基于位置大数据的城市热点区域和居民出行模式的挖掘研究

In recent years, with the mature of sensor technologies and computing environments, location big data composed by geographic data, GPS trajectory data, GSM position data, user check-in record and data from Automatic Fare Collection system have become the important strategic resources for analyzing residents' behavior patterns and geographic national conditions, and building smart city. Based on multi-sourced location data, combining with urban road network, points of interest and other geo-referenced information, this project will study theories, techniques and methods of data quality, semantic description model, data fusion, feature association and collaborative mining under the big data environment. There are four aspects proposed: 1) The theory and method of quality assessment for location big data, to provide the high quality spatio-temporal dataset; 2) Multi-sourced and multi-dimensional representation theory and spatio-temporal data modeling, to construct a unified semantic description model for location big data; 3) Mining urban hotspots regions based on big location data, and discovering changes of space and time, time and space distribution of traffic flow and attraction of hotspots regions; 4) further mining modes and features of residents travel activities, and master periodic rules and frequent patterns of residents' travel activities. Achievements of this project will be applied to these fields, including transport planning, transport management, public facilities planning, land value assessment, incidents emergency evacuation.

近年来，随着感知技术和计算环境的成熟，由地理数据、车辆GPS轨迹、手机定位数据和用户“签到”记录等所构成的位置大数据已成为感知人类社群活动规律、构建智慧城市的重要战略性资源。本项目基于多种位置大数据，结合城市路网、POI等地理参考信息，研究面向位置大数据的质量控制、语义模型、数据融合、特征关联和协同挖掘的理论、技术和方法。拟从四个方面展开：1）位置大数据质量评估的理论与方法，提供高质量的时空数据集；2）位置大数据的多维度表示理论与模型研究，建立时空数据的统一语义描述模型；3）基于位置大数据的城市热点区域挖掘，发现热点区域的时空变迁、客流量时空分布和客流吸引力等情况；4）基于位置大数据的居民出行活动时空模式挖掘，掌握出行活动的周期模式和频繁模式。项目成果可应用于城市的交通规划、交通运营管理、公共设施规划、土地价值评估，突发事件的紧急疏散等领域。

近年来，随着感知技术和计算环境的成熟，由地理数据、车辆GPS轨迹和用户“签到”记录等所构成的位置大数据已成为感知人类社群活动规律、构建智慧城市的重要战略性资源。本项目基于多种位置大数据，结合城市路网、POI等地理参考信息，研究面向位置大数据的质量评估、语义模型、数据融合、特征关联和协同挖掘的理论、技术和方法。主要研究内容为：1. 位置大数据质量评估的理论与方法；2. 位置大数据的多维度表示理论与模型研究，此外，解决数据稀疏性问题；3. 基于位置大数据的城市热点区域挖掘，发现热点区域的时空变迁和吸引力等情况；4. 基于位置大数据的居民出行活动时空模式挖掘，掌握出行活动的频繁模式。. 本项目的重要成果包括：1. 建立了一个面向数据融合的多源位置大数据质量测度框架，提出了基于层次分析法的位置数据评估算法。2. 利用签到数据和POI数据的时空相关性，将签到数据补全建模为耦合矩阵和张量分解模型，采用改进后的基于梯度的一阶优化方法来恢复缺失数据，解决了签到数据的稀疏性问题。3. 利用融合后的POI数据、GPS轨迹数据和带有语义的签到数据构建居民出行模式，采用Node2vec图嵌入方法学习城市区域的矢量表示，实现了城市功能区的发现。4. 针对多源位置数据在融合时出现的数据不平衡现象，提出了一个面向多源位置数据融合的城市热点区域挖掘算法。5．设计了一套可行的热点区域量化分析方法。构建热点区域吸引力指数来评估热点区域对城市居民的吸引力程度。6．提出了一种新颖的城市人群出行热点路径的挖掘算法，该算法利用轨迹数据的全局特征和局部特征来构建新的相似度度量标准；此外，一个基于图模型的新颖算法被提出来挖掘居民在不同功能区出行时所形成的频繁关联模式。本项目的研究成果将为昆明市交通管理，道路规划，公共设施选址和评价，事故突发应急部门提供针对人群流动性研究的新方法和新技术。