利用方向玫瑰图分析社会经济重心轨迹移动模式

社会经济重心的移动轨迹可以直观反映出研究区域整体的的宏观地理结构和演变特征,而重心轨迹的相互关系可以体现出不同社会经济属性的地理关联关系。将轨迹分析与地理重心模型相结合,通过方向玫瑰图对由社会经济数据形成的轨迹移动模式进行可视化分析。其中,利用轨迹方向玫瑰图分析单条及全局重心移动轨迹的移动模式,并通过轨迹蜿蜒度提取显著的移动模式;利用轨迹对方向半玫瑰图定量描述两条重心轨迹之间的相对关系。对1985~2004年间我国大陆地区40项经济指标的重心轨迹进行移动模式分析,实验证明了方法的可靠性和有效性。     

路网更新的轨迹-地图匹配方法

全面准确的路网信息作为智慧城市的重要基础之一,在城市规划、交通管理以及大众出行等方面具有重要意义和价值。然而,传统的基于测量的路网数据获取方式往往周期较长,不能及时反映最新的道路信息。近几年,随着定位技术在移动设备的广泛运用,国内外学者在研究路网信息获取时逐渐将视野转向移动对象的轨迹数据中所蕴含的道路信息。当前,基于移动位置信息的路网生成和更新方法多是直接面向全部轨迹数据施加道路提取算法,在处理大规模轨迹或者大范围道路时,计算量极大。为此,本文基于轨迹地图匹配技术,提出一种采用"检查→分析→提取→更新"过程的螺旋式路网数据更新策略。其主要思想是逐条输入轨迹,借助HMM地图匹配发现已有路网中的问题路段,进而从问题路段周边局部范围内的轨迹数据中提取并更新相关道路信息。该方法仅在局部范围内利用少量轨迹数据来修复路网,避免了对整个轨迹数据集进行计算,从而有效减少了计算量。基于OpenStreetMap的武汉市区路网数据以及武汉市出租车轨迹数据的试验表明,本文提出的路网更新方法不仅可行,而且灵活高效。     

利用GPS轨迹的转向级交通拥堵精细分析

目前,基于GPS轨迹探测城市交通状态的研究缺乏对不同行驶方向的交通拥堵精细感知。针对此问题,本文提出一种基于出租车GPS轨迹的转向级交通拥堵事件探测方法。该方法首先在分析出租车运营行为特征的基础上,采用特征聚类方法滤选出能够反映真实交通状态的有效轨迹段;然后基于滤选后轨迹分析当前道路交通运行状态,探测城市路网中轻度、中度、重度3种不同强度的交通拥堵事件;最后基于拥堵事件轨迹分析交叉口不同转向的拥堵时间、拥堵强度和拥堵距离等转向级精细交通拥堵状态。试验结果表明,本文方法不仅能有效探测路网中不同强度的拥堵事件,而且能实现交叉口转向级拥堵事件的精细分析。     

车辆定位的地图匹配算法研究

研究了车辆定位系统中道路匹配问题,提出基于权重参考车辆历史轨迹的匹配算法。结合车辆行驶状态,引入位置信息和方向信息的可靠性参数,有效融合两者信息。仿真实验表明,该算法能够获得较高的匹配精度。     

网络爬虫的专题机构数据空间信息采集方法

针对海量专题机构数据空间信息和属性信息缺失的问题,该文使用专题机构信息网站作为信息源,以深度优先策略网络爬虫作为信息获取方法,提出了一种基于网络爬虫框架的专题机构数据空间信息采集方法。在网络爬虫方法关键功能模块中,设计了一种基于词元的字符串相似度矩阵算法来提高机构检索列表匹配准确度,并提出了一种基于决策树模式的行政区划信息识别和抽取算法用以实现地址字符串中行政区划的准确识别和提取。通过具体实现和实验测试,证明该方法能有效地实现专题机构数据空间信息和属性信息的采集,并具有较高的时间效率和准确率,可作为机构数据空间信息采集的一种有效方法。     

基于多重运动特征的轨迹相似性度量模型

针对目前只能对单一运动特征（速度、方向等）进行轨迹相似性分析的不足,提出了基于多重运动特征的轨迹相似性度量,该度量对于分析和理解移动对象的运动行为和规律具有重要意义。将其应用于基于多重运动特征的运动序列模式发现。该相似性度量借鉴数据立方体的思想,将多重运动特征时间序列进行量化和符号化表示,在多重运动特征值域空间中计算两字符间的距离作为字符间替换代价,最终以加权编辑距离作为相似性度量。将该相似性度量与谱聚类方法相结合进行运动序列模式发现。实验以飓风数据为例,通过气象文献中飓风的发生与运动规律验证了模型的有效性。     

移动轨迹聚类方法研究综述

轨迹数据是人类移动行为的表征,能够映射出人的出行模式和社会属性等信息。怎样有效挖掘轨迹数据蕴藏的人类活动规律一直是研究的热点。通过轨迹聚类发现行为相似的类簇,从而探究群体的移动模式是轨迹挖掘和深度应用常见的方法之一。本文首先根据轨迹数据的特点,将轨迹数据模型分为轨迹点模型和轨迹段模型,并据此定义相应的相似性度量：空间相似性度量和时空相似性度量;然后,对两类模型的聚类方法进行了综述,并总结不同聚类算法的优缺点,以期为不同应用选取聚类算法提供科学依据;最后对移动轨迹数据聚类方法研究的发展趋势进行了讨论。     

基于低频GNSS轨迹的转向级城市交通信息精细预测

利用浮动车GNSS轨迹数据可以实时获取和预测城市交通状态,且覆盖范围广、部署成本低,对自动驾驶路线决策、交通拥堵治理具有重要的支撑作用.现阶段,利用浮动车GNSS轨迹数据预测的信息仅包含路段上的交通速度、状态,而忽略了交叉口内不同行驶方向上的交通流差异;且交通信息准确性受到GNSS采样频率的限制.本文提出一种基于图卷积网络和低频GNSS轨迹数据的转向级交通预测方法:首先,顾及轨迹点间车辆运动模式提出一种排队起始点估计模型;然后,基于对偶图理论构建转向连通关系的图结构;最后,基于图卷积网络提出一种顾及转向时空模式的交通预测模型.试验结果显示,本文方法能准确地获取和预测转向级交通速度、排队长度信息,交通预测准确性全面优于基准方法.     

时空轨迹多层级相似子段匹配方法

轨迹子段匹配是轨迹数据挖掘的重要手段,针对其计算复杂度较高、受噪声影响大的问题,提出了一种融合自适应希尔伯特地理网格编码的多层级轨迹编码树结构,在可接受的建树代价下,形成了从轨迹整段到最小片段的层次化组织形式和子段从属关系表达结构,并在轨迹片段编码树的基础上,设计了相似子段匹配算法,将复杂的空间计算转化为空间编码的字符串前缀匹配操作,极大地降低轨迹子段匹配的计算复杂度。实际轨迹数据的实验表明,在不影响匹配准确率的前提下,提出的子段匹配方法的效率与基于经典距离的相似性度量方法相比,有超过一个数量级的性能提升。     

一种基于模糊长短期神经网络的移动对象轨迹预测算法

预测移动对象未来某时刻位置能够为城市规划与管理、城市公共安全、城市应急指挥等提供重要的决策依据,也可为个性化信息推荐、广告定投等基于位置的服务应用提供技术支持。已有预测算法多采用固定格网剖分,位置相近轨迹点常被划分至不同格网,使得潜在轨迹模式被忽略,降低了预测精度。此外,已有预测模型不能有效学习到长序列轨迹有效信息,造成长期依赖问题。本文提出一种基于模糊长短时记忆神经网络（fuzzy long short term memory network,Fuzzy-LSTM）模型的移动对象轨迹预测算法,引入模糊轨迹概念解决固定格网剖分所导致的尖锐边界问题,并对传统LSTM进行改进,综合利用移动对象历史轨迹邻近性和周期性出行特征,提高移动对象轨迹位置预测精度。最后,采用某市10万用户连续15个工作日的移动通讯信令轨迹数据集对方法进行试验分析。结果表明,本文方法在30 min预测周期内的预测平均准确率达到83.98%,较经典的Naïve-LSTM预测模型和NLPMM预测模型分别提高了4.36%和6.95%。     

基于BPM-BM算法的地名数据匹配

在对基于过滤方法的中文字符串模糊匹配算法BPM-BM的基本原理、特点和计算流程等进行研究的基础上,与地名数据匹配理论相结合,建立了一种新的地名快速匹配方法。以"全国传染病疫情报告地理信息系统(乡级)建设工程"作为一个具体实例,使用C语言来完成地名数据的匹配。     

利用低频时空GPS轨迹进行交叉口通行时间探测

交叉口是城市交通网络中各向交通流汇聚和转向的核心部位,往往形成城市交通的"瓶颈"和"堵点",其通行时间具有很大的不确定性。利用低频时空GPS轨迹数据,本文分析了交叉口的不同通行模式,动态确定不同通行模式下的交叉口范围,建立了交叉口通行时间的模糊回归模型,实现了交叉口通行时间的准确探测。以武汉市路网和GPS轨迹数据为例进行了实验验证,结果表明本文方法能够有效探测交叉口通行时间。     

《基于明暗恢复形状的月面地形恢复》内容简介

正探月工程是中华民族历史上重大的科技工程之一。为了实现探月二期的科学与工程目标、保障月面巡视探测器安全的路径规划和实施高效的科学探测,着陆区和巡视探测区高精度的地形信息将发挥至关重要的作用。本书结合下降序列影像匹配与基于明暗恢复形状(SFS)技术完成三维地形恢复算法。算法提出了SFS反射方程的特征边缘约束条件,并以下降序列影像得到的匹配点作为控制点,对     

基于多方向自适应感知网络的高光谱遥感图像分类

高光谱遥感能够同步获取目标场景的光谱数据和空间图像,满足对目标物体成分组成和形貌特征的探测需求,已被广泛应用于精准农业、地质勘察、环境监测和生物医学等领域。近几年,得益于优秀的空谱信息表征能力,基于卷积神经网络的高光谱图像分类方法取得了优于传统方法的分类精度。然而,基于一定规则和固定方形窗口的卷积运算无法满足不同对象、不同分布的空谱特征提取需求,当像素位于类别边缘时该模式无法避免其他类别的无关信息,导致类别间的信息扩散以及跨类别像素的误分和错分。针对上述问题,本文提出了一种基于多方向自适应感知的高光谱图像空谱联合分类方法,并通过联合不同邻域范围的空谱上下文信息来改善模型的局部空谱建模能力。具体研究过程如下：首先,将常规卷积网络的全窗口滤波器拆分为不同方向的半窗滤波器,从而设计出侧窗卷积以捕捉具有方向性的空谱特征;然后,在此基础上进一步将不同方向的侧窗滤波核整合到统一的卷积架构中构造空谱分离多方向卷积,并设计方向自适应感知模块,以密集连接构建基于高光谱图像的多方向自适应感知分类网络,赋予模型自适应学习多种空谱结构特征的能力,弥补常规卷积和侧窗卷积只能建模单一方向空谱关系的不足,提升模型对...     

顾及速度与航向信息的轨迹匹配方法

现有轨迹匹配方法具有一定局限性,其匹配精度无法满足车辆导航定位的需求。针对拓扑匹配方法对于起始匹配位置的依赖性,提出了顾及速度与航向信息的轨迹匹配方法。该方法综合利用速度、距离和航向约束改进起始匹配路段和起始位置的判定,并通过后续时刻车辆的正确匹配位置修正起始位置,避免了传统拓扑匹配方法中起始位置匹配错误导致的误差传递累积,提高匹配路段的准确性。同时以起始位置为基础,速度与时间信息为约束确定匹配点。为验证所提方法的有效性,选取多条复杂程度各异的路线进行实验,并与现有的几何匹配方法和拓扑匹配方法进行比较。实验结果表明,该方法在不同复杂程度的城市路网下具有良好的匹配效果,准确率可达93.53%。在匹配准确率方面优于现有的两种方法,在匹配效率方面能满足定位导航的需求。     

低频轨迹数据的多时相增量式道路提取方法

针对目前利用低频时空轨迹数据进行道路提取与更新,难以同时满足提取精度和算法效率要求的问题,该文提出一种基于低频轨迹数据的多时相增量式道路提取方法。首先,将原始轨迹数据分割为多个时相轨迹序列,并利用栅格化法得到多个时相的初始道路中心线;接着,采用吸引力模型纠正初始道路中心线的位置偏差,再通过k-segment主曲线算法拟合得到最终道路中心线,构建道路骨架地图;最后,统计与道路中心线关联的轨迹位置与方向信息,进一步挖掘道路宽度与单双向通行规则等交通语义信息,丰富道路骨架地图。实验结果表明,基于多时相轨迹分别提取与增量融合的方式,可有效发现道路网的时空变化规律,获得较高的道路检测概率与信息提取准确率,同时避免对全时段轨迹直接处理的复杂运算量。     

大数据驱动的人类移动模式和模型研究

大数据时代的到来使得基于个体粒度的海量时空轨迹获取人类移动模式成为可能。来自不同领域的学者基于手机通话数据、公交卡刷卡记录、社交网站签到数据、出租车轨迹、银行刷卡记录等进行了人类移动模式的研究,这些研究丰富了地理信息系统的时空分析方法,为从个体角度审视人与地理环境之间的交互关系提供了一个新视角,并可以应用于交通、公共卫生等领域。总结了基于大数据的人类移动模式研究流程,归纳了人类移动模式的基本度量方法,探讨了解释所观测移动模式的模型构建方法,指出了地理环境对于移动模型建立的影响。     

顾及路口转移偏好和当前移动模式的个体驾驶目的地预测方法

个体驾驶目的地预测在个性化服务推荐、智慧交通等位置服务中具有重要的应用价值,但现有深度学习方法多以高密度采样轨迹点为单位构建出行特征,导致数据冗余、信息增益有限。路口序列可简化道路驾驶轨迹的表达形态,降低训练成本;同时,路口间的转移偏好与当前移动模式隐含路口与目的地间的时空关联关系,能够一定程度上表征个体出行意图,却鲜有研究将其用于目的地预测。为此,提出一种顾及路口转移偏好和当前移动模式的个体驾驶目的地预测方法：（1）以路口为单位构建输入特征,利用图注意力机制学习不同时间槽内路口间的转移系数,并结合长短期记忆模型捕获转移偏好长期依赖关系;（2）构建时间循环编码与驾驶状态特征,利用长短期记忆模型学习个体当前移动模式表征;（3）通过特征交叉与注意力机制实现特征融合,并利用残差网络输出预测。基于中国深圳市12名私家车司机2019年全年的轨迹数据开展实验,通过与隐马尔可夫、长短期记忆模型、远近距离依赖模型、融合地理语义与位置重要性的长短期记忆模型的精度进行对比并进行消融实验,验证了所提方法的有效性;可视化分析了转移偏好在捕获路口间空间关联关系中的作用,并探讨转移路口数量设置对预测精度的影响。     

基于点序列和要素加权法的地图匹配算法

浮动车数据(Floating Car Data,FCD)已广泛应用于城市规划、智能交通系统中,其中地图匹配一直以来都是浮动车数据应用的技术难点。本文在已有地图匹配算法的基础上,提出了基于点序列和要素加权法的地图匹配模型,不仅考虑了当前GPS点的信息,同时也考虑了GPS数据的历史信息和道路网的拓扑结构,从空间关系上分析车辆行驶轨迹和道路的相似性。作者通过上海市出租车轨迹数据对算法进行验证,结果表明:该匹配模型解决了已有地图匹配算法的一些弊端,并且提高了地图匹配的精度,具有高效、实用的特点。     

一种基于约束条件的重力匹配导航算法

重力匹配导航算法对于提高匹配效率和精度具有重要的意义,是匹配导航技术中的热点问题。在已有的重力辅助惯性匹配导航算法研究的基础上提出了一种新的基于相关约束条件的重力匹配导航算法。该算法增加基于惯导系统提供的轨迹方位与航距信息,有效排除大量待匹配干扰轨迹,提高匹配效率和匹配精度。仿真结果表明:该方法精度较概率神经网络方法匹配结果有显著提升,精度由千米级提高到百米级,并将概率神经网络匹配时长缩短近50%,大大提高了重力匹配的效率,更好满足水下导航的需求。