文献

J-GLOBAL ID：202102256100949728   整理番号：21A1194684

ツリーベースおよび最適カットベース起終点フロークラスタリング【JST・京大機械翻訳】

Tree-Based and Optimum Cut-Based Origin-Destination Flow Clustering

著者 (6件)： Xiang Qiuliang (Key Lab of Spatial Data Mining and Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350108, China) ,  Xiang Qiuliang (National & Local Joint Engineering Research Center of Satellite Geospatial Information Technology, Fuzhou 350108, China) ,  Xiang Qiuliang (The Academy of Digital China (Fujian), Fuzhou 350003, China) ,  Wu Qunyong (Key Lab of Spatial Data Mining and Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350108, China) ,  Wu Qunyong (National & Local Joint Engineering Research Center of Satellite Geospatial Information Technology, Fuzhou 350108, China) ,  Wu Qunyong (The Academy of Digital China (Fujian), Fuzhou 350003, China)
資料名： ISPRS International Journal of Geo-Information (Web)  (ISPRS International Journal of Geo-Information (Web))
巻： 8  号： 11  ページ： 477  発行年： 2019年 
JST資料番号： U7212A  ISSN： 2220-9964  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 人間,動物,および商品を含む多様な物体の運動に関するデータは,位置認識技術が普及しているので,成長量で収集されている。クラスタリングは,大規模運動データセットから旅行パターンを明らかにするために,ますます重要な分析ツールになった。起源決定(OD)フロークラスタリングのためのほとんどの既存の方法は,ODフローの地理的特性に焦点を合わせるが,ODフローで保存される時間的情報を無視し,それは時間にわたる旅行パターンの動的変化を反映する。さらに,ほとんどの方法は入力としていくつかの事前決定パラメータを必要とし,ユーザ要求の変化を考慮して調整するのは難しい。このような限界を克服するために,新しいODフロークラスタリング法,すなわち,TOCOFC(ツリーベースおよび最適カットベースOrigin-Destination Flowクラスタリング)を提示した。類似性測定法を提案し,ODフロー間の空間類似性関係を定量化し,ODフロー間の時空間類似性を測定するために拡張できる。最大スパニング木を構築して,それをいくつかの無関係な部分に分割することによって,著者らは流動データにおけるノイズを効果的に除去した。さらに,再帰的二方向最適カットベース法を用いて,ODフロークラスタにODフローから成るグラフを分割した。さらに,クラスタが出力要求に適合するかどうかを決定するために,CSSC(Child tree/Child Graph Self-Simility Criterion)と呼ばれる基準を定式化した。パラメータを修正することにより,TOCOFCは,異なる時間スケールと空間スケールに対するクラスタリング結果を得ることができ,マルチスケール展望から運動パターンを研究することを可能にする。しかし,TOCOFCは,低効率および大きなメモリ消費の短所を持ち,そして,それは,大規模データの高速処理に役立たなかった。以前の研究と比較して,TOCOFCはより良いクラスタリング性能を持ち,TOCOFCがクラスタ間のバランスを保証し,対応するパターンを完全に理解するのに役立つという事実に反映された。また,ODフローの時空間クラスタリングを行うことができるのは,TOCOFCのハイライトであり,より深い分析に対して異なる時間でパターンの違いを捉えることを助けるであろう。人工空間データセットと実世界時空間データセットの両方に関する広範な実験は,TOCOFCの有効性と柔軟性を実証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  雑音 ,  旅行 ,  *クラスタ化 ,  地理学 ,  柔軟性 ,  *クラスタ ,  類似性 ,  有効性 ,  スパンニング木 ,  定式化
準シソーラス用語： 解析ツール ,  ハイライト ,  マルチスケール ,  動的変化 , 【Automatic Indexing@JST】

著者キーワード (4件)： ODフロー ,  空間クラスタリング ,  時空結合クラスタリング ,  流れ類似性測定

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

引用文献 (25件)：

• Duane, M.; Gou, Z.; Lin, L. Recent Advances in the Exploratory Analysis of Interregional Flows in Space and Time. In Innovations in GIS; CRC Press: Boca Raton, FL, USA, 1997.
• Waldo, R.T. Experiments in migration mapping by computer. Cartogr. Geogr. Inf. Sci. 1987, 14, 155-163.
• Buchin, K.; Speckmann, B.; Verbeek, K. Flow Map Layout via Spiral Trees. IEEE Trans. Vis. Comput. Graph. 2011, 17, 2536-2544.
• Selassie, D.; Heller, B.; Heer, J. Divided Edge Bundling for Directional Network Data. IEEE Trans. Vis. Comput. Graph. 2011, 17, 2354-2363.
• Guo, D. Flow mapping and multivariate visualization of large spatial interaction data. IEEE Trans. Vis. Comput. Graph. 2009, 15, 1041-1048.

タイトルに関連する用語 (3件)： 終点 ,  フロー ,  クラスタリング