基于城市多源時空數(shù)據(jù)的GIS研究

基于城市多源時空數(shù)據(jù)的GIS研究

城市多源時空數(shù)據(jù)1城市多源時空數(shù)據(jù)多源時空數(shù)據(jù)浮動車智能設備手機APP數(shù)據(jù)管理分析機遇及挑戰(zhàn)個體時空行為數(shù)據(jù)涌現(xiàn)大規(guī)模（百萬、千萬、億級別）高質量（精細的時空分辨率）GIS分析方法和工具提出要求大數(shù)據(jù)（架構、平臺）實時（存儲、查詢、分析）從自然、地理現(xiàn)象到以人為中心的研究研究范式：微觀

宏觀（BottomTop）2024/11/22NGA優(yōu)先支持的地理空間研究領域（2013）Multi-sensorsfusionModelinghumanactivitiesBigGeo-DataCrowdsourcing軌跡數(shù)據(jù)（以深圳為例）地磁數(shù)據(jù)車輛GPS數(shù)據(jù)（出租車、公交車、兩危一客）卡口（車牌識別數(shù)據(jù)）公交刷卡數(shù)據(jù)出租車、公交車、兩客一危、泥頭車、重型貨車等13類行業(yè)公交車15261輛出租車33079輛危險品運輸車2144輛泥頭車9232輛重型貨車22842輛長途客車5774輛GPS數(shù)據(jù)Opendatachallenge8條境界線，22個斷面；7個高速公路出入口地磁數(shù)據(jù)深圳市共安裝了車牌識別檢測斷面（單方向）264個，主要布設于重要卡口；目前深圳市的車牌識別精度總體上約98%。車牌識別參數(shù)比較序號檢測技術交通流量占有率車速車隊長度多車道覆蓋其他參數(shù)1地磁√√**√車身長度2GPS╳*√*╳行程時間、行程速度3線圈√√**√車身長度4車牌識別√╳√╳*車牌注釋：√——直接檢測*——間接檢測

╳——不能檢測手機定位數(shù)據(jù)一天24個小時，每小時切片數(shù)據(jù)，全樣本。約1千2百萬用戶。社交網(wǎng)絡數(shù)據(jù)微博數(shù)據(jù)（新浪，千萬用戶關系）QQ數(shù)據(jù)（10萬匿名種子用戶的社交關系）室內軌跡數(shù)據(jù)數(shù)據(jù)管理2數(shù)據(jù)管理及分析框架分析挖掘個體/群體行為模式城市空間結構合理性分析設施優(yōu)化選址時空建模、可視化模型融合平臺數(shù)據(jù)車輛軌跡（出租車、客運車輛）個體軌跡（手機、公交卡）社交數(shù)據(jù)（QQ,WeiboChieck-ins）底圖（POI、建筑普查、土地利用）……實時大規(guī)模位置數(shù)據(jù)管理及分析平臺時空流數(shù)據(jù)管理大規(guī)模數(shù)據(jù)實時分析引入新的可視化方法VirtualizedInfrastructureCitrixXenServerPoolsharedrepositoriesstorageraidXenServerVMVMVM...XenServerVMVMVM...XenServerVMVMVM...SupportingSystemsrealtimestreamprocessing-STORMmongodb-NoSQLDatabasenimbuszookeeperrouterconfigserversupervisorsupervisorsupervisorshardshardshardspoutbolttopologydatabasecollectiondocumentWEBwebserverredistuplejavalibrariesjslibrariestomcatnodejsopenlayersd3threejsPlatformReusablecomponentsfordataaccessing,processing,analysis...AbstractDataAccessInterfacespoutbolttupletopologyReusableComponentsDataIO[database|collection|document]visual-engine:map|layers|renderers|timelineservletskit:RESTFULWebAPIforstreamdataApplicationrealtimemapmatching,realtimetrafficinfo,congestionanalysis,tripfinder,ODaggregationfloatingcar,metrostationpassengerin/out,ODbetweenTAZofflinedataanalysis...OD分析19a)24小時OD出行量分布b)深圳大學所在交通小區(qū)動態(tài)OD（吸引+發(fā)生量）c)夜間OD交互（出租車）分析應用3分析應用城市交通分析（略）城市空間結構、土地利用分析設施選址城市空間結構分析全國尺度2024年11月22日中國社交網(wǎng)絡用戶分布（以最常出現(xiàn)的地點）2024年11月22日中國社交網(wǎng)絡用戶足跡分布2024年11月22日中國社交網(wǎng)絡用戶足跡強度分布我們的設想建立人類群體活動“高光譜”影像基于電子足跡數(shù)據(jù)城市空間結構分析采集人類時空活動電子足跡數(shù)據(jù)定義人類時空活動指數(shù)分析指數(shù)數(shù)值分布的統(tǒng)計學特征歸一化拉伸處理生成人類活動波段合成人類活動感知高光譜影像波段相關性分析波段篩選波段假彩色合成ROI選擇生成典型土地覆蓋/利用的波譜曲線土地覆蓋/利用分類對比分析精度評價基于電子足跡數(shù)據(jù)城市土地覆蓋/利用分類流程人類活動波段合成

圖像增強FalsecolorcompositionofBandI(red),BandII(green)andBandIV(blue)人類活動波段土地覆蓋/利用波譜曲線ROI選擇城市尺度手機數(shù)據(jù)手機數(shù)據(jù)職住分析活動推斷時空活動時空模式土地利用數(shù)據(jù)工作工作家家家其他活動公交卡數(shù)據(jù)深圳通數(shù)據(jù)時空序列重建群體規(guī)律發(fā)現(xiàn)土地利用與群體出行的關系空間數(shù)據(jù)1-黃貝玲2-華強北4-香梅北5-坪洲地鐵出行群體模式基于智能卡的地鐵出行分析典型居住地典型工作地次典型居住地次典型工作地居住/工作混合利用海量公交卡數(shù)據(jù)，提取地鐵出行的時變特征，分析了居住地、工作地和居住/工作混合用地上的居民地鐵出行差異。問題：深圳是否還是組團結構？探究城市功能性空間結構及其變化特征方法：團簇結構探測數(shù)據(jù)：出租車、手機軌跡出租車交通網(wǎng)絡中的團簇結構各個空間單元的團簇結構穩(wěn)定性，且劃分邊界部分與行政規(guī)劃邊界相近典型區(qū)域跨行政區(qū)聯(lián)系緊密上左：早高峰上右：午平峰下左：晚高峰下右：全天個體活動網(wǎng)絡中的團簇結構（手機軌跡）深圳市的流通仍然呈現(xiàn)區(qū)域組團結構社群組團結構受空間約束比較明顯行政區(qū)交界區(qū)域區(qū)塊組團結構穩(wěn)定性較低，變化率較大空間社群模塊度隨時間變化具有一定規(guī)律性，且與出行距離負相關城市整體社群結構在早高峰前夕最不穩(wěn)定，午平峰期間最穩(wěn)定小結設施選址基于時空軌跡數(shù)據(jù)的充電站選址以深圳市電動出租車充電站選址為例時空變化的出租出行行為時空約束下的選址模型評估：時空變化的充電/等待行為從出租車軌跡數(shù)據(jù)中提取附帶時間標簽的出行需求，考慮時空約束，顧及充電站容量，進行交通時空數(shù)據(jù)支撐下的電動汽車充電站選址。WeiTU*,QingquanLI*,ZhixiangFANG,Shih-lungShaw,BaodingZHOU,XiaomengCHANG.Optimizingthelocationsofelectrictaxichargingstations:Aspatial–temporaldemandcoverageapproach.TransportationResearchPartC:EmergingTechnologies.2015,61.(SCI).商圈影響范圍分析與預測（空間交互模型）41YueY.,WangH.,HuB.,LiQ.,LiY.,YehA.G.O.2012,ExploratorycalibrationofaspatialinteractionmodelusingtaxiGPStrajectories.Computers,EnvironmentandUrbanSystems,36,pp.140-153.基于簽到數(shù)據(jù)的商圈識別J.Cao,Q.Hu,Q.Li.(2014).AStudyofUsers’MovementsBasedonCheck-inDatainLocation-basedSocialNetworks.W2GIS2014.GIS、空間分析與人群疾病健康王振聲研究背景傳染性與非傳染性疾病的分布模式研究危險因素與高危人群確定疾病時空傳播趨勢的預測疾病流行監(jiān)測Case1.深圳市高血壓住院患者的空間分布分析數(shù)據(jù)：深圳市健康信息中心提供的2011年高血壓住院患者數(shù)據(jù)。方法：層次貝葉斯模型，消除隨機效應，可對疾病相對危險度進行調整和平滑，準確估計空間分布模式。深圳市高血壓住院患者的空間分布分析結果：數(shù)據(jù)：深圳市醫(yī)學信息中心提供的2010-2012年間的肝癌患者數(shù)據(jù)方法：貝葉斯時空模型（Bayesianspatio-temporalmodel），并提出兩步分類過程識別熱點、冷點及其變化趨勢。Case2深圳市肝癌患者的時空變化趨勢分析深圳市肝癌患者的時空變化趨勢分析結果：更多研究……個體、群體行為

城市空間結構、空間商業(yè)智能

多源數(shù)據(jù)融合

更全面的分析視角

空間大數(shù)據(jù)可視分析挑戰(zhàn)數(shù)據(jù)隱私數(shù)據(jù)共享數(shù)據(jù)偏差多源數(shù)據(jù)融合大數(shù)據(jù)GIS傳統(tǒng)GIS面臨的挑戰(zhàn)1大數(shù)據(jù)體量2流質特性3異構數(shù)據(jù)4不確定性與價值發(fā)現(xiàn)大數(shù)據(jù)GIS的特征可擴展的動態(tài)數(shù)據(jù)管理方式數(shù)據(jù)驅動的空間分析與挖掘結合地理計算的可視分析李清泉，李德仁，2014，大數(shù)據(jù)GIS,武漢大學學報(信息科學版),2014(6)謝謝！@深大_Spatial_Lab深圳大學常年招收博士后研究人員深圳大學招收與浸會大學、英國諾丁漢大學聯(lián)合培養(yǎng)博士生POI多樣性對鄰里單元活躍度的

影響分析樂陽研究目標研究衡量土地混合利用的指標分析土地混合利用與鄰里活躍度的關系多樣性指標：Hillsnumber（代替香農熵）數(shù)據(jù)：手機軌跡、POI數(shù)據(jù)c)GeographicvariationinthePOIConcentration(inverseSimpsonconcentration)b)GeographicvariationinthePOIEntropy(theexponentialofShannonentropy)a)GeographicvariationinthePOIrichnessPOI多樣性

d)Geographicvariationinglobalspatialassociation(ANN)模型Adjustr20.6240.6250.6250.7340.743小結利用大規(guī)模POI和手機數(shù)據(jù)進行細粒度的分析，建立起鄰里單元活躍度與POI多樣性/土地混合利用間的關系把常用于衡量土地混合度的熵指標進行擴展到Hillnumbers的統(tǒng)一框架下，更加全面的反映混合度/多樣性POI密度及熵指標對鄰里活躍度的貢獻有限，增加POI的豐富度及空間聚集度有助于提高鄰里活躍度基于眾包的室內地圖及WiFi位置指紋地圖構建方法周寶定研究動機社交網(wǎng)絡的發(fā)展，使得人們更多的愿意分享個體的移動軌跡信息提供了眾包的移動軌跡數(shù)據(jù)60研究動機利用智能手機獲取眾包移動軌跡數(shù)據(jù)自動構建室內地圖及WiFi位置指紋地圖61基于眾包的WiFi位置指紋地圖構建行為序列匹配得到的軌跡模型參數(shù)學習位置指紋地圖室內場景建模專利：李清泉