面向港口停留区域识别的船舶停留轨迹提取方法

针对港口停留区域识别时船舶轨迹大数据的精度低、稀疏、漂移等问题,提出了一种多约束条件下的船舶停留轨迹提取(MPTSSE)方法。首先,结合船舶轨迹数据特点,给出了用于停留区域识别与提取的停留段概念的定义;其次,建立了基于速度、时间差、停留时长、距离等多约束的轨迹停留段提取模型和并行化轨迹停留段提取算法;最后,基于Hadoop框架给出了船舶轨迹大数据集上的轨迹停留段提取算法实现。基于真实船舶轨迹数据的实验结果表明,与基于Stop/Move模型的轨迹停留提取方法相比,MPTSSE方法在三个港口泊位的提取中准确率提高了22%。MPTSSE方法能有效避免轨迹停留段误分割情况,同时在大规模船舶轨迹数据下具有较高的执行效率。

基于停留区域识别的子轨迹异常检测方法

对轨迹数据进行分析和处理能够揭示移动对象的运动规律并挖掘出与其相关的隐含信息,移动对象的不规律或异常运动产生了异常轨迹数据,异常数据的出现往往意味着有特殊情况发生,隐含着更有意义的信息,快速、准确地检测异常轨迹能够服务于交通分析及事故检测等具体应用领域。针对传统轨迹异常检测方法没有充分考虑轨迹局部异常的问题,该文提出一种基于停留区域识别的子轨迹异常检测方法:①设计了一种基于密度的停留点检测算法检测轨迹集的停留点,通过寻找核心点以建立初始簇,使用核心点邻域内的点扩展当前簇,并根据簇内的时间间隔是否满足时间条件,从而检测出停留点;②根据停留点集合识别停留区域,将任意2个停留区域作为一对起点和终点区域后对轨迹进行分段;③根据分段后子轨迹的起点区域和终点区域对子轨迹集进行分组;④针对每个分组内的子轨迹,设计子轨迹异常检测算法检测异常空间子轨迹和异常时空子轨迹。在真实轨迹数据集上与传统异常检测方法进行对比,实验结果表明本文所提方法能有效地检测出异常子轨迹,并且运行时间明显低于TRAOD方法,检测准确率比TRAOD方法最高提升了23.9%;F_(1)分数值相较于ATDC和iBAT方法有明显提升,最高提升率分别为7.8%和16.1%。本研究描述的轨迹异常检测方法可以为交通运输和管理部门提供有效的决策信息,为车辆轨迹数据挖掘提供新的解决方案。

基于滑动窗口的手机定位数据个体停留区域识别算法

手机的普及使手机定位数据成为分析个体时空行为特征的新兴重要数据源之一,并被逐渐应用到人口管理、城市规划、交通分析和流行病防控等众多领域的研究中。从手机定位数据中识别个体的停留区域是众多基于手机定位数据研究的重要基础环节。然而,当前常用的手机定位数据定位精度相对较低,且往往存在定位震荡和定位漂移导致的数据噪声,这些因素增加了从手机定位数据中识别停留区域的难度。为了提高从手机定位数据中识别个体停留区域的准确性,本研究结合个体行为的时空连续性,提出了一种基于滑动窗口的增长聚类算法。实验结果显示,相较常用的ST-DBSCAN算法和SMo T算法,对于采样时间间隔稀疏的手机定位数据,本研究提出的滑动窗口聚类算法在准确率方面的提升幅度最大可以达到35%。由于隐私问题,当前研究和应用中使用的大规模手机定位数据集中的时间分辨率往往较低,因此,本研究提出的滑动窗口聚类算法具有较为广泛的应用场景,可增强基于手机用户停留区域的众多研究结果的可靠性,为手机定位数据的广泛合理应用提供关键技术支撑。

足球运动员视觉搜索策略研究

足球是一项攻防转换速度非常快的运动项目,良好的预测能力对足球运动员非常重要。足球比赛中,运动员比非运动员有更好的预测能力,这种差异可能是因为在视觉搜索过程中,运动员注意到了关键线索,而非运动员根本没有注视到。本研究通过不同时间阻断点、放映速度的足球罚点球视频分析不同水平运动员的预测能力和中枢资源占用程度,发现在触球瞬间,运动员组预测准确率较非运动组高。通过眼动仪分析视觉停留区域时间序列特征,发现运动员组采用了有规律的视觉搜索模式提取有效特征值进行预测。本研究认为运动员可以通过反复观看和分析不同场景下的比赛过程,提高视觉搜索能力,进而提高预测能力,结果对运动训练实践有一定的现实指导意义。

面向物联网移动终端设备的用户轨迹异常检测研究

为了有效地从物联网移动设备的数字信息中挖掘出用户在日常行为的轨迹异常,针对现有用户异常轨迹检测算法效率低的问题,提出了一种双层聚类的用户轨迹异常检测方法。考虑到移动终端设备中的轨迹信息数据量大、分布不均匀等特点,该方法在特定的空间距离与时间间隔下提取出停留点集合,并对这些点进行层次聚类,根据结果划分出停留区域,进而发现其中的异常停留区域。最后,对停留区域之间发生的运动轨迹段进行二次层次聚类,发现异常轨迹段。实验结果表明,该方法在发现异常轨迹时,相较于传统算法,既全面地检测出异常轨迹,又加快了异常检测的速度。

手机信令的时空密度轨迹点识别算法

手机信令具有时空序列性以及数据量大、采样频率不均、定位精度低与基站振荡等特点,导致传统手机信令聚类方法数据密度分布不均、时空开销大且聚类效果差。提出一种用于手机信令的时空密度轨迹点识别算法。将手机信令数据网格化以统一评估尺度,根据振荡噪声特征对网格簇进行时空联结减少空间不确定性和计算量,结合网络轨迹的曲折性以及移动与停留时间重新定义网格簇内轨迹点时空移动能力,计算网格簇的时空密度以判断用户停留区域,并采集具有移动停留标签的轨迹数据以验证算法有效性和识别效率。实验结果表明,该算法识别精度较改进DBSCAN算法更高,适用于识别手机信令数据停留区域,对复杂轨迹停留区域的识别效果更好。

基于轨迹数据的出租车充电站选址方法

针对目前电动汽车充电桩利用率低、充电站盈利困难的问题,提出了一种基于轨迹数据的出租车充电站选址方法。分析了出租车停留状态的轨迹数据特性,提取可支持车辆充电时长的出租车停留点。对停留点进行地图匹配,筛选掉在道路上的停留点。对非道路区域停留点进行聚类,得出多辆车停留密集区域作为充电站地点区域。分析了停留点的时间分布,以充电站区域停留点高峰时候的停留点数为参考对充电站定容。以福州市4 416辆出租车的轨迹数据为实验样本得出了16个充电站的选址方案,以司机的充电便利性与充电站的经济性进行合理性分析。结果表明:在选出的充电站中涉及了2 741辆车,可为六成以上的出租车提供非运营状态下充电,折旧期(六年)内充电站总盈利为4 316.56万元。可见,该方法既能为车主提供充电便利,又可有效保证充电站的盈利,可为电动出租车充电站建设与运营提供有效参考。

广场尺度与社会品质——广场的面积、高宽比、视角与停留活动关系的虚拟研究

以环境心理与行为研究为理论指导,通过虚拟技术让被试在空间尺度不同的虚拟广场上行进、浏览和体验的方式,量化分析被试在广场上活动的区域形状、大小等特征和变化规律,归纳广场面积、高宽比和视角的变化对城市广场社交性停留活动的影响,并对经典的广场空间理论进行讨论。