节点文献

位置大数据的价值提取与协同挖掘方法

免费订阅

【作者】 郭迟刘经南方媛罗梦崔竞松

【Author】 GUO Chi;LIU Jing-Nan;FANG Yuan;LUO Meng;CUI Jing-Song;Global Navigation Satellite System Research Center, Wuhan University;Computer School, Wuhan University;State Key Laboratory of Software Engineering (Computer School, Wuhan University);

【机构】 武汉大学卫星定位导航技术研究中心武汉大学计算机学院软件工程国家重点实验室(武汉大学计算机学院)

【摘要】 随着位置服务和车联网应用的不断普及,由地理数据、车辆轨迹和应用记录等所构成的位置大数据已成为当前用来感知人类社群活动规律、分析地理国情和构建智慧城市的重要战略性资源,是大数据科学研究极其重要的一部分.与传统小样统计不同,大规模位置数据存在明显的混杂性、复杂性和稀疏性,需要对其进行价值提取和协同挖掘,才能获得更为准确的移动行为模式和区域局部特征,从而还原和生成满足关联应用分析的整体数据模型.因此,着重从以下3个方面系统综述了针对位置大数据的分析方法,包括:(1)针对数据混杂性,如何先从局部提取出移动对象的二阶行为模式和区域交通动力学特征;(2)针对数据复杂性,如何从时间和空间尺度上分别对位置复杂网络进行降维分析,从而建立有关社群整体移动性的学习和推测方法;(3)针对数据的稀疏性,如何通过协同过滤、概率图分析等方法构建位置大数据全局模型.最后,从软件工程角度提出了位置大数据分析的整体框架.在这一框架下,位置数据将不仅被用来进行交通问题的分析,还能够提升人们对更为广泛的人类社会经济活动和自然环境的认识,从而体现位置大数据的真正价值.

【基金】 国家自然科学基金(41104010);国家高技术研究发展计划(863)(2013AA12A206,2013AA12A204);国家自然科学重大研究计划(9112002);高等学校学科创新引智计划(B07037)
【所属期刊栏目】 大数据专题 (2014年04期)
  • 【DOI】10.13328/j.cnki.jos.004570
  • 【分类号】TP311.13
  • 【被引频次】79
  • 【下载频次】5934
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: