面向感应网络的移动现实挖掘及复杂行为模式分析研究

利用移动计算更好地服务于人类社会是当前信息科学领域的重大研究问题，而通过感应网络实时获取移动数据，并观测人类行为模式的内在规律，建立认知结构，探索行为预测和风险评估的新方法是研究这一问题的有效途径。本项目以感应网络环境下个体及群体的复杂耦合移动特性为研究对象，对移动行为限定和驱动的感应网络动力学与演化规律进行基础科学研究。具体内容包括：理论分析感应网络环境下个体及群体的存在形态与移动行为规律；研究基于复杂行为模式的多维立方体数据模型及最大信息熵条件下的多维数据非线性维度缩减方法；研究基于复杂时空属性、近邻关系和感应网络结构等因素的行为模式定量分析模型；通过半监督学习和多重逻辑回归分析，构建复杂行为模式分析与预测的数学模型，为实际应用奠定理论基础。本项目在揭示感应网络环境下的复杂行为模式规律，提高移动信息利用的深度和广度，探索移动信息在新领域的应用模式等方面具有重要的理论意义和工程应用价值。

本课题以感应网络环境下个体及群体的复杂耦合移动特性为研究对象，对移动行为限定和驱动的感应网络动力学与演化规律进行了基础科学研，初步构建了感应网络研究和数据分析的实验环境，在此基础上对以下三个科学问题进行深入研究，主要取得的研究成果包括：一是数据处理方面，多维立方体实时位置数据建模，以及最大信息熵条件下的多维数据非线性维度缩减方法；二是移动行为建模方面，通过研究个体及群体行为相互影响的耦合性随机过程，建立了用于感应网络下个体和群体行为模式分析及预测是影响模型，并用于探索移动行为限定和驱动的感应网络动力学与演化规律；三是移动行为的挖掘方面，通过研究时空网格划分方法、基于时间和空间近似的移动轨迹频繁模式和闭频繁序列模式、模糊移动模式，实现了基于时空属性、近邻关系和感应网络结构等因素的定量分析算法。课题提出的的研究理论和方法在实时交通领域进行了初步应用，结果显示，所提出的理论和方法在区域点分布密度与移动行为活跃度之间的关联关系分析，人群出行移动的变化趋势和发现点随时间变化的分布规律分析方面具有显著的优势，同时，也揭示了感应网络环境下复杂行为的时空不确定关系和随机过程的模式规律，这对于继续深入研究面向复杂社会系统的集群行为分析及推理具有重要的参考价值，同时，对于提高移动信息利用的深度和广度，探索移动信息在新领域的应用模式等方面具有重要的理论意义和工程应用价值。