近日， TalkingData與北京航空航天大學、浙江大學合作論文 “UrbanMotion: Visual Analysis of Metropolitan-Scale Sparse Trajectories”，入選 國際頂級期刊IEEE TVCG ，並受邀在10月舉辦的 IEEE VIS大會 上進行全文報告。
本研究基於脫敏後的京津冀城市羣超過120億條移動終端位置記錄， 對城市人羣移動模式進行了挖掘和分析，創新性地提出了針對時間稀疏軌跡的分類、聚合和可視化方法 。本研究成果有望作爲新的交互分析手段，爲城市規劃、交通優化、商業選址等應用領域帶來重要價值。
IEEE Transactions on Visualization and Computer Graphics（TVCG）是可視化領域排名第一的國際頂級期刊。 該19頁長文獲得了TVCG的全文刊登， 並獲得了期刊編輯的高度評價。論文第一作者北京航空航天大學時磊教授，將代表研究團隊在可視化領域全球規模最大、最受認可的 頂級會議IEEE Visualization Conference（VIS）2020年度大會上 ，對論文進行詳細介紹。
基於大規模數據集
創新算法和可視化方式
本次研究使用的數據集由國內領先的數據智能服務提供商TalkingData提供 ，包括來自約4265萬個設備的超過122億條的脫敏位置信息。以往類似研究基於的數據通常規模較小且來源單一，而本次研究使用的數據集來自超過10萬種移動應用程序，不僅規模龐大，而且具有整合多數據來源的優勢，可以覆蓋更多類型的移動軌跡、具有更小的誤差。但同時，這些軌跡數據也具有采樣隨機且時間稀疏的特點，爲數據挖掘和分析帶來了一定難度。
經過探索， 論文中提出了一系列針對稀疏軌跡數據的分析和可視化方法，並總結出一套包含移動提取、人流聚合、路段匹配、模式發現、移動可視化以及用戶交互六大階段的流程。 爲了解決數據的稀疏性這一難點，論文中提出了可以準確高效地判斷記錄靜止/移動的SDS算法。爲了實現不同區域內移動流的聚類，論文中設計了一維的DBSCAN向量聚類方法。此外，論文中還設計了模式發現算法，用於檢測各區域的類型及異常度。在可視化方面，論文中對流生成算法和風圖可視化技術進行了改進，採用動態流和熱力圖結合的展示形式，設計了多種展示和交互方式。
本研究最終實現了一個可以 從大規模的脫敏位置數據中提取人羣移動模式、並將其直觀展示出來的可視化分析系統——UrbanMotion ，該系統可以用於 城市人羣移動概況觀測、局部人口流動模式觀測和分析、人羣分佈與人羣移動之間的關係探索以及異常模式檢測和大型事件檢測等場景 。
行業調研案例
驗證多場景應用價值
研究團隊邀請了相關行業專家對論文成果進行了調研，結合通勤分析、異常檢測、廣告投放等多個應用案例分析證明了系統的可用性和有效性。
例如 在通勤分析的案例中 ，專家選取了北京一個普通工作日，來觀察早間通勤時段的人羣移動情況。結果如下圖所示，可以看出軌跡的可視化結果與北京市道路路網走向大多一致。通過觀察流量最多的移動軌跡，即圖中密度較大、線條較粗的流，可以很直觀地識別出中關村、CBD 等重要的就業中心；而 回龍觀與西二旗地區的人羣流動顏色較暗，表示對應的移動速度較慢，說明該地區的通勤狀況不佳 。
對比早間通勤時段與中午12點回龍觀和西二旗地區的移動熱力圖，可以發現 兩個地區的職住平衡較差 ：早間時段西二旗地區中心有一個突出的紅色區域——說明人羣主要向這裏聚集，而回龍觀地區顯示大片藍色——說明這裏是人羣的主要來源；而中午12點的熱力圖中，兩地不再有明顯的顏色差異，說明通勤行爲大部分已結束。當地圖切換到路網模式時，可以看到西二旗和回龍觀中間被G6高速公路阻隔。專家表示， 道路的拓撲結構在一定程度上導致了西二旗和回龍觀地區的交通擁堵，未來這部分區域需要建立更多的道路來滿足通勤需求。
通過案例調研，可以驗證UrbanMotion系統在如城市規劃、交通優化、安全防護、事件預測、商業選址等公共事業領域和商業領域，都可以提供重要價值。
企業+名校
產學研結合促進大數據應用
本研究， 由北京航空航天大學計算機學院大數據科學與腦機智能高精尖創新中心時磊教授團隊、浙江大學計算機學院副院長陳爲教授團隊、TalkingData首席數據科學家張夏天團隊（通訊作者）共同完成 。後續，研究團隊計劃對系統進一步優化，並推動在各行業場景下的落地應用。
這是 國內頂尖院校與領先企業攜手在大數據領域的一次成功探索 ，也是TalkingData近年來倡導構建“連接、安全、共享”數據智能應用生態的又一次踐行。將院校的理論基礎和科研能力與企業的數據能力和行業經驗相結合，優勢互補，更有助於用新思路、新技術、新方案爲大數據應用賦能，爲促進國家大數據戰略落地、加速數字化轉型升級帶來1+1＞2的效果。
本文轉載自公衆號TalkingData（ID：Talkingdata）。
原文鏈接：