基于时空数据的城市人流移动模式挖掘

作     者：孙天旭 赵蕴龙 练作为 孙毅 蔡月啸 SUN Tian-xu;ZHAO Yun-long;LIAN Zuo-wei;SUN Yi;CAI Yue-xiao

作者机构：南京航空航天大学计算机科学与技术学院南京211106 软件新技术与产业化协同创新中心南京210023 

基　　金：国防基础科研计划资助(JCKY2016605B006) 江苏省“六大人才高峰”高层次人才(XYDXXJS-031) 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2020年第47卷第10期

页      码：91-96页

摘      要：随着城市的快速发展,城市中人流的管理与移动模式挖掘变得越发重要。同时,随着以群智感知为代表的各种感知技术的发展,提出了智慧城市的概念,智慧城市中的大量感知数据为人流的分析提供了可能性。在智慧城市中,时空数据是最为常见的一种数据。本文基于城市中的时空数据,首先提出一种建模方法,将不同种类的时空数据表示为人流模型;然后基于聚类的思想,通过改进传统的基于密度的聚类算法来对人流的移动模式进行挖掘,提出一种人流的移动模式聚类算法:时空密度聚类(Spatio-Temporal Density-Based Spatial Clustering of Applications with Noise,ST-DBSCAN);接着设计了一个移动模式的交通应用场景,并提出对移动模式的评价方法;最后在中国某城市的真实数据集上进行实验与分析,结果表明本文得到的移动模式结果在统一交通服务的场景下可节省25%的交通成本,验证了本文所提移动模式的有效性。

主 题 词：智慧城市 时空数据 数据挖掘 移动模式 城市人流 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 

D　O　I：10.11896/jsjkx.200100001

馆 藏 号：203986276...