时空轨迹网络分析与挖掘​-yabo下载(新)

yabo下载|最新yabo下载

时空轨迹网络分析与挖掘​

2019年05月05日  点击:[]


时空轨迹数据包括GPS 数据、手机通信数据、公共刷卡数据、货币流动数据及社交媒体签到数据等,多源异构时空轨迹数据如图1所示。这些数据从不同角度记录了城市居民日常生活的出行位置序列,具有潜在的时间维度、空间维度及社交维度上的分布特征,隐藏着关于人类出行的重要规律。

时空轨迹网络以出行者为中心,以研究出行者之间的社会关系和出行轨迹之间的潜在关联为基础,是一个融合了社会科学、数据科学、网络科学、计算科学、物理学和数学等学科的研究领域,其研究方法从单纯的数据分析与挖掘转变为数据驱动的网络科学挖掘。多源城市数据驱动的时空轨迹网络分析和挖掘,致力于将城市科学研究模式进行“数据→知识→决策支持”的转变。对人类出行规律的分析挖掘有助于政府及国家对未来城市发展战略计划的制定,实现对国家城市现代化发展的关键性科学问题的精准把握。

图1 多源异构时空轨迹数据


(1)面向多源城市数据时空一致的高效计算技术

城市数据存在多源、异质、局部性、时空关联、异步性、信息稀疏性和并发性等特点,而城市数据处理存在着对大数据汇聚处理的高时效性,以及对“大而信息稀疏”的交通大数据的领域知识牵引要求。现有的数据融合、计算理论与技术难以满足高时效性的大数据处理和基于数据的知识构建与转换等需求。本研究团队提出的面向多源异构城市大数据的多尺度融合算法,实现处理结果的时空关联性和一致性,对多因素影响条件下的城市交通系统多尺度演变规律、出行行为分析具有重要意义,也是城市数据技术所面临的挑战之一。

(2)基于隐性知识的人类出行行为演化规律

出行主体、行为、态势、路网拓扑和环境形成了高维生态系统闭空间,相互之间存在着高度非线性、随机性和动态的耦合关系。人类行为及其演化是城市系统的宏观体现,具有约束条件下的动态性、序贯性、自组织、随机性等特点,人类出行行为分析对解决城市规划的难题非常重要。本研究团队基于高维空间的隐性知识对人类出行行为挖掘与分析,为人类出行规律及其时空演化、环境与人类出行行为等进行综合知识和数据支撑的解释与评价提供了坚实的理论与技术支撑。

(3)面向出行策略推荐的动态出行需求生成机理

本研究团队基于内容检索、聚类分析、深度学习、群体智能、众包等理论和方法,以大规模人类出行行为数据分析为基础,提取描述个体和群体出行行为的典型特征,构建描述出行行为的关键特征集合,进而研究城市大数据中蕴涵的出行行为模式发现方法,揭示了出行需求的生成机理。并结合历史和实时大数据,运用信息补偿和信息重构理论和方法,形成全路网范围内,不同时空尺度的出行需求动态OD矩阵,解析出行需求生成的影响模型和转移机理,为人类行为态势时空演化规律发现和出行策略推荐打下基础。

该研究方向取得如下代表性成果:

[1] Feng Xia, Azizur Rahim, Xiangjie Kong,et al. Modeling and Analysis of Large-Scale Urban Mobility for Green Transportation,IEEE Transactions on Industrial Informatics14 no. 4, pp.1469–1481, 2018. (ESI高被引论文)

[2] Xiangjie Kong, Feng Xia, Jinzhong Wang,et al. Time-Location-Relationship Combined Service Recommendation Based on Taxi Trajectory Data, IEEE Transactions on Industrial Informatics,2017,13(3):1202–1212. (ESI高被引论文)

[3] Xiangjie Kong, Feng Xia, Zhaolong Ning, et al. Mobility Dataset Generation for Vehicular Social Networks Based on Floating Car Data, IEEE Transactions on Vehicular Technology, 2018,67(5) :3874–3886.(ESI高被引论文)

[4] Xiangjie Kong, Ximeng Song, Feng Xia,et al. LoTAD: long-term traffic anomaly detection based on crowdsourced bus trajectory data. World Wide Web,2018, 21(3):825–847. (ESI高被引论文)

[5] Feng Xia, Jinzhong Wang, Xiangjie Kong, et al. Exploring Human Mobility Patterns in Urban Scenarios: A Trajectory Data Perspective, IEEE Communications Magazine. 2018 Mar;56(3):142-149.

相关发明专利:

[1] 孔祥杰、宋茜萌、杨卓、夏锋一种基于局部异常因子的城市交通拥堵路段检测方法专利号:201610125269.1授权公告日:2017年11月10日

[2] 孔祥杰、夏锋、高志强、惠煌、廉莲一种基于浮动车数据的私家车出行数据集生成方法专利号: 201510508865.3授权公告日:2018年4月10日

[3] 孔祥杰、李梦琳、杨卓、夏锋一种基于出租车轨迹数据的交通出行共现现象的可视化分析方法申请号:201611137603.1授权公告日:2018年7月6日

上一条:水下无线传感器网络数据收集与安全 下一条:生物网络分析与挖掘

关闭