论文部分内容阅读
随着云计算、物联网、社交网络和下一代通讯网络等新兴技术的广泛应用，城市信息化速度正在不断加快，智慧城市正在成为全球城市发展的新方向。智慧城市将传统地理意义上的城市区域改造为一个融合物理空间、信息空间和社会空间的有机整体，并随之产生了海量城市感知数据，例如交通轨迹、人群活动、环境监测数据等。城市感知计算试图利用上述城市感知数据，挖掘其中蕴含的知识和潜能，帮助解决交通拥堵、人口膨胀、环境污染等城市发展中面临的重大问题。然而，城市感知数据往往来自城市生产生活的不同领域，感知手段各不相同，导致这些数据存在稀疏性、片面性等特点，同时又具有内在关联，对城市感知计算系统的设计提出了诸多挑战。本文围绕城市感知计算中的关键问题:多源异构城市感知数据的融合展开研究，探讨从稀疏、片面和相互关联的感知数据中挖掘知识和潜能。 本研究主要内容包括：⑴提出了一个城市感知数据融合框架，通过对基础设施传感数据、社会网络用户活动数据、以及政府统计数据等三类城市感知数据进行数据管理、特征提取、语义理解，为构建智慧城市应用提供知识和潜能。针对城市感知数据来源多样、结构各异的的特点，本文着重研究从数据、特征和语义层面上进行知识融合的方法。特别地，我们在上述三个层面上分别提出了一套知识融合方法，探讨从稀疏、片面和相互关联的感知数据中挖掘知识和潜能，以解决对应的智慧城市应用问题。⑵提出了一套跨领域、分阶段的海事数据融合方法来评价港口城市竞争力。港口是全球航运行业的重要枢纽，其竞争力通常由一系列海事生产指标来描述。我们通过分阶段对不同领域的海事数据进行融合来估算港口竞争力指标。首先通过融合船舶轨迹和码头地理位置数据，检测船舶在码头的靠泊装卸事件，从而估算出一段时间的到港船数;再通过融合船舶属性数据和码头基础设施数据，估算出船舶靠泊装卸的货物吞吐量;最后通过融合船舶、码头、泊位等属性数据，估算出各个港口的到港船数、货物吞吐量、码头作业效率和泊位利用率等港口竞争力指标，从而对不同码头和港口进行评价和比较。⑶提出了一套基于混合学习模型的区域特征融合方法，来帮助城市公共交通设施选址规划。公共交通系统是城市出行的大动脉，公共交通设施选址是否合理直接影响城市交通质量。我们以公共自行车系统为例，研究如何利用多源异构城市感知数据帮助合理设置自行车站点。首先，我们利用相关性分析，从地理信息数据、社会网络数据和政府统计数据中抽取与公共出行需求相关的区域特征;然后，我们用这些特征来预测该区域的出行需求，并利用混合学习模型对这些预测进行融合，从而为站点选址提供决策依据。⑷提出了一套基于协同张量分解的活动语义融合方法，对城市社会事件进行细粒度检测和刻画。城市中的大规模社会事件常常带来交通拥堵、噪声污染和安全隐患等问题。我们通过融合城市中的人群移动轨迹数据和社交网络的人群行为数据，来细粒度地刻画社会事件中人群聚集区域、人流高峰时间和人群活动内容。首先，我们通过构建张量模型来捕捉人流移动的时空特征和人群行为的语义特征;其次，我们提出一个基于协同张量分解的活动语义融合方法，将人群行为张量中的活动语义融合到人流移动张量中，从而将一个区域的人流活动分解为不同活动语义分量;在此基础上，我们通过多元异常检测算法检测出不同区域、不同类型的异常活动语义，并通过时空约束条件将其对应到不同的社会事件中;最后，我们对这些社会事件中的人群聚集趋势和活动内容进行细粒度的刻画，为城市管理者管理社会事件提供决策参考。