面向智能手机的改进有限状态机步态探测算法

毕京学, 甄杰, 姚国标, 桑文刚, 宁一鹏, 郭秋英

毕京学, 甄杰, 姚国标, 桑文刚, 宁一鹏, 郭秋英. 面向智能手机的改进有限状态机步态探测算法[J]. 武汉大学学报 ( 信息科学版). DOI: 10.13203/j.whugis20200186
引用本文: 毕京学, 甄杰, 姚国标, 桑文刚, 宁一鹏, 郭秋英. 面向智能手机的改进有限状态机步态探测算法[J]. 武汉大学学报 ( 信息科学版). DOI: 10.13203/j.whugis20200186
BI Jingxue, ZHEN Jie, YAO Guobiao, SANG Wengang, NING Yipeng, GUO Qiuying. Improved Finite State Machine Step Detection Algorithm for Smartphone[J]. Geomatics and Information Science of Wuhan University. DOI: 10.13203/j.whugis20200186
Citation: BI Jingxue, ZHEN Jie, YAO Guobiao, SANG Wengang, NING Yipeng, GUO Qiuying. Improved Finite State Machine Step Detection Algorithm for Smartphone[J]. Geomatics and Information Science of Wuhan University. DOI: 10.13203/j.whugis20200186

面向智能手机的改进有限状态机步态探测算法

基金项目: 

国家重点研发计划项目(2016YFC0803102,2016YFB0502102);卫星导航系统与装备技术国家重点实验室开放基金(CEPNT-2018KF-03);山东省高等学校青创人才引育计划(0031802);山东建筑大学开放实验项目(2019yzkf159);山东省自然科学基金(面上项目)(ZR2017MD029);自然资源部测绘科学与地球空间信息技术重点实验室经费资助项目(2020-3-4);山东建筑大学博士科研基金(XNBS1985)。

详细信息
    作者简介:

    毕京学,博士,讲师,主要从事室内多源混合定位、室内外无缝定位技术研究。bjx1050@163.com

    通讯作者:

    甄杰,博士,研究员。zhenjie@casm.ac.cn

  • 中图分类号: TN96

Improved Finite State Machine Step Detection Algorithm for Smartphone

Funds: 

This work was funded by National Key Research and Development Program of China(2016YFC0803102, 2016YFB0502102)

  • 摘要: 针对室内定位行人航位推算中步态探测算法步数识别准确率不够高、同步控制不够精确以及位置估计存在较大偏差等问题,提出了一种面向智能手机平端活动的改进有限状态机步态探测算法。通过设定有限状态对应步行过程合加速度变化趋势,利用相邻合加速度差值和上/下坡次数阈值实现步数识别和步态周期估计。在211米走廊内由2名实验人员分别平端智能手机开展实验,结果表明:改进算法步数识别准确率为100%,每一步平均识别时间提前了0.004秒,平均位置误差为0.384米,相比于自相关分析和加速度差分有限状态机算法,识别准确率、同步控制精度和位置估计精度分别至少提高了0.7%、60%和21.15%。本文所提算法在步数识别、同步控制以及位置估计方面优于现有算法。
    Abstract: To solve the problems in pedestrian dead reckoning algorithms for indoor positioning, of which the step recognition accuracy for step detection is not high enough, the synchronous control is not precise enough, and there is a large location deviation. An algorithm of improved finite state machine step detection for the activity of flat holding smartphone was proposed. A finite number of states were set to correspond to the trend of resultant acceleration variation during walking. Step detection and step cycle estimation were realized based on adjacent resultant acceleration difference and several thresholds of climbing and descending times. Experimental tests were conducted by two testers in 211 meters corridors with flat holding smartphone, respectively. Experimental results show that the accuracy of two step detection tests are both 100% by using the improved algorithm. It is 0.004 seconds earlier on average than the actual time for each step. And the average location error is 0.384m. Compared to the auto-correction analysis and acceleration differential based on finite state machine algorithms, the accuracy of step recognition, synchronous control and location estimation are improved at least 0.7%, 60% and 21.15%, respectively. The proposed algorithm behaves better than the existing algorithms in the aspects of the step recognition, the synchronous control and location estimation.
  • 图  1   一步动作分解及对应的运动参数变化

    Figure  1.   Motion Decomposition of One Step and Changes of Corresponding Parameters

    图  2   步行过程中合加速度模值变化与对应状态

    Figure  2.   Variation of Resultant Acceleration Magnitude During Walking and Corresponding States

    图  3   改进的步态探测算法流程图

    Figure  3.   Flowchart of Improved Step Detection Algorithm

    图  4   实验路线

    Figure  4.   Experimental Route

    图  5   前10步的识别时间

    Figure  5.   Identification Time of the First 10 Steps

    图  6   行人航位推算轨迹

    Figure  6.   Trajectory of PDR

    表  1   IFSM步态探测算法中的经验参数

    Table  1   Empirical Parameters in IFSM Step Detection Algorithm

    变量 数值 变量 数值
    $ {A}^{h} $/(m⋅s-2) 9.81 $ {T}_{C}^{2} $/次 5
    $ {A}_{D}^{h} $/(m⋅s-2) 0.04 $ {T}_{C}^{h} $/次 3
    $ {T}_{C}^{1} $/次 4 $ \delta $/(m⋅s-2) 0.2
    $ {T}_{D}^{h} $/次 7
    下载: 导出CSV

    表  2   3种算法步数识别统计

    Table  2   Statistics of Step Recognition by Using Three Algorithms

    实验人员 算法 实际步数 识别步数 偏差
    AD-FSM 284 282 2
    自相关分析 279 5
    IFSM 284 0
    AD-FSM 319 316 3
    自相关分析 316 3
    IFSM 319 0
    下载: 导出CSV

    表  3   3种算法识别步数时间统计

    Table  3   Statistics of Step Recognition Time by Using Three Algorithms

    步数 实际时间/s AD-FSM/s 自相关分析/s IFSM/s
    1 0.640 0.960 0.580 0.640
    2 0.560 0.500 0.560 0.480
    3 0.580 0.580 0.540 0.620
    4 0.500 0.560 0.520 0.480
    5 0.540 0.580 0.540 0.580
    6 0.500 0.500 0.520 0.460
    7 0.540 0.580 0.520 0.580
    8 0.520 0.480 0.520 0.480
    9 0.540 0.580 0.520 0.580
    10 0.500 0.460 0.500 0.480
    合计 5.420 5.680 5.320 5.380
    平均 0.542 0.568 0.532 0.538
    下载: 导出CSV

    表  4   3种算法位置误差统计

    Table  4   Statistics of Location Error by Using Three Algorithms

    位置 AD-FSM/m 自相关分析/m IFSM/m
    1 0.581 0.079 0.270
    2 0.370 1.120 0.473
    3 0.233 1.235 0.511
    4 0.765 1.588 0.284
    平均 0.487 1.006 0.384
    下载: 导出CSV
  • [1]

    Bi J, Wang Y, Li X, et al. An Adaptive Weighted KNN Positioning Method Based on Omnidirectional Fingerprint Database and Twice Affinity Propagation Clustering[J]. Sensors, 2018, 18(8):2502-2518.

    [2] BI Jingxue. Study on Optimization Problem of Wi-Fi/PDR Indoor Hybrid Positioning on Smartphone[D]. Xuzhou:China University of Mining and Technology, 2019.(毕京学. 智能手机Wi-Fi/PDR室内混合定位优化问题研究[D].中国矿业大学,2019.)
    [3] ZHOU Baoding, LI Qingquan, MAO Qingzhou, et al. User Activity Awareness Assisted Indoor Pedestrian Localization[J]. Geomatics and Information Science of Wuhan University, 2014, 39(6):719-723.(周宝定, 李清泉, 毛庆洲, 等. 用户行为感知辅助的室内行人定位[J]. 武汉大学学报·信息科学版, 2014, 39(6):719-723.)
    [4] XIONG Hanjiang, GUO Sheng, ZHENG Xianwei, et al. Indoor Pedestrian Mobile Activity Recognition and Trajectory Tracking[J]. Geomatics and Information Science of Wuhan University, 2018,43(11):1696-1703.(熊汉江,郭胜,郑先伟,等.室内行人移动行为识别及轨迹追踪[J].武汉大学学报·信息科学版,2018,43(11):1696-1703.)
    [5]

    Levi R W, Judd T. Dead Reckoning Navigational System Using Accelerometer to Measure Foot Impacts:U.S. Patent 5,583,776[P]. 1996-12-10.

    [6] CHEN Guoliang, ZHANG Yanzhe, WANG Yunjia, et al. Unscented Kalman Filter Algorithm for WiFi-PDR Integrated Indoor Positioning[J]. Acta Geodaetica et Cartographica Scinica, 2015, 44(12):1314-1321.(陈国良,张言哲,汪云甲,等.WiFi-PDR室内组合定位的无迹卡尔曼滤波算法[J].测绘学报,2015,44(12):1314-1321.)
    [7]

    Zhou B, Li Q, Mao Q, et al. Activity Sequence-Based Indoor Pedestrian Localization Using Smartphones[J]. IEEE Transactions on Human-Machine Systems, 2017, 45(5):562-574.

    [8]

    Shin B, Kim C, Kim J, et al. Motion Recognition-Based 3D Pedestrian Navigation System Using Smartphone[J]. IEEE Sensors Journal, 2016, 16(18):6977-6989.

    [9]

    Kang W, Han Y. SmartPDR:Smartphone-Based Pedestrian Dead Reckoning for Indoor Localization[J]. IEEE Sensors Journal, 2015, 15(5):2906-2916.

    [10]

    Chen Z, Zou H, Jiang H, et al. Fusion of WiFi, Smartphone Sensors and Landmarks Using the Kalman Filter for Indoor Localization[J]. Sensors, 2015, 15(1):715-732.

    [11]

    Ruiz A R J, Granja F S, Honorato J C P, et al. Accurate Pedestrian Indoor Navigation by Tightly Coupling Foot-mounted IMU and RFID Measurements[J]. IEEE Transactions on Instrumentation and Measurement, 2012, 61(1):178-189.

    [12]

    Pinchin J, Hide C, Moore T. A Particle Filter Approach to Indoor Navigation Using a Foot Mounted Inertial Navigation System and Heuristic Heading Information[C]. 2012 International Conference on Indoor Positioning and Indoor Navigation (IPIN). IEEE, 2012:1-10.

    [13]

    Pan M S, Lin H W. A Step Counting Algorithm for Smartphone Users:Design and Implementation[J]. IEEE Sensors Journal, 2015, 15(4):2296-2305.

    [14] CHEN Guoliang, ZHANG Yanzhe, YANG Zhou. Realization of Pedometer with Auto-correlation Analysis Based on Mobile Phone Sensor[J]. Journal of Chinese Inertial Technology, 2014,22(6):794-798.(陈国良,张言哲,杨洲.一种基于手机传感器自相关分析的计步器实现方法[J].中国惯性技术学报,2014,22(6):794-798.)
    [15]

    DIrican A C, Aksoy S. Step Counting Using Smartphone Accelerometer and Fast Fourier Transform[J]. Sigma J. Eng. Nat. Sci, 2017, 8:175-182.

    [16]

    Kang X, Huang B, Qi G. A Novel Walking Detection and Step Counting Algorithm Using Unconstrained Smartphones[J]. Sensors, 2018, 18(1):297-311.

    [17]

    Alzantot M, Youssef M. UPTIME:Ubiquitous Pedestrian Tracking Using Mobile Phones[C]. 2012 IEEE Wireless Communications and Networking Conference (WCNC). IEEE, 2012:3204-3209.

    [18]

    Jang, Kim, Hwang. Robust Step Detection Method for Pedestrian Navigation Systems[J]. Electronics Letters, 2007, 43(14):749-751.

    [19]

    Jayalath S, Abhayasinghe N. A Gyroscopic Data Based Pedometer Algorithm[C]. 2013 8th International Conference on Computer Science & Education. IEEE, 2013:551-555.

    [20]

    Tang Z, Guo Y, Chen X. Self-adaptive Step Counting on Smartphones Under Unrestricted Stepping Modes[C]. 2016 IEEE 40th Annual Computer Software and Applications Conference (COMPSAC). IEEE, 2016, 1:788-797.

    [21]

    Huang B, Qi G, Yang X, et al. Exploiting Cyclic Features of Walking for Pedestrian Dead Reckoning with Unconstrained Smartphones[C]. Proceedings of the 2016 ACM International Joint Conference on Pervasive and Ubiquitous Computing. 2016:374-385.

    [22] GUO Ying, LIU Qinghua, JI Xianlei, et al. Pedestrian Gait Analysis Based on Mobile Phone Accelerometer[J]. Journal of Chinese Inertial Technology, 2017, 25(6):708-712.(郭英, 刘清华, 姬现磊, 等. 基于手机加速度计的行人步态分析[J]. 中国惯性技术学报, 2017,25(6):708-712.)
    [23]

    Yim J. A Smartphone Indoor Positioning Method[J]. International Journal of Smart Home, 2013, 7(5):9-18.

    [24] WANG Gechao, LIANG Yongzhen, CHEN Jing, et al. Step Counting Algorithm Based on Finite State Machine Using Acceleration Differential[J]. Journal of Frontiers of Computer Science and Technology, 2016, 10(8):1133-1142.(王革超, 梁久祯, 陈璟, 等. 加速度差分有限状态机计步算法[J]. 计算机科学与探索, 2016, 10(8):1133-1142.)
    [25]

    Yang J. Toward Physical Activity Diary:Motion Recognition Using Simple Acceleration Features with Mobile Phones[C]. Proceedings of the 1st international workshop on Interactive multimedia for consumer electronics. ACM, 2009:1-10.

    [26]

    Pei L, Chen R, Liu J, et al. Motion Recognition Assisted Indoor Wireless Navigation on a Mobile Phone[C]. Proceedings of the 23rd International Technical Meeting of the Satellite Division of the Institute of Navigation. 2010:3366-3375.

    [27]

    Wang B, Liu X, Yu B, et al. Pedestrian Dead Reckoning Based on Motion Mode Recognition Using a Smartphone[J]. Sensors, 2018, 18(6):1811-1834.

  • 期刊类型引用(103)

    1. 王培晓,张恒才,张岩,程诗奋,张彤,陆锋. 地理空间智能预测研究进展与发展趋势. 地球信息科学学报. 2025(01): 60-82 . 百度学术
    2. 张勤,朱登轩. “数据的流动”:数字技术驱动城市韧性治理的理路探析. 湖湘论坛. 2024(02): 46-56 . 百度学术
    3. 李艳莉,孙珍珠. 我国开放大学的分布特征、影响因素与优化路径. 中国成人教育. 2024(03): 3-13 . 百度学术
    4. 郑宇,易修文,齐德康,潘哲逸. 基于城市知识体系的公共数据要素构建方法. 大数据. 2024(04): 130-148 . 百度学术
    5. 胡秋实,李锐,吴华意,刘朝辉,蔡晶. 顾及城市场景变化的人口分析单元表达. 武汉大学学报(信息科学版). 2024(10): 1788-1799 . 百度学术
    6. 郑宇. 城市感知体系. 武汉大学学报(信息科学版). 2024(10): 1770-1787 . 百度学术
    7. 张艳丰,黄亚婷,赵资澧. 数字空间视角下区域智慧城市群发展水平测度实证研究. 情报探索. 2024(11): 82-89 . 百度学术
    8. 董一民,硕天鸾. 数据要素推动智慧城市发展:战略、挑战与对策. 中国新通信. 2024(23): 62-64 . 百度学术
    9. 陈欣,郭文月,孙群,李少梅,温伯威. 一种街景影像的多模态地理场所情感度量方法. 测绘科学技术学报. 2024(06): 666-673+680 . 百度学术
    10. 郑宇. 城市知识体系. 武汉大学学报(信息科学版). 2023(01): 1-16 . 百度学术
    11. 李振,孙建星,王少阳,马基栋. 时空轨迹应用分类及其智能处理方法分析. 通信技术. 2023(01): 28-32 . 百度学术
    12. ZHANG Yingna,王悦,胡昊宇,袁春来. 基于手机信令大数据的京津冀城市群人口时空分布与流动特征分析. 地域研究与开发. 2023(03): 161-167+180 . 百度学术
    13. 刘敬一,彭举,唐建波,胡致远,郭琦,姚晨,陈金勇. 融合多特征的轨迹数据自适应聚类方法. 地球信息科学学报. 2023(07): 1363-1377 . 百度学术
    14. 邓敏,刘启亮. “大知识”时代地理信息科学专业本科人才培养探索与实践. 测绘通报. 2023(08): 178-181 . 百度学术
    15. 郑宇. 城市治理一网统管. 武汉大学学报(信息科学版). 2022(01): 19-25 . 百度学术
    16. 宋轩,高云君,李勇,关庆锋,孟小峰. 空间数据智能:概念、技术与挑战. 计算机研究与发展. 2022(02): 255-263 . 百度学术
    17. 陈李越,柴迪,王乐业. UCTB:时空人群流动预测工具箱. 计算机科学与探索. 2022(04): 835-843 . 百度学术
    18. 刘耀林,刘启亮,邓敏,石岩. 地理大数据挖掘研究进展与挑战. 测绘学报. 2022(07): 1544-1560 . 百度学术
    19. 吴华意,胡秋实,李锐,刘朝辉. 城市人口时空分布估计研究进展. 测绘学报. 2022(09): 1827-1847 . 百度学术
    20. 焦利民,刘耀林. 可持续城市化与国土空间优化. 武汉大学学报(信息科学版). 2021(01): 1-11 . 百度学术
    21. 张志沛. 基于POI数据的城市功能区识别研究——以呼和浩特市中心城区为例. 科学技术创新. 2021(03): 98-100 . 百度学术
    22. 陈彦如,张涂静娃,杜千,冉茂亮,王红军. 基于深度森林的高铁站室内热舒适度等级预测. 计算机应用. 2021(01): 258-264 . 百度学术
    23. 叶光辉,毕崇武. 基于标签语义挖掘的城市画像研究评述. 现代情报. 2021(02): 162-167 . 百度学术
    24. 崔巍. 大数据时代新型智慧城市建设路径研究. 社会科学战线. 2021(02): 251-255 . 百度学术
    25. 罗桑扎西,甄峰,张姗琪. 复杂网络视角下的城市人流空间概念模型与研究框架. 地理研究. 2021(04): 1195-1208 . 百度学术
    26. 肖凡智,张雨竹,尹耀宽,许建潮,刘钢. 城市计算中的显露模式分析方法研究. 计算机与数字工程. 2021(04): 766-770+775 . 百度学术
    27. 盛宇裕,毕硕本,范京津,NKUNZIMANA Athanase,许志慧. 运用交通运行状况指标分析交通热点时空模式. 武汉大学学报(信息科学版). 2021(05): 746-754 . 百度学术
    28. 胡添,刘涛,杜萍,余贝贝,张萌生. 空间同位模式支持下城市服务业关联发现及特征分析. 地球信息科学学报. 2021(06): 969-978 . 百度学术
    29. 雷永琪,李娜,陈智军,何渡,张雨昂. 基于作息时空特征优化神经网络的出租车乘客候车时长预测. 软件导刊. 2021(08): 29-37 . 百度学术
    30. 刘臣,陈静娴,郝宇辰,李秋,甄俊涛. 基于时空网络的地铁进出站客流量预测. 计算机工程与应用. 2021(18): 248-254 . 百度学术
    31. 王誓伟,徐晓斌,梁中军. 基于城市计算的分布式异常数据分级过滤算法. 计算机集成制造系统. 2021(09): 2525-2531 . 百度学术
    32. 刘浩,薛梅. 虚拟地理环境下的地理空间认知初步探索. 遥感学报. 2021(10): 2027-2039 . 百度学术
    33. 张伟杰,於志勇,黄昉菀,朱伟平. 面向积水推测的机会式感知轨迹选择. 郑州大学学报(理学版). 2021(04): 102-108 . 百度学术
    34. 纪圣塨,郑宇,王诏远,李天瑞. 基于前向搜索和投票的移动群智感知动态用户招募方法. 计算机学报. 2021(10): 1998-2015 . 百度学术
    35. 倪哲,刘轶伦. 基于出租车轨迹数据的动态可达性分析. 城市建筑. 2021(29): 19-21 . 百度学术
    36. 马强,王亮绪,吴昊圆,龚鑫,李卓勋. 基于POI权重与频率密度的上海城市功能区变化分析. 地理信息世界. 2021(04): 16-22 . 百度学术
    37. 张隅希,段宗涛,朱依水,王路阳,周祎,郭宇. 机动车油耗模型研究综述. 计算机工程与应用. 2021(24): 14-26 . 百度学术
    38. 马潇雅,刘远刚,赵翔. 城市公共服务设施优化配置模型研究的近期进展与展望. 测绘通报. 2020(02): 9-16 . 百度学术
    39. 贾冲,冯慧芳,杨振娟. 基于出租车GPS轨迹和POI数据的商业选址推荐. 计算机与现代化. 2020(02): 21-25+30 . 百度学术
    40. 刘岩,刘铭. 基于CNKI的国内大数据研究热点及趋势分析. 北京警察学院学报. 2020(01): 63-71 . 百度学术
    41. 张杨燚,谢辉,毛进,李纲. 面向城市数据画像构建的多源数据需求与融合方法研究. 情报理论与实践. 2020(06): 88-96 . 百度学术
    42. 郑晓琳,刘启亮,刘文凯,吴智慧. 智能卡和出租车轨迹数据中蕴含城市人群活动模式的差异性分析. 地球信息科学学报. 2020(06): 1268-1281 . 百度学术
    43. 郑小红,龙军,蔡志平. 关于网约车订单分配策略的综述. 计算机工程与科学. 2020(07): 1267-1275 . 百度学术
    44. 丁彦文,许捍卫,汪成昊. 融合OSM路网与POI数据的城市功能区识别研究. 地理与地理信息科学. 2020(04): 57-63 . 百度学术
    45. 吴俊杰,刘冠男,王静远,左源,部慧,林浩. 数据智能:趋势与挑战. 系统工程理论与实践. 2020(08): 2116-2149 . 百度学术
    46. 乐阳,李清泉,郭仁忠. 融合式研究趋势下的地理信息教学体系探索. 地理学报. 2020(08): 1790-1796 . 百度学术
    47. 吴俊杰,郑凌方,杜文宇,王静远. 从风险预测到风险溯源:大数据赋能城市安全管理的行动设计研究. 管理世界. 2020(08): 189-202 . 百度学术
    48. 陈思. 基于人口生命周期的空间比对分析模型研究. 地理空间信息. 2020(12): 24-26+30+6 . 百度学术
    49. 张艳丰,邹凯,彭丽徽,曹丹. 数字空间视角下智慧城市全景数据画像实证研究. 情报学报. 2020(12): 1330-1339 . 百度学术
    50. 张奇,成毅,徐立,葛文. 顾及运动特征的滑动窗口轨迹数据压缩改进算法. 测绘科学技术学报. 2020(06): 622-627 . 百度学术
    51. 王楠,杜云艳,易嘉伟,刘张,王会蒙. 基于手机信令数据的北京市空间品质时空动态分析. 地球信息科学学报. 2019(01): 86-96 . 百度学术
    52. 金和平,郭创新,许奕斌,廖伟涵. 能源大数据的系统构想及应用研究. 水电与抽水蓄能. 2019(01): 1-13 . 百度学术
    53. 康军,郭佳豪,段宗涛,唐蕾,张凡. 大规模轨迹数据并行化地图匹配算法. 测控技术. 2019(02): 98-102 . 百度学术
    54. 刘艳芳,方飞国,刘耀林,罗名海. 时空大数据在空间优化中的应用. 测绘地理信息. 2019(03): 7-20 . 百度学术
    55. 刘君. 基于微博签到数据城市热点探测. 合作经济与科技. 2019(17): 12-16 . 百度学术
    56. 熊文,周钱梅,杨昆,代浩,孙黎. 基于时空相似性的大规模轨迹数据融合技术. 集成技术. 2019(05): 26-33 . 百度学术
    57. 方华强,颜寒祺,陈波,程承旗. 基于自编码网络的移动轨迹异常检测. 地理信息世界. 2019(05): 41-44+52 . 百度学术
    58. 马捷,葛岩,蒲泓宇,张云开. 基于多源数据的智慧城市数据融合框架. 图书情报工作. 2019(15): 6-12 . 百度学术
    59. 张贝娜,冯震华,张丰,杜震洪,刘仁义,周芹. 基于时空多视图BP神经网络的城市空气质量数据补全方法研究. 浙江大学学报(理学版). 2019(06): 737-744 . 百度学术
    60. 孙勇,王会蒙,靳奉祥,杜云艳,季民,易嘉伟. 一种基于空间-拓扑结构相似性的复杂轨迹聚类算法. 地球信息科学学报. 2019(11): 1669-1678 . 百度学术
    61. 牟乃夏,徐玉静,张恒才,陈洁,张灵先,刘希亮. 移动轨迹聚类方法研究综述. 测绘通报. 2018(01): 1-7 . 百度学术
    62. 杨喜平,方志祥. 移动定位大数据视角下的人群移动模式及城市空间结构研究进展. 地理科学进展. 2018(07): 880-889 . 百度学术
    63. 林楠,尹凌,赵志远. 基于滑动窗口的手机定位数据个体停留区域识别算法. 地球信息科学学报. 2018(06): 762-771 . 百度学术
    64. 申兴发,王兰迪. 公共自行车系统的租赁点聚类与功能识别. 计算机工程. 2018(01): 44-50 . 百度学术
    65. 尹馨予,许一男. 基于手机信令数据的城市人口动态分布感知模型研究. 内蒙古科技与经济. 2018(06): 73-74 . 百度学术
    66. 姚迪,张超,黄建辉,陈越新,毕经平. 时空数据语义理解:技术与应用. 软件学报. 2018(07): 2018-2045 . 百度学术
    67. 彭雨滕,马林兵,周博,何桂林. 自发地理信息研究热点分析. 世界地理研究. 2018(01): 129-140 . 百度学术
    68. 高磊,黄家宽,姜晓许,刘兴权. 基于个体移动数据的城市活力实证研究. 科技创新与生产力. 2018(05): 64-67+72 . 百度学术
    69. 陈天宇. 城市计算在智慧城市建设中的应用分析. 通讯世界. 2018(08): 64-65 . 百度学术
    70. 谷岩岩,焦利民,董婷,王艳东,许刚. 基于多源数据的城市功能区识别及相互作用分析. 武汉大学学报(信息科学版). 2018(07): 1113-1121 . 百度学术
    71. 赵志远,尹凌,方志祥,萧世伦,杨喜平. 轨迹数据的时间采样间隔对停留识别和出行网络构建的影响. 武汉大学学报(信息科学版). 2018(08): 1152-1158 . 百度学术
    72. 徐小辉. 智慧城市环境下传感器数据融合研究. 信息与电脑(理论版). 2018(13): 164-165+170 . 百度学术
    73. 冯慧芳,柏凤山,徐有基. 基于轨迹大数据的城市交通感知和路网关键节点识别. 交通运输系统工程与信息. 2018(03): 42-47+54 . 百度学术
    74. 胡清华,陆晨,胡倩,魏淑珍,蒋东升,黄艳艳. 以福州为示范的城市空气质量实时精细化模拟与预报. 中国环境管理. 2018(03): 99-104 . 百度学术
    75. 潘志宏,万智萍,谢海明. 跨平台框架下基于移动感知的智慧公交应用研究. 计算机工程与应用. 2018(19): 243-247+260 . 百度学术
    76. 杜龙飞,田兆君,鲁义,银亚飞. 大数据时代下智慧城市公共安全应急管理现状分析及对策. 安全. 2018(11): 50-52 . 百度学术
    77. 邬群勇,邹智杰,邱端昇,苏克云. 结合出租车轨迹数据的城市道路拥堵时空分析. 福州大学学报(自然科学版). 2018(05): 724-731 . 百度学术
    78. 张振宇,陈安. 技术革命与应急管理变革:路径、实践与未来. 天津商业大学学报. 2018(05): 16-21+28 . 百度学术
    79. 姜鹏,曹琳,倪砼. 新一代人工智能推动城市规划变革的趋势展望. 规划师. 2018(11): 5-12 . 百度学术
    80. 廖伟华,聂鑫. 城市计算视角下的空间粗糙关联规则方法研究. 热带地理. 2018(06): 751-758 . 百度学术
    81. 崔羽,顾琼,张霄兵,李鹏飞,唐明. 转型下城乡规划编制的信息化顶层设计. 规划师. 2018(12): 79-83 . 百度学术
    82. 怀松垚,陈筝,刘颂. 基于新数据、新技术的城市公共空间品质研究. 城市建筑. 2018(06): 12-20 . 百度学术
    83. 雷程程,张岸,齐清文,苏惠敏. 格网化的位置微博数据抓取与人群信息提取. 测绘科学. 2017(02): 125-129 . 百度学术
    84. 白晓辉,陈思,谭鲁渊,王红. 规划实施动态评估技术支撑体系研究. 测绘通报. 2017(02): 112-115 . 百度学术
    85. 孔令礼. 面向智慧城市的大数据中心建设方案设计. 测绘通报. 2017(10): 143-147 . 百度学术
    86. 张炫铤,李爽. 基于LBS的移动餐饮信息系统设计与研究. 城市地理. 2017(02): 175 . 百度学术
    87. 王宇. 以数据为中心的城市交通研究进展. 城市地理. 2017(24): 16-17 . 百度学术
    88. 杜圣东,杨燕,滕飞. 交通大数据:一种基于微服务的敏捷处理架构设计. 大数据. 2017(03): 53-67 . 百度学术
    89. 朱燕,李宏伟,樊超,许栋浩,施方林. 基于聚类的出租车异常轨迹检测. 计算机工程. 2017(02): 16-20 . 百度学术
    90. 王桐,王鹏,柳冰忆. 城市环境下跨层VANET路由协议研究. 计算机工程. 2017(11): 55-65 . 百度学术
    91. 马新强,刘勇,范婧,黄羿,吴茂念,张明义. 大数据驱动下智慧城市建设的若干思考. 科技导报. 2017(21): 131-137 . 百度学术
    92. 曾子明,杨倩雯. 城市突发事件智慧管控情报体系构建研究. 情报理论与实践. 2017(10): 51-55+79 . 百度学术
    93. 唐炉亮,杨雪,靳晨,刘章,李清泉. 基于约束高斯混合模型的车道信息获取. 武汉大学学报(信息科学版). 2017(03): 341-347 . 百度学术
    94. 王亚飞,杨卫东,徐振强. 基于出租车轨迹的载客热点挖掘. 信息与电脑(理论版). 2017(16): 141-143 . 百度学术
    95. 蒋云良,董墨萱,范婧,高少文,刘勇,马新强. 基于POI数据的城市功能区识别方法研究. 浙江师范大学学报(自然科学版). 2017(04): 398-405 . 百度学术
    96. 王淑芳. 基于卫星定位系统的营运车辆时空特征研究综述. 交通信息与安全. 2017(01): 19-25 . 百度学术
    97. 汪飞,张繁,吴斐然,顾天瑜,高思远,赵烨,鲍虎军. 面向多源城市出行数据的可视化查询模型. 计算机辅助设计与图形学学报. 2016(01): 25-31 . 百度学术
    98. 黄文彬,吴家辉,徐山川,王军. 数据驱动的移动用户行为研究框架与方法分析. 情报科学. 2016(07): 14-20+40 . 百度学术
    99. 褚冬竹,马可,魏书祥. “行为—空间/时间”研究动态探略——兼议城市设计精细化趋向. 新建筑. 2016(03): 92-98 . 百度学术
    100. 牟乃夏,张恒才,陈洁,张灵先,戴洪磊. 轨迹数据挖掘城市应用研究综述. 地球信息科学学报. 2015(10): 1136-1142 . 百度学术
    101. 吴运超,黄晓春,王浩然,崔浩,鲁旭. 面向智慧城市的数字规划发展思考与实践. 《规划师》论丛. 2015(00): 101-107 . 百度学术
    102. 刘俊岭,王薇,于戈,孙焕良,许鸿斐. 空间区域中对象流动模式构建方法研究. 计算机工程与科学. 2015(10): 1899-1908 . 百度学术
    103. 张立嘉. 城市计算研究. 山西科技. 2015(04): 127-129 . 百度学术

    其他类型引用(209)

图(6)  /  表(4)
计量
  • 文章访问数:  1371
  • HTML全文浏览量:  371
  • PDF下载量:  127
  • 被引次数: 312
出版历程
  • 收稿日期:  2020-04-19
  • 网络出版日期:  2023-02-16

目录

    /

    返回文章
    返回