基于城市多源時(shí)空數(shù)據(jù)的GIS研究

基于城市多源時(shí)空數(shù)據(jù)的GIS研究

城市多源時(shí)空數(shù)據(jù)1城市多源時(shí)空數(shù)據(jù)多源時(shí)空數(shù)據(jù)浮動(dòng)車智能設(shè)備手機(jī)APP數(shù)據(jù)管理分析機(jī)遇及挑戰(zhàn)個(gè)體時(shí)空行為數(shù)據(jù)涌現(xiàn)大規(guī)模（百萬(wàn)、千萬(wàn)、億級(jí)別）高質(zhì)量（精細(xì)的時(shí)空分辨率）GIS分析方法和工具提出要求大數(shù)據(jù)（架構(gòu)、平臺(tái)）實(shí)時(shí)（存儲(chǔ)、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(lǐng)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(shí)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(xiǎn)品運(yùn)輸車2144輛泥頭車9232輛重型貨車22842輛長(zhǎng)途客車5774輛GPS數(shù)據(jù)Opendatachallenge8條境界線，22個(gè)斷面；7個(gè)高速公路出入口地磁數(shù)據(jù)深圳市共安裝了車牌識(shí)別檢測(cè)斷面（單方向）264個(gè)，主要布設(shè)于重要卡口；目前深圳市的車牌識(shí)別精度總體上約98%。車牌識(shí)別參數(shù)比較序號(hào)檢測(cè)技術(shù)交通流量占有率車速車隊(duì)長(zhǎng)度多車道覆蓋其他參數(shù)1地磁√√**√車身長(zhǎng)度2GPS╳*√*╳行程時(shí)間、行程速度3線圈√√**√車身長(zhǎng)度4車牌識(shí)別√╳√╳*車牌注釋：√——直接檢測(cè)*——間接檢測(cè)

╳——不能檢測(cè)手機(jī)定位數(shù)據(jù)一天24個(gè)小時(shí)，每小時(shí)切片數(shù)據(jù)，全樣本。約1千2百萬(wàn)用戶。社交網(wǎng)絡(luò)數(shù)據(jù)微博數(shù)據(jù)（新浪，千萬(wàn)用戶關(guān)系）QQ數(shù)據(jù)（10萬(wàn)匿名種子用戶的社交關(guān)系）室內(nèi)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(gè)體/群體行為模式城市空間結(jié)構(gòu)合理性分析設(shè)施優(yōu)化選址時(shí)空建模、可視化模型融合平臺(tái)數(shù)據(jù)車輛軌跡（出租車、客運(yùn)車輛）個(gè)體軌跡（手機(jī)、公交卡）社交數(shù)據(jù)（QQ,WeiboChieck-ins）底圖（POI、建筑普查、土地利用）……實(shí)時(shí)大規(guī)模位置數(shù)據(jù)管理及分析平臺(tái)時(shí)空流數(shù)據(jù)管理大規(guī)模數(shù)據(jù)實(shí)時(shí)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(shí)OD出行量分布b)深圳大學(xué)所在交通小區(qū)動(dòng)態(tài)OD（吸引+發(fā)生量）c)夜間OD交互（出租車）分析應(yīng)用3分析應(yīng)用城市交通分析（略）城市空間結(jié)構(gòu)、土地利用分析設(shè)施選址城市空間結(jié)構(gòu)分析全國(guó)尺度2024年11月22日中國(guó)社交網(wǎng)絡(luò)用戶分布（以最常出現(xiàn)的地點(diǎn)）2024年11月22日中國(guó)社交網(wǎng)絡(luò)用戶足跡分布2024年11月22日中國(guó)社交網(wǎng)絡(luò)用戶足跡強(qiáng)度分布我們的設(shè)想建立人類群體活動(dòng)“高光譜”影像基于電子足跡數(shù)據(jù)城市空間結(jié)構(gòu)分析采集人類時(shí)空活動(dòng)電子足跡數(shù)據(jù)定義人類時(shí)空活動(dòng)指數(shù)分析指數(shù)數(shù)值分布的統(tǒng)計(jì)學(xué)特征歸一化拉伸處理生成人類活動(dòng)波段合成人類活動(dòng)感知高光譜影像波段相關(guān)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(duì)比分析精度評(píng)價(jià)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(dòng)波段合成

圖像增強(qiáng)FalsecolorcompositionofBandI(red),BandII(green)andBandIV(blue)人類活動(dòng)波段土地覆蓋/利用波譜曲線ROI選擇城市尺度手機(jī)數(shù)據(jù)手機(jī)數(shù)據(jù)職住分析活動(dòng)推斷時(shí)空活動(dòng)時(shí)空模式土地利用數(shù)據(jù)工作工作家家家其他活動(dòng)公交卡數(shù)據(jù)深圳通數(shù)據(jù)時(shí)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(guān)系空間數(shù)據(jù)1-黃貝玲2-華強(qiáng)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(shí)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(wèn)題：深圳是否還是組團(tuán)結(jié)構(gòu)？探究城市功能性空間結(jié)構(gòu)及其變化特征方法：團(tuán)簇結(jié)構(gòu)探測(cè)數(shù)據(jù)：出租車、手機(jī)軌跡出租車交通網(wǎng)絡(luò)中的團(tuán)簇結(jié)構(gòu)各個(gè)空間單元的團(tuán)簇結(jié)構(gòu)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(gè)體活動(dòng)網(wǎng)絡(luò)中的團(tuán)簇結(jié)構(gòu)（手機(jī)軌跡）深圳市的流通仍然呈現(xiàn)區(qū)域組團(tuán)結(jié)構(gòu)社群組團(tuán)結(jié)構(gòu)受空間約束比較明顯行政區(qū)交界區(qū)域區(qū)塊組團(tuán)結(jié)構(gòu)穩(wěn)定性較低，變化率較大空間社群模塊度隨時(shí)間變化具有一定規(guī)律性，且與出行距離負(fù)相關(guān)城市整體社群結(jié)構(gòu)在早高峰前夕最不穩(wěn)定，午平峰期間最穩(wěn)定小結(jié)設(shè)施選址基于時(shí)空軌跡數(shù)據(jù)的充電站選址以深圳市電動(dòng)出租車充電站選址為例時(shí)空變化的出租出行行為時(shí)空約束下的選址模型評(píng)估：時(shí)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(shí)間標(biāo)簽的出行需求，考慮時(shí)空約束，顧及充電站容量，進(jìn)行交通時(shí)空數(shù)據(jù)支撐下的電動(dòng)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(yù)測(cè)（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(shí)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(xiǎn)因素與高危人群確定疾病時(shí)空傳播趨勢(shì)的預(yù)測(cè)疾病流行監(jiān)測(cè)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(jī)效應(yīng)，可對(duì)疾病相對(duì)危險(xiǎn)度進(jìn)行調(diào)整和平滑，準(zhǔn)確估計(jì)空間分布模式。深圳市高血壓住院患者的空間分布分析結(jié)果：數(shù)據(jù)：深圳市醫(yī)學(xué)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(shí)空模型（Bayesianspatio-temporalmodel），并提出兩步分類過(guò)程識(shí)別熱點(diǎn)、冷點(diǎn)及其變化趨勢(shì)。Case2深圳市肝癌患者的時(shí)空變化趨勢(shì)分析深圳市肝癌患者的時(shí)空變化趨勢(shì)分析結(jié)果：更多研究……個(gè)體、群體行為

城市空間結(jié)構(gòu)、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(zhì)特性3異構(gòu)數(shù)據(jù)4不確定性與價(jià)值發(fā)現(xiàn)大數(shù)據(jù)GIS的特征可擴(kuò)展的動(dòng)態(tài)數(shù)據(jù)管理方式數(shù)據(jù)驅(qū)動(dòng)的空間分析與挖掘結(jié)合地理計(jì)算的可視分析李清泉，李德仁，2014，大數(shù)據(jù)GIS,武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2014(6)謝謝！@深大_Spatial_Lab深圳大學(xué)常年招收博士后研究人員深圳大學(xué)招收與浸會(huì)大學(xué)、英國(guó)諾丁漢大學(xué)聯(lián)合培養(yǎng)博士生POI多樣性對(duì)鄰里單元活躍度的

影響分析樂(lè)陽(yáng)研究目標(biāo)研究衡量土地混合利用的指標(biāo)分析土地混合利用與鄰里活躍度的關(guān)系多樣性指標(biāo)：Hillsnumber（代替香農(nóng)熵）數(shù)據(jù)：手機(jī)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(jié)利用大規(guī)模POI和手機(jī)數(shù)據(jù)進(jìn)行細(xì)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(guān)系把常用于衡量土地混合度的熵指標(biāo)進(jìn)行擴(kuò)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(biāo)對(duì)鄰里活躍度的貢獻(xiàn)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(nèi)地圖及WiFi位置指紋地圖構(gòu)建方法周寶定研究動(dòng)機(jī)社交網(wǎng)絡(luò)的發(fā)展，使得人們更多的愿意分享個(gè)體的移動(dòng)軌跡信息提供了眾包的移動(dòng)軌跡數(shù)據(jù)60研究動(dòng)機(jī)利用智能手機(jī)獲取眾包移動(dòng)軌跡數(shù)據(jù)自動(dòng)構(gòu)建室內(nèi)地圖及WiFi位置指紋地圖61基于眾包的WiFi位置指紋地圖構(gòu)建行為序列匹配得到的軌跡模型參數(shù)學(xué)習(xí)位置指紋地圖室內(nèi)場(chǎng)景建模專利：李清泉