空间相互作用数据挖掘及可视化分析相关文章综述

1. 祝曦在“海量空间相互作用数据挖掘及可视化”中提出了

• 一种从大规模空间相互作用数据中提炼地理特征信息的方法，主要步骤包括：将空间点聚合成类，计算统计量度，然后可视化统计量度来发现时空模式。文中将该方法作用在一组出租车数据上，这一组出租车数据描述中国深圳市的 2331 辆出租车五天内的轨迹。实验在出租车数据上发现了各种时空模式，例如，不同时段的流量差等。方法主要解决的问题有：（1）如何识别大量空间点的自然边界，（2）如何综合移动数据，从而得到高层次的信息，（3）如何有效的处理大规模空间点数据并有效的发现规律。
• 一种将大量空间相互作用数据聚类的方法。该方法主要的思想是扩展传统的空间点层次聚类方法，应用到空间相互作用数据。文章通过使用深圳出租车数据，对出租车的时空模式进行了分析。研究主要解决的问题有：（1）使用层次聚类方法，对空间相互作用数据进行聚类；（2）定义空间相互作用数据的相邻关系；（3）提出了一种基于点密度分布的空间相互作用的相似性量度（4）在空间聚类的结果上，对数据的时间模式进行了分析。
• 空间相互作用数据核密度估计模型。该模型的主要思想是，将点的核密度估计模型扩展到空间相互作用数据。该算法主要分为三个步骤：空间相互作用数据的核密度估计，代表性数据选择，流向地图可视化。该算法主要解决的问题有：（1）从大量的空间相互作用数据中提取出固有的模式规律（2）通过核密度估计模型，归一化起点和终点区域大小，解决了 MAUP 问题和小单元区域问题。文中使用美国移民数据集，这组数据来源于 20