出租车轨迹数据的频繁轨迹识别

为识别城市交通中的频繁路径,本文提出了一种出租车轨迹数据的频繁轨迹识别方法。该方法首先对轨迹数据进行轨迹压缩,以降低计算复杂度;然后基于最长公共子序列和动态时间规整算法进行轨迹相似性度量计算,利用计算得到的轨迹间相似度生成距离矩阵;最后将生成的距离矩阵结合HDBSCAN算法进行聚类得到频繁轨迹。选取厦门岛内两个区域进行试验分析,结果表明,该方法能够识别出轨迹数据集中的频繁轨迹,进而得到城市区域之间通行的频繁路径,对道路规划、路径优化与推荐、交通治理等应用提供帮助。     

GML＆SVG的开放式WebGIS设计与应用

GML作为一种空间信息的编码、存储和交换格式,已逐渐被接受并广泛使用,为实现空间信息的共享和WebGIS的进一步发展提供了一个强有力的工具;SVG作为一种网络时代的图形文件格式标准,综合了矢量图形、位图图像和纯文本的优点,对网络环境有天然的适应性,代表未来网上图形传输发展的方向,因此,基于GML＆SVG的WebGIS研究与应用具有广泛的实用价值和应用前景。文中提出了利用GML进行地理信息的存储和集成,并用SVG实现地理信息的Web显示,操作的开放式WebGIS体系结构和解决方案。且在此基础上,建立了GML＆SVG的WebGIS应用系统。     

基于cGML和Mobile SVG的手机地图可视化研究

提出了基于Mobile SVG的移动地图可视化的设计思路,研究了Mobile SVG的坐标系统和坐标转换,实现了Mobile SVG移动地图的可视化。     

县级地名时空数据库的设计与实现

地名是最常用的社会公共信息之一,本文顾及地名的时空特性,基于地名的变更,结合基态修正模型和序列快照模型理论思想,以关系数据库为实现平台,设计了县级地名时空数据库,解决了分类存储地名数据的数据库的臃肿问题.并以福鼎市地名变更为例,实现地名时空数据库,给出了新增地名、地名更新、地名注销和数据库查询等方面的实例分析.     

GML数据的Web可视化设计与实现

GML是GIS领域的通用交流语言,然而目前的浏览器并不支持GML,因此GML的Web可视化仍是GML应用需要解决的问题。为此,本论文提出了一种基于组件的可视化策略。该策略采用文档对象模型(DOM)进行GML模式文件和实例文件解析,按地理要素对GML进行数据分流/分层,然后分层可视化的办法,实现了GML数据的Web可视化。实践验证,该方法是切实可行的,且对于GML数据量较大时尤为有效。     

一种服务器端地图Mashup框架及其应用研究

本文通过分析客户端地图Mashup和服务器端地图Mashup的优缺点,得出服务器端地图Mashup的优势,提出一种基于工作流的服务器端地图Mashup框架。利用工作流将在线地图服务和带有位置信息的服务数据在服务器端进行整合,实现了地图Mashup应用。实践证明,该框架能够有效地搭建服务器端地图Mashup应用程序。     

移动终端下的森林小班矢量数据组织研究

为提高移动端矢量数据的显示和操作效率,本文针对移动终端硬件条件限制和移动终端矢量地图的显示特点,从减少显示区域内外的冗余地图数据的读取和提高外存检索矢量数据的效率两方面入手,对森林小班矢量地图数据进行了"横向分块,纵向分级"处理,并在此基础上,建立了基于四叉树的层次网格索引模型。实验表明,该方法能较好地提高矢量地图的显示速度,可以满足移动环境下地图快速显示和操作的要求。     

CLAB模型：一种乘客出租出行需求短时预测的深度学习模型

乘客出行需求预测是智能交通系统的组成部分,准确的出行需求预测,对于车辆调度具有重要的意义;然而现有的预测方法无法准确的挖掘其潜在的时空相关性,且大都忽略历史流入量对出行需求的影响。为了进一步挖掘时空大数据中的时空特性及提升模型预测乘客出行需求的精度,本文提出了一种乘客出租出行需求短时预测CLAB(Conv-LSTM Attention BiLSTM)模型。CLAB模型设置了3个模块分别为基于注意力机制的Conv-LSTM模块和2个BiLSTM模块,基于注意力机制的Conv-LSTM模块提取临近时刻乘客出行需求量中的空间特征和短时时间特征,其中注意力机制能自动分配不同的权重来判别不同时间的需求量序列重要性;为了探索长期时间特征,用2个BiLSTM模块来提取历史流入量序列时间特征和日乘客需求量序列的时间特征。采用厦门岛的网约车和巡游车的订单数据进行实验,结果表明：(1) CLAB模型更适用于使用30 min历史数据预测未来5 min短时乘客出行需求;(2)与基准预测模型相比,CLAB模型的整体的效果误差更低,具有更好的预测效果,CLAB模型比CNN-LSTM、LSTM、BiLSTM、CNN...     

面向环境数据集的Spatial OLAP系统集成

SOLAP是以空间数据仓库为基础,针对特定问题的联机空间数据访问和分析,实现SOLAP的前提是解决空间数据与非空间数据在空间数据仓库中的集成问题。首先,论文结合混合数据仓库架构模式,采用多层体系结构设计,提出和构建了一种面向环境数据集的空间OLAP系统的体系架构,包括"生产数据库—数据仓库层(基础业务库-主题数据库)-中间件层—BI综合分析层"等4个层次。接着,分析了环境数据集成和空间数据仓库建模过程,采用Oracle 11g来构建环境空间数据仓库,通过使用ODI工具的ETL功能实现环境属性数据集成。分析和构建了环境数据空间维度扩展的方法和模型,通过扩展行政区划维度表,使用Oracle Spatial sdo_geometry抽象几何数据类型存储环境空间数据,实现了空间数据和数据仓库数据的一体化存储。分析了SOLAP系统中OLAP和GIS的集成问题,采用OBIEE作为OLAP工具,Oracle Mapviewer作为GIS组件、GIS服务和OLAP服务在Web服务器中进行业务逻辑集成,对外提供统一的访问接口,实现OLAP和GIS的完全集成。最后,实现了一个环境数据集SO-LAP原型系统,验证了论文的框架和模型。     

加权人口密度连续分布模拟模型

人口分布是人文科学的重要研究对象。如何在数据不足的情况下获得较为符合实际的人口分布数据是业界的一大难题。为了解决这个问题,本文依照人口分布的规律,以人口统计数据、高程、海岸线、城市中心、河流和行政区划为影响因子,通过距离计算、重分类、加权计算等方法,建立了加权人口密度连续分布模拟模型,并进行了改进。基于2011年的福建省县级人口统计数据,本文在ArcGIS平台上模拟了该省的人口密度空间分布,模拟结果表明：各县人口总数误差与平均人口误差在40%以下的百分比分别为89%与84%,突出了福建省在城市中心、沿海、沿江,以及平原地区的人口聚集规律;各个县级行政区域内的数据集中,相对独立;县与县之间的区分边界数据又相互联系,变化连续,符合人口分布的实际情况。该模型相比于其他的人口模型易于理解,结构简单,可应用于各省的人口密度分布模拟,能有效地解决人口数据不足的问题。