面向时空数据的多粒度结构化表示

第38卷 第3期

数字技术与应用

第 38 卷 数字技术与应用

2020年 3月

Digital Technology &Application

Vol.38 No.3

March 2020

学术论坛

DOI:10.19695/12-1369.2020.03.113

面向时空数据的多粒度结构化表示

夏增刚 丁夏蕾 王亮

(西安科技大学电气与控制工程学院,陕西西安 710054)

摘要:针对时空感知数据在时间、空间维度分布不均衡所导致的问题,本文提出了3DTree的时空多粒度结构。进而以不同平台、不同

类型、不同地域的数据集实验验证了所提出的时空多粒度结构化表示方法的稳定性、有效性及普适性。

关键词:时空数据；多粒度；数据表示

中图分类号:TP302文献标识码:A文章编号:1007-9416(2020)03-0232-01

0 引言

在现实场景中,由于人口分布、区域功能定位等原因,导致所获

取到的时空数据在时间-空间上具有极强的分布不均衡性

[1]

。不均衡

的时空数据若是采用等粒度的时空结构表示索引

[2]

,会造成索引效

率的低下、所挖掘到的知识/模式精度往往不高等问题。而多粒度的

数据表示方法可以很好的解决上述问题。

速排序,将数据长度1/2位置的点作为切分点,将数据集划分为左子

区域和右子区域。

步骤3.将左子区域和右子区域分别作为数据集,重复Step1-2

递归地实现时空多粒度的划分。

步骤4.保存深度为dep的

2

dep

个空间长方体的坐标。

3 实验验证

本文数据集:成都市滴滴打车平台一个月的订单数据,成都市

出13606辆租车一天轨迹数据,深圳市13698辆出租车一天轨迹数据。

(1)时空多粒度表示结构的统计量分布实验。二维划分方法深度

取10,三维方法深度取14。实验结果如表1。

从表1可以看出三维多粒度表示结构比二维结构的信息熵和方

差小,划分的区域分辨率更高。

(2)不同平台、不同类型、不同地域实验。

从表2、3可以看出:三维方法构建的多粒度结构更稳定,时空多

粒度表示结构的确定性和对数据分布表示的能力更强。

1 时空多粒度数据表示研究现状

目前,空间数据多粒度结构化表示方法的研究与应用已有部分

成果。Chao C等

[2]

将出租车轨迹转化为空间等网格序列检测异常轨

迹。Yu W等

[3]

以等网格为基础实现出行模式挖掘。王亮等

[4]

提出弹

性多尺度空间划分方法。Andy Y X等

[5]

比较了空间等网格,Q网格

及空间KDTree在目的地预测中的影响。考虑到时间-空间三维度上

的复杂特性,本文提出时空多粒度结构化数据表示方法。

2 3Dtree时空多粒度描述

时空多粒度是将经度、纬度、时间统一分析,3DTree划分步骤如下:

算法1.3DTree时空多粒度划分,如图1所示。

输入:3维时空数据集

T

{

x

1

,

x

2

x

3

,



x

N

}

,其中

x

i

(x

i

lon

,

4 结语

本文针对传统时空数据表示对时间属性考虑不足的问题,从数

据的时空分布出发提出了3DTree方法,并且实验验证了本文方法的

有效性、稳定性和普适性。

参考文献

[1] Piotr ent Discovery of Sequential Patterns

from Event-Based Spatio-Temporal Data by Applying

表1 多粒度划分结果统计量对比

方法 信息熵 方差 偏度

空间等网格 4.58 3.2*10^6 7.78

空间KDTree 4.40 318.74 0.38

3DTree 2.92 4.06 0.22

峰度

76.71

25.33

5.54

x

i

lat

,x

i

t

),i



1,2,



N;

划分深度dep;

输出:

2

dep

个空间长方体的坐标。

步骤1.划分维度的选择。在(lon,lat,t)中选择一个维度

d

0

。

步骤2.以

d

0

为坐标轴,以T中所有实例

x

d

0

的坐标对数据集快

表2 成都出租车数据在滴滴数据多粒度结构上的统计量对比

方法

空间KDTree

3DTree

方法

空间KDTree

3DTree

信息熵

9.12

6.23

信息熵

7.31

4.53

方差

2.12*10^5

1156.30

方差

5670.62

62.12

偏度

2.91

3.16

偏度

6.08

4.70

峰度

18.32

19.67

峰度

64.12

59.04

表3 深圳出租车出发点数据在目的点数据上的统计量对比

图1 3DTree划分方法

收稿日期:2020-01-11

作者简介:夏增刚(1995—),男,陕西商洛人,硕士研究生,研究方向:数据挖掘、城市计算。

······下转第234页

232

第 38 卷 数字技术与应用

健康管理为借口,对各种虚假广告进行大肆宣传,骗取用户钱财,导

致APP应用可信度不断降低。而移动医疗APP能够提供一定载体来

传播健康信息,对于应用本身用户要求内容真实,如干预生活方式

来指导康复治疗的进行,为取得用户信应用内容必须与相关标准相

符且科学、真实,在开展康复治疗工作时还需要根据各项应用指示。

为此检疫慢性病患者需要谨慎的管理自身疾病,在选择APP时严格

按照医嘱。站在设计者的角度上,对于某一款APP的设计,必须经过

充分的调研,对使用率最高的特定疾病患者需求、医护人员所提出

的专业意见广泛的收集起来。站在医护人员的角度上,使用APP管理

慢性病患者时需严格按照循证医学指南,不断细化内容,确保内容

全面、具体,并采用通俗易懂的形式表达出来

[5]

。

与不足,为更好的规范行业发展就需要将实际情况结合起来,制定

和出台一系列切实可行的法律法规,确保人们日益增长的健康管理

需求能够获得不断满足

[6]

。

4 结语

慢性病在一定程度上已经对全球居民健康造成了严重威胁,随

着诊疗技术的发展,慢性病患者生存率不断提高,其健康管理通常

会涉及多方面的内容且时间跨度大,而传统医疗模式很难开展有效

管理。随着移动通信技术、智能电子设备的发展,移动医疗APP应运

而生,其也逐渐被应用到慢性病患者的健康管理当中,效果显著。

参考文献

[1] 杨逸斐,于洋,张晗兴,等.关于移动医疗APP所存在的问题及解

决办法分析[J].经济师,2019(01):229-230.

[2] 潘晓,黄惠桥.移动医疗在慢性病管理中应用的研究进展[J].海

南医学,2018,29(13):1874-1876.

[3] 王秋颖,董怡然,李英超.移动医疗APP在慢性病健康管理中的应

用研究[J].经济研究导刊,2018(14):167-168.

[4] 张海宇,邹海欧.移动医疗应用程序在慢性病患者中应用现状与

展望[J].中国公共卫生,2017,33(11):1587-1590.

[5] 王文静,洪静芳,张甜,等.慢性病患者对移动健康管理接受现状

的研究进展[J].中华护理杂志,2017,52(10):1265-1268.

[6] 陶品月,黄惠桥.移动医疗App在慢性病患者健康管理中的应用

进展[J].护理学报,2016,23(19):22-25.

2.3 设计管理离不开多科密切合作

关于慢性病患者的管理,主要在于专科医护人员管理某一特定

疾病患者,但是慢性病不是单一疾病,为更好的做好管理工作就需

要强化多科合作、彼此共同负责。慢性病虽然日渐年轻化,但是当下

主要是老年人为主,因此在APP设计过程中需对老年人的群体特征

进行充分考虑,确保所设计的APP操作简单、方便且有效。

3 应用展望

移动医疗在“互联网+医疗”背景下是一个新兴行业,且发展机

遇大,有助于传统慢性病健康管理模式的改变,方便慢性病患者将

各种健康指标快捷有效的记录下来,为用药方面提供科学的指导,

且制定的康复治疗方案更具个性化。同时,当下医疗移动在我国正

处于发展阶段,在慢性病的健康管理方面不可避免的存在许多缺陷

Analysis of the Application Progress of Mobile Medical App in the Health

Management of Patients with Chronic Diseases

XU Dan,QIAO Xue-bin

(School of Health Policy&Management, Nanjing Medical University, Nanjing Jiangsu 211166)

Abstract:With the rapid development of mobile communication technology and the Internet economy, the traditional medical service behavior

model has been significantly changed, which has created good conditions for the generation of mobile medical APPs. It has received high attention and

recognition from the society due to a series of advantages. Such as convenient, efficient and easy to promote. At the same time, in terms of health

management of chronic diseases, mobile medical apps have been widely used, and many problems have emerged. To promote the healthy and orderly

development of the mobile medical industry, it is necessary to formulate constructive opinions on these issues.

Key words:mobile medical app;chronic disease;health management;application progress

······上接第232页

Microclustering Approach[M]//Intelligent Methods and Big Data

in Industrial Applications,2019.

[2] Chen C,Zhang D,Castro P S,et :Isolation-Based Online

Anomalous Trajectory Detection[J].IEEE Transactions on Intel-

ligent Transportation Systems,2013,14(2):806-818.

[3] Yu ering Frequent Movement Paths From Taxi Tra-

jectory Data Using Spatially Embedded Networks and Associa-

tion Rules[J].IEEE Transactions on Intelligent Transportation

Systems,2018(99):1-12.

[4] 王亮,胡琨元,库涛,等.基于多尺度空间划分与路网建模的城市

移动轨迹模式挖掘[J].自动化学报,2015,41(1):47-58.

[5] Xue A Y,Qi J,Xie X,et g the data sparsity problem in

destination prediction[J].Vldb Journal,2015,24(2):219-243.

Multi Granularity Structured Representation of Spatiotemporal Data

XIA Zeng-gang, DING Xia-lei, WANG Liang

(School of Electrical and Control Engineering, Xi`an University of Science and Technology, Xi'an Shaanxi 710054)

Abstract:In view of the problems caused by the unbalanced distribution of spatiotemporal sensing data in time and space dimensions, this paper

proposes spatiotemporal multi-granularity structure: 3DTree. Furthermore, the stability, validity and universality of the proposed spatiotemporal multi-

granularity structured representation method are verified by data set experiments on different platforms, different types and different regions.

Key words:spatiotemporal data; multi-granularity;data representation

234