面向空气质量预测的多粒度突变拟合网络

空气质量数据作为一种典型的时空数据,具有复杂的多尺度内在特性并存在突变的问题。针对现有空气质量预测方法在处理包含大量突变数据的空气质量预测任务时表现不佳的问题,提出一种面向空气质量预测的多粒度突变拟合网络(MACFN)。首先,针对空气质量数据在时间上的周期性,对输入数据进行了多粒度的特征提取。然后,采用图卷积网络与时间卷积网络分别提取空气质量数据的空间关联性与时间依赖性。最后,设计一个突变拟合网络自适应地学习数据中的突变部分,从而减小预测误差。所提网络在3个真实的空气质量数据集上进行了实验评估,与多尺度时空网络(MSSTN)相比,均方根误差(RMSE)分别下降约11.6%、6.3%和2.2%。实验结果表明,MACFN能有效捕捉复杂的时空关系,并在变化幅度较大、易发生突变的空气质量预测任务中有更好表现。

基于AR与DNN联合模型的地理传感器时间序列预测

地理传感器时间序列具有复杂动态的语义时空相关性和地理时空相关性。尽管已经开发了各种深度学习模型用于时间序列预测,但很少有模型能专注于捕捉地理传感器时间序列内的多类型时空相关性。此外,同时预测多个传感器在未来某一时间步的值非常具有挑战性。为了解决上述问题,提出了一种自回归模型与深度神经网络的联合模型(Joint model of Autoregression and Deep Neural Network,J-ARDNN),用于处理地理传感器时间序列的多目标预测任务。在该模型中,空间模块用于捕捉不同序列间多类型空间的相关性,时间模块采用时间卷积网络来提取单个序列内的时间依赖关系。此外,还引入自回归模型来提高预测模型的鲁棒性。为了验证J-ARDNN模型的有效性和优越性,在不同领域的真实时间序列数据集上进行了充分的实验,结果表明,J-ARDNN模型的预测性能优于对比方法。

面向多粒度交通流预测的时空深度回归模型

交通流预测是智能交通系统中的一类重要问题。尽管当前交通流预测方法取得了较好的进展,但还面临2个关键挑战:(1)交通流的变化模式不仅依赖于时间维度上的历史信息,还依赖于空间维度上相邻区域的信息,如何兼顾两个维度上的变化模式;(2)时间本身具有小时、天及周等多粒度特性,如何实现多粒度下时序模式的捕捉。本文针对交通流预测的上述挑战,设计了一个多粒度时空深度回归模型(Spatial-temporal Deep Regression Model for Multi-granularity,MGSTDR),其基本思想是在多粒度时空交通流信息的基础上,对典型的差分整合移动平均自回归模型(Autoregressive Integrated Moving Average model,ARIMA)进行深度拓展,该模型在有效利用自身历史信息的同时,能兼顾相邻区域的信息,从而能够实现多粒度的时序交通流量预测。多个数据集上的实验结果表明,该模型在多粒度预测任务上优于现有的多个基准模型,尤其在小时这一粒度的预测结果上有5.66%的提升。

一种场地污染环境的多粒度时空对象模型

目前针对污染场地的研究主要围绕污染态势及其发展状况,对于污染场地的实体特征缺乏较完整的表达,难以可视化展示污染场地多维度的信息。本文基于多粒度时空对象模型的构建思路,研究构建多粒度场地污染环境时空对象模型,将污染场地信息实体抽象成数据模型,进而对其时空实体的相关特征进行描述及可视化表达,实现污染场地的全空间信息大数据的集成与融合,并以重庆市某钢铁厂为例进行试验验证。试验结果表明,场地污染环境多粒度时空对象建模,可以高效表达污染场地多维度的特征,更全面地可视化展示污染场地信息,为污染场地的精准管控、污染评估和治理修复提供技术支撑。

以事件为核心的面向对象时空数据模型

GIS中时态问题的解决不仅要在数学上寻求方法的支持 ,更应该在现实世界的时空现象中去探求其内在的变化规律。事件是驱动时空数据发生变化的根本原因 ,但每一次事件对数据对象的影响总是局限于一定的范围 ,这内在地表现为对象的属性之间的时空内聚性并决定了时态数据管理的对象粒度。时空数据模型的设计必须参照这一规律才能在冗余与效率之间取得平衡。在简要分析现有的几种典型时空数据模型的基础上 ,根据上述观点设计了一种以事件为核心的面向对象时空数据模型。房产信息系统的设计与实现证明 ,该模型对于时空数据管理效果较好 ,为进一步抽取变化的模式和预测决策奠定了基础。

全空间时空对象可视化工具的设计与实现

在全空间信息系统中,多粒度时空对象及其时空域的组织方式,本身并没有对对象进行专门的可视化处理。对象的全特征、复杂关联与多维动态特点客观上造成了用户理解和认知数据的困难,需要专门的可视化工具,对对象的特征信息进行可视化检查与交互探索,一方面可以向下验证全空间信息系统建模理论,融合多粒度时空对象一体化管理技术;另一方面可以向上为系统示范应用提供数据可视化工具,检查对象数据的正确性和完整性。为此,首先从体系架构和可视化流程2个方面对可视化工具进行总体设计;在此基础上,以对象特征的直接动态可视化表达为目标,针对对象特征信息的不同来源和时空演变特点,提出多粒度时空对象离散变化特征动态表达、连续变化特征动态表达的关键技术流程,实现对象全生命周期特征信息的变化管理、动态表达与交互探索;最后通过插件扩展,实现了系统功能,以若干应用场景验证了系统架构的合理性和关键技术流程的正确性。

多粒度时空对象建模的基本内容与方法

多粒度时空对象数据模型是全空间信息系统的基础,构建多粒度时空对象数据模型是全空间信息系统的核心任务。分析了多粒度时空对象建模的基本内容,包括基本概念、基本流程、关键问题等。在此基础上提出了多粒度时空对象建模的5种基本方法,并分析了每种建模方法的主要特点和适用范围。

全空间信息系统的核心问题和关键技术

分析了空间信息系统的研究现状和存在问题,阐明了全空间信息系统的基本概念和基本特征;提出了基于多粒度时空对象构建全空间信息系统的技术路线,明确了需要研究解决的科学问题和关键技术;提出了全空间信息系统与智能设施管理的主要研究内容,指出预期的研究效益。

多粒度时空对象行为驱动的传感设施接入方法

城市感知是实现智慧城市的重要前提。近年来,随着智慧城市建设进程的加快,城市基础设施的种类日益繁多,功能日益完善,应用日益广泛。传感设施作为城市基础设施的重要组成部分,对于实现动态、实时的城市感知起着重要作用。目前的传感设施接入方法着重从通信协议、数据格式、层次架构、系统实现等几个方面寻求解决方案或效能改进,缺乏对传感设施的统一对象化建模和自身行为的表达。在分析现有的传感设施接入方法及其局限性的基础上,基于多粒度时空对象数据模型,实现了传感设施的对象化描述与表达,并着重从行为能力视角出发,研究了基于多粒度时空对象行为驱动的传感设施接入方法。最后进行了实验验证,结果表明该方法能够在顾及传感设施行为能力的基础上,实现传感设施的对象化、动态接入。

基于多特征融合的多摄像机人体跟踪方法

在非重叠视野摄像机网络中,因视觉盲区等因素的存在,难以对人体目标进行准确可靠的持续跟踪,为此,提出一种融合主颜色特征、纹理特征和时空拓扑特征的目标跟踪算法。该算法将人体区域分割成上、中、下3个目标子块,分别利用最近邻聚类算法提取每个目标子块的主颜色信息,并计算主颜色匹配率;通过提取目标的空间纹理特征获得纹理匹配率;最后通过融合计算人体外观匹配模型。同时,根据目标关联信息的累计统计信息,采用增量学习思路建立和更新摄像机网络的时空拓扑关系。实际场景的实验表明,该算法能有效地对非重叠视野多摄像机网络中出现的人体目标进行连续跟踪,并随系统的持续运行和监控区域中新目标的不断出现,其跟踪准确度也随之提高。

多粒度时空对象行为特征的描述方法研究

多粒度时空对象的行为特征是描述全空间信息系统中不同对象之间控制与响应的重要方面,是体现时空实体相互作用、动态变化、多能自主的核心,是全空间信息系统作为一个"活"的信息系统的亮点所在。本文面向全空间信息系统,对多粒度时空对象行为的基本概念、触发方式、分类方式、描述框架进行了阐述,在此基础上,提出了多粒度时空对象行为特征的总体形式化描述方法,并分别从行为能力、环境影响因素、行为触发条件、行为作用对象和行为计算模型5个方面对对象的行为特征进行详细描述,为全空间场景中多粒度时空对象的行为建模提供了基本思路。

基于多粒度时空对象数据模型的高速公路智能监控系统建模

多粒度时空对象数据模型更注重现实世界复杂、动态现象的表达,能更好地应用于智能设施管理和智能决策支持系统。该文基于多粒度时空对象数据模型及其建模理论,对高速公路智能监控系统中实体对象的特征和关系进行概念建模,设计数据存储方案,开发高速公路智能监控多粒度时空对象建模原型系统,并验证数据模型的实用性。结果表明:多粒度时空对象数据模型可以很好地支撑高速公路智能监控系统中动态智能实体及实体间复杂关系的表达、管理和分析,实现对路情的智能分析与决策。

基于偏好的个性化路网匹配算法

定位技术的普遍应用,使得随时随地获取个人位置成为可能,进一步推动了基于位置的服务等新型应用的发展,产生了海量轨迹数据.精确的路网匹配对提高这些新型应用的服务质量具有重要的研究意义,然而受众多因素的影响,大部分轨迹的采样率较低,比如由签到类应用或低功耗设备生成的低采样轨迹,给路网匹配带来了巨大的挑战.研究基于偏好的个性化路网匹配(driving preference based personalized map-matching,简称DPMM),提出了在动态道路交通网络中的用户驾驶偏好模型.基于该模型,提出了两阶段路网匹配算法:局部匹配搜索用户最可能采用的几条局部Skyline路径;设计了全局匹配的动态规划算法,该算法返回在用户驾驶偏好下最可能的多条全局路径作为最终匹配结果.实验结果充分表明,该方法是有效的和高效的,具有一定的使用价值.

多粒度时空对象支持下湿地时空行为认知与表达初探

湿地作为一种活的空间实体,其时空行为错综复杂,认知和表达一直是该领域研究的重点和难点。全空间信息系统以多粒度时空对象直接对现实世界进行抽象和描述,比传统GIS更符合人的认知特点。因此,本文基于多粒度时空对象建模思想,分别对湿地数据组织、时空行为认知和表达进行了初探。结果表明:湿地时空行为可按对象粒度、数量和特征属性进行分类,且行为表达可通过动态展示,分析建模和模型预测层层递进,较以往表征方式具有动态关联近实时等优势,可为湿地资源的动态监测提供一种新的研究思路。

高精地图交通要素对象化建模方法

随着自动驾驶产业的发展,作为其中重要环节的高精地图因其具有的鲜明特点,引起了广泛的研究和讨论。为了更加全面、多粒度地表达和描述高精地图交通要素,基于高精地图数据,从几何特征、逻辑结构和对象化建模3个方面,对高精地图的数据结构进行了详细阐述和总结;并对高精地图交通要素数据进行了重新组织和分类;提出了高精地图交通要素对象化建模的基本理念。基于多粒度时空对象数据模型,探索了高精地图交通要素对象化建模的内容和方法,分析了高精地图交通要素数据描述与多粒度时空对象描述框架的映射关系。设计了场景建模的总体类视图,并以路口要素为例,构建了路口对象类模板和实例。通过该实验,验证了高精地图交通要素对象化建模的可行性。

基于部件时空信息的目标跟踪算法

针对视频中出现的运动目标遮挡等问题,提出一种基于部件时空信息的目标跟踪算法,将目标跟踪分为平移估计和尺度估计。平移估计时,将目标及其部件作为跟踪对象,自适应选择能够表示跟踪对象的特征,对跟踪对象及其周围区域特征的统计相关性进行建模,通过学习得到时空信息,利用时空信息跟踪目标及其部件;通过对目标的方向、速度、颜色信息进行滑动窗口式建模,评判目标及其部件跟踪器的性能,选择最可靠的跟踪对象,根据它的位置和目标结构模型得到最终的目标中心位置。尺度估计时,在目标中心位置处构建一个多尺度目标金字塔,估计目标最佳尺度。实验结果表明,该算法能够快速准确跟踪目标,较有效地解决遮挡等问题。

人际关系网络对象化时空建模方法研究

以全空间信息系统的多粒度时空对象数据模型为指导思想,进行人际关系网络的对象化时空建模方法研究。首先,分析了人际关系网络的建模内容;然后,设计了面向人际关系网络的多粒度时空对象逻辑数据模型;最后,提出了一种人际关系网络的对象化批量构建方法并进行了实例验证。结果表明,本文所提出的人际关系网络对象化时空建模方法将人际关系网络的人员个体视为一个时空实体并抽象为多粒度时空对象,将人员个体之间的人际关系抽象为多粒度时空对象之间的关联关系,可有效描述人际关系网络中人员和关系在时空过程中的状态及其变化信息,实现了人际关系网络的时空一体化组织、存储和管理。

基于多粒度的时空数据模型构建研究

在时空数据模型的基础上引入时空量化的思想,将对象进行空间和时间的多粒度形式化表达,同时结合面向对象和基态修正模型的设计理念,提出了一种基于多粒度的时空数据概念模型和逻辑模型的构建方法,实现对时空数据分层多粒度的组织与管理。

多粒度时空对象数据入库方法初探

全空间信息系统中,多粒度时空对象建模最终成果主要分为多粒度时空对象交换格式数据和多粒度时空对象数据库数据两种形式。对比分析了两者对多粒度时空对象的组织和存储方式,探讨了对象数据入库流程,设计并实现了基于规则的多粒度时空对象入库方法。该方法主要有两点优势:1)实现了入库工具与源数据格式及目标数据库结构的解耦、减少了编码工作量;2)为应对后续多粒度时空对象建模理论的演进与发展提供了灵活而强大的扩展机制。实验表明该方法为多粒度时空对象数据入库提供了一个可行的解决方案。

多粒度时空事件建模与可视化方法初探

基于全空间信息系统的应用背景和多粒度时空对象的思想,探讨了时空事件的内涵和基本特征,并提出了多粒度时空事件的概念;分析了现有时空数据模型特点,基于多粒度时空对象数据模型,提出了多粒度时空事件建模的基本理念;以此为依据,针对现有可视化技术的不足,对全空间信息系统对多粒度时空事件的表达特点进行了初步阐述。