轨迹数据作为泛在地理信息环境中社会遥感数据的主要表现形式之一,为从个体的视角研究群体的空间移动规律,提供了新的数据支撑和研究思路。特别是在当前的大数据背景下,通过轨迹数据发掘人类的移动规律和活动模式,进而探求蕴含的深层次知识,是解决城市问题的重要途径,轨迹数据挖掘也由此成为地理信息科学及相关学科的研究热点。本文首先阐述了人类移动规律研究常用的轨迹数据集及在该数据集上开展的相关研究和典型应用;然后从城市空间结构功能单元的识别及城市韵律分析、人类活动模式的发现与空间移动行为预测、智能交通的时间估算与异常探测、城市计算的其他4个方面,综述了轨迹数据挖掘在城市中的应用;最后,指出了轨迹数据挖掘面临的挑战和进一步的发展方向。
浮动车数据已广泛应用于交通监管、智能出行、城市规划等领域,地图匹配是浮动车数据关键技术之一,保障匹配算法精度的同时提高匹配效率,是面向海量浮动车数据地图匹配方法的难点。本文提出一种基于HMM（Hidden Markov Model）的地图匹配模型,相对传统模型尝试了多个方面的改进：在发射概率计算中引入航向角变量,并探讨了该变量对模型精度的影响;以格网对路网进行划分,构建哈希索引,实现候选路段快速查找;采用路径无权距离替代路径实际距离,并对路网进行预处理,根据浮动车有限时间内的活动范围构建路段转移矩阵,实现路段转移概率快速计算,以减小路径匹配算法时间复杂度。将模型应用于北京出租车轨迹数据匹配结果表明,对于采样时间间隔在1~120 s的浮动车数据模型切实可行。在满足匹配精度应用需求的前提下,模型效率有了较大幅度提升,能有效应用于海量浮动车数据地图匹配。
为了充分挖掘浮动车轨迹数据的潜在特性,本文在OPTICS空间密度聚类算法基础上,提出了一种有向密度的快速聚类方法(D-OPTICS)。该方法通过扇形空间邻域计算其有向密度信息,并基于方向信息约束其密度可连通性,通过有向可达距离曲线生成数据基本簇,最后,通过空间网格及类簇聚合等优化方法,实现其大规模浮动车轨迹数据的快速聚类处理。通过有向时空数据的聚类分析,发现浮动车轨迹的时空分布特性,以提取复杂路网的结构信息。本文以福州市大规模浮动车轨迹数据,对D-OPTICS进行了系统实验,分析表明,该算法可实现浮动车轨迹数据的快速有向密度聚类分析,有助于挖掘发现时空轨迹数据的分布规律,且基于聚类结果提取了福州市区复杂路网的有向拓扑结构图。同时,与DBSCAN及OPTICS等传统的密度聚类算法进行性能对比,实验表明,D-OPTICS算法能更好地支持大规模浮动车轨迹数据的处理要求。
通过轨迹聚类分析挖掘物体移动模式的空间分布和时间特征,对于认识运动的形成机制,预测运动的未来发展具有重要的意义。目前,轨迹聚类研究主要关注物体的空间位置变化,时空聚类中时间约束一般只是作为辅助信息,并不真正参与聚类。本文提出基于密度的轨迹时空聚类方法,在聚类过程中同时考虑轨迹包含的时空信息,在空间聚类的基础上提出了轨迹线段时间距离的度量方法和阈值确定原则,对时空邻域密度进行聚类分析,挖掘物体的时空移动模式。实验对南海涡旋轨迹进行时空聚类分析,得到了涡旋典型移动模式的空间分布和时间特征,验证了基于密度的轨迹时空聚类方法的有效性。加入时间约束后,移动通道主要发生缩短、分裂和消失的变化。和空间聚类相比,轨迹时空聚类可有效地划分发生在同一位置不同时间的轨迹,得到的聚类结果更加细化,移动模式更加准确,有利于物体的移动模式做更深入的分析。
在GPS或网络信号受到干扰或遮蔽时,导航精度和自主性会大大降低,组合导航技术能弥补这一缺陷。针对组合导航匹配实时、快速和准确的应用需求,本文提出一种具有实时性、高准确性的基于航向角变化的趋势集合特征划分算法。该算法通过计算轨迹点的航向角变化量,对趋势确定集合和趋势待定集合的趋势状态进行赋值,能有效地划分出轨迹上各段的特征点集合。算法还对由外界因素（如超车、紧急避让和驾驶员不同驾驶习惯等）引起的无效特征情况,进行趋势集合状态的分析和判断,以保证特征划分的准确性。本文以北京西五环地区的车辆轨迹数据为例,进行了实地跑车实验表明,基于航向角的趋势集合特征划分算法,在实时性和提取效果方面,具有明显的优势,算法简单可行、高效、可操作性强。
出租车作为城市公共交通的重要补充,是城市面向公众的一个窗口,在人们日常出行中起到越来越重要的作用。出租车资源时空分布的不均衡,直接影响到城市公共交通的运行效率和城市形象。通过研究出租车上下客的时空分布特征,不仅可以反映城市居民的工作、生活、出行的规律和模式,也可反映城市空间在不同时段内的动态性和“热度”。本文基于出租车GPS轨迹大数据,针对出租车上下客事件轨迹呈现的线状特征,以及城市道路网络空间不同时段“热度”的动态分段特征,提出了出租车上下客时空分布的线密度探测模型。该模型通过对时间多粒度描述与表达,对不同城市道路网络空间,进行出租车上下客事件的探测和分析,获取城市出租车上下客的时空分布规律,更深刻地理解和认知了城市空间的动态性。
为对城市各区域出租车OD轨迹流进行可视化分析,需对城市作空间剖分处理,以产生研究所需的子区域。传统的欧氏距离空间剖分方法,在空间上进行硬性切割不能有效地顾及城市人、物的时空流动模式,因此,本文提出了一种空间约束条件下,顾及出租车OD点分布密度的网络Voronoi剖分方法。首先,将道路网的边细分成线性单元,然后,设定空间约束以产生合适的发生元,让各发生元在路网上以线性单元为单位扩散步长,以不同的速度向周围联通道路进行扩散,最终将城市空间划分成一系列与出租车OD点分布密度相适应的空间子区域。利用OD流可视化理论与技术,基于划分的城市子区域分析出租车在这些区域的时空流动,并结合图论知识探究城市空间OD流拓扑图结构的变化,分析不同划分区域出租车流动模式。最后,通过北京地区一天的出租车轨迹数据,对本文提出的算法及分析方法进行了实验。
台湾海峡是东北亚各国与东南亚、印度洋沿岸各国间的海上捷径,其交通主流是通行海峡的南北向航次,然而海峡两岸启动大三通后,穿越海峡的客货运船舶日益增多,导致闽台直航航次与台湾海峡南北干线主交通流交叉现象凸显,台湾海峡西侧水域冲突日益加剧。本文根据船舶轨迹观测数据,抽样出通行海峡南北及横穿海峡的航次样本,应用轨迹栅格化方法建立统计推断模型,以概率形式表达南北干线、两岸直航的海运利用分布,推断出2种交通流的主航迹带,识别南北向交通主流与两岸直航交通支流的显著冲突区,以此调整现有警戒区设置方案。研究结果表明：轨迹统计推断法能定量化分析海西现有交通流模式,易于辨识横越海峡的船舶与通行海峡在航船舶的冲突区中心,为优化警戒区布局提供有效的方法支撑;调整后的海西警戒区中心可与台湾本岛西岸港口外侧的直航船舶通过点对接,形成海峡两岸直航的固定航线,可降低台湾海峡船舶冲突隐患,规范台湾海峡的船舶交通秩序。
浮标在运动过程中如果受到涡旋的影响,会回到之前某一时刻所在的位置,其轨迹中就会出现环状结构,故提取浮标轨迹中的环状结构,就可识别涡旋。鉴此,本文针对ALIS（A Simple Automated Loop Identifying Scheme）算法忽略了这一环状结构中出现的“复杂结构”之不足予以改进,提出了基于浮标轨迹回环结构的涡旋及其移动轨迹提取算法AILIS（An Improved Automated Loop Identifying Scheme）算法。其通过判断环状结构中的轨迹片段是否有自相交对“复杂结构”进行处理,使提取结果更加完善;在此基础上,该算法通过判断涡旋瞬时状态的相似性,可追踪涡旋的部分移动轨迹。本文通过与ALIS算法及其他相关算法结果的对比,并使用SLA数据及HD（Hybrid Detection）、HT（Hybrid Tracking）算法实验结果表明,本文提出的算法能得到更多的海洋涡旋的瞬时状态和移动轨迹,为获取涡旋的物理参数提供重要的途径。
亚像元制图作为一种降尺度分类方法,可利用低分辨率影像获取高分辨率分类图。本文旨在探讨亚像元制图的降尺度分类结果与高分辨率影像分类精度和分类特征上的一致性。实验以天津市津南区和北京市海淀区为研究区,分别对中空间分辨率影像（TM或HJ）进行亚像元制图和对高空间分辨率影像（ALOS或ZY）进行硬分类得到相同空间分辨率的分类结果,从绝对精度、相对精度、空间结构和空间格局上,对2幅分类结果进行分析和评价。实验结果显示：（1）分类精度上,TM和HJ影像的亚像元制图结果,以地面验证样本为参考的绝对总体精度分别为84%和82%,以高分辨率影像（ALOS和ZY影像）硬分类结果,为参考的相对总体精度分别为82%和77%;（2）分类特征上,中空间分辨率影像亚像元制图结果的空间相关性较强、斑块数量较少、聚集度较高,但与高分辨率影像分类结果的总体结构相似,各类别的面积比例基本一致。因此,亚像元制图结果在分类精度和分类特征上与高空间分辨率影像分类结果具有较强的一致性,在缺少高分辨率土地覆被制图时,可将亚像元制图获取的降尺度分类图作为替代数据。
气溶胶光学厚度（AOD）表征气溶胶对光的衰减作用,体现大气混浊度或大气中气溶胶总含量,其卫星产品是研究近年来不断恶化的大气环境与空气质量的良好数据源。AOD卫星产品种类较多,但数据存在较大的不确定性;气溶胶全球监测网（AERONET）的地基数据精度高,但空间覆盖度较差。泛克里金法（UK）能在数据融合过程中更多地考虑描述对象的空间相关性,并且简单易行、结果可靠。因此,本文采用该方法,结合二次多项式波段插值法和回归分析方法,在AERONET AOD数据的基础上,对2008年11月华东地区臭氧监测仪（OMI）和中分辨率成像光谱仪（MODIS）的AOD产品进行了融合。结果表明：二次多项式的AOD波段插值方法,能提供比Angstrom波长指数法更为精准的AOD插值结果;AOD融合产品的空间分辨率高于OMI AOD,覆盖率大于OMIAOD和MODIS AOD,且其精度优于这2种AOD卫星产品;融合产品图显示,2008年11月,华东地区的AOD总体呈现南低北高的趋势,高值区主要分布在长江三角洲部分地区、安徽东北部、苏鲁交界处,以及山东西部;低值区主要为江苏以南大部。相比于前人研究,本文证实了AERONET AOD站点数据少、融合的数据源（卫星AOD产品）过境时间不一致的情况下,UK方法仍然有效。本文提出的融合系统,可为相关研究提供空间覆盖更全、精度更高的AOD数据。
地貌形态特征识别与分类,对生态环境、水文研究及地质构造分析等地学研究具有重要意义,已成为现代地貌学的一个研究热点。传统的统计模式识别方法精度较低,难以解决线性不可分的模式分类问题。人工方法虽然识别精度高,但因各人认知偏差导致的识别误差难以控制。人工神经网络作为一种动态信息处理系统,能有效解决线性不可分的地貌类型识别问题。坡谱是利用微观地形定量指标来反映宏观地形特征的有效方法,在地貌学研究中正受到广泛的关注。本文以陕北黄土高原8个不同地貌类型区的数字高程模型（DEM）为实验数据,以流域为分析单元,提取坡谱及其特征指标作为描述地形特征的定量因子,并通过BP神经网络的构建与学习,进行黄土地貌类型自动识别。实验结果表明,在8种地貌类型的样本数据中,第1次实验正确识别率平均值达70%;第2次和第3次实验中,去除相似度较高的峁状丘陵沟壑或峁梁状丘陵沟壑任一种地貌类型后,正确识别率平均提升为80%和85%。经Kappa系数验证,该方法能以DEM数据有效识别不同类型的黄土地貌。
叶面积指数(LAI)是衡量植被生态状况和估算作物产量的一个重要指标。LAI的反演是定量遥感研究的重要内容。传统的经验统计反演方法基于单一观测角度的遥感数据进行,忽略了地物反射率的方向性。若在反演中加入多观测角度的信息,则有可能提升LAI反演的精度。以2008年甘肃省张掖市玉米实验区为研究区,利用欧空局的CHRIS/PROBA多角度高光谱数据对比分析了传统植被指数NDVI、RVI、EVI的变化规律及其反演玉米叶面积指数LAI的精度,并根据NDVI随观测角度的变化规律,构造出新型多角度归一化植被指数MNDVI,分别对实测叶面积指数进行线性回归并利用实测数据对估算LAI进行精度验证,结果表明：新型MNDVI指数相比于传统NDVI、RVI、EVI对LAI的反演精度有了显著提升,估算模型决定系数R2达到0.716,精度验证均方根误差为0.127,平均减小了33.3%。
植物生长季的变化反映了全球气候变化对生态环境的影响。本研究以2000-2006年间MODIS-NDVI影像数据集,使用TIMESAT软件从归一化植被指数（NDVI）时间序列中,分别提取福建省不同森林植被的生长季开始日期（Start of Season,SOS）、生长季结束日期（End of Season,EOS）和生长季长度（Length of season,LOS）等物候参数,并与全省尺度的气温与降水量进行相关分析。结果表明：不同森林类型NDVI与当月月均气温之间具有较显著的相关性（R2为0.72-0.79,p<0.01）,同期温度变化对植被生长的影响相对于降水量更重要;而植被生长对降水量的响应存在大约2个月的时滞效应（R2为0.54-0.75,p<0.01）,说明前期的降水累积对于后续植被生长有较显著影响。福建省森林植被生长季持续时间约213~223 d,开始于每年4月初到4月中旬（第98~103 d）,结束于11月中旬前后（第316~321 d）。其中,南亚热带森林生长季长于中亚热带森林,相同气候条件下的阔叶林生长季时间略长于针叶林。另外,春季（2-4月）气温变化是导致福建省内2个气候带森林生长季开始时间、生长季结束时间及生长季长度变化的关键因素,而伴随春季温度升高,植被生长季开始时间提前（R2为0.83,p<0.01）,同时生长季长度延长（R2为0.80,p<0.01）。7 a间,生长季持续时间呈现微弱延长趋势,总体延长幅度为2.4~3.1 d。
采用Landsat TM遥感影像,辅以MODIS数据产品,应用像元的分类方法,选用水体指数AWEI（Automated Water Extraction Index）提取水体,估算了2011年南美洲陆表水域总面积。同时,在南美洲各大气候带内监测其典型水域的年内季节性面积及其变化。研究表明,南美洲陆表水域总面积为30.5×104 km2,水域率为1.69%,主要集中分布在亚马逊河流域、巴拉那河流域,以及南部巴塔哥尼亚高原。南美洲共计有湖泊9579个,总面积为14.2×104 km2,占水域总面积的46.42%;河渠总面积达15.7×104 km2,占水域总面积的51.56%;水库坑塘总面积达6144.8 km2,占南美洲地表水域总面积的2.01%。从各大气候区看,热带地区的水域面积明显受到旱雨季的影响,其中,热带沙漠气候带内水域的干湿季变化最为明显;温带地区的水域面积变化相对较小,但有明显的四季之分;高原山地气候区由于其独特的气候特征,水域面积变化较小;亚热带季风性湿润气候和地中海气候区内的水域面积季节性波动很小,但是冬夏2个季节变化明显。从南美洲各国家看,水域面积最大的国家为巴西（14.7×104 km2）,占南美洲水域总面积的48.17%,水域率为1.72%;其次为阿根廷（3.4×104 km2）,占南美洲水域总面积的11.24%,水域率为1.23%;委内瑞拉的水域率最大（3.08%）。
无人机大气环境监测虽然处于起步阶段,但已成为环保部门一项重要的工作内容,对于提高突发性大气污染事件的预防及应急监测具有重要意义。本文以化工污染气体排放高危区齐鲁化学工业区为研究区,利用搭载有高分辨率相机和污染气体监测仪的旋翼无人机（“环鹰一号”）系统,结合地面核查验证的方式,设计了一氧化氮（NO）、一氧化碳（CO）和二氧化硫（SO2）3种污染气体污染遥感监测流程及方法。通过实验区地面验证,以及150、200、250、350 m高度污染气体浓度监测结果分析表明,化工园区污染气体排放具有空间水平差异及垂直扩散特征,联合水平和垂直异常值分析,能为提前排查污染源排放提供有效支撑。本研究是无人机在环保部门大气环境监测中的实际应用,能为后续化工园区及重点企业污染物排放定期监管提供技术支持。
