面向公共安全的时空数据挖掘综述

• 作者: 李龙元 潘平峻 王永坤 王海洋 金耀辉
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 时空分析 大数据 异常发现 数据预测
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 未来网络与智能应用
• 页码范围: 40-52
• 页数: 13页
• 分类号: TP399
• 字数: 12104字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2018.01.005

摘要

随着各种手持无线设备及传感器的普及,大量的具有时间和空间属性的轨迹数据在不间断地产生.这些不同来源的轨迹数据记录了个体在时间和空间上的活动,从微观和宏观揭示出个人和团体的活动规律,对研究人群行为及城市管理,特别是城市公共安全管理方面,具有重要的意义.以公共安全管理为主要目标,分4个方面调研了相关的研究工作,并分别给出了笔者的研究进展.使用了2类比较有代表性的数据,第1类是智能手机的时间、空间轨迹数据;第2类是城市公共交通卡的换乘数据.第1类是从“点”上分析挖掘个体或者群体的活动规律,而第2类数据则是从“线”上发现人群的聚散规律.基于第1类数据,针对“个体的发现”介绍了相关工作;对于第2类数据,分别从短时和突发2个方面,发现具有潜在危害性的事件,从而向有关部门提供预测和预警,防范该区域可能出现的公共安全事件.比较了各类模型包括经典的时序数学模型ARIMA(autoregressive integrated moving average model)和SARIMA(seasonal autoregressive integrated moving average)、机器学习和神经网络模型SVR(support vector re-gression)、NN(neural networks)、和LSTM(long short-term memorg),发现笔者的模型在短时客流预测方面可以最多提高27.78％,突发客流预测精度可以最高提高到14.68倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金耀辉	上海交通大学中国城市治理研究院	52	225	9.0	11.0
5	王海洋	上海交通大学光纤通信国家重点实验室	6	16	3.0	4.0
6	王永坤	上海交通大学中国城市治理研究院	12	46	4.0	6.0
7	潘平峻	上海交通大学光纤通信国家重点实验室	1	8	1.0	1.0
8	李龙元	上海交通大学光纤通信国家重点实验室	1	8	1.0	1.0