轨迹数据的时空模式挖掘与管理决策研究综述

时空轨迹数据的获取变得越来越容易,轨迹数据刻画了移动对象的行为模式与活动规律,是对移动对象在时空环境下的移动模式和行为特征的真实写照,在城市规划、交通管理、服务推荐、位置预测等领域具有重要的应用价值。这些过程通常需要通过对时空轨迹数据进行模式挖掘才能得以实现。简述了轨迹数据挖掘的预处理和基本步骤,归纳了异常轨迹检测方法的分类,分析、总结了近年来基于轨迹数据的四种模式挖掘,从管理决策角度对轨迹数据挖掘进行相关综述和分析,有望为轨迹数据的模式挖掘与管理决策提供必要的文献资料和理论基础。     

一种无人船动力定位跨平台实时控制模型

为了更好地将实时控制算法应用于无人船的自动导航,针对以往跨平台实时控制的数据类型不统一、通信不可靠等问题,根据日本国立水产工学研究所进行无人船水池实验的研究模式,建立一种基于用户数据报协议(UDP)的远程控制模型,该模型在服务器端使用python编写,在客户端使用Matlab/Simulink.为验证控制的实时性,在实验水池进行基于自抗扰控制技术的航向控制实船实验,同时验证所设计控制系统的实时性和控制算法的有效性.在系统测试时,采用基于RBF神经网络抗扰算法对无人船动力定位系统进行仿真,并对所设计的控制器进行稳定性分析.仿真实验结果表明,应用不同编程环境进行复杂远程控制UDP通信是平稳的,过程控制结果令人满意,为后续进行复杂无人船实船实验奠定了基础.