论文部分内容阅读
热点检测作为一种研究技术，被广泛地应用于环境犯罪学，生物学，传染病学，地理学和舆情学等领域。给定一系列基于空间位置的活动点，传统的热点检测方法能够检测出活动点密度较高的区域。热点检测出的区域并不局限于矩形或者圆形，有时检测出的区域也可以呈环形，环内的活动点的密度要远远地高于环外。传统的环形热点检测方法由于候选环数目较大导致计算量过大，因此本文引入网格，四叉树等空间存储结构，提出了快速环形热点检测算法。在一些研究领域（如环境犯罪学，动物学等），研究区域中往往存在各种空间障碍（如山丘，河流等），热点检测的结果就不再是完整的环形，而呈扇环状。因此，本文在环形热点检测的基础上提出了扇环热点检测。此外，活动点位置的不确定性普遍存在，如在环境犯罪学中，警方接收到的报警位置只是一个大概的位置，并不能确切的锁定犯罪分子的作案地点，在动物学中，动物探测器所探测到动物的活动位置也可能存在误差等。因此，提出了不确定性的扇环热点检测。本文的主要贡献体现在以下几个方面: (1)提出了快速环形热点检测算法。为了解决大量候选环所带来庞大计算量的问题，在基于网格裁剪算法的基础上，引入四叉树等空间存储结构，减少了计算量，有效地提高了算法的效率。 (2)提出了扇环热点检测算法。在环形热点检测的基础上，将障碍物考虑在内，引入了障碍空间的距离计算方法和角度概念等，给出了扇环热点检测算法，提高了检测出热点区域的准确性。 (3)提出了不确定性的扇环热点检测算法。在扇环热点检测的基础上，将活动点位置的不确定性考虑在内，引入不确定活动点群中心点计算方法和不确定活动点群与确定活动点之间期望距离计算方法等，从而更好地检测出热点区域，使得算法更贴近实际应用。 本文对上述算法进行了相关的实验并进行分析，实验结果证明了提出的算法是正确且有效的。