手机位置数据中“乒乓效应”的时空特征研究

“乒乓效应”是手机位置数据中一种典型的噪声数据,分析其时空分布特征对科学应对噪音数据影响、准确理解分析结果、提高手机位置数据质量具有重要意义。本研究基于速度阈值、重复跳转和频繁大幅度转向3种模式的“乒乓效应”检测方法,采用3个不同研究区(上海、西宁和深圳)的手机位置数据,构建了时间与空间易发指数,对手机数据中的“乒乓效应”进行识别,并从跳转距离特征、空间分布特征、时间分布特征3个方面进行了对比分析。结果表明:空间分布上,“乒乓效应”总体呈现出较高的空间自相关现象,表现为远郊区易发、基站密度高处不易发的特点;在时间分布特征上,呈现出白天易发、夜晚不易发的特点;同时“乒乓效应”的存在会对研究结果产生一定程度的影响。

基于手机定位数据的西宁市老年人公园绿地可达性预测

预测并分析老年人公园绿地资源可获取性对提高老年人生活品质、有效应对我国老龄化社会带来的有关挑战具有重要意义。为使城市公园绿地的分布更具“适老性”,基于西宁市带有年龄标识信息的手机位置数据,识别并预测老年人口的空间分布,运用高斯两步移动搜索法对老年人公园绿地可达性进行研究及预测。结果表明:(1)2018—2028年老年人数显著增加,且老年人数变化量呈现中心城区及远郊区较低、近郊区高的环状分布特征。(2)10 a间,老年人公园绿地可达性的空间分布总体格局未发生显著变化,但可达性水平总体下降。(3)2018—2028年老年人公园绿地可达性相对变化量较大,步行和公交30 min条件下,约87%的空间单元的公园绿地可达性降低超过70%。研究结果补充了高空间精度下城市老年人公园绿地可达性研究的不足,提供了面向老龄化发展需求的城市未来公园绿地规划建议。

基于时态密度特征的改进数据流聚类算法

针对经典Clu Stream聚类算法的在线微簇聚类过程中限制微簇数量的增长,对微簇进行强制合并,使其在线聚类结果受到影响,导致数据流聚类质量不高,且难以适应海量大数据等问题,提出一种基于时态密度特征的改进Clu Stream聚类算法.首先,提出微簇时态密度的概念,并用其对微簇进行描述;其次,提出新的微簇删除、合并的机制,能够根据在线微簇的情况动态地添加微簇的数量;最后,应用并行化的框架将算法并行化,以适应海量实时大数据的需求.通过在人工数据集和真实数据集上的对比实验表明,改进后的数据流聚类算法相较于Clu Stream算法能够得到更高质量的聚类结果.

基于轨迹数据的电动出租车充电需求分析

电动出租车充电需求分析是规划布局公共充电设施的基础,为此提出一种基于轨迹数据的电动出租车充电需求分析方法。本文通过统计和分析出租车GPS数据,拟合出租车出行链时空特征量的概率分布,利用蒙特卡洛模拟方法和轮盘赌方法抽取各特征量,构建电动出租车出行链。然后结合出租车换班特征,分别分析大班和小班两种情况下电动出租车充电需求的时空分布。利用北京市2012年的出租车GPS轨迹数据进行方法应用及案例分析。结果表明,使用该方法可较准确地模拟北京市出租车的出行特征,充电需求的时空分布较为合理。

基于波段比模型的地形调节植被指数组合算法构建与验证

为消除山区植被遥感监测中的地形影响,该文根据山区主要地物波谱曲线特征和波段比模型等基本原理,构建地形调节植被指数(topography-adjusted vegetation index,TAVI)组合算法。首先,提出TAVI研究思路。其次,利用山区Landsat8多光谱遥感影像分析山区主要地物波谱曲线特征,阐释TAVI光谱原理。接着,用红光波段数据构建新的阴影植被指数(shady vegetation index,SVI),并优选比值植被指数(ratio vegetation index,RVI)与SVI形成TAVI组合算法,再结合地形调节因子"极值优化"算法计算TAVI结果。最后,采用目视比较、统计分析和差值分析证明TAVI组合算法达到经大气加地形校正后遥感影像计算的NDVI的削减地形影响的效果,其与太阳入射角余弦值一元线性回归方程斜率降至0.035,相关系数降至0.075。TAVI组合算法可应用于山区植被信息和有关参数的遥感监测与估算。

基于改进粒子群优化的并行极限学习机

为了提高极限学习机(ELM)网络的稳定性,提出基于改进粒子群优化的极限学习机(IPSO-ELM).结合改进的粒子群优化算法寻找ELM网络中最优的输入权值、隐层偏置及隐层节点数.通过引入变异算子,增强种群的多样性,并提高收敛速度.为了处理大规模电力负荷数据,提出基于Spark并行计算框架的并行化算法(PIPSO-ELM).基于真实电力负荷数据的实验表明,PIPSO-ELM具有更高的稳定性及可扩展性,适合处理大规模的电力负荷数据.

闽江流域水质时空分布特征及污染源解析

为了解闽江流域河流中的污染物来源和水质时空分布特征,利用2014年1月至2017年2月流域内20个监测断面的8项水质指标月均值监测数据,采用多元统计方法对水质的时空变化规律及其影响因素进行分析。结果表明:流域水质在时间上可划分为T1时段(4—12月份)、T2时段(1—3月份);T1时段水质较好,氨氮是主要污染物,污染源以农业污染为主;T2时段的主要污染物是氨氮和总磷。在空间上可划分为3个群组。S1组主要位于建溪下游、沙溪、大樟溪、闽江干流,水质最差,污染物以营养盐为主,耗氧有机物次之,污染源为福州、三明、南平市的工业废水、生活污水、农业和禽畜养殖污水;S2组位于沙溪下游、富屯溪,水质最好,污染物主要是面源污染中的营养盐污染,水体自净能力良好;S3组位于建溪中上游、富屯溪中上游,污染源主要是农业面源污染。研究成果可为闽江流域的污染治理和水质改善提供参考。

一种面向云环境虚拟机部署的粒子群优化策略

随着数据中心规模的扩大,提升资源利用率的问题日益凸显.如何合理部署虚拟机到数据中心的物理机上是提升数据中心资源利用率的关键问题之一.首先提出相应的资源利用率和响应时间模型,并提出一种结合变异算子的多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization with Mutation Operator,MOPSOM)用于解决虚拟机部署问题.该算法以提高资源利用率和减少响应时间为优化目标,采用线性递减惯性权重寻找最优的虚拟机分配方案.仿真实验结果表明,MOPSOM能够在减小响应时间下提高资源利用率,同时在负载均衡度和能耗之间达到了更好的平衡.

基于多源遥感的森林地上生物量KNN-FIFS估测

【目的】针对多源遥感数据及其派生特征因子数据维度高、信息冗余、易造成估测模型过拟合等问题,从高维度遥感特征因子中高效优化特征组合,优化区域森林地上生物量(AGB)的k最近邻(k-NN)估测模型。【方法】提出基于快速迭代特征选择的k最近邻法(KNN-FIFS),以森林资源样地调查数据计算的森林AGB为参考,以留一法交叉验证(LOO)相应的k-NN模型反演的森林AGB均方根误差(RMSE)最小为原则,依次迭代选取遥感特征,优化区域森林AGB的k-NN估测模型。以大兴安岭根河森林保护区为研究区,结合Landsat-8 OLI各波段光谱信息、植被指数、纹理、地形因子、机载合成孔径雷达(SAR)P-波段HV极化后向散射强度信息(PHV)以及森林资源样地调查数据,利用KNN-FIFS方法估测研究区森林AGB,并与多元线性逐步回归法(SMLR)进行对比分析。【结果】利用KNN-FIFS方法,得到当k为3,特征组合为PHV、短波红外波段一均一性(H6)、短波红外波段一二阶矩(S6)、短波红外波段二二阶矩(S7)、海蓝波段相关性(Cr1)、近红外波段相关性(Cr5)、海蓝波段相异性(D1)、增强型植被指数(EVI)时,研究区森林AGB估测结果最优,其精度(R^2=0.77,RMSE=22.74 t·hm^(-2))显著优于SMLR估测精度(R^2=0.53,RMSE=32.37 t·hm^(-2))。【结论】KNN-FIFS方法相比SMLR更适用于森林AGB多源遥感估测;KNN-FIFS方法可以从高维度遥感特征因子中高效选取相关特征进行森林AGB估测。

一种云环境下的主机负载预测方法

云计算是一种基于信息网络的计算模式和服务模式,它将信息技术资源以服务方式动态、弹性地提供给用户,使用户可以按需使用。由于受到主机的启动时间、资源分配时间以及任务调度时间等因素的影响,在云环境下提供给用户的服务存在时延问题。因此,工作负载预测是云环境下一种重要的能源优化的方式。此外,由于云中工作负载的变化具有十分大的波动性,因此增加了预测模型的预测难度。提出了一种基于自回归模型和Elman神经网络的预测模型(Hybrid Auto Regressive Moving Average model and Elman neural network,HARMA-E),其使用ARMA模型进行预测,再使用ENN模型对ARMA模型的误差进行预测,通过修正ARMA的输出值得到最终的预测值。仿真实验结果表明,该预测模型能够较好地提升主机负载预测值的准确度。

ST-CFSFDP:快速搜索密度峰值的时空聚类算法

时空聚类算法是地理时空大数据挖掘的基础研究命题。针对传统CFSFDP聚类算法无法应用于时空数据挖掘的问题,本文提出一种时空约束的ST-CFSFDP(spatial-temporal clustering by fast search and find of density peaks)算法。在CFSFDP算法基础上加入时间约束,修改了样本属性值的计算策略,不仅解决了原算法单簇集多密度峰值问题,且可以区分并识别相同位置不同时间的簇集。本文利用模拟时空数据与真实的室内定位轨迹数据进行对比试验。结果表明,该算法在时间阈值90 s、距离阈值5 m的识别正确率高达82.4%,较经典ST-DBCSAN、ST-OPTICS及ST-AGNES聚类算法准确率分别提高了5.2%、4.2%和7.6%。

一种室内导航网络众包构建方法

室内导航网络是室内位置服务的基础,传统人工测绘或基于CAD半自动提取等方法时效性较差。室内移动对象众包轨迹数据的出现为室内导航网络构建提供了一种新的解决方案。提出一种室内导航网络众包构建方法。首先提取出用于构建室内导航网络的廊道区域轨迹点;其次通过轨迹点生长融合聚类算法将廊道轨迹点转化为聚类点;最后通过聚类点连接生成室内导航网络。以某商城一楼2d的移动对象轨迹数据进行了实验。结果表明,本文方法提取的室内导航网络准确度较高,能够为室内空间结构快速变化检测和更新提供支持。

基于四元约束的多视角建筑物Lidar点云配准方法

基于建筑物Lidar点云的特点,提出一种基于四元约束的多视角点云配准算法。建筑物Lidar点云的实验结果表明,在复杂和大场景建筑物Lidar点云的多视角配准中,该算法可以得到较好的配准精度。

结合事件和语境特征的台风事件信息抽取方法

台风事件信息抽取在台风知识检索、灾害应急预警、损失评估预测等方面具有重要价值。由于台风事件存在一个时空动态演变的过程,新闻文本中易出现包括台风形成、登陆、移动和消散等不同时间节点的事件状态的混合表达,使得规则匹配和现有传统机器学习方法进行信息抽取效果不佳。因此,提出一种结合事件和语境特征的台风事件抽取方法,能够充分考虑词汇的事件特征和上下文信息。实验结果显示所提出的方法使得登陆时间和登陆位置抽取准确率高达92%,各事件元素抽取精度总体较高且较为平衡,平均F1值高达78%,提升幅度达42%。本文研究为构建台风知识库提供了方法支撑。

基于景点在线评论文本的游客关注度和情感分析

游客在线评论反映了游客实地旅行之后关于旅游景点和服务的真实感受,本文构建了一个基于景点在线评论文本的游客关注度和情感分析方法。该方法首先从主流旅游网站的评论专区中获取景点的评论文本并进行预处理,然后基于《知网》词汇语义相似度,结合词频分析,通过构建"旅游形象属性-触发词"词表,分别计算评论信息中旅游形象属性的游客关注度。最后建立褒贬义情感词典,对处理后的评论文本情感分析。该方法能够直观显示景点在线评论信息中旅游形象的游客评论关注点和总体情感倾向,为潜在游客的景点选择提供参考依据。以厦门市旅游景点的评论文本为例,验证了该方法的可行性。

基于手机信令数据的城市小活动空间人群空间分布特征

小活动空间人群是指日常活动范围较小的居民群体,他们对城市公共资源的需求主要集中在家庭位置附近的区域,分析其活动的时空规律特征,有助于更好地实现城市公共资源的均等化和精准化配置。然而目前研究中对此类人群关注较少,为此,本文提出一种基于手机信令数据的小活动空间人群识别及其空间分布的研究方法。首先识别用户家庭位置和停留点位置,构建基家最大距离指标,度量用户以家庭位置为中心的活动空间范围,并据此筛选小活动空间人群;其次根据用户与家庭位置间的距离信息构建"时间-距离"框架下的用户轨迹,在此基础上构建基于面积的轨迹相似性方法;然后利用逐级合并的层次聚类算法,根据用户轨迹的相似性对其进行聚类,挖掘小活动空间人群中典型活动模式;最后根据用户的家庭位置,进一步分析不同活动模式人群的时空分布特征。本文以上海市手机信令数据为例对该方法进行了测试,结果表明:(1)"时间-距离"框架下构建的基于面积的轨迹相似性方法,可反映用户基于家庭位置进行活动的时空特征,而逐级合并的层次聚类算法对典型活动模式挖掘的效率有明显提高,有助于研究城市居民的移动模式;(2)上海市小活动空间人群分布呈现出圈层结构,主要分布在中心城区,郊区的工厂和大学城以及各区的商业中心附近,在郊区过渡区相对较少。本文提出的方法能够用于分析城市小活动空间人群的时空分布特征,可以为目前各大城市提出建设社区生活圈的决策提供方法支撑。

基于手机定位数据的城市人口分布近实时预测

精细时空尺度下城市人口分布的近实时预测可为优化公共资源配置、协助城市交通诱导、制定公共安全应急预案、探索城市居民活动规律等提供重要科学依据。本文采用城市手机定位数据,基于时间序列分析方法,分别建立参数预测模型和非参数预测模型,对精细尺度下的城市人口空间分布开展近实时预测。预测结果表明,基于时间序列分析方法的预测模型可为精细尺度下的城市人口分布近实时预测提供方法支持;在本文实验条件下,从人口规模、时空分布、多时间尺度、特殊事件等多个角度评估模型精度,非参数预测模型其预测误差均小于参数预测模型,且预测结果更为稳定。

基于大规模手机位置数据的城市潜在自行车出行需求评估

潜在自行车出行是指可能会使用自行车作为交通工具的出行,评估潜在自行车出行需求能够帮助指导城市自行车资源配置方案的优化。大规模手机位置数据蕴含丰富的人群移动信息,而且具有大样本、低成本的特点,能够用于评估城市潜在自行车出行需求。本文结合自行车出行的时间和距离特征,提出一种基于大规模手机位置数据的潜在自行车出行需求评估方法。该方法以单次出行为分析单元,从手机用户的轨迹中提取出具有短距离出行特征和公共交通接驳出行特征的移动轨迹段,并根据该移动轨迹段评估潜在自行车出行需求。基于该方法,利用上海市大规模手机位置数据评估上海市潜在自行车出行需求并分析其时空分布特征,发现在空间上,潜在自行车短距离出行需求主要分布在城市中心和郊区的商业中心,而公共交通接驳的自行车需求主要分布在郊区。在时间上,上午,自行车出行需求从非中心城区向中心城区聚拢;晚上,上海市自行车出行骑车与停车需求从中心城区向非中心城区扩散。

基于地理流空间的巡游车与网约车人群出行模式研究

城市出租汽车是居民出行的重要方式之一,地理流空间理论为发掘人群出行特征,优化车辆运营效率提供了新视角。本文利用厦门市出租汽车轨迹数据,采用地理流空间分析理论,对人群出行的整体随机性质进行了分析,基于流相似性度量识别并分析了丛集、汇聚、发散和社区4种典型模式及混合模式的空间分布特征,对比了基于巡游车和网约车2种车辆的人群出行模式。结果表明流空间理论能够系统性发现人群出行典型模式及混合模式,主要体现在:①基于2类车辆的人群出行流在空间中呈现出显著的非随机特征;②巡游车和网约车的典型模式在空间分布上有明显差别,网约车的有关模式分布范围更广,在厦门岛外各区中心及岛内东部软件园等区域附近较为突出,且网约车由于其订单由用户需求驱动,更容易发现潜在的高出行需求区域,同时出行结构更容易形成社区模式,而巡游车主要分布在传统岛内知名城市地标附近;③同一区域内巡游车和网约车出行混合模式普遍存在,约占典型模式的四分之一左右,而且不同类型车辆的主要混合模式存在差异,综合考虑混合模式能够提高城市公共设施规划的精确性和科学性。本文结果可以为车辆调度优化和城市交通规划提供支持,也表明地理流空间理论能够更有效揭示地理流对象的空间模式特征。

顾及相似用户特征的个人位置预测算法

个体位置预测在传染病精准防控、公共设施科学规划等应用中具有重要意义,既有位置预测算法主要侧重对个体纵向历史轨迹特征进行挖掘建模,从而实现位置预测,对横向相似性用户的规律特性考虑较少。因此,基于图卷积和长短期记忆模型(long short-term memory,LSTM)框架,提出顾及横向相似用户轨迹特征以及纵向历史规律性特征的个体位置预测算法。首先,构建用户轨迹相似性算法并筛选高相似度用户;然后,利用图卷积模型提取待预测用户相似高的用户轨迹特征;最后,利用LSTM框架提取历史轨迹特征,集成相似用户轨迹特征,从而实现个体位置预测。基于某市8万多个用户连续4个工作日的数据进行实验,结果表明,所提算法的准确率随预测时间步长增加而下降,而夜间预测准确率明显高于白天,但相比于既有模型均有10%以上提高;以15 min为预测时间步长时,模型准确率达80.45%。