Use of community mobile phone big location data to recognize unusual patterns close to a pipeline which may indicate unauthorized activities and possible risk of damage

Damage caused by people and organizations unconnected with the pipeline management is a major risk faced by pipelines,and its consequences can have a huge impact.However,the present measures to monitor this have major problems such as time delays,overlooking threats,and false alarms.To overcome the disadvantages of these methods,analysis of big location data from mobile phone systems was applied to prevent third-party damage to pipelines,and a third-party damage prevention system was developed for pipelines including encryption mobile phone data,data preprocessing,and extraction of characteristic patterns.By applying this to natural gas pipelines,a large amount of location data was collected for data feature recognition and model analysis.Third-party illegal construction and occupation activities were discovered in a timely manner.This is important for preventing third-party damage to pipelines.

Collective Background Extraction for Station Market Area by Using Location Based Social Network

Half centuries of follow-up survey has enabled the architects and urban planners to design rationally by the aid of planning Nonetheless, limitation has occurred at planning because city has been changing its utility in accordance with its users＇ demand. In this paper, the authors proposed a method to analyze trait of users in market areas near stations by analyzing location based social network. After the datum collection from geotagged tweets, these GPS （global positioning system） datum were plotted to map attained from yahoo open location platform. Then the morphological analysis and terminology extraction system extracted the keywords and their scores. After calculating the distance from stations and users＇ GPS coordination, the authors extracted the array of keywords and corresponding scores in some station market area. Lastly, ratios of all users＇ scores and city＇s scores were calculated to examine the locality. Full combination of data collection, natural language processing and visualization enabled the authors to envisage distribution of collective background in city.

Characterizing the Relationship between Weibull Location Parameter and the Minimal Observation in a Small Size of Sample Based on Stochastic Simulation

Three-parameter Weibull distribution is one of the preferable distribution models to describe product life. However, it is difficult to estimate its location parameter in the situation of a small size of sample. This paper presents a stochastic simulation method to estimate the Weibull location parameters according to a small size of sample of product life observations and a large amount of statistically simulated life date. Big data technique is applied to find the relationship between the minimal observation in a product life sample of size n (n ≥ 3) and the Weibull location parameter. An example is presented to demonstrate the applicability and the value of the big data based stochastic simulation method. Comparing with other methods, the stochastic simulation method can be applied to very small size of sample such as the sample size of three, and it is easy to apply.

Location correction technique based on mobile communication base station for earthquake population heat map

China has mobile phone penetration rate of over 96.2%.Mobile phone has become the largest Internet terminal for Chinese Internet users.Population geographic distribution in earthquake zones can be got based on mobile phone positioning and map matching.For reducing earthquake black-box stage,we propose a real-time collection,correction and schedule algorithm of population position data by four stream processing environments(Redis,Hbase,Kafka,and Spark Streaming)in this paper.For labeling precisely population geographic distribution on the network map,matching of population geographic coordinates and map coordinates are optimized by sample comparison based on location data of mobile communication base stations and prefecture level cities.The test result shows the proposed system is high efficient and can rapidly respond to any emerging parallel tasks during the earthquake.A high-precision heat map of affected population can be produced and published on-line within 2 min after the devastating earthquake happened.

基于大数据和无线网络的采摘机器人定位技术研究

分析了5G无线网络定位原理,提出了单基站定位技术和加权质心的5G定位技术,设计了采摘机器人定位系统硬件部分,并基于大数据和无线网络实现了采摘机器人定位系统。试验结果表明:系统具有较好的定位精度,优于单基站定位方法精度,且其定位曲线与北斗定位设备曲线拟合度非常高,稳定性较好。

Location Privacy in Mobile Big Data:User Identifiability via Habitat Region Representation

Mobile big data collected by mobile network operators is of interest to many research communities and industries for its remarkable values.However,such spatiotemporal information may lead to a harsh threat to subscribers’privacy.This work focuses on subscriber privacy vulnerability assessment in terms of user identifiability across two datasets with significant detail reduced mobility representation.In this paper,we propose an innovative semantic spatiotemporal representation for each subscriber based on the geographic information,termed as daily habitat region,to approximate the subscriber’s daily mobility coverage with far lesser information compared with original mobility traces.The daily habitat region is realized via convex hull extraction on the user’s daily spatiotemporal traces.As a result,user identification can be formulated to match two records with the maximum similarity score between two convex hull sets,obtained by our proposed similarity measures based on cosine distance and permutation hypothesis test.Experiments are conducted to evaluate our proposed innovative mobility representation and user identification algorithms,which also demonstrate that the subscriber’s mobile privacy is under a severe threat even with significantly reduced spatiotemporal information.

Discovering Event Regions Using a Large-Scale Trajectory Dataset

The city is facing the unprecedented pressure with the rapid development and the moving population. Some hidden knowledge can be found to service the social with human trajectory data. In this paper, we define a state-ofthe-art concept on fluctuant locations with PCA method and discover the same attribute of fluctuant locations called event with topic model. In the time slice, locations with the same attribute are called event region. Event regions aim to understand the relationship between spatial-temporal locations in the city and to early-warning analyze for the city planning, construction, intelligent navigation, route planning and location based service. We use GeoLife public data to experiment and verify this paper.

遥感大数据的地理环境构建及目标保障技术综述

地理环境构建及目标保障在安全政策制定、突发事件应急、国土防护和灾害监测等事件中发挥着重要的作用。随着卫星、无人机和地面传感网等空天地传感器的迅猛发展,遥感大数据正成为地理构建、目标保障的重要数据来源。围绕遥感大数据的发展现状,从遥感大数据的获取技术与手段着手,探索卫星遥感全球高精度定位与测图、重点地区空天遥感三维地理环境构建、遥感影像全要素解译和遥感目标检索等关键技术。根据遥感大数据在不同情景下的实践与应用,简要介绍了遥感大数据的典型案例,如突发事件应急响应、遥感自然灾害监测与评估。结合当今社会的发展与战略背景,对遥感大数据的应用前景进行了总结与展望。

基于大数据技术的LNG加注站智能选址方案设计

为实现“双碳”目标,国家大力推动交通清洁能源的使用,因此合理布局和建设LNG加注站就非常重要。基于交通车辆卫星定位数据的算法技术,运用机器学习模型和大数据架构等先进技术,实现对LNG加注站的智能识别,并对路段流量和LNG重卡加注行为进行智能统计分析,搭建站点价值分析模型,进行LNG加注站的规划布局和建站选址。根据对交通大数据的分析,确定了全国6000余个LNG加注站的位置分布和其中的高价值站点,借助地图进行标注并打造加注站数据系统,大幅度提高了LNG加注站选址的科学性及效率。

采摘机器人的定位和轨迹预测算法研究——基于大数据技术

建立了采摘机器人运动学模型,并设计了基于深度神经网络和大数据技术的多元信息融合模型,实现了对采摘机器人的定位和轨迹预测。仿真结果表明:模型对采摘机器人的预测精度较高,误差在允许的范围内,对采摘机器人定位和轨迹预测具有一定参考意义。

基于人口位置大数据的高校土地集约利用评价研究

文章将人口位置大数据应用到校区尺度的土地集约利用评价中,为合理评价高校教育用地集约利用程度提供参考依据。研究发现:(1)各校区工作日与节假日、同一天不同时点人口在不同功能区的聚集情况存在差异。(2)老校区建成区面积占比较大,建筑密集,但容积率较低,人员较少、分布分散,总体利用效率较低;新校区面积较大,建筑密度较低,但容积率较高,人数众多、人口分布集中,整体利用效率更高。结果表明,人口位置大数据在高校土地集约利用评价中具有重要作用,合理评价高校教育用地集约利用程度,需将评价尺度具体到校区级,根据实际情况揭示不同校区土地集约利用水平,并在此基础上因校区施策,促进土地集约高效利用。

基于大数据和知识图谱的配网故障定位方法

随着我国经济的迅速发展,人民用电需求不断增加,对供电质量提出了更高的要求。为了改善供电品质,降低发生故障的概率,缩短发生故障时的停电时间,有必要在现代化的电力企业中,加强对配网故障定位的研究。期望借助文章所提技术的发展,改善供电公司的供电品质,缩短因意外断电所需的恢复时间。该方法能够将报警及故障之间的相关性以可视化的方式展现出来,从而达到高精度的故障定位。

基于大数据通信的台区线损定位方法

随着智能电网的发展,传统台区线损定位方法的局限性日益凸显。文章研究基于大数据通信的台区线损定位方法,通过数据采集、模型构建、异常识别以及精确定位等步骤,实现线损快速、准确定位。该方法利用大数据技术处理海量数据,以提高线损管理精度和效率,为电力企业降本增效提供技术支持。

位置服务数据在人口流动特征研究中的应用

在梳理传统数据和大数据对于人口流动研究现状和存在问题的基础上,采用传统数据与百度时空大数据相结合的方法,以濮阳市人口流动特征研究为例,明确了各类百度时空大数据含义。针对濮阳市人口流动具体研究内容,选取相应的数据,提高人口流动研究的精确度,实现研究时间多样化、空间精细化。研究发现,濮阳市为人口外流城市,流出人口规模大、呈现“平日外出、春节返乡”的周期性流动特征,且流出人口多集中于邻近周边省市及经济发达地区,是典型的劳动力输出型城市;市域内部人口流出空间差异较大,乡村地区人口流出情况较为严重。

基于大数据分析的变电站电力通信网络故障定位方法

变电站电力通信网络是电力系统安全稳定运行的关键基础设施。随着网络规模扩大和复杂度增加,传统故障定位方法已难以满足快速精准定位的需求。文章提出一种基于大数据分析的故障定位方法,通过智能分析海量运行数据,自动提取故障特征,构建故障定位模型。实验结果表明,该方法显著提高了故障定位准确率和效率,为变电站电力通信网络的智能化运维提供了新的解决方案。

基于多维数据融合的个性化旅游信息推荐模型研究

为了更好地促进旅游信息个性化推荐效果的提升,需对用户行为信息进行深度挖掘。文中基于多维数据融合,构建并研究了个性化旅游信息推荐模型。首先,结合用户的历史浏览、检索、点赞及评论数据,分析用户对不同景区的兴趣度。其次,结合用户的旅行次数、旅行时间以及具体的旅行地点信息,分析用户的偏好选择对旅游大数据的影响力。接着,结合用户对景区兴趣度的分析结果,综合计算用户对景区所在地的偏好选择。最后,以地区偏好为范围,将对旅游大数据影响力较高用户的兴趣度TOP-N景区信息作为最终的推荐结果。测试结果表明,归一化折损累计增益NDCG随着推荐信息数量k的增加呈现出稳定提升的趋势,且相比对比模型,文中提出的模型得到的参数值始终处于较高水平,说明该模型具有可靠的推荐效果。

位置大数据的价值提取与协同挖掘方法

随着位置服务和车联网应用的不断普及,由地理数据、车辆轨迹和应用记录等所构成的位置大数据已成为当前用来感知人类社群活动规律、分析地理国情和构建智慧城市的重要战略性资源,是大数据科学研究极其重要的一部分.与传统小样统计不同,大规模位置数据存在明显的混杂性、复杂性和稀疏性,需要对其进行价值提取和协同挖掘,才能获得更为准确的移动行为模式和区域局部特征,从而还原和生成满足关联应用分析的整体数据模型.因此,着重从以下3个方面系统综述了针对位置大数据的分析方法,包括:(1)针对数据混杂性,如何先从局部提取出移动对象的二阶行为模式和区域交通动力学特征;(2)针对数据复杂性,如何从时间和空间尺度上分别对位置复杂网络进行降维分析,从而建立有关社群整体移动性的学习和推测方法;(3)针对数据的稀疏性,如何通过协同过滤、概率图分析等方法构建位置大数据全局模型.最后,从软件工程角度提出了位置大数据分析的整体框架.在这一框架下,位置数据将不仅被用来进行交通问题的分析,还能够提升人们对更为广泛的人类社会经济活动和自然环境的认识,从而体现位置大数据的真正价值.

位置大数据隐私保护研究综述

大数据时代移动通信和传感设备等位置感知技术的发展形成了位置大数据,为人们的生活、商业运作方法以及科学研究带来了巨大收益.由于位置大数据用途多样,内容交叉冗余,经典的基于"知情与同意"以及匿名的隐私保护方法不能全面地保护用户隐私.位置大数据的隐私保护技术度量用户的位置隐私,在信息论意义上保护用户的敏感信息.介绍了位置大数据的概念以及位置大数据的隐私威胁,总结了针对位置大数据隐私的统一的基于度量的攻击模型,对目前位置大数据隐私保护领域已有的研究成果进行了归纳.根据位置隐私的保护程度,可以把现有方法总结为基于启发式隐私度量、概率推测和隐私信息检索的位置大数据隐私保护技术.对各类位置隐私保护技术的基本原理、特点进行了阐述,并重点介绍了当前该领域的前沿问题:基于隐私信息检索的位置隐私保护技术.在对已有技术深入分析对比的基础上,指出了未来在位置大数据与非位置大数据相结合、用户背景知识不确定等情况下保护用户位置隐私的发展方向.

大数据环境下移动对象自适应轨迹预测模型

已有的轨迹预测算法针对移动对象运动模式,使用数学模型进行交通流模拟,难以对路网中的移动对象进行准确的描述.为了解决这一问题,提出基于隐马尔可夫模型(hidden Markov model,简称HMM)的自适应轨迹预测模型SATP(self-adaptive trajectory prediction model based on HMM),对大数据环境下移动对象海量轨迹利用基于密度的聚类方法进行位置密度分区和高效分段处理,减少HMM的状态数量.根据输入轨迹自动选取参数组合,避免HMM模型中隐状态不连续、状态停留等问题.实验结果表明,SATP模型在实验中表现出较高的预测准确性,并维持较低的时间开销.针对速度随机改变的移动对象,其平均预测准确率为84.1%;相同情况下,平均高出朴素预测算法46.7%.

基于高精度室内位置感知的大数据研究与应用

随着室内定位技术的发展,室内位置数据和用户消费行为数据的大量产生为室内位置大数据(LBD)研究和应用提供了可能。基于高精度室内位置感知,突破了室内定位位置数据不准确的瓶颈。通过对室内位置数据聚类、降维等预处理,建立挖掘模型分析并提取了室内商圈区域的聚散和流动等特性,进一步通过特征关联预测用户的消费等行为,提出了室内位置大数据协同挖掘的方法和架构。在某机场商圈、西单某商场亿级用户位置数据集上进行了有效性实验和应用,通过实测数据对比验证了基于此架构室内定位数据的精准性和挖掘方法的可行性。