基于网格聚类优化的区域热点路径识别

针对轨迹聚类方法难以准确识别高相似热点路径的问题,提出能区分起讫点或局部路段的热点路径识别方法,将出行轨迹映射并压缩为移动网格序列,分别从边界与内部区分序列间的空间相似性度量,整合转化为距离并进行基于方格序列密度的空间聚类(grid sequencedensity-based spatial clustering of applications with noise,GS-DBSCAN)。以青岛市市南区部分出租车的轨迹数据为例,与只考虑内部相似性且分别以对比序列中较短序列和较长序列为基准的聚类方法进行对比验证。结果表明:同时考虑边界与内部相似性且以较长序列为基准的GS-DBSCAN算法能正确区分多出行起讫点分布下长度差异较大的分离、汇合与交叉耦合热点路径,受路径长度、网格尺寸等变量差异的影响小于2%,且聚类运算效率较高。

基于网格聚类的热点路径探测

针对现有热点路径探测算法需要路网拓扑结构的支持,以及难以准确识别热点路径的复杂耦合现象的问题,提出了一种基于网格聚类的热点路径探测算法。算法将移动轨迹映射为网格序列,以邻接网格间的共有轨迹量来定义网格间的密度可达性,并据此将网格分划抽象为图模型。然后以图论中的相关理论为基础提出了网格聚类算法Grid Growth,即热点路径探测算法。实验结果表明:本文算法能有效探测热点路径,且能准确识别热点路径的复杂耦合现象。

基于轨迹聚类的热点路径分析方法

随着智能终端、移动定位、无线通信等技术的快速发展,在交通、物流等应用领域,大量受路网约束的轨迹数据得以收集。利用轨迹数据分析热点路径,可以在时空和语义特征不变的前提下反映移动对象的运动和行为模式。在提取道路交叉点的基础上,引入轨迹的停留点语义,并将两者共同作为特征点进行轨迹划分,在轨迹聚类的基础上进行子轨迹权重分析,从而获得语义更为完整且用户关注度更高的热点路径。实验表明了轨迹划分和热点路径分析方法的有效性。

时空约束下的热点路径空间分布检测算法

轨迹数据反映了移动对象的时空运动特征和行为模式,能用于发现城市热点路径的空间分异。基于轨迹聚类提出了时空约束下的热点路径分布发现算法。将轨迹划分成若干轨迹段,引入空间、时间、速度和方向特征;基于DBSCAN算法对轨迹段聚类,将聚类结果中的非显著簇有条件地并入邻近显著簇,在显著簇中将邻近断点融合成停留斑点;基于停留斑点所承载轨迹段数量得到斑点热度,利用点值密度聚类获取城市热点路径的空间分布。实验结果表明,该方法能准确发现热点路径空间分布,有效反映城市功能区域的空间分布。

软件自动化测试中热点路径的研究

在面向路径的软件测试中,对于大型系统将会产生海量的静态路径,测试人员很难对所有路径进行完全测试。本文提出热点路径的思想,运用该思想可以在繁多的静态路径中迅速找到容易引起程序缺陷的路径,通过热点函数树形化可以对热点进行快速定位显示,给软件测试人员带来更多的便捷,提高测试效率,降低测试成本。

支持语义信息挖掘的热点路径探测

针对现有热点路径探测算法存在缺乏对轨迹语义信息进行分析的问题,提出一种支持语义信息挖掘的热点路径探测算法:首先研究轨迹数据语义空间的建模方法,并据此构建低维语义子空间来计算轨迹数据语义相似度,描述轨迹所属移动对象的社会角色的相似性,最后结合基于轨迹流与轨迹密度的传统热点路径探测算法实现对不同社会角色对应的热点路径的发现。结果表明,该算法能够较好利用轨迹数据的时空和语义信息,有效识别出不同社会角色对应的热点路径的聚类特征,为个性化的位置服务研究提供参考。

Spark平台上基于K-Means算法的热点路径发现方法研究

移动对象的热点路径发现问题是大数据环境下位置服务研究的一个热点,可支撑用户行程推荐、智能交通管控以及城市道路规划等诸多应用。当前,随着智能移动终端的快速发展和应用,移动对象轨迹数据的规模量日益增大,而现有的轨迹热点路径发现方法在大数据环境下存在处理效率不高的问题。针对该问题,提出了在Spark平台上基于K-means聚类算法的热点路径发现方法。该方法首先确定轨迹中的停留点,通过停留点将轨迹划分为若干轨迹段,给出轨迹段之间距离的定义和计算方法,在此基础上采用K-means算法,对移动轨迹段进行聚类,聚类结果即反映出轨迹中的热点路径。实验结果表明,在Spark平台上实现该方法有效的提高了在大规模数据集上发现热点路径的效率。

基于时空相似度聚类的热点载客路径挖掘

出租车的载客轨迹直接体现了车辆的行驶状态和居民的出行规律,热点载客路径的挖掘为交通管理与规划,居民行为模式发现及出租车载客推荐等具有重要价值.本文以兰州市3000辆出租车载客轨迹为研究对象,提出了基于时空相似性聚类的热点载客路径挖掘算法.首先,根据出租车的GPS轨迹数据提取出载客轨迹及其核心轨迹;然后,根据提出的相似性度量算法计算核心轨迹的空间相似性、时间相似性及时空相似性,并结合DBSCAN聚类算法对载客轨迹进行聚类;最后,根据聚类结果获取城市热点载客路径的空间分布,并分析了其在工作日和非工作日的差异.实验结果表明,本文提出的挖掘算法能有效、快速地发现城市热点载客路径的分布.

基于路网的LBSN用户移动轨迹聚类挖掘方法

基于LBSN(基于位置的社交网络)中数据的地理和社交属性,结合用户轨迹和好友关系,有助于提高不确定轨迹聚类挖掘的效率。根据LBSN用户的好友关系特征,引入评分函数,对用户影响力进行排序,找出其中的活跃用户;在传统路网子轨迹匹配和对签到数据清理的基础上,加入子轨迹匹配准确性监测,并存储活跃用户匹配成功的路段,进而减少路网匹配时间。最后综合R*树的空间索引机制和DBSCAN聚类算法对城市内的热点路径进行挖掘。理论分析和实验表明,相比于已有方法,改进的的聚类挖掘方法在LBSN环境中的时间效率和准确性都有较大的提高,且有较好的可伸缩性。

基于并置模式的轨迹热点挖掘研究

【目的】为降低轨迹热点挖掘的时空复杂度,针对不同的轨迹数据特征,分别提出基于N度路径表连接、基于N度路径表遍历和基于图数据库的轨迹热点挖掘算法。【方法】如果轨迹数据不存在明显的图结构,基于N度路径表连接和基于N度路径表遍历的算法根据轨迹数据分布是否密集,选择连接或遍历的方式对路径表进行多次迭代,从而得到轨迹热点。如果轨迹数据明显存在图结构,基于图数据库的算法在图数据库中做遍历搜索和剪枝优化,从而得到轨迹热点。【结果】在ChoroChronos开源真实数据集上展开实验。在时间复杂度上,基于图数据库的轨迹热点挖掘算法与表现最好的对比算法相比,运行时间减少1/4。在空间复杂度上,基于N度路径表连接和基于N度路径表遍历的算法与表现最好的对比算法相比,占用内存空间减少2/3。【局限】未考虑轨迹序列包含的时序特征,未在更广泛的数据集上展开实验。【结论】与其他的轨迹热点挖掘对比算法相比,本文算法能够有效降低时空复杂度。

城镇燃气管道完整性管理文献计量研究

将CiteSpace软件与VOSviewer软件结合,对中国知网与Web of Science数据库中的中英文燃气管道完整性管理相关文献进行统计分析,形成关键词共现网络,分析得到国内外研究热点;绘制可视化知识图谱,得到国内7条热点演化路径和国际9条热点演化路径。分析未来研究的发展趋势,对燃气企业提出建议。围绕城镇燃气管道完整性管理展开的研究,国内研究热点为风险评价和智慧燃气等,国际研究热点则聚焦于风险分析、风险管理、泄漏检测、失效概率、模型研究等。国内研究有7条热点演化路径,分别为燃气管网、风险评价、完整性研究、运营风险研究、安全管理研究、评估方法研究、全面检验研究。国际研究有9条热点演化路径,分别为区域供热、可持续性、风险评估、腐蚀缺陷、城市区域、生命周期评价、城市开采、模型、泄漏扩散。从研究路径上发现,燃气管道完整性管理在数据管理、维修维护、效能评价研究上有待加强。