基于位置信息的数据融合与群体突发事件预测关键技术

Real-time monitoring and analysis of mass contingency events is with uppermost importance for maintaining public security and social stability. With the rapid development of online social media, sensor networks, mobile computing, and communication technologies, big data extracted from various sources can be leveraged to analyze mass contingency events. Accordingly, there is a pressing need to develop effective and efficient data analytics and mining technologies that can tap into a variety of data sources to accurately predict the evolution and propagation of mass contingency events even before real social or political crises really occur. In terms of the technological novelty of this project, we aim to address the critical issues of big data by developing advanced data analytics methods that can instantly analyze a variety of data streams such as texts, images, network structures from sensor networks and online social media under a parallel and distributed mass contingency event analytics framework. More specifically, the proposed research project will examine theories and methods for data fusion based on multiple heterogeneous data sources, detection methods for identifying anomaly information associated with mass contingency events, and near real-time prediction models for event evolution based on the corresponding time series data. The practical implication of the proposed research project is to apply the theories and techniques generated from this project to enhance their decision-making processes related to public security and social stability management.

社会群体突发事件的实时监控与预测，对于国家安全与社会稳定具有重要的现实意义。 随着互联网技术、传感与移动通讯技术的迅速发展，数据的收集与分析手段为及时掌控群体 突发事件发生、发展及其演化态势提供了技术上的可能性。因此，迫切需要开发数据分析与挖掘技术融合不同数据资源，以准确地把握和预测群体突发事件的演化和传播。本课题将从大数据技术角度入手，通过分析和挖掘实时监测数据、以及包括社交网络的媒体数据，及时地感知群体性突发事件的群体特征并对其演化进行预测。研究具体包括多源异构数据的融合的理论和方法、社会网络分析与影响力传播模型、以及群体突发事件特征识别和演化预测技术。为维护公共安全和社会稳定提供技术支持及决策辅助。

信息网络化的发展，已经深深融入人们生活的诸多领域，同时在公众社会生活中扮演重要角色。越来越多的人都能够通过网络媒介来发表意见和交换意见。由于公众的知识背景社会地位的纷繁复杂，他们发表的意见也参差不齐，使得网络成为各种社会问题、矛盾和群体性突发事件孵化孕育的新型场域。.社会群体突发事件的实时监控与预测，对于国家安全与社会稳定具有重要的现实意义。随着互联网技术、传感与移动通讯技术的迅速发展，数据的收集与分析手段为及时掌控群体突发事件发生、发展及其演化态势提供了技术上的可能性。因此，迫切需要开发数据分析与挖掘技术融合不同数据资源，以准确地把握和预测群体突发事件的演化和传播。课题从大数据技术角度入手，通过分析和挖掘实时监测数据、以及包括社交网络的媒体数据，在量化数据分析基础上力求从海量纷繁复杂的数据媒介背景下达到实时感知群体性突发事件中的人群密度和群体特征，从而预测群体性事件的潜在发展态势，为维护社会稳定、避免具有危害性质的群体事件的衍生提供技术支持和决策辅助。研究具体包括了多源异构数据的融合的理论和方法、面向社会网络的数据分析挖掘方法、基于事件的时序数据分析、以及群体突发事件特征识别和演化预测技术等。课题研究特别在异构图片拍摄地理位置的识别与定位算法、基于半监督学习模型研究及图像文字描述的自动生成技术和方法、基于深度学习的情感分析方法研究、面向短文本的主题识别算法、以及基于卷积神经网络的人群密度识别方法研究方面取得了重要进展，研究成果方面已发表学术论文17篇，其中国际刊物论文5篇， 国际学术会议论文12篇，申请国家发明专利3项，培养硕博研究生14名。依托本研究课题，与英国阿尔斯特大学团队开展了合作研究，并获得了英国际合作研究项目的支持。通过课题研究开发了数据集成与融合及分析预测工具，并在信息技术、工业及医疗行业中开展应用。