排序方式： 共有8条查询结果，搜索用时 171 毫秒
1
3.
移动轨迹聚类方法研究综述 总被引：6，自引：2，他引：4
轨迹数据是人类移动行为的表征,能够映射出人的出行模式和社会属性等信息。怎样有效挖掘轨迹数据蕴藏的人类活动规律一直是研究的热点。通过轨迹聚类发现行为相似的类簇,从而探究群体的移动模式是轨迹挖掘和深度应用常见的方法之一。本文首先根据轨迹数据的特点,将轨迹数据模型分为轨迹点模型和轨迹段模型,并据此定义相应的相似性度量：空间相似性度量和时空相似性度量;然后,对两类模型的聚类方法进行了综述,并总结不同聚类算法的优缺点,以期为不同应用选取聚类算法提供科学依据;最后对移动轨迹数据聚类方法研究的发展趋势进行了讨论。 相似文献
4.
5.
6.
利用CityEngine进行三维校园参数化精细建模 总被引：3，自引：0，他引：3
在现有二维数据的基础上进行快速的三维精细化建模是当前GIS领域的一个重要研究方向。本文给出了CityEngine参数化规则建模的流程和方法,解释了规则函数的原型及其作用,阐述了建筑物、道路、绿化和水体的三维精细化规则建模的具体步骤,并以山东科技大学校园三维为例,在CityEngine平台上构建了整个校园的三维场景。参数化建模能够通过参数更改模型的细节特征,实现了实时、动态的三维建模,弥补了传统建模方法的不足,对大规模城市快速精细化三维建模具有重要的指导意义。 相似文献
7.
轨迹数据挖掘城市应用研究综述 总被引：1，自引：0，他引：1
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。 相似文献
8.
1