一个基于基站轨迹数据的城市移动模式可视分析系统

随着移动通信技术的发展,手机基站轨迹数据在分析人类移动规律方面的优势日趋显著.由于人群移动模式与其社会行为息息相关,该模式能够直接反映各地理区块在不同时间段所具备的社会功能.根据词嵌入模型,首先将基站的时空信息映射为向量,通过计算基站间的高层语义的相似规律来分析地理区域的功能性信息;再将带有时空变化信息的手机用户移动轨迹映射至向量空间,使基站地理坐标与轨迹相结合,从而获取更加丰富的语义信息.在交互方面,设计了一个可视化分析系统Trajectory2Vec来探索城市区域功能和用户行为的关系,案例分析证明了该系统可以有效地帮助用户分析移动人群与城市区域间关系的动态变化规律.

高速公路突发事件实体识别及事件分类联合模型研究

针对高速公路突发事件实体识别和事件分类任务中文本表征时存在的一词多义问题,提出使用层次多头注意力网络HMAN来学习文本字向量的高层次特征表示,结合经典的BiLSTM-CRF模型,构建一个称为HMAN-BiLSTMCRF的多任务联合学习模型。模型共享文本特征表示模块,使用CRF对共享表征进行解码获得最优实体标注序列,而全连接层则根据输入的文本特征预测事件类别。在FEIC数据集上的实验结果显示,本文所提出的HMAN-BiLSTM-CRF在突发事件实体识别和分类两项任务中都优于其他对比模型。