复杂空间对象的轨迹建模与模式挖掘

The complex trajectory is defined to abstract the movement of those dynamic geographical phenomena which usually split or merge. This projection will focus on the modeling and data mining research with Complex Dynamic Geographical Phenomena based on the latest research of spatial-tempporal data model in GIS 、spatial data mining and graphy theory ..The main research contents have four parts: (1) Seeks to develop an innovative representation model to present trajectories of complicated processes based on the fusion of GIS spatial-temporal evolution models and graph database techniques within Hagerstrand’s time-geography framework;(2)Utilize spatial-temporal data mining methods to analyze migration patterns of individual trajectories, which usually show splitting, joining, and merging events. This research project seeks to develop a multilevel method to cluster trajectories as a whole and as segments and based on their internal structures, respectively. (3)Individual trajectories usually vary in a space-time context and may even show inner loop movement. This study seeks to significantly expand and improve the STPMine (Cao et al., 2007) method to better reveal the multi-granularity and periodic migration patterns of complicated trajectories.(4)The representation model and data mining methods were then tested by examining the migration trajectories of mesoscale ocean eddies with a purpose to quantitatively unveil their migration patterns.

从地学动态现象内蕴复杂空间对象（如涡旋、降雨、气团等）轨迹演化特征入手，基于时间地理学、GIS时空模型、图数据库、轨迹数据挖掘最新研究成果，开展复杂空间对象轨迹建模与模式挖掘研究，揭示其演化特征与集群模式。主要内容：（1）基于Hagerstrand时间地理模型轨迹表达，融合GIS时空演化模型与图数据库技术，开展复杂过程轨迹的表达模型研究；（2）基于数据挖掘和个体行为模式研究成果，针对复杂轨迹的分裂与合并、交叉与融合等变化关系，开展考虑“轨迹整体-轨迹局部-轨迹结构”多层次时空聚类方法研究。（3）基于个体轨迹内部循环及时空伴随模式的研究成果，针对复杂空间对象演化轨迹周期模式的不定长、动态模糊等特性，扩展Cao等（2007）的STPMine算法，开展“轨迹内部-轨迹之间”多粒度周期性模式挖掘研究；（4）基于上述模型及方法，面向海洋中尺度涡旋，开展轨迹表达模型模式挖掘算法实验，揭示其运动规律

本项目以地球信息科学、数据挖掘、时间地理学等学科理论和技术方法为指导，以复杂对象海洋涡旋的移动轨迹为例，提出了复杂轨迹的概念，构建了一套复杂轨迹要素特征分析、相似性度量、丛聚模式和周期模式挖掘的新理论和方法体系，从运移特性理解以海洋涡旋为代表的复杂现象移动过程的时空演化机理。主要包括4个方面的研究内容：（1）复杂轨迹要素特征分析，即轨迹点要素的特征挖掘、复杂轨迹移动特性的活动参数分析法、基于社区网络划分方法的复杂轨迹区域面的交互与流向分析。（2）提出了复杂轨迹拓扑结构相似性度量算法CSM，该方法能够挖掘复杂轨迹之间的同构模式、子轨迹同构模式以及所有部分子轨迹同构模式，从而最大程度地度量复杂轨迹之间的相似性。结果表明，提出的CSM方法比VF2算法更全面，比图编辑距离方法更高效、更具有普适性。CSM方法不仅能够很好的识别与已有研究中的典型轨迹ACE3相似的轨迹，而且发现这些结构相似的轨迹每年周期性地产生并横穿或位于18°N带附近，可以为研究该区域涡旋的垂直结构的学者提供一定的参考和借鉴。（3）提出了基于复杂轨迹全局相似性GSMCT的层次聚类算法，挖掘拓扑结构相似的轨迹在空间上的聚集模式。在应用中发现了暖涡、冷涡复杂轨迹在南海区域存在四种丛聚模式。越南外海东南区域的复杂轨迹的移动特征是整个南海区域最复杂的，并且位于南海的最北部和最南端的两类存在相反模式的丛聚特征。这在一定程度上反映了南海南北区域可能存在隐含的相反物理机制，有助于为海洋领域研究涡旋物理机制和数值模拟的学者提供规律性的参考和借鉴。（4）提出了复杂轨迹结构演变的周期模式挖掘方法PPSE，挖掘涡旋复杂轨迹结构演变的最大、最频繁模式LFP，并基于LFP模式发现潜在的周期行为。研究结果揭示了南海涡旋复杂轨迹结构演化的最大、最频繁模式的17-24年循环周期的7个移动通道，并通过流场数据进一步验证了这些移动通道也是有利于频繁产生中尺度涡的高流速区域。