地理位置分析
人流量
Discovering Urban Functional Zones Using Latent Activity Trajectories
Ieee Transactions on Knowledge and Data Engineering, 2015
Yuan N. J. , Zheng Y. , Xie X.
研究问题：
发现城市的功能区域，并对得出的区域进行解释
模型与方法：
- 根据城市道路网络，讲城市划分成区域
- 从轨迹数据中提取出转移模式立方体，包括两类，离开立方体（三个维度分别是，离开的区域，到达的区域，离开时间）和到达立方体（离开的区域，到达的区域，到达时间）
- 通过POI类型的TF-IDF来衡量每个区域内各种类型的活动的重要程度，形成R-C矩阵。然后对R-C矩阵进行奇异值分解来解决缺失值和潜在语义规律，分解为POI特征向量和区域特征向量
- 把区域看作文档，转移立方当作词汇表，转移模式是词汇，区域内的活动是文档的主体，POI特征向量是文档元数据，用LDA来刻画区域内的活动
- 除了转移模式反应的区域-活动关系，同时考虑了位置的语义，对POI特征向量用DMR建模，然后和LDA结合在一起
- 利用K-means，根据之前得到的区域的活动主题分布，对由道路网络划分的区域聚类，得到城市的功能区域。用核密度估计的方式对每个功能区域的热度，即人流量，最后根据区域的POI分布，给功能区域进行了解释
参考文献
[9]
Land-Use Classification Using Taxi GPS Traces
Ieee Transactions on Intelligent Transportation Systems
Pan G. , Qi G. D. , Wu Z. H.
研究问题：
划分城市区域，并对其进行分类（定义了14种城市区域的类型）
模型与方法：
- 利用出租车数据，统计出上下客的位置分布。将城市划分为10m*10m的网格，发现上客数据稀疏、上下客有聚集现象，这些聚集的区域大小和人流密度都有各不相同
- 定义了上下车点周围的密度，然后用DBSCAN对这些点进行聚类，得到了城市的区域划分
- 对每个区域，定义了6个特征，包括一天内每个时段上下客数量、上下客人数差别、上下客人数比值、一周每天上下客数量。然后根据这6个特征，对之前得到的区域进行了分类
Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence (AAAI-16)
Hancheng Ge, James Caverlee
研究问题：
对不同的城市进行聚类，找出各城市发展的重心
模型与方法：
- 给城市定义了一个n-维兴趣向量，文中包含14个维度
- 首先将推特分为与活动主题有关的和无关的，利用12个二进制特征，还有关键词特征，采用随机森林进行2分类
- 再用多分类器和活动主题有关的推特划分到14个活动种类中
- 再根据城市的活动种类向量对城市进行聚类
kdd ’15 , Zhu Wen-Yuan, Peng Wen-Chih, Chen Ling-Jyh, Zheng Kai, Zhou Xiaofang
研究问题：
对给定位置，找出最有影响力的k个用户
模型与方法：
- 建立用户-POI的对应图，用户-用户之间有社交关系
- 在用户-用户图上求社交影响力
- 估计每个用户到访每个位置的概率，采用基于距离的模型
- 奖基于距离的用户移动模型和社交关系模型联合建模，以此推导出每个用户对该位置的提升概率
参考文献
5，6，17，chapter 2.3
Collective Traffic Prediction with Partially Observed Traffic History using Location-Based Social Media
CIKM'16 , Liu Xinyue, Kong Xiangnan , Li Yanhua
研究问题：
利用LBSN的数据来预测交通状况
模型与方法：
- 结合LBSN数据和部分观测的历史轨迹数据
- 将地图划分成网格，从LBSN中统计一定时间窗口内出地理区域的特征向量
- 对于有交通状况记录数据的区域，结合之前一段时间的交通状况和LBSN特征向量来预测交通状况，对于没有交通状况记录的区域，只试用LBSN特征向量来预测。该特征向量的每一位的值表示在该时间段内，在该区域内发布的堵塞、停车等关键词出现的数量
- 对某一区域内车流速度，文中指出3种关系：和同一区域内之前时段的车流速度有关系、相邻区域之前时段的车流速度、同一时段附近区域的车流速度。将这三种关系线性结合，得到对该区域当前时段的车流速度的估计
- 采用迭代分类算法
Mining Significant Semantic Locations From GPS Data
VLDB‘10 , Xin Cao, Gao Cong, Christian S. Jensen
研究问题：
从GPS数据中挖掘有意义的位置，并为这些位置做重要性排名
模型与方法：
- 同时建模了位置之间的连通关系和用户-位置的到访关系
Improving Personalized Trip Recommendation by Avoiding Crowds
CIKM'16 , Wang Xiaoting , Leckie Christophe
研究问题：
结合POI的当前流量，设计一个避开高峰的行程推荐
模型与方法：
