使用点评数据探测城市商业服务设施的发展规律

大众点评网提供的商业设施及其满意度评价数据为城市商业设施的时空分布与发展规律研究提供了一个重要的信息源,它们来源于分布在道路两侧的商业设施。根据此特征,本文设计了一种基于道路网约束的反映商业服务设施与交通网络关系的密度计算方法,对点评数据中蕴含的设施空间分布、设施数量与其满意度之间关系进行了分析。它将商业设施在空间上的二维分布映射至一维的道路网上,更真实地反映了商业服务设施与所处交通环境的影响,揭示了商业服务设施位置、数量及其满意度之间的关系,为城市规划的定量化研究提供了数值依据。

顾及时空语义的疑犯位置时空预测

预测疑犯的社会活动行踪,对案件嫌疑人的排查以及犯罪行为的主动预防具有重大意义。当前研究主要依据疑犯的历史系列作案位置预测其住址或未来犯罪位置,缺少对其复杂社会活动位置的转移过程进行建模,也没有考虑位置数据稀疏性对预测性能产生的影响。为此,提出了融合时空语义的位置时空预测(spatio-temporal semantics location prediction,SSLP)模型。首先,利用疑犯在不同语义时段和语义位置上的分布邻近性提取目标疑犯的相似疑犯群体;其次,结合该群体的轨迹数据和位置语义信息,基于核密度平滑方法估算出涉及未记录位置的转移频次及其时态访问概率;最后,采用贝叶斯模型实现疑犯个体的时空预测。实验结果表明,基于W市2013年1月至6月间158名疑犯的17 539个位置记录数据,SSLP模型在top-k距离偏离度和top-k精确率上优于其他流行方法 40%～50%,对疑犯位置数据稀疏性具有优异的适应能力。