基于时空数据的驻留行为特征可视分析

随着智慧城市的快速发展,大量商业场所每天会产生海量的驻留行为数据,然而传统驻留行为数据分析方法难以克服数据稀疏性问题,并且对于时空伴随关系的发现准确度也较低。根据驻留行为数据特征和可视分析任务,设计一种交互式的可视分析系统。对原始数据进行处理,提取相关的时空特征并发现用户伴随关系。使用改进的可变滑动窗口算法,并结合可视分析技术,设计用户关系图、时间甘特图、多变量表达的示意性地图、径向条形图、日历热力图等多种视图,实现对驻留场所的流量分布、用户来源等特征的多时段可视分析。应用两个真实数据集进行案例分析,并对发现的行为模式及对应现象进行解释说明,证明了该系统的可用性和拓展性,并表明其可实现团体出行特征和场所流量分析等系统级应用,为相关经营性商业场所提供合理化建议及辅助决策支持。

数据本地化的内涵分化与模式选择

[研究目的]现阶段在数字贸易领域,数据本地化规则是发展最快的一个概念,数据本地化在钝化地解决问题的过程中,自身也在成为需要解决的问题。厘清数据本地化内涵与模式,争取共识性标准一方面可以缓解规则碎片化而形成的贸易壁垒,另一方面,以期最大程度上降低其对贸易的限制水平。[研究方法]以数据本地化的内涵和模式作为切入点展开论证,并对我国现行数据本地化立法条文背后的理论基础和理念进行分析,在此基础上提出了具体的条文设计。[研究结论]通过营造非歧视性数字营商环境,鼓励数据驻留,可以从根本上排除了被定性为贸易壁垒的可能;建立重要数据的“正面清单”,提升规则的透明度,有助于厘清真正需要本地化处理的重要数据;同时,将“独占式”数据本地化严格限定在“公共政策”的范围内,符合国际上的实践,减少在这一领域内与高水平贸易协定存在的法律障碍。

使用内存缓存的迭代应用编程框架

迭代式计算是一类重要的大数据分析应用.在分布式计算框架MapReduce上实现迭代计算时,计算会被分解成多个作业并按作业依存关系顺序运行,这使得程序与分布式文件系统(DFS)有多次交互而影响程序执行时间.对这些交互相关数据的缓存会降低与DFS的交互时间,进而提升程序总体的性能.考虑到集群中的大量内存在多数情况下会处于空闲状态,提出了一种使用内存缓存的迭代式应用编程框架MemLoop.该系统从作业提交API、调度算法、缓存管理模块实现缓存管理以充分利用内存缓存迭代间可驻留数据与迭代内依存数据.我们将此框架与已有相关框架进行了比较,实验结果表明该框架能够提升迭代程序的性能.

基于谱聚类建模的外来常住人口识别研究

外来常住人口已逐渐成为城市中不可忽视的群体,识别出此类群体对于政府进行城市规划和关怀服务都有着重要的意义。非监督学习方法可自发地描述数据结构并且推导出常住与非常住人口的行为特征,因此在本文中,通过对用户驻留数据进行转换,采用多种聚类算法对小样本数据进行建模验证,从而对外来常住人口进行识别区分。实例分析表明,采用谱聚类算法对外来常住人口进行划分具有较高的预测精准度,且能发现口径识别中无法判断的特例事件。

一种外来常住人口的聚类识别方法

本文通过对用户驻留数据的转换,采用多种聚类算法对小样本数据进行建模验证,实现了对城市外来常住人口的识别区分。实例分析表明,采用谱聚类算法对外来常住人口进行划分具有较高的预测精准度,且能发现口径识别中无法判断的特例事件。