基于轨迹数据的移动对象运动模式挖掘与可视化分析研究

基于轨迹数据的移动对象运动模式挖掘与可视化分析研究

论文摘要

位置获取技术和各种服务的快速发展使得研究人员能够获取大量的关于多个移动对象的运动数据,因此,可以使用大量的运动数据来分析各种现象。探索移动对象的时空运动模式、行为特征和过程是当前重要的研究课题,尤其的一个关键难题是:分析和可视化关于多个移动对象的大型运动数据集,以从高维度和复杂的大型数据集中挖掘隐藏的时空运动模式、行为特征和有用的信息及知识。这是由各种应用中的实际需求驱动的,例如基于位置的服务(如导航辅助和广告投放)、社会学研究(如人类行为的分析)、交通管理(如车辆及行人的交通管制)、执法(如针对犯罪活动的录像监控)、物理分析(如粒子运动规律的探索)、天气预报(如飓风轨迹预测和风险分析)、动物保护(如濒危动物种群的追踪)和物流管理等。由于移动对象的多样性和复杂性、数据的快速增长以及来自各种现实应用的需求驱动,针对移动对象运动数据的分析和建模已成为GIS学科面临的重要难题。一般来说,这些运动数据的挖掘和分析过程需要结合数据提取、分析、统计建模和地理可视化的定量定性方法。随着大量的运动数据变得可用,运动数据的视觉探索成为一项具有挑战性的任务。可视化这些数据往往会产生混乱和难以理解的图像,需要伴随着复杂的过滤、简化或者聚合过程。因此,需要进一步的探索和研究,特别是开展时空分析、聚合计算建模和可视化研究,推动从大型复杂的轨迹数据集中挖掘有用的信息和知识的方法和实践的发展。本研究选择在三维空间、三维时间-空间维以及三维地理空间中,结合现有的运动数据分析与可视化技术,开发新的轨迹数据分析方法,建立不同聚合计算模型和分析算法对运动数据开展运动模式挖掘和可视化分析研究。这项工作旨在为现有的移动对象的时空/空间分析和建模研究做出贡献,主要研究内容与成果如下:(1)系统介绍了一系列与运动数据分析相关的基础理论和知识。主要包括:移动对象及运动轨迹、时间地理学框架、三维地理空间立方体、运动数据的定量分析方法、运动数据的定性可视化技术以及三维地图代数与多维地图代数等概念。(2)基于现有技术,研究了二维空间中运动数据分析的计算模型和聚合方法。对于少量的运动数据,可以直接使用基于轨迹的可视化表示。对于大型且复杂的轨迹数据集,需要适当的聚合计算方法以提取关于移动现象的有用信息和知识。二维空间中的内核聚合技术已经相当成熟,现有的运动数据的内核聚合计算方法主要分为两类:1)空间点模式方法,包括2D点内核密度估计和基于网格的方法。2)2D线段内核密度估计方法(连续模型),包括时间-地理内核、布朗桥内核和方向内核。(3)研究了时间地理学框架下时空轨迹的时间-空间聚合新方法。主要分为三个部分:1)提出新的时空密度估计方法-堆叠时空密度,其考虑空间和时间信息,以便从空间维和时间维上表示移动对象的时空模式和过程。2)案例研究中,将堆叠时空密度算法应用于国内某矿山的运输卡车的30天的运动数据,以视觉的识别车辆运动行为和模式如何在空间和时间上分布。(4)研究了基于三维空间密度的轨迹运动描述符的定量分析和定性可视化。包括两个部分内容,1)定量分析和定性可视化方法:①在定量分析方面,包括:a.基于单个运动描述符描述运动特征;b.基于多个运动描述符的数学运算在三维地理空间(x-y-z)中引入一项新的运动定量描述指标-4D时间密度,并且提供一种新颖的方法推导这种量化指标。②在定性可视化方面,基于体积可视化技术(直接体绘制、体积剪切面和等值面)实现空间密度体积的三维可视化。2)通过模拟数据演示4D时间密度算法的计算原理和建立过程,并实现运算结果的一些基本可视化。(5)通过定性可视化技术实现密度体积的三维可视化。涉及两个案例分析:1)基于轨迹运动描述符的空间密度在香港国际机场和澳门国际机场起降航班的飞行轨迹上的应用。实验结果表明,大量航班飞行的运动模式和特征可以定量和定性地描述。2)通过传统时空密度与堆叠时空密度的比较,对二者的可视化效果和计算效率对比。3)2D内核密度估计、堆叠时空密度算法和4D时间密度算法的评估对比。研究、比较和可视化不同模型在描述物体的运动模式和特征在空间和时间分布方面的差异。

论文目录

  • 摘要
  • Abstract
  • 1 引言
  •   1.1 选题背景与研究意义
  •   1.2 国内外研究现状
  •     1.2.1 运动数据的分析技术、计算模型和方法的研究现状
  •     1.2.2 轨迹数据的运动模式挖掘的研究现状
  •     1.2.3 轨迹数据的可视化研究现状
  •   1.3 关键问题及内容结构
  •     1.3.1 关键问题
  •     1.3.2 内容结构
  •   1.4 本章小结
  • 2 运动数据分析的基础理论
  •   2.1 移动对象及运动轨迹
  •   2.2 时间地理学框架
  •   2.3 三维地理空间立方体
  •   2.4 运动数据的定量分析方法
  •     2.4.1 定量分析方法介绍
  •     2.4.2 轨迹的运动描述符
  •     2.4.3 定量分析方法的相关研究
  •     2.4.4 定量分析方法的扩展
  •   2.5 运动数据的定性可视化分析方法
  •     2.5.1 直接体绘制
  •     2.5.2 体积剪切面
  •     2.5.3 等值面方法
  •   2.6 三维地图代数与多维地图代数
  •     2.6.1 地图代数介绍
  •     2.6.2 三维地图代数
  •     2.6.3 多维地图代数
  •   2.7 本章小结
  • 3 二维空间中运动数据分析的聚合计算方法
  •   3.1 二维空间中的轨迹和基于场的表示
  •   3.2 空间点模式方法
  •     3.2.1 二维点内核密度估计
  •     3.2.2 基于网格的方法
  •   3.3 二维线段内核密度估计(连续模型)
  •     3.3.1 时间-地理密度估计
  •     3.3.2 布朗桥运动模型
  •     3.3.3 方向内核
  •   3.4 本章小结
  • 4 基于时间地理学框架的时空轨迹的时间-空间聚合方法
  •   4.1 问题提出
  •   4.2 轨迹的堆叠时空密度算法
  •     4.2.1 内核区域的建立
  •     4.2.2 轨迹段上的体素层建立
  •     4.2.3 体素层内的密度衰减
  •     4.2.4 堆叠时空密度体积生成
  •   4.3 案例研究
  •     4.3.1 数据描述与车辆运行特征介绍
  •     4.3.2 车辆运动的时空模式和特征的挖掘
  •     4.3.3 时空热点和仅空间热点识别
  •   4.4 本章小结
  • 5 基于三维空间密度的轨迹运动描述符的定量分析和定性可视化
  •   5.1 问题提出
  •   5.2 轨迹的4D时间密度算法
  •     5.2.1 从点记录生成轨迹曲线
  •     5.2.2 确定合适的立方体单元格大小
  •     5.2.3 归一化路径长度的计算
  •     5.2.4 聚合速度值的计算
  •     5.2.5 时间密度的计算
  •   5.3 模拟轨迹的4D时间密度及其可视化
  •   5.4 基于单个轨迹运动描述符的空间密度
  •   5.5 本章小结
  • 6 案例分析
  •   6.1 航班轨迹的基于运动描述符的空间密度
  •     6.1.1 研究区域
  •     6.1.2 数据描述
  •     6.1.3 案例实验部分
  •   6.2 不同计算模型和分析方法之间的评估对比
  •     6.2.1 堆叠时空密度和传统时空密度的比较
  •     6.2.2 2D内核密度、堆叠时空密度和4D时间密度的比较
  •   6.3 本章小结
  • 7 结论与展望
  •   7.1 论文的主要工作和成果
  •   7.2 研究创新点
  •   7.3 研究展望
  • 参考文献
  • 致谢
  • 作者简介
  • 文章来源

    类型: 博士论文

    作者: 邹业斌

    导师: 陈宜金

    关键词: 运动轨迹数据,内核密度估计,堆叠时空密度,时间密度,三维空间密度

    来源: 中国矿业大学(北京)

    年度: 2019

    分类: 基础科学,信息科技

    专业: 自然地理学和测绘学,计算机软件及计算机应用

    单位: 中国矿业大学(北京)

    分类号: TP311.13;P228.4

    DOI: 10.27624/d.cnki.gzkbu.2019.000153

    总页数: 123

    文件大小: 9601K

    下载量: 49

    相关论文文献

    • [1].路网上基于时空锚点的移动对象群体和个体运动监测方法[J]. 计算机科学 2020(11)
    • [2].方向感知的路网移动对象范围查询算法[J]. 计算机科学 2018(11)
    • [3].面向城市交通应用的移动对象聚类算法比较研究[J]. 地理与地理信息科学 2016(06)
    • [4].时间区间上的不确定移动对象距离范围查询[J]. 计算机系统应用 2017(02)
    • [5].移动对象时空方向关系建模[J]. 遥感信息 2017(01)
    • [6].不确定移动对象的概率反向最远邻查询算法[J]. 小型微型计算机系统 2017(02)
    • [7].路网中高吞吐量移动对象实时查询算法[J]. 计算机科学 2017(03)
    • [8].基于星型传感器网络的支持多种查询的分布式交通移动对象索引[J]. 信息与电脑(理论版) 2017(01)
    • [9].基于中国观鸟数据的移动对象周期模式发现[J]. 计算机工程 2017(04)
    • [10].GAPI:GPU加速的移动对象并行索引方法[J]. 计算机科学与探索 2017(11)
    • [11].基于移动对象数据库的导航信息更新机制设计[J]. 舰船科学技术 2015(01)
    • [12].基于语义和访问权限的室内移动对象索引[J]. 计算机科学 2015(03)
    • [13].面向室内空间的移动对象数据管理[J]. 计算机学报 2015(09)
    • [14].移动对象运动方式隐私保护[J]. 华东师范大学学报(自然科学版) 2015(05)
    • [15].一种移动对象间方向与距离关系的结合推理方法[J]. 北京石油化工学院学报 2020(01)
    • [16].面向不确定移动对象的连续K近邻查询算法[J]. 模式识别与人工智能 2016(11)
    • [17].支持频繁位置更新的移动对象索引方法[J]. 地球信息科学学报 2017(02)
    • [18].路网环境下的移动对象查询技术研究综述[J]. 软件学报 2017(06)
    • [19].基于道路网络的移动对象聚类[J]. 计算机工程与应用 2016(07)
    • [20].面向频繁位置更新的不确定移动对象索引策略[J]. 计算机科学与探索 2016(11)
    • [21].不确定移动对象的查询处理技术研究综述[J]. 计算机科学与探索 2013(12)
    • [22].基于运动趋势的移动对象位置预测[J]. 通信学报 2014(02)
    • [23].移动对象时空轨迹及社交关系一体化数据模型[J]. 武汉大学学报(信息科学版) 2014(06)
    • [24].障碍空间中的移动对象位置预测[J]. 计算机科学 2014(07)
    • [25].移动对象的反向最近邻查询方法研究[J]. 齐齐哈尔大学学报(自然科学版) 2014(06)
    • [26].面向动态环境的移动对象自适应索引方法[J]. 浙江大学学报(工学版) 2013(03)
    • [27].空间网络移动对象范围监视查询算法研究[J]. 科技通报 2012(05)
    • [28].基于R树移动对象预测位置查询[J]. 科技视界 2012(14)
    • [29].路网中速度不确定移动对象的k近邻查询[J]. 小型微型计算机系统 2012(08)
    • [30].基于移动对象数据库的航行信息更新机制[J]. 上海海事大学学报 2012(03)

    标签:;  ;  ;  ;  ;  

    基于轨迹数据的移动对象运动模式挖掘与可视化分析研究
    下载Doc文档

    猜你喜欢