室内多源异构时空数据一体化建模与联合查询

Indoor environments are the main space of people's daily activities. With the development of indoor-positioning technologies such as WiFi, RFID, UWB and wireless sensor networks as well as the widespread use of location-aware devices including mobile phones, large amounts of historical travel information represented as trajectories of the indoor moving objects can be easily collected. How to effectively manage massive indoor trajectories, indoor map, social network data and semantic data becomes a major challenge. In this study, we build a spatial-temporal integrated data model of indoor moving object trajectories and social relationships both in indoor space and offer a series of operations including basic operations, spatial operations, relation operations and trajectory operations. A new efficient multidimensional indexing structure is constructed, in order to overcome the restriction of integrated query and spatial analysis. Then, integrated query algorithms are developed including geo-social query and spatial-semantic query. We implement the proposed data model. In order to verify its effectiveness, finally we carry out detailed experimental analysis by using a real WiFi location data, RFID location dataset and simulated trajectories and social relationships. This study may be useful to indoor public safety, emergency relief and indoor location-based services.

室内空间是人类活动的主要空间，近年来，随着室内定位技术的不断发展，移动互联网技术不断进步，移动终端不断普及，室内位置服务应用不断增多，室内空间产生了海量时空数据，如何有效管理日益增长的室内多源异构数据已成为亟需解决的基础性研究问题。本课题瞄准未来室内位置服务应用所亟需的室内空间、移动轨迹、网络文本及社交关系等室内多源异构时空数据，重点突破室内空间实体网络文本语义增强技术，研发室内移动对象轨迹及社交关系模拟器，构建支持复杂空间语义的室内数据模型、实现全时态室内空间高维索引结构，实现从空间到语义、从地理到社交的多种室内时空数据联合查询算法，为室内大型复杂公共场所的安全监控与预警、应急救援与管理和大众室内位置服务等重大应用提供决策支持。

室内空间是人类活动的主要空间，例如办公楼、购物中心、博物馆、医院、机场、地铁站等，据研究表明人类87%左右的时间都在室内空间移动，随着室内定位技术迅猛发展，室内空间产生了海量时空数据，如轨迹数据、文本数据、社交关系数据等，如何有效管理日益增长的室内多源异构数据已成为亟需解决的基础性研究问题，也是时空数据管理与挖掘研究的前沿与热点问题之一。.本项目构建支持复杂空间语义的室内数据模型、研发全时态室内空间高维索引结构，实现从空间到语义、从地理到社交的多种室内时空数据联合查询算法，突破室内空间实体网络文本语义增强，室内轨迹数据插值重构，室内行人位置预测等关键技术，本项目取得主要成果包括：.（1）在室内多源异构数据插值重构方面，提出基于多条件数据划分的轨迹插值MDP-TR算法，该算法依据移动对象轨迹提取活动锚点，从轨迹语义角度对移动对象进行分类，从而尝试解决现有研究中个体异质性和模型普适性之间矛盾；同时算法设计一种递增滑动窗数据构建算法，使得重构算法能够考虑缺失点时间模式影响，进而提升轨迹重构精度。.（2）在室内行人位置预测与热点区域识别方面，提出室内位置预测框架Indoor-WhereNext，利用Indoor-STDBSCAN识别室内用户停留点，定义一种新的结合空间与语义信息的相似性度量SSS方法，挖掘室内用户相似群体，最后采用LSTM针对每一类用户预测未来位置。提出室内的人群聚集区域识别算法Indoor-STOPTICS发现室内三维时空人群聚集区域。.（3）在室内众包三维导航路网自动提取方面，提出室内三维导航网络快速众包更新方法，该方法分海量轨迹简化、二维平面楼层导航网络提取与楼层间三维拓扑连通点识别三个步骤，实验结果表明，该方法能够有效克服轨迹点密度差异，准确地识别出楼层连通设施的位置，提高导航网络提取的几何精确度和拓扑正确度。.本项目经过四年时间研发，总体来说研发过程顺利，共发表论文11篇，其中5篇SCI，申请授权发明专利6项，登记软件著作权3项，已超额完成规定的预期成果考核指标。