时空数据挖掘
时空数据挖掘的相关文献在2004年到2022年内共计95篇,主要集中在自动化技术、计算机技术、测绘学、无线电电子学、电信技术
等领域,其中期刊论文87篇、会议论文4篇、专利文献575833篇;相关期刊63种,包括南京师大学报(自然科学版)、地理科学进展、地理信息世界等;
相关会议4种,包括第四届中国软件工程大会、第三届中国国际数字城市建设技术研讨会、第二十一届中国数据库学术会议等;时空数据挖掘的相关文献由272位作者贡献,包括包磊、刘大有、吉根林等。
时空数据挖掘—发文量
专利文献>
论文:575833篇
占比:99.98%
总计:575924篇
时空数据挖掘
-研究学者
- 包磊
- 刘大有
- 吉根林
- 廖律超
- 杨博
- 邓敏
- 仇培元
- 刘启亮
- 刘瑜
- 刘道伟
- 刘长赟
- 刘际明
- 吕明琪
- 吴建平
- 周丽华
- 唐世渭
- 娄信强
- 孙仁诚
- 尹琦明
- 廖超明
- 张东霞
- 张健钦
- 张博
- 张帆
- 张育平
- 张英
- 徐薇
- 朱朝阳
- 朱递
- 李乐飞
- 李卫红
- 杜明义
- 杨乐
- 杨冬青
- 杨宇迪
- 杨建宁
- 段炼
- 牛兴雯
- 王佳璆
- 王继业
- 王腾蛟
- 田臣
- 白媛
- 白雪
- 皮德常
- 秦晓辉
- 罗俊
- 蒋夏军
- 贾佳
- 赵丽红
-
-
郑渤龙;
明岭峰;
胡琦;
方一向;
郑凯;
李国徽
-
-
摘要:
随着移动互联网的快速发展,许多利用手机App打车的网约车平台也应运而生.这些网约车平台大大减少了网约车的空驶时间和乘客等待时间,从而提高了交通效率.作为平台核心模块,网约车路径规划问题致力于调度空闲的网约车以服务潜在的乘客,从而提升平台的运营效率,近年来受到广泛关注.现有研究主要采用基于值函数的深度强化学习算法(如deep Q-network,DQN)来解决这一问题.然而,由于基于值函数的方法存在局限,无法应用到高维和连续的动作空间.提出了一种具有动作采样策略的执行者-评论者(actor-critic with action sampling policy,AS-AC)算法来学习最优的空驶网约车调度策略,该方法能够感知路网中的供需分布,并根据供需不匹配度来确定最终的调度位置.在纽约市和海口市的网约车订单数据集上的实验表明,该算法取得了比对比算法更低的请求拒绝率.
-
-
樊勇;
刘琼欢;
黄小巾;
李敏敏;
贺彪;
郭文华;
王彦坤
-
-
摘要:
基于手机信令数据,以常住人口为研究对象,以区县为基本单元,刻画中国人口的分布特征,分析中国人口集聚程度和流动特点,探索中国人口空间分布的影响因素。研究发现:中国人口空间格局呈现出南方、东部地区及长三角城市群高集聚度的基本特征;流动人口主要分布在“胡焕庸”线东南侧,向核心城市和城市群集中,呈片状分布格局;经济规模、平均收入水平、第三产业占比和交通联通度对于区域人口的流入具有正向促进作用。
-
-
黎嵘繁;
钟婷;
吴劲;
周帆;
匡平
-
-
摘要:
山体滑坡每年都会对人们的生命财产安全造成重大损失,是常见的地质灾害之一。为了对山体滑坡进行防控,需要广泛地监测山体表面的沉降过程,但是由于恶劣气候和监测成本等难以克服的困难,山体沉降数据的收集呈现出局部数据不完整、数据采样不均衡和监测点动态变化等特点,使得山体滑坡的防控研究受到阻碍,给数据的采集和分析工作提出了新的要求。现有方法从空间角度对缺失进行补充,但忽略了时间维度的依赖关系。为了解决上述问题,对不完整的INSAR数据填充进行了研究,利用时空掩码矩阵对时空依赖关系进行建模,利用多头注意力对多层次的空间关系进行综合学习,并在克里金法(Kriging)的基础上提出了新的使用时空注意力的克里金插值法,实现了对复杂时空特征的深层理解。在真实数据集上的数据恢复实验验证了该算法可以有效地学习复杂的时空特征,并在3种不同的数据缺失情景下都取得了优于现存插值算法的表现。
-
-
罗思涵;
杨燕
-
-
摘要:
出行时间预测是智慧交通系统中的一项基本任务,因其时空关系复杂且易受到外部因素影响而充满了挑战性.为了获得准确的预测结果,提出一种将深度学习与元学习结合进行出行时间预测的方法 .该方法由时空网络模型和元学习框架组成,时空网络模型利用卷积神经网络和门控循环单元同时对轨迹及周边区域的交通状况进行时空信息的提取,元学习框架则用于从其他城市学习时空网络模型的通用初始化参数,并将其应用在目标城市中.在两个真实数据集上进行了实验,实验结果证明提出的方法优于现有方法 .
-
-
陈波;
詹明强;
黄梓莘
-
-
摘要:
库岸边坡失稳会对工程自身效益和周边安全造成巨大损失,而位移监测数据可以直接表征库岸边坡安全状况。传统变形位移分析一般仅考虑单个监测点,不同监测点之间位移的相似性和关联性有待挖掘。基于时空数据挖掘领域的聚类方法,综合考虑测点属性和空间特征,采用K-means算法度量测点间的相似程度,实现变形区域划分;在变形区域划分基础上,采用遗传算法优化的投影聚类算法,将高维数据向低维空间映射,通过提取测点数据特征,筛选得到重点关注的测点和压缩数据量。经实例工程数据验证,时空聚类挖掘方法便捷、有效,逐步实现了边坡位移监测数据约简,可用于类似库岸边坡的监测数据挖掘。
-
-
张翔宇;
张强;
吕明琪
-
-
摘要:
随着全球定位系统(GPS)等定位设备的普及,用户可方便地记录其GPS轨迹,这使得自动从用户的GPS轨迹中发现兴趣地点(POI)(如餐厅、商场、景点)并在用户之间进行推荐成为可能.因此,本文提出了一种基于GPS轨迹挖掘的兴趣地点个性化推荐方法.该方法与现有主流的兴趣地点推荐平台具有以下不同:首先,现有平台假设兴趣地点是事先已知的,而该方法通过一个层次化聚类算法从用户GPS轨迹中自动挖掘兴趣地点.其次,现有平台的推荐模式为平台向用户推荐,因此仅考虑了用户的偏好,忽略了用户之间的社交关联对推荐效果的影响.针对此问题,该方法基于用户交叠访问行为计算用户之间的社交信任度,基于用户访问行为的相似性计算其对兴趣地点偏好的相似度,在此基础上提出了一种能够融合用户信任度和相似度的评分算法.文本基于真实GPS轨迹数据对提出的方法进行了评测,实验结果表明,本文所提方法的综合推荐性能明显优于简单的基于访问数量的推荐方法、仅基于用户信任度的推荐方法及仅基于偏好相似度的推荐方法.
-
-
曹翰林;
唐海娜;
王飞;
徐勇军
-
-
摘要:
基于地理位置信息的应用和服务的迅速发展,对轨迹数据挖掘提出了新的需求和挑战.原始轨迹数据通常是由坐标-时间戳元组构成的有序序列,而现有的大多数数据分析算法均要求输入数据位于向量空间中.因此,为了将轨迹数据从变长的坐标-时间戳序列转化成定长的向量表示且保持原有的特征,对轨迹数据进行有效的表示是十分重要且必要的一步.传统的轨迹表示方法大多是基于人工设计特征,通常仅将轨迹表示作为数据预处理的一部分.随着深度学习的兴起,这种从大规模数据中学习的能力使得基于深度学习的轨迹表示方法相比于传统方法取得了巨大的效果提升,并赋予了轨迹表示更多的可能性.对轨迹表示领域中的研究进展进行了全面的总结,将轨迹表示按照研究对象的不同尺度,归纳为对轨迹单元的表示和对整条轨迹的表示两大类别,并在每种类别下对不同原理的方法进行了对比分析.其中重点分析了基于轨迹点的表示方法,也对近年来广泛使用的基于神经网络的轨迹表示的研究成果做了系统的归类.此外,介绍了基于轨迹表示的关键应用,最后对轨迹表示领域的未来研究方向进行了展望.
-
-
林振宇;
解吉波;
杨腾飞;
刘战;
赵静
-
-
摘要:
面向旅游社交媒体大数据的分析和挖掘,该文提出一种旅游领域多主题情感词典的构建方法:首先,通过自然语言处理、机器学习,快速提取景区评价数据中旅游主题及其情感倾向,然后基于旅游多主题字典定义覆盖景区9类主题及细粒度种子主题词,最后针对景区情感倾向分析问题,根据词共现模型筛选与主题词典构成搭配的情感词,构建面向旅游领域的多主题情感词典。以海南省A级景区为例,基于上述构建的旅游领域多主题情感词典和景区网络关注度计算结果,对游客评论文本进行信息挖掘,并进一步结合GIS时空数据挖掘及网络关注度分析等方法,分析研究区域旅游景区游览信息的时空分布特征。结果表明,该文方法能有效监测景区各项主题的好评程度时空变化,验证了该方法的实用性和有效性。
-
-
刘世泽;
秦艳君;
王晨星;
苏琳;
柯其学;
罗海勇;
孙艺;
王宝会
-
-
摘要:
针对多步交通流量预测任务中时间空间特征提取效果不佳和预测未来时间交通流量精度低的问题,提出一种基于长短时记忆(LSTM)网络、卷积残差网络和注意力机制的融合模型.首先,利用一种基于编解码器的架构,通过在编解码器中加入LSTM网络来挖掘不同尺度的时间域特征;其次,构建基于注意力机制挤压激励(SE)模块的卷积残差网络嵌入到LSTM网络结构中,从而挖掘交通流量数据中的空间域特征;最后,将编码器中获得的隐状态下的信息输入到解码器中,实现高精度多步交通流量的预测.基于真实交通数据进行实验测试和分析,实验结果表明,相较于原始的基于图卷积的模型,所提模型在北京和纽约两个交通流量公开数据集上的均方根误差(RMSE)分别获得了1.622和0.08的下降.所提模型能够高效且精确地对交通流量作出预测.
-
-
杨井荣;
柳军
-
-
摘要:
在众多数据挖掘的方法中,用来分析事物之间内在关系的挖掘方法是关联规则挖掘方法.从三个维度来描述时空大数据,这三个维度体现在时间、空间、专题方面,把三个维度的数据结合在一起,使其具有更新快速,多源、海量的综合特点.具有动态性、多维性等复杂因素的时空数据由于内在的关联关系成为数据挖掘的一个新的研究方向.时空数据包含对象、过程、事件在空间、时间、语义等方面的关联关系.目前来说,关于时空数据的关联规则挖掘主要集中于时空数据的多维性研究,然而却缺乏对时空数据自身动态增长性的研究.文中首先介绍了时空数据、数据挖掘中的关联规则算法和个性化推荐算法的相关理论.对常用的关联规则算法FP-Growth、有序树(CAN-tree)、Apriori,在详细研究的基础上,进行了系统的分析.针对时空数据挖掘中的增量问题,提出了一种基于堆有序树的时空关联规则算法.按照两步走的思路对算法进行设计:第一步操作是时空数据的赋初值操作,时空数据的空间信息及时间信息首先被提取出来,再按区域对空间数据进行划分,并按时间衰减化对时间信息进行计算,对待处理的事务各项进行扩展.第二步操作利用有序树的数据结构对上一步初始化完成后的事务各项进行关联规则的挖掘.最后一步进行实验设计,实验的对比分析主要集中在两方面,在空间划分区域的级别上与增量数量的粒度上进行,算法的有效性得以验证.
-
-
-
张英;
邵峰晶;
孙仁诚
- 《第四届中国软件工程大会》
| 2007年
-
摘要:
针对当前时空数据挖掘中常用数据模型具有较强应用指向性,通用性不强的问题,基于面向对象建模的思想,提出一种属性特征与时空关系一体化的时空数据模型,定义并详细给出了该模型的元素组成、信息范畴及元素间的相互关系,并以城市规划中地区建设变化为例验证此数据模型的有效性。
-
-
Changyun Liu;
刘长赟;
Yudi Yang;
杨宇迪;
Lihua Zhou;
周丽华;
Lihong Zhao;
赵丽红
- 《第六届中国计算机学会大数据学术会议》
-
摘要:
流行社交位置是指大多数人日常生活中经常访问的位置,其广泛应用于推荐系统、定向广告应用等领域.随着基于位置的社交网络(Location-Based Social Network,LBSN)的迅速发展,流行社交位置的挖掘成为时空数据挖掘中的一个重要的研究热点.然而,现有的研究主要是从LBSN中挖掘流行社交位置,忽略了流行社交位置的时间因素,因此,文中提出了带有时间标签的流行社交位置发现算法.该算法首先量化LBSN数据集中的时间信息,得到个体用户带有时间标签的频繁社交位置集合,然后计算这些带时间标签的位置在群体用户中的流行度,并识别符合要求的带时间标签的流行社交位置.实验结果表明,该算法能够较为准确的发现带有时间标签的流行社交位置.
-
-
牛兴雯;
杨冬青;
唐世渭;
王腾蛟
- 《第二十一届中国数据库学术会议》
| 2004年
-
摘要:
本文利用数据挖掘技术从移动用户的时空行为轨迹当中挖掘用户移动序列模式,在移动通信、交通管理、基于位置服务等领域有着广泛的应用前景,由于移动环境网络资源珍贵、数据量大的特点,传统的序列模式挖掘方法在效率上很难满足需求,OSAF-tree算法基于投影的概念,只需要对数据库进行一遍扫描,就可以很好地处理移动序列模式的挖掘及其增量更新和迭代挖掘问题,这是一个非常高效的算法,与已有的方法相比,OSAF-tree算法在性能和I/O代价等方面都具有明显的优势。
-
-
牛兴雯;
杨冬青;
唐世渭;
王腾蛟
- 《第二十一届中国数据库学术会议》
| 2004年
-
摘要:
本文利用数据挖掘技术从移动用户的时空行为轨迹当中挖掘用户移动序列模式,在移动通信、交通管理、基于位置服务等领域有着广泛的应用前景,由于移动环境网络资源珍贵、数据量大的特点,传统的序列模式挖掘方法在效率上很难满足需求,OSAF-tree算法基于投影的概念,只需要对数据库进行一遍扫描,就可以很好地处理移动序列模式的挖掘及其增量更新和迭代挖掘问题,这是一个非常高效的算法,与已有的方法相比,OSAF-tree算法在性能和I/O代价等方面都具有明显的优势。
-
-
牛兴雯;
杨冬青;
唐世渭;
王腾蛟
- 《第二十一届中国数据库学术会议》
| 2004年
-
摘要:
本文利用数据挖掘技术从移动用户的时空行为轨迹当中挖掘用户移动序列模式,在移动通信、交通管理、基于位置服务等领域有着广泛的应用前景,由于移动环境网络资源珍贵、数据量大的特点,传统的序列模式挖掘方法在效率上很难满足需求,OSAF-tree算法基于投影的概念,只需要对数据库进行一遍扫描,就可以很好地处理移动序列模式的挖掘及其增量更新和迭代挖掘问题,这是一个非常高效的算法,与已有的方法相比,OSAF-tree算法在性能和I/O代价等方面都具有明显的优势。
-
-
牛兴雯;
杨冬青;
唐世渭;
王腾蛟
- 《第二十一届中国数据库学术会议》
| 2004年
-
摘要:
本文利用数据挖掘技术从移动用户的时空行为轨迹当中挖掘用户移动序列模式,在移动通信、交通管理、基于位置服务等领域有着广泛的应用前景,由于移动环境网络资源珍贵、数据量大的特点,传统的序列模式挖掘方法在效率上很难满足需求,OSAF-tree算法基于投影的概念,只需要对数据库进行一遍扫描,就可以很好地处理移动序列模式的挖掘及其增量更新和迭代挖掘问题,这是一个非常高效的算法,与已有的方法相比,OSAF-tree算法在性能和I/O代价等方面都具有明显的优势。
-
-
牛兴雯;
杨冬青;
唐世渭;
王腾蛟
- 《第二十一届中国数据库学术会议》
| 2004年
-
摘要:
本文利用数据挖掘技术从移动用户的时空行为轨迹当中挖掘用户移动序列模式,在移动通信、交通管理、基于位置服务等领域有着广泛的应用前景,由于移动环境网络资源珍贵、数据量大的特点,传统的序列模式挖掘方法在效率上很难满足需求,OSAF-tree算法基于投影的概念,只需要对数据库进行一遍扫描,就可以很好地处理移动序列模式的挖掘及其增量更新和迭代挖掘问题,这是一个非常高效的算法,与已有的方法相比,OSAF-tree算法在性能和I/O代价等方面都具有明显的优势。
-
-
牛兴雯;
杨冬青;
唐世渭;
王腾蛟
- 《第二十一届中国数据库学术会议》
| 2004年
-
摘要:
本文利用数据挖掘技术从移动用户的时空行为轨迹当中挖掘用户移动序列模式,在移动通信、交通管理、基于位置服务等领域有着广泛的应用前景,由于移动环境网络资源珍贵、数据量大的特点,传统的序列模式挖掘方法在效率上很难满足需求,OSAF-tree算法基于投影的概念,只需要对数据库进行一遍扫描,就可以很好地处理移动序列模式的挖掘及其增量更新和迭代挖掘问题,这是一个非常高效的算法,与已有的方法相比,OSAF-tree算法在性能和I/O代价等方面都具有明显的优势。