基于群体感知数据的自适应去噪技术研究

Crowd Sensing has a broad research values and application prospect in Urban Computing. Crowd Sensing Data naturally are massive, heterogeneous and contain noise, while existing researches concentrate on the first two features and ignore the noise issue in data. The primary objectives of this project are constructed based on three perspectives: the modeling of Point of Interest (POI) and its identification; an adaptive noise filtering framework based on the POI information; study on POI identification and noise filtering technology in multi-feature spaces. The specific research plans and our contributions are concluded as following: firstly, to solve the POI database missing problem, designing a method which is capable to automatically find the density local maxima as POI; secondly, based on identified POI, proposing a novel “inflection point” model such that noises are adaptively filtered out from the density-based and the pattern-based manners; finally, taking advantage of the data fusion technology, the noise filtering framework can be easily extended to other spaces (e.g., semantic space). According to my survey, this is the prior work which focus on the adaptive noise filtering in multi-feature spaces. The aforementioned technologies will be integrated to the adaptive noise filtering framework such that it can handle the heterogeneous noises embedded in Crowd Sensing data.

群体感知在城市计算领域中拥有广泛的研究价值以及应用前景。群体感知数据具有海量，异构，多噪音等特点。当前的研究主要关注于前两个特点，忽略了数据中多噪音的问题。本项目的研究主要围绕三个研究内容展开：兴趣点的建模机制与自动识别；基于兴趣点自适应去噪；基于多空间的兴趣点识别与噪音去除。具体的研究内容以及相关创新点包括以下几点：1、为了解决目前多项去噪技术缺少兴趣点数据库的问题，设计一种基于数据密度局部极值的兴趣点自动识别方法；2、基于所识别的兴趣点，提出一套新颖的“拐点”理论模型，能够对数据点进行基于密度与基于模式的自适应去噪；3、利用信息融合技术将去噪模型引申到其他的空间(例如，文本语义空间)。据调研，目前研究尚未关注多空间的自适应去噪问题。本项目将综合以上提到的各个方面的研究以达到自适应地去除群体感知数据中的异构噪音的目的。

各种类型的城市感知大数据随着城市的发展与感知技术的成熟日趋蓬勃：运行轨迹，兴趣点，社交网络，道路网等。群体感知（Crowd Sensing）数据包括GPS轨迹 （GPS Trajectory），用户签到（Check-in）数据，社交媒体（Social media）数据等等，是城市计算中不可或缺的数据来源, 这些海量，异构，多噪音的数据为发现并解决城市中存在的各种问题提供了新的渠道与第一手的资料。.本项目以基于城市群体感知数据的自适应去噪技术为中心，将研究内容分为城市群体感知数据的统一表示以及兴趣点的建模、基于城市兴趣点的去噪技术、城市群体感知异构数据的融合三个方向，从三个方向中总结出了兴趣点的建模机制与自动识别、基于兴趣点数据的噪音建模以及自适应去噪、基于多空间的自适应去噪。趣点识别与噪音去除共设三项研究内容。做出的贡献如下：（1）对兴趣点的给出了实际具体的科学定义，提供了一套自适应识别兴趣点的算法；该算法能够自适应地去噪，找出兴趣点的位置以及影响范围，且该类算法快速、有效、鲁棒性强；（2）对于文本空间的兴趣点也给出了科学的定义，将兴趣点的识别算法拓展到了地理*文本的联合空间，也为其他的空间的拓展展示了方向与方法。.应用前景：可以利用现有社交网络的数据例如Flickr，微博等，自动创建兴趣点（地标）数据库，大大减少人工操作，且识别出的兴趣点具有地标，文本等属性，且能够拓展到其他信息域中。