面向时空感知数据的人群应急疏散规划模型

随着信息技术、智能物联网技术以及机器学习理论的飞速发展,时空感知数据为应急灾害救援提供了新的视角,综合利用时空感知数据进行灾区态势信息感知与提取,可以为应急救援形成新的着力点.由于时空感知数据拥有丰富的语义信息和较高的实用价值,并且对灾害救援具有积极引导作用,因此,研究和利用时空感知数据进行应急疏散,是一项具有现实意义的工作.本文重点聚焦面向时空感知数据下的资源受限的人群应急疏散规划问题,研究了基于时空感知数据的人群应急疏散规划模型与方法,以期为应急救援提供积极的思路和技术保证.首先,分析了时空感知数据对人群应急疏散的作用;其次,提出了基于时空感知数据的应急疏散框架,并设计了一种基于行人流量预测的应急疏散场所推荐算法,还构建了一种考虑疏散偏好的应急疏散人群分配整数规划模型;然后,提出了一种全局最优疏散路径规划算法,接着将应急疏散路径规划问题转化为多组疏散路径规划查询问题,并通过使用网络扩展策略和剪枝策略,进一步设计了一种面向全局最优疏散路径规划查询的求解算法,来解决多组疏散路径规划查询问题.此外,为了提高应急疏散路径搜索结果的质量,还设计了一种改进算法,对全局最优疏散路径规划查询算法生成的路径组合,进行改进和优化.最后,通过大量实验分析与评估,充分验证了所提方法与模型的有效性.

基于数据感知的海洋水文时空数据可视化

海洋水文数据建模与可视化过程中充分挖掘数据时空依赖关系是当前研究热点之一。借鉴位置社会感知思想,提出一种时空数据感知模型(spatio-temporal data awareness model,SDAM):用数据语义标签描述采样点时空信息上下文、温盐密等非视觉物理量值;用三线性插值法感知空间邻近域数据语义,通过挖掘时空频繁模式感知(推演)时间邻近域数据语义,构建表征时空耦合特征的水文感知数据集;对高分辨率的底层感知数据进行相似性度量,通过时空聚类构建时空特征类簇,获取宏观的、低分辨率时空主题应用数据集。通过对中国沿海2014年第一季度海洋温盐深数据Web环境下三维可视化描述,验证了水文时空数据感知模型的可行性和有效性。

社会感知驱动下的用户画像时空数据研究进展

【目的/意义】社会感知是借助海量时空数据研究人类时空间行为特征,进而揭示社会经济现象的时空分布、联系及过程的理论与方法。用户画像旨在通过挖掘用户属性特征和行为模式,以揭示群体、领域乃至社会现象的内在规律。用户画像是实现社会感知的重要手段。【方法/过程】紧密围绕社会感知数据涉及的情感认知、行为习惯和社交网络关系三个维度梳理与之映射的用户画像内容维度,更深层次地,对其三个维度中与用户画像息息相关的应用情境进行分类描述,以期总结其应用价值。【结果/结论】研究发现:当前用户画像的数据源拓展到多源异构时空数据;研究内容集中在情感及场所语义、空间交互以及社交网络挖掘等方面;时空语义推理等研究是该领域的拓展;应用情境可以在跨地域空间信息服务、城市人地交互关系挖掘、政府高效治理、领域事件时空关联趋势预测等主题领域加以展开。【创新/局限】社会感知数据的利用可以在多任务场景下实现态势感知和知识推理。通过融合多源异构时空数据和集成多种用户画像维度,能够实现多场景的精准知识服务。