基于行为模式的移动通信网络社交群体可视分析研究

The main goal of this proposal is to solve some key problems about human behavior analysis based on mobile communication data by combining data mining and visual analytics techniques. This proposal included four main research contents as follows: (1) The social behavior model based on complex network clustering algorithm is studied to construct a social colony association system structure of mobile communication network; (2) Social groups patterns and intimacy among users are explored by using the visual analysis techniques for mobile communication users origin-destination and space trajectory; (3) To enhance the efficiency of visual cognitive, dimensionality reduction interaction, incremental steady-state layout and collaborative interface design are discussed in this proposal; (4) Shared memory parallel computing and multi-resolution display method are also studied and applied to improve drawing efficiency. The accomplishment of this scientific research will provide an effective visual analytics solution for human activity understanding.

本项目面向移动通信网络用户通话记录数据，结合数据挖掘与可视分析技术解决移动通信网络数据社交群体挖掘与行为分析流程中的关键难点问题，探索构建基于行为模式的移动通信网络社交群体可视分析流程。主要研究内容包括：（1）研究基于复杂网络聚类算法，挖掘用户社会行为模型，构建移动通信网络社交群体关联体系架构；（2）通过移动通信网络OD可视分析和宏观轨迹可视预测方法探究用户出行模式，挖掘用户与社交群体亲密度，实现社交群体态势可视分析；（3）研究采用降维过滤交互、增量式稳态布局以及协同界面设计，有效提升可视化绘制认知效率；（4）研究基于内存迭代并行计算框架与多分辨率显示方法，提高可视化绘制效率。通过挖掘关键用户与社交团体的关联关系，分析关键用户潜在的社交关系网络，为分析用户行为特征提供可视化手段，为及时监控超大规模社交团体异常事件提供理论和技术支撑。

本项目结合数据挖掘与可视分析技术，解决移动通信网络社交群体挖掘与行为分析流程中存在的关键问题，重点开展了通信网络的社交群体发现、大规模图布局和可视分析的新方法、新技术研究，并探索构建了基于用户行为模式的移动通信网络社交群体可视分析框架。针对大规模通信网络社交群体自动发现和高效绘制的需求，提出了基于社区探测的层次自适应大规模网络布局算法，算法在布局效率明显提升的同时，能清晰刻画社团内部细节，此算法可泛化应用于其它包含大规模节点和连边的网络群体挖掘分析，为大规模网络的群体研究提供基础算法支撑；基于移动通信数据所蕴含的丰富的多维度时空和关联信息，提出了基于区域语义分析和层次聚类算法的城市移动模式模型，提出了基于轨迹聚类和降维技术的用户活动模式分析模型，并采用多视图协同交互设计实现智能模型和用户之间的闭环，构建起了交互式的群体态势可视分析框架；基于前述静态算法和分析框架，设计了一种新的动态网络增量式稳态布局策略，在维护用户意境地图的同时，使布局结果拥有较高的质量，实验表明该成果可有效提升用户对时变动态网络的认知效率；同时，针对大规模通信网络绘制的效率提升难题，设计了面向大规模复杂网络布局的异构并行架构，以进一步提升算法的时间性能，这对大规模网络布局研究具有很好的应用价值；最后，在前期通信网络移动模式可视分析大量研究实践的基础之上，设计和实现了一套通用的针对轨迹数据的可视分析软件，软件开发了数据流模型用于交互式构建轨迹数据可视化，使用基于异构网络的向导推荐模型辅助构建数据流图，可支撑轨迹数据聚类分析、相关性分析和异常检测。.项目执行期间，完成了全部预期目标，且部分超出了预期目标。共发表学术论文37篇，其中SCI收录6篇，EI 论文15篇，CCF C类以上（含）期刊论文及会议论文 18 篇；发表国际会议论文6篇；获得计算机软件著作权4项；开发可视化软件包2套，通用时空数据分析软件包1套；培养可视化领域博士生1名，研究生10名。