杰克·丹杰蒙德奖 (Jack Dangermond Award) 由MDPI和ESRI赞助设立，旨在鼓励和激励作者个人或团体向IJGI 期刊提交高质量的科学论文，推广和宣传该期刊，并表彰杰克·丹杰蒙德对地理空间科学研究和发展做出的杰出贡献。
了解奖项详情：https://www.mdpi.com/journal/ijgi/awards/1266
阅读原文：https://www.mdpi.com/3010560
期刊主页：https://www.mdpi.com/journal/ijgi
在城市规划、交通管理和公共安全等领域，挖掘时空移动模式具有重要意义。随着数据采集与存储技术的不断进步，越来越多的人类移动数据被以时间序列形式保存，这为深入分析人类行为提供了新机遇。然而，由于移动数据本身存在高维度、噪声、多样性强、异常值多以及时间扭曲等特征，传统的时间序列聚类方法在处理该类数据时准确性与效率难以兼顾。针对这一挑战，德州农工大学数据科学研究院院长Nick Duffield博士与地理学院的Zhe Zhang教授及其团队在ISPRS International Journal of Geo-Information (IJGI) 期刊上发表了相关研究，提出了一种改进的深度时间序列聚类方法，用于更高效、精确地挖掘复杂时空移动数据中的潜在模式。
提出方法的工作流程
研究过程与结果
本研究提出了一种改进的深度时间序列聚类方法，结合神经网络结构的时序自编码器与基于动态时间规整的K-means聚类算法，旨在更准确高效地挖掘时空移动模式。该方法首先通过一维卷积神经网络 (1D-CNN) 与双向长短期记忆网络 (Bi-LSTM) 提取时间序列的关键特征表示，再通过引入K-means导向损失优化潜在特征，使其更适合下游聚类任务。最后，使用基于动态时间规整的K-means聚类算法对低维时序表示进行聚类，有效应对了高维度、时间扭曲、噪声与异常值等问题，在保证计算效率的同时显著提升了聚类的准确性和鲁棒性。
为了验证该方法的有效性，作者在一个合成数据集以及多个真实世界的移动时间序列数据集上开展了实验。实验数据包括澳大利亚墨尔本市中心的全年小时级行人流量数据，覆盖10个主要感应点，能够捕捉城市在不同区域间的日常活动流动特征。该数据呈现出明显的空间差异性与周期性节律，为研究城市空间的动态变化提供了理想场景。此外，研究还采用了墨尔本唐人街区域的月度行人流量数据，区分了工作日与周末的出行行为，用以测试算法对细微时间变化模式的识别能力。在这一数据集中，同一地点在不同时段表现出的出行差异极为细微，传统聚类方法往往难以有效识别，而本文提出的方法能够准确区分这些潜在结构，展现出对时序特征的高度敏感性与识别能力。
COVID-19疫情期间三个阶段的时空出行模式：居家令实施前、居家令期间以及重启阶段 (从上到下)。
在应对突发事件的数据场景下，研究进一步将方法应用于美国COVID-19疫情早期阶段的县级人口出行数据。该数据涵盖2020年3月至5月全国3142个县的日均出行距离，反映了政策干预 (如居家令、限制出行) 对社会整体流动性的直接影响。通过对该数据的聚类分析，研究揭示了城乡之间、不同州之间在疫情响应中的行为差异。例如，南部与中西部地区因经济结构与政策宽松保持了较高的出行水平，而东部与西海岸主要城市则因疫情严重和远程办公政策导致出行大幅下降。为了量化空间群体的行为差异，研究引入了“平均出行距离” (ATD) 指标，并结合疫情前、中、后三个阶段绘制了美国范围内的时空出行变化趋势图。结果显示，疫情初期全国出行普遍减少，但部分农村地区仍保持较高活动强度；而在疫情缓解后，南部州如德克萨斯州、佛罗里达州的出行恢复更为迅速，相对而言，纽约、加州等地的恢复速度较慢。
研究总结
本文系统评估了所提出的方法在处理复杂时空移动数据方面的聚类表现，重点验证了其在高维度、噪声干扰、时间扭曲等挑战条件下的鲁棒性与准确性。实验结果显示，该方法不仅在合成数据上取得了优越的性能表现，在多个真实场景中也能有效挖掘潜在的移动规律，尤其在墨尔本唐人街数据中，成功识别了工作日与周末之间的细微出行模式差异，显著优于现有主流方法。尽管本研究成果显著，作者亦指出算法在区域样本广度、不规则采样和缺失数据鲁棒性方面仍存在改进空间。未来研究将进一步探索注意力机制、混合神经网络结构及更灵活的聚类策略，以增强方法对复杂、多变时空数据的泛化能力。整体而言，本文提供了一个准确、高效且具有通用性的技术框架，为公共卫生、智慧城市、交通行为分析与环境监测等领域中的时空移动模式挖掘奠定了坚实的基础。
ISPRS IJGI 期刊介绍
主编：Wolfgang Kainz, University of Vienna, Austria
期刊主题涵盖地理信息科学和技术各个方面，主要包括空间数据模型与管理、空间分析与决策、地理空间人工智能、地图制图、空间数据基础设施、地理空间网络、志愿地理信息、基于位置的服务、轨迹分析、智慧城市和前沿地理空间应用等。
2023 Impact Factor：2.8
2023 CiteScore：6.9
Time to First Decision：35.8 Days
Acceptance to Publication：2.2 Days
转载本文请联系原作者获取授权，同时请注明本文来自MDPI开放科学科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3516770-1485420.html?mobile=1
收藏
