overview和specification,剩余的一部分通.PDFVIP

本周工作 ： 边界项目 程序方面分为三部分，完成两部分， 12 月13 overview 和specification ，剩余的一部分通 过模拟采样来衡量不确定性的误差对结果 造成的影响。计算方法实现了，下周进行 可视化 文章方面，和ross 讨论，方向可以，根据 之前提出的想法继续落实。 边界项目 ： 完成了提供用户对于特定区域进行更改的操作 利用可视化界面对数据进行了展示。 实现了迭代式的Kmeans 稳定算法而不是每次都是固定的聚类中心。更具有说服力。 遗留的问题有 ：Tsne 的算法不够稳定，根据每一个维度的改变完成对于每一个数值的 影响的条形图，是的用户能更加清楚的了解，这个维度的数值改变多少对结果影响的 大小。 和Ross 及yafeng 讨论项目，在不确定性的方法上面ross 说暂时先用采样方法，其他 方法下周实现后再看看。 论文 ： Querying Massive Trajectories by Path on the Cloud ： 对于路径的查询，以往的方法是基于单机的，不利于索引大规模的轨迹历史，轨迹更 新和并发的路经查询。本文提出了一种利用suffix tree 数据结构，在云服务器上建立 路经查询系统的框架，在后端，使用预处理和索引的方法处理大规模实时数据，在前 端解决大量IO 瓶颈。使用索引处理轨迹后，在前段查询时，先把查询输入转化成索 引。大大减少了查询时间。 Mining the Most Influential k-Location Set From Massive Trajectories 找到一个区域内最有用的地区对于寻找选点有很大帮助。本文提出了一种对于区域内 选点的挖掘算法框架，对地区分块，然后计算最有影响力的区域，采用贪婪算法进行 最佳优先的过滤方法，量化区域影响。例如下例子中，用户想要选择三个充电站地 点，位置不能近，人要多，POI 要全。用户通过四次迭代并在每次迭代后选取保留的 节点，最终完成了目标。 Planning Bike Lanes based on Sharing-Bikes’ Trajectories 本文通过启发式的贪心算法，解决NP 难问题，寻找城市中科学的自行车道轨迹选 址，方法通过城市中共享单车的轨迹数据，找到起始地top 路段进行扩张，找到合理 的自行车道建设路线。