘。     

利用位置签到数据探索城市热点与商圈

众源地理数据（Crowd Sourcing Geographic Data）是指由大众采集并向大众开放共享的地理空间数据。众源位置签到数据作为众源地理数据的一种,客观真实的反映了大众日常生活行为,包含大量丰富的社会化属性信息。本文提出了一种基于众源位置签到数据的城市热点探测与商圈挖掘方法,首先对位置签到数据时空分布特性进行了研究,设计并提出了众源位置签到数据时空数据库模型;其次,提出了位置签到数据探索性空间分析方法,通过对众源位置签到数据的空间聚类分析,实现基于位置签到数据的商圈热点探测;最后,以武汉市为例,对街旁网截止2011年9月30日的众源位置签到数据进行了城市热点探测与商圈挖掘分析实验,结果表明,基于众源位置签到数据挖掘的武汉市商圈分布与城市规划商圈具有强相关性,可用于城市社会经济发展预测与区域经济规划。     

利用地理标签数据感知城市活力

高度活跃的城市是社会稳定发展的基础。基于地理标签感知的城市活力能够量化城市发展现状,探索城市活力的影响机制,为精细化城市治理提供技术支撑。传统城市活力研究依赖于街区的活力调查,时间长,费用高。本文研究利用兴趣点和社交媒体签到等地理标签数据,提出了城市活力度量指标,探索性分析城市活力的分布模式。基于土地利用、道路和建筑物等数据计算建成环境指标,构建城市活力和建成环境之间的普通线性回归与空间自回归模型,揭示了影响城市活力的建成环境因素。基于深圳市的试验结果表明:兴趣点和社交媒体签到数据能够较好地指示城市活力。深圳市的城市活力主要受商业用地、工业用地、土地混合利用以及路网密度、地铁站点密度的影响。住宅用地和建筑物占地密度对基于POI的城市活力具有显著影响。     

综合多要素的地理空间数据众包任务推荐方法

针对境外欠发达国家（或地区）地理空间数据和志愿者不足问题,为提高有限志愿者的贡献积极性和有效性,本文提出了一种综合多要素的地理空间数据众包任务推荐方法。首先采用网格将研究区域划分为若干任务;然后引入三角核函数计算用户空间偏好,结合时间遗忘率综合计算用户的时空偏好,借鉴TF-IDF和余弦相似度计算语义偏好,并融合时空、语义偏好获取初始兴趣推荐列表;最后利用隐语义模型预测用户标注每个任务的信誉（能力）,并根据用户信誉对初始推荐列表重排序。为验证本文方法有效性,以有一定数据基础的巴基斯坦首都伊斯兰堡为试验区,采用OpenStreetMap平台收集的用户及众包数据开展任务区推荐试验,试验数据按照8：2的比例随机划分为训练集和测试集。试验结果表明,该方法不仅能提高推荐任务接受率,还能提高用户完成任务的有效性。     

融合图像和时空信息的社交媒体用户活动分类方法

社交媒体签到数据中蕴含着大量的用户活动信息。理解社交媒体用户的活动和行为类型,对探索人类的移动性和行为模式等有着重要意义。提出了一种针对新浪微博（简称为微博）的用户活动分类方法,结合图像表达和时空数据分类技术,识别微博签到数据所代表的用户活动类型。首先,根据兴趣点属性信息将微博签到数据所代表的用户活动分为餐饮、生活服务、校园、户外、娱乐、出行6大类;然后,基于卷积神经网络和K近邻分类方法,融合签到数据中的图像场景信息与时空信息,对微博用户的活动行为进行分类。实验结果表明,所提方法能够显著提高微博用户活动类型识别的准确性,为精确探索人类行为活动提供更加有效的数据支持。     

基于OpenStreetMap数据的城市街区提取与精度评价

针对城市街区地理数据获取困难,OpenStreetMap数据免费共享、易于获取但数据繁杂难以处理的问题,利用数学形态学膨胀和腐蚀思想以及地理数据质量的评价方法,对基于OpenStreetMap数据的城市街区提取方法和精度进行了探讨;并以南京市建邺区为例,通过选取道路类别、道路处理、拓扑检查等步骤完成街区的提取;最后从街区数据完整性、位置精度、街区尺度和形状4个方面进行了精度评价。结果表明,提取的街区结果精确,数据处理便捷高效,可为OpenStreetMap数据处理提供借鉴,为城市地理研究提供一种快捷有效的基础数据。     

顾及眼动数据的网络地图点状符号用户兴趣分析方法

为解决网络地图个性化推荐过程中点状符号用户兴趣分析结果准确性低的问题,提出了一种基于眼动数据的网络地图点状符号用户兴趣分析方法。利用空间认知测试法筛选39名认知能力一致的被试者参与实验,使用眼动仪采集被试者在浏览4类点状符号素材过程中的眼动数据,同时记录被试者的鼠标数据;分别计算时间、次数与尺寸类型眼动数据用户兴趣度,利用熵权法将3类数据进行整合,设计了一种基于多项眼动数据的用户兴趣度计算方法。研究结果表明,用户兴趣度分析结果正确率为85.9%,优于鼠标数据,证明所提方法能够有效分析用户兴趣,点状符号用户兴趣度计算公式稳定可靠,有助于提升个性化推荐结果的准确度。     

基于情境的POI个性化推荐方法研究

为了实现地图POI推荐服务的个性化和智能化,满足用户兴趣偏好,探讨了POI个性化推荐的情境因素,分析了影响用户对POI个性化需求的多维情境,研究了基于情境的POI推荐方法和步骤,提出了顾及效能的改进TOPSIS个性化推荐算法,着重讨论了推荐算法中地理时空等多维情境的处理策略。通过实验对推荐结果、推荐验证进行分析,证明了本文方法的可行性和有效性。     

基于城市POI的遥感影像渐进压缩技术

传统栅格影像均采用简单的、由低分辨率到高分辨率的像素级渐进压缩模式,较少考虑到用户需求特征和知识,因此,文中利用POI数据特点及图像感兴趣区编码特性,提出一种基于城市POI的遥感影像渐进压缩思想:首先根据大量的POI数据分析挖掘用户关注的热度信息,建立兴趣场,并以此确定遥感影像的感兴趣区域,然后综合SPIHT算法与Maxshift算法对遥感影像进行渐进压缩编码。实验结果表明,该方法在低码率下仍可以高质量保留图像所含重要信息,能够很好地满足用户的需求,实现了知识层级的遥感影像渐进压缩,有效提高图像压缩编码的实用性和优越性。     

地理空间数据结合手机信令等多源数据刻画城市居民出行特征

本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、图谱等多源数据,运用工作日通勤分析模型和节假日出行特征提取模型,识别用户的通勤距离、通勤方式、日均通勤频次、周均工作时长、节假日出行场景、出行频次、驻留时长等内容,并形成涵盖职住娱信息的出行特征类标签集。以成都市为例,采集连续1个月的手机信令数据和同时期的POI等数据,验证了该方法的可行性,该成果作为反映城市实际人口规模数量和空间分布特征的城市人口地图大数据产品的重要内容,为政府部门、商企用户开展相关分析业务提供数据支撑。     

Personalized travel route recommendation using collaborative filtering based on GPS trajectories

Travelling is a critical component of daily life. With new technology, personalized travel route recommendations are possible and have become a new research area. A personalized travel route recommendation refers to plan an optimal travel route between two geographical locations, based on the road networks and users’ travel preferences. In this paper, we define users’ travel behaviours from their historical Global Positioning System (GPS) trajectories and propose two personalized travel route recommendation methods – collaborative travel route recommendation (CTRR) and an extended version of CTRR (CTRR+). Both methods consider users’ personal travel preferences based on their historical GPS trajectories. In this paper, we first estimate users’ travel behaviour frequencies by using collaborative filtering technique. A route with the maximum probability of a user’s travel behaviour is then generated based on the naïve Bayes model. The CTRR+ method improves the performances of CTRR by taking into account cold start users and integrating distance with the user travel behaviour probability. This paper also conducts some case studies based on a real GPS trajectory data set from Beijing, China. The experimental results show that the proposed CTRR and CTRR+ methods achieve better results for travel route recommendations compared with the shortest distance path method.     

社交网络时空大数据聚类挖掘有效选择分析

来自社交网络的时空大数据具有海量和高动态的特性,有效选择时空数据进行聚焦挖掘分析至关重要。以微博位置签到数据为例,首先,对时空大数据空间聚类挖掘的有效选择问题进行了研究,针对社交网络时空数据不确定性问题,提出了时空大数据针对聚类挖掘的有效选择方法。聚类挖掘有效选择方法提出从空间、时间或属性等维度对时空大数据进行分割。然后,对分割得到的数据集进行空间探索分析(exploratory spatial data analysis,ESDA),得到具有聚类挖掘潜力的数据集。最后,以武汉市微博位置签到数据进行商圈热点探测为例,对提出的社交网络时空大数据聚类挖掘有效选择方法进行验证。结果表明,有效选择方法可以得到挖掘效率和精准性更高的时空数据集。     

基于用户偏好的多维地理信息服务质量评价模型

为了解决目前地理信息服务质量量化评价的问题,构建了一种基于用户偏好的多维地理信息服务质量评价模型。扩展通用服务质量属性,构建了多维地理信息服务质量模型;在多维地理信息服务质量模型的基础上加入用户偏好,构建了基于用户偏好的多维地理信息服务质量评价模型;实现了基于用户偏好的QoS权重计算,并给出了服务QoS综合值的计算方法。最后给出了基于用户偏好的多维地理信息服务质量评价实例。