基于大数据的流空间研究进展

杨延杰, 尹丹, 刘紫玟, 黄庆旭, 何春阳, 吴康

Research progress on the space of flow using big data

YANG Yanjie, YIN Dan, LIU Ziwen, HUANG Qingxu, HE Chunyang, WU Kang

表3 基于大数据的流空间研究中主要涉及的方法

Tab.3 Representative methods used to analyze the space of flow using big data

方法 原理 特点 典型应用 流分析 通过探究流量、方向和强度等特征来揭示流的时空特征,主要包括流量分析、流向分析和流强度分析等 流分析方法可以有效衡量流的时空规律,从而直观地表现流特征 人口通量变化[82] 高性能空间聚类[98] 网络分析 通过社会网络分析和复杂网络分析等方法探究网络中各节点的联系程度,并揭示人流、物流和信息流等在不同节点间的流动特征 可以有效揭示流空间的节点特征和网络特征;难以利用大数据中的语义信息 信息流强度[99] 网络密度和中心度[100] 人员移动建模 通过建立模型挖掘海量数据中所隐藏的规律,揭示人员移动特征和预测人员移动行为 人员移动模型有助于揭示流空间规律的深层机制,深化人们对流空间的理解;现有模型在模型普适性和机理解释方面存在不足 总体模型[8] 时空语义模型[94]