Detection and Mapping of Violent Crime Hotspots in Southwestern Nigeria

The increasing rate of insecurity in Nigeria, especially the southwest requires a paradigm shift from popular approach to crime hotspots detection. This study employed geospatial technologies to integrate spatio-temporal crime, social media and field observation data from the communities in all the six states in the southwest to develop crime hotspots that can serve as preliminary information to assist in allocating resources for crime control and prevention. Historical crime data from January 1972 to April, 2021 were compiled and updated with rigorous field survey in September, 2021. The field data were encoded, input to the SPSS 17 and analyzed using descriptive statistics and multivariate analysis. A total 936 crime locations data were geolocated and exported to ArcGIS 10.5 for spatial mapping using point map operation and further imported to e-Spatial web-based and QGIS for the generation of hotspot map using heatmap tool. The results revealed that armed robbery, assassination and cultism were more pronounced in Lagos and Ogun States. Similarly, high incidences of farmers/herdsmen conflicts are observed in Oyo and Osun States. Increasing incidences of kidnapping are common in all the south-western states but very prominent in Ondo, Lagos and Oyo States. Most of the violent crime incidents took place along the highways, with forests being their hideouts. Violent crimes are dominantly caused by high rate of unemployment while farmer/herdsmen conflicts were majorly triggered by the scarcity of grazing fields and destruction of arable crops. The conflicts have resulted in the increasing cases of rape and disruption of social group, intake of hard drugs, cult-related activities, low income and revenue generation, and displacement of farmers and infrastructural damages. The study advocates regular retraining and equipping of security agents, establishment of cattle ranch, and installation of sophisticated IP Camera at the crime hotspots to assist in real-time crime monitoring and management.

大数据时代国内外个人信息保护研究热点和演化趋势——基于科学知识图谱分析的文献计量方法分析

[目的/意义]对大数据时代国内外个人信息保护的研究热点和演化趋势进行了总结和回顾,旨在为相关领域的研究提供参考和启示。[方法/过程]运用文献计量法和科学知识图谱法,基于CNKI和Web of Science数据库,以ITGInsight为主体工具,再辅之Gephi、Excel、SATI等科学计量与知识网络分析软件,对大数据领域国内外个人信息保护研究领域的热点分布、主题演化以及研究内容进行分析。[结果/结论]大数据时代国内外个人信息保护相关研究主题分布广泛、演化规律较为复杂,呈现出显著的变化趋势,在未来的研究中,需要综合考虑技术、法律、政策等多个方面的因素,以构建更加全面、系统的个人信息保护体系。

天气预报模型WRF中复杂Stencil性能优化

天气研究与预报模式(WRF)是一种应用广泛的中尺度数值天气预报系统,在大气研究和业务预报领域发挥着重要作用。Stencil计算是科学工程应用中一类常见的嵌套循环计算模式,WRF中对大气动力学和热力学方程的数值求解引出了大量空间网格上的复杂Stencil计算,存在多维度、多变量、物理模型边界特殊性、物理和动力学过程的复杂性等模型特征。文中深入剖析了WRF中典型的Stencil计算模式,识别抽象出典型Stencil循环中存在的“中间变量”概念,围绕其设计实现了3种优化方案,即中间变量计算合并、中间变量降维存储以及中间变量提取,有效提高了数据局部性,改善了数据重用率和空间复用率,降低了冗余计算和访存开销。结果表明,经优化方案重构的WRF 4.2典型Stencil热点函数在Intel CPU和Hygon CPU上均可获得良好的性能加速,最高加速比达21.3%和17.8%。

海山不同水层的八放珊瑚多样性分布格局及驱动因素研究

海山是深海生物多样性的集聚地,而八放珊瑚是其中多样性高且占优势的类群,是海山脆弱海洋生态系统的指标类群,但迄今对其在全球海山的分布格局及驱动因素尚未报道。研究整理分析了全球341座海山的24352条八放珊瑚记录,探讨了八放珊瑚在200~1000 m和1000 m以深的分布格局及驱动因素。研究表明,200~1000 m水层八放珊瑚属级记录最多的网格分布在夏威夷群岛海域,1000 m以深为夏威夷群岛海域和西北大西洋。使用层级聚类分析海山群落相似性与Infomap Bioregions网络分析,可将200~1000 m的八放珊瑚划分为9个生物地理区,且阿拉斯加-加利福尼亚州海域、夏威夷群岛海域与热带太平洋海域分区明显;1000 m以深的水层可划分为11个生物地理区,加利福尼亚海域、太平洋中部与东南海域分区明显。Mantel test分析显示200~1000 m水层温度与生物地理区内的生物组成差异显著相关,层级聚类和网络分析显示溶解氧含量和流速亦为显著因子。通过T检验和Wilcoxon秩和检验分析表明200~1000 m和1000 m以深的部分八放珊瑚属对温度、溶解氧含量、盐度及流速等特定环境因子存在显著偏好,这可能是导致不同生物地理区八放珊瑚组成差异的重要原因。

国内Data Curation的热点和重点领域研究

[目的 /意义]通过梳理历年来国内Data Curation研究主题和内容,总结分析相关研究的特征和不足,探讨未来研究中值得重点关注和拓展的领域。[方法 /过程]以CNKI数据期刊、会议库,万方学术论文库为来源,检索2017年3月13日之前收录的学术文献,采用内容分析法进行分析、归纳、总结,并根据DC的生命流程和管理规律探析值得重点关注和拓展的研究领域。[结果 /结论]国内Data Curation研究主题主要集中在6个方面:数据策管基础理论现象、数据策管方法工具技术、数据策管的机构知识库、数据策管人员的教育与培养、图情机构开展数据策管服务;尽管Data Curation研究呈纵深发展,但仍存在数据策管的规范化,数据策管政策、法规和标准,以及数据策管安全、人才、质量、绩效管理等值得重点关注和拓展的研究领域。

近10年国外档案数据热点比较研究——基于CiteSpace可视化分析

目的通过对国外档案数据研究的分析,了解国外相关研究的现状,根据研究热点的变化,在一定程度上推测国外今后的研究方向。方法选取Web of Science作为数据来源,对国外关于档案数据2013—2023年的文献通过可视化软件CiteSpace从年代分布、期刊、重要作者、研究热点等方面进行统计分析。结果国外对于档案数据的研究一直处于较高的水准,以将档案数据应用于社会科学领域、自然科学领域和档案学领域为主。结论国外未来的研究趋势应是探索长期保存档案数字资源的方法以及加大档案数据研究的深度。

基于Voronoi图的空间点事件统计聚类方法

挖掘地理空间数据中点事件聚集模式对于揭示流行疾病、犯罪分布热点区域及城市基础设施空间分布格局等具有重要意义。针对不同形状、密度和大小的显著空间点聚集模式的识别,目前以空间扫描统计为代表的方法虽然可以对空间点聚类的显著性进行统计推断,减少虚假聚类结果,但其主要用于识别球形或椭圆形状的聚簇,对于沿着街道或河道分布的任意形状、不同密度的显著空间点聚簇识别还存在局限。因此,本研究提出一种基于Voronoi图的空间点聚集模式统计挖掘方法。首先,采用Voronoi图来度量空间点分布的聚集性,将空间点聚类问题转化为热点区域探测问题;其次,结合局部Gi*统计量探测统计上显著的空间点聚簇;最后,通过模拟数据和真实犯罪事件数据进行实验与对比分析。结果表明:本方法能够有效探测任意形状的空间点聚类,并对空间点簇的显著性进行统计判别,识别显著的空间点簇,减少随机噪声点的干扰;聚类识别结果优于现有代表性方法,如DBSCAN算法、空间扫描统计方法等。

2021至2023年人工智能领域研究热点分析述评与展望

在当今数字化和智能化的时代背景下,人工智能(artificial intelligence,AI)已成为科技创新的重要引擎,总结探讨AI研究的最新趋势和未来发展方向具有重要的研究和现实意义.为此,对2021—2023年间在中国计算机学会(CCF)推荐的AI领域CCF-A类国际会议和期刊所发表论文的研究成果进行收集,并在此基础上采用文献计量学的方法论来通过关键词对研究热点进行分析,进行基于高频关键词分析研究热点、基于新增关键词分析研究趋势、基于引用量加权的关键词分析高影响力研究,可以梳理AI研究的主流方向、发现AI主要研究方向的相互联系和交叉融合的特点.此外,对当前研究热点如大语言模型(large language model,LLM)、AI驱动的科学研究(AI for Science)和视觉生成相关论文的关联热点进行分析,可以挖掘技术路径和方法论的演变,展现技术创新背后的科学理论和应用前景,从而进一步揭示AI研究的最新趋势和发展前景.

结合载客热点和POI的出租车停车位划定方法

针对出租车随意停靠造成城市交通拥堵甚至交通事故的问题,利用成都实际区域的出租车GPS(Global Position System)数据和爬取的POI(Point of Interest)数据,使用DBSCAN(Density-Based Spatial Clustering of Application with Noise)聚类算法对上下客点进行聚类,得到出租车的载客热点,根据POI的类型划定载客热点区域的类型,对出租车不同时间的出行需求进行分析,进而划分出出租车的固定停车区域。研究结果表明,出租车固定停车区域的设定与出行者的出行需求有关,即将固定停车区域设置在出行者出行需求多的区域,可以满足出行者的不同出行需求。结合出租车载客热点和爬取POI数据划定固定停车区域的方法具有较高的实用性,可为城市交通安全方面提供理论和现实意义。

基于多源数据的义乌市绿道网络构建方法研究

传统的绿道网络构建方法大多是以绿道的适宜性分析为规划基础,存在一定的主观性。为更好地满足绿道使用的实际需求,提高绿道的使用率,以义乌市为例,首先基于多源数据选取自然生态、生活需求和绿道特征三方面因素构建绿道网络适宜性指标体系,其次通过成本连通性工具初步构建基于适宜性评价的绿道网络线路,接着引入两步路游憩轨迹数据进行热点检测及人工矫正绿道网络线路,同时将轨迹数据识别出的停留点进行网络分析,最终得到更具科学性的省级、市级、社区级三级绿道网络分级布局和驿站规划,满足了居民游憩和通勤需求。研究旨在通过多源数据量化分析构建城市绿道网络,以期对相关规划提供指导。

数据中心降低能耗的方法研究

河北省张家口市某数据中心采用间接蒸发制冷空调系统,根据空调设备的实际运营情况,采用问题分析法,以降低年平均电源使用效率(PUE)为目标,针对解决机房热点、规避机房隐藏热点区域、调节空调不同季节运行模式等提出运行优化措施。结果显示:优先解决机房热点的方案降低PUE的可行性较高,可以减少大量高温告警;规避机房隐藏热点区域可以进一步降低内风机能耗;调节空调不同季节运行模式可以总体减少空调能耗,但会增加运维人员工作量。

基于改进粒子群聚类算法的出行热点提取方法

提出一种基于改进粒子群算法的聚类算法来实现城市出行热点挖掘。首先对轨迹数据进行清洗、标准化、分割等预处理;其次采用改进粒子群的聚类算法分析热点区域;最后以这些热点作为网络节点,以道路作为连接边建立网络模型,从节点和连接边出发,实现出行热点可视化。算法的全局寻优能力和分布式随机搜索特性能够解决传统聚类算法易陷入局部最优的问题,算法引入了压缩因子,能通过配置最优参数控制粒子群更新速度,从而有效改进粒子群算法准确率和全局收敛性。

Spatial Multidimensional Association Rules Mining in Forest Fire Data

Hotspots (active fires) indicate spatial distribution of fires. A study on determining influence factors for hotspot occurrence is essential so that fire events can be predicted based on characteristics of a certain area. This study discovers the possible influence factors on the occurrence of fire events using the association rule algorithm namely Apriori in the study area of Rokan Hilir Riau Province Indonesia. The Apriori algorithm was applied on a forest fire dataset which containeddata on physical environment (land cover, river, road and city center), socio-economic (income source, population, and number of school), weather (precipitation, wind speed, and screen temperature), and peatlands. The experiment results revealed 324 multidimensional association rules indicating relationships between hotspots occurrence and other factors.The association among hotspots occurrence with other geographical objects was discovered for the minimum support of 10% and the minimum confidence of 80%. The results show that strong relations between hotspots occurrence and influence factors are found for the support about 12.42%, the confidence of 1, and the lift of 2.26. These factors are precipitation greater than or equal to 3 mm/day, wind speed in [1m/s, 2m/s), non peatland area, screen temperature in [297K, 298K), the number of school in 1 km2 less than or equal to 0.1, and the distance of each hotspot to the nearest road less than or equal to 2.5 km.

基于双中心机制的移动传感网能量优化算法

针对移动传感网部署过程中存在能耗适应性较差等问题,本文为降低移动传感网网络能耗并提高节点生存质量,提出了一种基于双中心机制的移动传感网能量优化算法。首先,采取非均衡分割机制,对流量强度较高的区域进行多次分割,降低流量过载导致的传输不均衡,以消除传输热点,进而提升区域传输均衡质量。随后,为适应移动节点环境,将具有较强均衡特性的节点设置为新簇头节点,设计了基于并发机制的双中心簇头设置方法,双中心簇头同时承担簇区域内数据传输及汇聚,动态调整簇内节点并发请求服务,从而降低簇内频繁发起传输请求所导致的能量消耗,有效优化网络传输能耗。仿真实验表明,与当前的网络能量优化技术相比,所提算法具有更低的网络平均能耗更低的节点失效率,能够在部署过程中显著提升网络经济价值,具有适应性较强的特点。

基于数据挖掘的船舶海上航行轨迹高精度跟踪研究

为提升船舶海上航行安全性,设计基于数据挖掘的船舶海上航行轨迹高精度跟踪方法。该方法利用数据处理模块对获取的船舶时空数据进行处理后,通过轨迹热点区域提取模块的改进密度峰值聚类算法,提取船舶航行轨迹热点区域;频繁轨迹挖掘模块在该区域内利用改进的序列模式挖掘算法,挖掘出具有时空属性的频繁航行轨迹,实现舰船海上航行轨迹跟踪。测试结果显示:该方法具有良好的聚类效果,能够可靠完成轨迹热点区域的聚类,DB指标的结果均在1.5以内;能够获取轨迹的热点区域,实现指定航线轨迹的高精度跟踪,在跟踪过程中没有发生明显的轨迹偏差情况。

国内旅游研究热点与前沿动态分析

大数据的兴起为旅游业的发展提供了契机,旅游大数据对旅游行业和旅游者产生了巨大影响.文章结合知识图谱对旅游大数据的研究进展进行系统综述,以CNKI数据库CSSCI来源期刊文献为研究对象,基于主题“旅游大数据”检索后对2008—2022年间的文献进行可视化分析.通过引用关键词、关系图以及聚类图分析研究领域内的热点和发展趋势,探讨了旅游大数据在未来的研究中应注意的热点.研究结果表明,旅游大数据的研究发展经历了起步探索期、井喷式发展期和平衡深化期三个阶段;从作者和机构合作情况上看,研究机构范围较为局限,作者合作关系较紧密,但研究主题缺乏持续性;从关键词共现分析和关键词聚类看,旅游大数据研究热点丰富,研究者对旅游大数据领域有浓厚的学术兴趣.

1982~2022年《矿床地质》载文分析与趋势展望

《矿床地质》是中国报道矿产资源最新研究成果的代表性刊物,同时也是汇集矿床学领域重要研究进展及成果的学术交流平台,对其载文热点追踪及期刊量化评价有助于梳理国内矿床学领域的研究进展,探究未来发展趋势,并为学科相关研究人员提供借鉴和参考。文章基于文献计量学研究、借助大数据和机器学习等手段,分析了1982~2022年《矿床地质》刊载论文的内容与信息,揭示矿床学40年的研究热点及主题演化情况,并通过与国际同领域知名期刊的对比,系统性地总结和讨论其展现的研究领域的进展和发展趋势。该刊主要聚焦于地球科学领域,热点关键词主要包括:流体包裹体、成矿作用、矿床成因、成矿流体和地质特征等。历年刊文可归纳为5个研究主题,包括区域成矿规律、成矿背景与构造环境、成矿流体和矿化特征、成岩成矿年龄和岩浆热液成矿作用以及元素富集成矿。热门地区主要是内蒙古、新疆和西藏等中西部省区。未来矿床学研究将会更加注重新技术和新方法的宏观和微观应用、多学科交叉融合对矿床成因机制和成矿规律的揭示,以及矿产勘查的综合指导等方面。

基于D-OPTICS算法的网约车载客热点区域挖掘

为准确分析网约车载客高需求热点区域,考虑载客热点聚类中车辆行驶距离的约束,采用结合Dijkstra寻路算法的OPTICS算法,提出寻路密度OPTICS(D-OPTICS)算法。DOPTICS算法利用车辆轨迹数据进行空间聚类研究分析载客热点区域。通过道路网络拓扑结构提取各路段节点,采用Dijkstra算法进行寻路并以路段为单位提取邻域范围内载客点进行聚类。将成都市网约车轨迹数据进行热点区域的挖掘和分析。与传统OPTICS算法相比,所提算法考虑了道路距离的约束,提高了载客热点聚类稳定性和精度,获取的载客热点区域更贴合实际情况。

基于文献计量学的丹参研究现状及热点分析

[目的]全面深入了解中药丹参(Salvia miltiorrhiza Bunqe)的研究现状和研究热点。[方法]从中国知网(CNKI)检索2012—2021年丹参研究相关文献,对发表年份、发文数量、基金机构、学科领域、发文机构、核心作者、关键词热点聚类及时间突现进行分析整理,归纳其研究热点与发展趋势。[结果]现阶段丹参研究热点主要集中于丹参及其衍生药物在冠心病、心绞痛、脑梗死等心脑血管疾病中的作用,以及丹参中活性物质提取工艺优化。[结论]中药丹参未来的研究热点主要集中在新药理活性的发掘及其在临床与保健品中的深入应用,分析结果也提示了各研究机构及科研人员需要进一步加强交流合作。