论文部分内容阅读
移动感知计算是感知计算的热点，它是指借助移动感知设备，采集个体与群体的移动数据，分析个体、群体、区域与环境的活动与变化。它的主要特征是移动性，即感知伴随移动的发生，并且通过移动设备实现;并且大规模位置与轨迹数据是移动感知计算的重要数据之一。这些数据记录人类行为活动的足迹，反映个体、群体、区域与环境变化的丰富信息。 本论文围绕个体服务、群体行为以及区域动态三个问题，使用大规模移动轨迹数据，研究个体候车时间预测，群体事件感知，以及区域社会功能识别。我们分析与挖掘出租车轨迹数据，揭示轨迹、行为、与社会活动的内在关系，本文的主要工作如下: (1)个体服务:候车时间预测 在个体服务方面，我们的以乘客候车时间预测为代表，提出针对不同时间段不同地点分别预测多个乘客竞争时的等候时间。预测候车时间有助于缓解乘客的不安，提前做好行程安排，决定是否选择出租车作为交通工具。我们提出了非时齐泊松过程对乘客和出租车到达进行建模，据此构造等候队列建模多个乘客等候出租车的竞争行为。特别地，针对乘客到达数据缺失问题，我们使用乘客载客事件的发生过程来近似乘客到达过程。本文使用大规模出租车数据验证模型的正确性，实验结果表明模型评价预测误差为3分钟。 (2)群体行为:社会事件分析 在群体行为方面，我们的贡献在于使用移动轨迹分析与检测社会事件的发生并评估社会事件的影响。社会事件是指由一群人参与的事件，是参与事件的人的个体行为集合在宏观层次的表现。我们使用出租车轨迹数据中乘客流量刻画区域人群流动动态，挖掘区域人群流动异常，检测社会事件发生并评价社会事件的影响。本文提出的事件分析方法，不仪能够准确检测社会事件的发生时问与地点，还能使用参与事件的人流量来度量社会事件的规模大小，并且可以评价社会事件对城市交通的影响。 (3)区域:社会功能识别 在区域感知方面，我们首次提出了使用出租车轨迹数据来刻画城市区域人群活动动态，识别区域社会功能。城市区域功能是城市区域的重要信息，它描述了城市土地的使用情况和城市区域建筑、场所与设施的利用情况。我们挖掘出租车轨迹数据，提取区域上车/下车乘客数量随时间变化的模式来表达区域人群活动动态，这种动态反映并可以准确识别城市区域社会功能。本文对杭州市534个区域进行识别社会功能，识别准确率为96％。此外，我们可以揭示城市区域社会功能随时间的转变，以及使用区域人流刻画社会功能强度。