面向城市服务的多源移动大数据挖掘与应用研究

As important parts of Smart City, intelligent transportation and urban function structure identification are in urgent need for Smart City construction. The perception of urban function structure and traffic are studied based on human behavior characteristics with the core of multi-source mobile data. Firstly, the data preprocessing is conducted on massive multi-source mobile data with complex structure to realize tight coupling of multi-source data and efficient retrieval as well as fusion and mining can be done by data management technology. Secondly, the evolution characteristics of human mobility are analyzed based on mining and modeling for statistical characteristics, scale features and spatial-temporal characteristics of human mobility. Thirdly, combining the strong correlation between human behavior modes and urban functional structure to dig hidden urban function structure, intensity and potential relationship of functional zonings from mobility data, the study reveal the rhythm and dynamic characteristics of cities. Lastly, the urban traffic perception based on vehicular movement data is studied, besides, the road congestion assessment model together short-term and real-time traffic flow prediction model are proposed. What is more, the traffic monitoring and scheduling system based on multi-source traffic information fusion is built. This project is committed to the effective mining of multi-source mobility data and realization of specific applications, providing theoretical basis and application support for urban planning, dynamic traffic detection and traffic warning mechanism.

智能交通和城市功能结构识别作为智慧城市整体构造中的重要组成部分，已经成为智慧城市建设最为迫切的需求之一。本项目以多源移动大数据为核心，研究基于人类行为特征的城市功能结构识别和交通感知。首先，对具有海量且结构复杂的多源移动数据进行预处理，实现多源数据间紧耦合，统筹数据管理技术来实现高效检索和融合挖掘。其次，对人类移动行为的统计规律、尺度特征、时空特征等进行挖掘和建模，研究人类移动性的时空演化特征。再次，结合人类行为模式与城市功能结构之间高度相关性，从移动数据中挖掘隐含的城市功能属性、强度及城市功能区之间潜在的联系，揭示城市的韵律及其动力学特征。最后，研究基于车辆移动大数据的城市交通感知，构建城市道路拥堵评估模型和短期/实时交通流预测模型，建立多源交通信息融合的交通监控和调度模型。本项目致力于有效挖掘多源移动大数据并实现具体应用，为城市规划、动态交通检测及建立交通预警机制提供理论依据和应用支撑

智能交通和城市功能结构识别作为智慧城市整体构造中的重要组成部分，已经成为智慧城市建设最为迫切的需求之一。本项目以多源数据为核心，利用机器学习方法研究基于人类行为特征的城市功能结构感知和交通感知。首先，结合人类行为模式与城市功能结构之间高度相关性，从移动数据中挖掘隐含的城市功能结构属性、强度及城市功能区域之间潜在的联系。以出租车GPS和POI为基础，提出了一种基于Apriori关联规则算法的功能区识别算法; 以兰州市为例，采用Infomap算法识别城市社团结构，研究了城市结构的时空演化特。其次，研究了基于轨迹大数据的城市路网关键节点、热点区域的识别及热点路径推荐，建立了基于有向加权复杂网络的城市交通网络关键节点识别模型，提出了基于时空相似性聚类的热点载客路径挖掘算法。进一步，研究了基于轨迹大数据的城市交通状态识别及交通网络动态最优路径规划问题。建立了基于路段平均速度、交通流密度、行驶时间指数、拥堵指数和车道占有率的交通状态识别的综合指标体系，提出了基于核模糊C均值聚类的交通状态拥堵识别模型。结合城市交通状态与用户个性化需求，提出一种基于改进Viterbi算法的动态最优路径规划算法。最后，提出了一种基于注意力机制的卷积神经网络和双向门控循环单元神经网络相结合的深度学习交通流预测模型，在真实数据集上的对比实验和消融实验结果都表明预测模型的有效性。本项目致力于有效挖掘多源移动大数据并实现具体应用，其研究成果可为城市规划、动态交通检测及建立交通预警机制提供理论依据和应用支撑。