位置服务 栏目所有文章列表

    (按年度、期号倒序)
        一年内发表的文章 |  两年内 |  三年内 |  全部
    Please wait a minute...
    选择: 显示/隐藏图片
    基于正则表达式的限制性路径规划
    王婧, 刘辉平, 金澈清
    华东师范大学学报(自然科学版)    2017, 2017 (5): 162-173,235.   DOI: 10.3969/j.issn.1000-5641.2017.05.015
    摘要383)   HTML16)    PDF (651KB)(753)   
    传统的路径规划算法大多以长度、时间或代价等为度量标准搜索起止点间的最优路径,不适于解决有位置限制的路径规划需求,如搜索有序或无序地经过全部或部分用户指定的位置点或位置点类别的最短路径.本文主要针对这类应用场景,利用正则表达式表示复杂的限制性路径规划需求,形式化定义了基于正则表达式的限制性路径规划问题并设计了通用的解决框架,在此框架基础上提出了基本的限制性路径规划算法BCRP(Basic ConstrainedRoute Planning)以及加入剪枝策略的改进的限制性路径规划算法ICRP(Improved Constrained Route Planning),有效减少了搜索空间.最后通过在真实路网数据上的实验结果证明了方法的高效性.
    参考文献 | 相关文章 | 多维度评价
    基于k-泛化技术的时空数据个人隐私保护方法
    杨姿, 宁博, 李毅
    华东师范大学学报(自然科学版)    2017, 2017 (5): 174-185.   DOI: 10.3969/j.issn.1000-5641.2017.05.016
    摘要405)   HTML26)    PDF (844KB)(544)   
    近些年来,基于位置系统的设备越来越多,从而导致用户的大量位置信息被移动设备获取并利用,从数据挖掘的角度来说,这些数据具有不可估量的价值,但从个人隐私方面来说却恰恰相反,每个人都不希望自己的信息被泄露和利用,从而引发了人们强烈的隐私关注.目前许多文献都提出了隐私保护技术来解决这个问题,概括来说是干扰、抑制和泛化几大类.为了对个人时空数据的隐私进行保护,本文提出了k-泛化的方法.对用户可能出现的点进行范围限定,更好地提高了数据的可用性;对泛化节点的选取要使得用户的安全性最高;考虑了多个敏感节点存在情况下的解决方案,并且出于提高数据效用的目的对多个敏感节点进行了优化.最后通过实验评估了算法的性能并且验证了算法保护个人隐私是有效的.
    参考文献 | 相关文章 | 多维度评价
    基于实时路况的top-k载客热门区域推荐
    吴涛, 毛嘉莉, 谢青成, 杨艳秋, 王锦
    华东师范大学学报(自然科学版)    2017, 2017 (5): 186-200.   DOI: 10.3969/j.issn.1000-5641.2017.05.017
    摘要341)   HTML14)    PDF (1033KB)(523)   
    为降低城市出租车的空载率,缓解路网交通拥堵压力,亟需设计有效的出租车载客热门区域推荐方法.针对传统的出租车相关推荐方法忽略实际路况导致推荐精度较低的现状,提出了一个两阶段的载客热门区域实时推荐算法.首先,离线挖掘阶段,基于出租车历史轨迹数据集提取基于时段属性的载客热门区域;随后,在线推荐阶段,根据出租车请求位置及时间,结合实时路况设计潜在空载时间开销函数Tcost对载客热门区域进行评测排序,继而发现Top-k载客热门区域.基于出租车轨迹数据集的实验结果表明,结合实时交通状况的Top-k载客热门区域推荐方法以确保较小潜在空载时间开销,相较于传统的出租车推荐方法具有较好的有效性与鲁棒性.
    参考文献 | 相关文章 | 多维度评价
    智能交通刷卡记录中的公交站点恢复方法
    王艺霖, 章志刚, 金澈清
    华东师范大学学报(自然科学版)    2017, 2017 (5): 201-212.   DOI: 10.3969/j.issn.1000-5641.2017.05.018
    摘要500)   HTML12)    PDF (579KB)(450)   
    随着城市公共交通网络的快速发展以及智能交通卡的普及,智能交通卡中隐藏着越来越丰富的个人及群体移动行为信息.但当前很多城市智能公交卡主要用于收费功能,并未包含乘客确切的上下车时间及站点信息,这给分析挖掘交通卡刷卡数据、提供基于精确位置的服务带来了阻碍.本文针对上海市不含公交上下车站点的刷卡数据集,借助于确定的地铁站点刷卡信息,分析个人的整体刷卡历史记录,提出一个基础的基于时空邻近性的恢复算法(STA,Space-Time Adjacencyalgorithm)和一个改进的基于历史的恢复算法(HTB,Historical Trip Basedalgorithm).具体地,STA算法根据刷卡记录线路的时空邻近关系进行恢复,在此基础上,HTB算法将刷卡记录集合根据时间和空间属性进行切分,获得有明确出行意义的出行记录,再利用历史记录集合,提取乘坐线路以及频繁换乘线路,根据线路间的空间关系生成线路带权候选站点列表,再次进行站点恢复.实验证明本文算法可以较好地缩小线路的候选上下车站点范围,且时间效率较高.
    参考文献 | 相关文章 | 多维度评价