顾及空间自相关特征的复杂地理空间关联模式挖掘方法

Geospatial association pattern is not only an important form of geographic knowledge, but also a main research content of geographic big data mining. The existing methods mostly focus on the simple spatial co-location patterns, i.e. the clique of point features. The limitation of existing methods is that they cannot fully consider the spatial autocorrelation（e.g. spatial clusters） and complex spatial dependence（e.g. spatial spillover effect） among various kinds of spatial features, thus failing to reveal complex spatial interaction mechanism between spatial feature and spatial context. To this end, this project focuses on the research of mining complex spatial association patterns with the consideration of spatial autocorrelation. It mainly includes three related issues. The first issue focuses on adaptive extraction and nonparametric expression of geospatial autocorrelation; the second is involved in characteristic decomposition and formalized expression of the complex geospatial associations; the third is to study statistical mining model and validity evaluation of the complex geospatial associations. The research results of this project will enrich the theories and methods of geospatial data mining and pattern discovery on the one hand and also serve as decision guidance for applications such as urban smart facilities management and urban crime prevention on the other hand.

地理空间关联模式是一种重要形式的地理知识，亦是地理大数据挖掘的主要内容之一。现有方法大多集中于挖掘“团簇型”点状要素的简单空间共生结构，未能充分考虑地理要素的空间自相关特征（如：空间聚集）与复杂空间依赖特征（如：空间溢出效应），从而难以有效揭示地理要素与地理环境间的复杂交互作用机制。为此，本项目深入研究顾及空间自相关特征的复杂地理空间关联模式挖掘模型与方法，主要包括：（1）地理空间自相关特征的自适应析取与非参数表达；（2）复杂地理空间关联模式的特征分解与形式化表达；（3）复杂地理空间关联模式统计挖掘模型与有效性评价。本项目研究成果一方面将丰富地理空间数据挖掘与模式发现的理论方法，另一方面亦将服务于城市智能设施管理、城市犯罪防控等应用领域的决策指导。

地理空间关联模式是一种重要形式的地理知识，亦是地理大数据挖掘的主要内容之一。本项目着重围绕地理空间关联模式的复杂性，着重研究（1）地理空间数据自相关特征的建模方法；（2）复杂地理空间关联模式的形式化表达模型；（3）复杂地理空间关联模式的挖掘模型与有效性评价方法，并结合典型城市犯罪进行犯罪事件分布模式、关联因子挖掘，从而揭示典型事件的犯罪场景或地理环境影响因子。项目中发展了复杂动态地理事件的时空关联模式挖掘算法、耦合空间自相关特征的犯罪事件场景挖掘算法以及典型城市犯罪事件邻近重复时空模式挖掘算法等多种算法，为地理大数据挖掘领域提供了新的理论方法模型。在研制时空关联模式挖掘新算法的同时，也结合犯罪领域，为犯罪地理学领域提供新的分析思路、方法和模型。