基于多粒度知识发现的人群复杂行为模式分析及预测模型研究

To better serve the human society by social computing is a major research question in information sciences. Mining and analysis of the mechanism of human behavior by the large real-time human behavior database, build knowledge structure, explore new methods for prediction and guide of human behavior is an effective way to study this problem. The complexity of the project based on crowd behavior patterns of multi-granularity knowledge discovery for the study of mining methods and predictive models of complex behavior patterns crowd urban environments basis for scientific research. These include: spatial and temporal behavior of flexible multi-granularity attribute segmentation and granularity level conversion method ; build crowd behavior mapping semantics based on multi- granularity attribute and spatial dynamic hybrid multi- attribute clustering model ; crowd under conditions much knowledge granularity fusion complex behavior pattern analysis method ; establish cluster-based behavioral patterns of behavior tuple dynamic mathematical model to predict the probability distribution ; guided learning and decision-making based on collective behavior semi-supervised learning methods. The project reveal and understand the evolution and development trend of crowd behavior under complex multi-granularity fusion conditions , improve elasticity in the field of large-scale mobile information processing and efficiency to explore the smart city management, disposal and prevention of sudden emergencies , etc. the application model has important theoretical significance and application value.

利用社会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。而通过大规模人群实时行为数据，挖掘分析人类行为的产生机理，构建知识结构，探索人群行为预测及引导的新方法是研究这一问题的有效途径。本项目以基于多粒度知识发现的人群复杂行为模式为研究对象，对城市环境下人群复杂行为模式的挖掘方法与预测模型进行基础科学研究。具体包括：时空行为属性多粒度柔性分割及粒度层次转换方法；构建基于多粒度属性语义与空间映射关系的人群行为动态多属性混合聚类模型；多知识粒度融合条件下的人群复杂行为模式分析方法；建立基于行为模式元组动态概率分布的集群行为预测数学模型；基于半监督学习方法的集群行为引导学习与决策方法。本项目在揭示并理解多粒度融合条件下人群复杂行为模式的演化规律与发展趋势，提高大规模移动信息处理的伸缩性与高效性，探索在智能城市管理、突发应急事件处置及预防等领域的应用模式方面具有重要的理论意义和应用价值。

应用大数据驱动下的城市群体复杂移动行为模式分析与预测对于提升智慧城市管理水平、提高应急事件处置效率等方面具有十分重要的意义。本项目以基于多粒度知识发现的人群复杂行为模式为研究对象，对城市环境下人群复杂行为模式的挖掘方法与预测模型进行基础科学研究。首先针对海量城市群体移动轨迹数据在时空维度上进行多粒度结构化划分与表示，有效克服现实数据“整体分布稀疏、局部分布密集”的缺陷；进而在多知识粒度融合条件下构建城市群体复杂移动行为模式挖掘方法与模型，探索移动模式的定量化计算与推理过程，以行为模式的概率分布为基础实现城市群体的移动行为预测；最后基于半监督方法对移动群智感知背景下的群体任务分发进行优化决策。综上所述，本项目为大数据驱动下的城市群体用户移动行为的发现以及在此基础之上的相关应用提供了富有价值的理论储备与有益探索。项目资助发表论文11篇，在审2篇，申请发明专利1项，授权软件著作权2项，培养硕士研究生4人，其中1人已毕业。项目投入经费25万元，支出18.6179万元，各项支出基本与预算相符合。剩余经费6.3821万元，剩余经费计划用于本项目研究的后续支出。