行为轨迹时空聚类与分析

行为轨迹大数据中隐藏着具有强时空相关性的时空聚类模式,蕴含着人们丰富的行为模式和活动规律。行为轨迹大数据的高性能时空聚类与社会分析是地理信息科学与工程领域迫切需要解决的关键科学问题。对行为轨迹大数据的时空聚类及其高性能求解方法进行了探讨,分析了行为轨迹时空聚类的3个应用:热点区域提取、异常轨迹探测和交通拥堵分析。这些应用分析可以为城市交通管理、社会管理以及人们的日常出行等提供有效的参考。

复杂网络视角下时空行为轨迹模式挖掘研究

针对时空行为轨迹大数据的序列性、时空交互性、多维度性等复杂特性,构建结合时间地理学与复杂网络的分析框架,建立时空行为路径与时空行为网络之间的转换关系,利用复杂网络社群发现算法对时空行为轨迹进行社群聚类、模式挖掘与可视化。基于北京郊区居民一周内活动出行GPS轨迹数据的案例分析发现:(1)复杂网络分析方法可以有效挖掘具有相似行为的群体特征和识别出典型的行为模式。(2)可以灵活处理多元异构与多维度的行为轨迹大数据以及满足不同叙事、不同空间相互作用、不同时序的应用需求。(3)北京郊区被调查居民的行为模式存在日间差异与空间分异。