JP6044937B2 - Moving locus analysis apparatus and method - Google Patents
Moving locus analysis apparatus and method Download PDFInfo
- Publication number
- JP6044937B2 JP6044937B2 JP2014041620A JP2014041620A JP6044937B2 JP 6044937 B2 JP6044937 B2 JP 6044937B2 JP 2014041620 A JP2014041620 A JP 2014041620A JP 2014041620 A JP2014041620 A JP 2014041620A JP 6044937 B2 JP6044937 B2 JP 6044937B2
- Authority
- JP
- Japan
- Prior art keywords
- flow line
- frequent flow
- frequent
- storage unit
- dissimilarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 39
- 238000004458 analytical method Methods 0.000 title claims description 22
- 230000033001 locomotion Effects 0.000 claims description 80
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 6
- 238000012800 visualization Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 206010017367 Frequent bowel movements Diseases 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
この発明は、ＧＰＳ（Global Positioning System）等の位置測位センサを用いて収集した人や自動車等の移動体の移動軌跡の特徴を解析するために用いる移動軌跡解析装置及び方法に関する。 The present invention relates to a moving locus analyzing apparatus and method used for analyzing the characteristics of a moving locus of a moving body such as a person or an automobile collected using a position positioning sensor such as a GPS (Global Positioning System).
ＧＰＳ等の位置測位技術の進歩により、人や自動車等の移動体の移動軌跡を計測することが可能となっている。移動軌跡は、道路設計等の都市計画や店舗や商材レイアウト等のマーケティング活動に利用されている。特に、移動体が頻繁に通過する動線（以後、頻出動線と言う）に着目した移動軌跡の解析が進められている。例えば、非特許文献１では、ある時間帯において複数の移動体が通った頻出動線を抽出している。この抽出の際に、地点間の移動時間も考慮することにより、移動手段に応じた尤もらしい頻出動線を抽出することができる。さらに、抽出した頻出動線群を地図上に表示することにより、頻出動線の位置や相互の位置関係など、その時間帯の移動体の流れを視覚的に把握することが可能となる。さらに、移動体が次に移動する可能性がある地点を頻出動線に基づいて予測することも可能である。 Advances in positioning technology such as GPS have made it possible to measure the movement trajectory of moving objects such as people and automobiles. The movement trajectory is used for city planning such as road design and marketing activities such as store and product layout. In particular, analysis of a movement locus focusing on a flow line through which a moving body frequently passes (hereinafter referred to as a frequent flow line) is being advanced. For example, in Non-Patent Document 1, a frequent flow line through which a plurality of moving bodies pass in a certain time zone is extracted. In this extraction, it is possible to extract a likely frequent flow line corresponding to the moving means by considering the moving time between points. Furthermore, by displaying the extracted frequent flow line group on the map, it is possible to visually grasp the flow of the moving body in the time zone, such as the position of the frequent flow line and the mutual positional relationship. Furthermore, it is also possible to predict a point where the moving body may move next based on the frequent flow line.
ところが、移動体の移動軌跡は曜日や時間帯等によって変化するため、頻出動線の抽出や移動体の行動予測は状況毎に行う必要がある。例えば、平日と休日、通勤時間帯と帰宅時間帯では人の流れが異なるため、それぞれの時間帯で頻出動線を抽出し、人の行動を予測する必要がある。しかし、多種多様な状況が想定できるため、様々な時間帯で抽出した頻出動線群を別々に管理することは非効率である。従って、同じような頻出動線群は１つにまとめ、異なる頻出動線群のみを保持し、管理を効率化する必要がある。 However, since the movement trajectory of the moving body changes depending on the day of the week, the time zone, and the like, it is necessary to extract frequent traffic lines and predict the behavior of the moving body for each situation. For example, since the flow of people is different between weekdays and holidays, commuting hours and return hours, it is necessary to extract frequent traffic lines in each time zone and predict human behavior. However, since a wide variety of situations can be assumed, it is inefficient to separately manage frequent flow line groups extracted in various time zones. Accordingly, it is necessary to combine similar frequent flow line groups into one, hold only different frequent flow line groups, and improve management efficiency.
また、ある時間帯において「通勤」や「自然渋滞」、「イベント開催」等の、動線の状況分析が既に行われている場合には、当該時間帯の頻出動線群と似たような頻出動線群が抽出される時間帯は、同じ状況が起きていると推定することができる。同様に一時点前の頻出動線群と異なれば、状況が変化したと推定できる。一方、過去に似たような頻出動線群が無ければ、今までにない状況が起きていると推定できる。このような頻出動線群の管理の効率化や状況推定のためには、頻出動線群の比較及び分類を行い易い情報をユーザに提示する必要がある。 In addition, if a flow line situation analysis such as “commuting”, “natural traffic jam”, “event holding” has already been performed in a certain time zone, it is similar to the frequent flow line group in that time zone. It can be estimated that the same situation occurs in the time zone in which the frequent flow line group is extracted. Similarly, if it differs from the frequent flow line group before the temporary point, it can be estimated that the situation has changed. On the other hand, if there is no frequent flow line group similar to the past, it can be estimated that an unprecedented situation has occurred. In order to improve the efficiency of management of such frequent flow line groups and estimate the situation, it is necessary to present information that allows easy comparison and classification of the frequent flow line groups to the user.
また、動線設計やマーケティング分析では、多くの動線が流入したり流出したりする動線は移動体の流れが集中する動線として重要視される。また、交通渋滞のように頻出動線同士が互いに影響を及ぼし合うことがある。従って、各頻出動線群内の頻出動線間の接続関係を考慮したうえで、頻出動線群同士を比較する必要がある。しかしながら従来技術では、このような頻出動線群内の頻出動線同士の接続関係を考慮した情報提示までは行われていない。 In addition, in the flow line design and marketing analysis, the flow lines where many flow lines flow in and out are regarded as important as the flow lines where the flow of the moving body concentrates. Also, frequent traffic lines may affect each other like traffic jams. Therefore, it is necessary to compare the frequent flow line groups in consideration of the connection relationship between the frequent flow lines in each frequent flow line group. However, in the prior art, information presentation is not performed in consideration of the connection relationship between the frequent flow lines in the frequent flow line group.
この発明は上記事情に着目してなされたもので、その目的とするところは、頻出動線間の比較を定量的に行えるようにして移動軌跡の解析をより適切に行えるようにした移動軌跡解析装置及び方法を提供することにある。 The present invention has been made paying attention to the above circumstances, and the object of the invention is to analyze the movement trajectory more appropriately by quantitatively comparing the frequent traffic lines. It is to provide an apparatus and method.
上記目的を達成するためにこの発明の１つの観点は、移動体の移動軌跡を文字列により表した移動軌跡集合を受け取って記憶部に保存する。そして、頻出動線抽出手段により、上記保存された移動軌跡集合を記憶部から読み出し、当該移動軌跡集合中に頻出する部分文字列を頻出動線としてそれぞれ抽出し上記記憶部に保存する。また頻出動線グラフ作成手段により、上記記憶部に保存された各頻出動線をそれぞれノードとし、共通の文字又は文字列を含む頻出動線のノード間をエッジにより接続した頻出動線グラフを作成して上記記憶部に保存する。そして、上記記憶部に保存された頻出動線及び頻出動線グラフを可視表示手段により表示部に可視表示するようにしたものである。 In order to achieve the above object, according to one aspect of the present invention, a moving locus set representing a moving locus of a moving object by a character string is received and stored in a storage unit. Then, the frequent movement line extraction means reads the stored movement trajectory set from the storage unit, extracts partial character strings that frequently appear in the movement trajectory set as frequent movement lines, and stores them in the storage unit. The frequent flow line graph creation means creates a frequent flow line graph in which each frequent flow line stored in the storage unit is a node and the nodes of the frequent flow lines containing common characters or character strings are connected by edges. And stored in the storage unit. The frequent flow line and the frequent flow line graph stored in the storage unit are visually displayed on the display unit by the visible display means.
また、この発明の１つの観点は以下のような各種態様を備えることを特徴とする。
第１の態様は、上記頻出動線グラフ作成手段により、上記作成された頻出動線グラフに含まれる複数のノードの各々についてエッジの接続数を求め、当該エッジの接続数が最も多いノードを中心的な頻出動線として特定するようにしたものである。
One aspect of the present invention is characterized by comprising the following various aspects.
In the first aspect, the frequent flow line graph creating means obtains the number of connected edges for each of a plurality of nodes included in the created frequent flow line graph, and the node having the largest number of connected edges is the center. It is specified as a typical frequent flow line.
第２の態様は、上記可視表示手段において、頻出動線を可視表示する際に、上記記憶部に保存された頻出動線ごとに、当該頻出動線に含まれる文字列により表される場所の位置座標を移動時刻順に折れ線により接続した情報を生成すると共に、上記頻出動線間の非類似度を計算する。そして、三次元座標空間において、上記生成された情報の各場所の位置座標をＸ軸及びＹ軸により表される二次元座標平面に配置すると共に、当該各場所のＺ軸方向の座標を上記計算された非類似度に応じて設定した頻出動線表示情報を生成し、この生成された頻出動線表示情報を表示部に表示するようにしたものである。 In the second aspect, when the frequent flow line is visually displayed in the visual display means, for each frequent flow line stored in the storage unit, a place represented by a character string included in the frequent flow line is displayed. Information in which position coordinates are connected by broken lines in the order of movement time is generated, and the dissimilarity between the frequent flow lines is calculated. Then, in the three-dimensional coordinate space, the position coordinates of each place of the generated information are arranged on a two-dimensional coordinate plane represented by the X axis and the Y axis, and the coordinates in the Z axis direction of each place are calculated as described above. The frequent flow line display information set according to the dissimilarity is generated, and the generated frequent flow line display information is displayed on the display unit.
第３の態様は、上記可視表示手段において、頻出動線グラフを可視表示する際に、上記頻出動線間の非類似度を計算する。そして、二次元又は三次元座標空間において、上記記憶部に保存された各頻出動線グラフに含まれるノードの位置座標を、当該ノードに対応する頻出動線間について前記非類似度計算手段により計算された非類似度に応じた距離を隔てて配置するようにしたものである。 In the third aspect, when the frequent flow line graph is visually displayed in the visual display means, the dissimilarity between the frequent flow lines is calculated. Then, in the two-dimensional or three-dimensional coordinate space, the position coordinates of the nodes included in each frequent flow line graph stored in the storage unit are calculated by the dissimilarity calculation means between the frequent flow lines corresponding to the nodes. The distance according to the dissimilarity is arranged at a distance.
第４の態様は、各頻出動線群を１つの点として類似する頻出動線群ほど近くに位置するように二次元或いは三次元空間上に配置した、頻出動線群間の類似性を視覚的に表現する表示データを生成して表示部に表示する手段と、上記記憶部に記憶された各頻出動線間の非類似度を計算し、当該計算された非類似度に基づいて上記各頻出動線を複数の階層に分類する分類手段とを、さらに具備するようにしたものである。 The fourth aspect is a visual representation of the similarity between frequent flow line groups arranged in a two-dimensional or three-dimensional space so that the frequent flow line groups that are similar to each other as a single point are located closer to each other. Generating dissimilarity between the frequent flow lines stored in the storage unit and the means for generating the display data to be expressed in the display unit and displaying the display data on the display unit, and each frequent appearance based on the calculated dissimilarity Classifying means for classifying the flow lines into a plurality of hierarchies is further provided.
この発明の１つの観点によれば、移動軌跡集合から複数の頻出動線が抽出され、さらにこの抽出された各頻出動線をもとに頻出動線グラフが作成されて、これらの頻出動線及び頻出動線グラフが可視表示される。このため、各頻出動線に加え、頻出動線間の接続関係を考慮することにより、頻出動線同士の類似性のみならず、頻出動線間の接続関係の類似性も考慮した頻出動線群の比較を定量的に行うことが可能となる。 According to one aspect of the present invention, a plurality of frequent flow lines are extracted from the movement trajectory set, and a frequent flow line graph is created based on each of the extracted frequent flow lines. In addition, a frequent flow line graph is visually displayed. Therefore, in addition to each frequent flow line, considering the connection relationship between the frequent flow lines, the frequent flow line considering not only the similarity between the frequent flow lines but also the connection relationship between the frequent flow lines. Comparison of groups can be performed quantitatively.
特に、地図上で表現することが困難な同じ場所を頻繁に往復するような頻出動線については、同じ移動体の移動軌跡中に頻出する文字列が抽出され、これがノードとして頻出動線グラフで表現されることにより、往復移動の無い頻出動線と同様に分析することが可能となる。なお、頻出動線内の文字をノードとしてグラフを作成すると、このような往復移動を含む頻出動線はグラフ上に表現することができない。しかし、この発明の１つの観点によれば頻出動線をノードとするためグラフで表現することが可能である。 In particular, for frequent flow lines that frequently reciprocate in the same place that is difficult to represent on a map, a character string that frequently appears in the movement trajectory of the same moving object is extracted, and this is a frequent flow line graph as a node. By being expressed, it is possible to analyze in the same manner as a frequent flow line without reciprocal movement. Note that if a graph is created using the characters in the frequent flow line as a node, the frequent flow line including such reciprocal movement cannot be represented on the graph. However, according to one aspect of the present invention, since a frequent flow line is a node, it can be represented by a graph.
第１の態様によれば、上記作成された頻出動線グラフに含まれる複数のノードの各々についてエッジの接続数が求められ、当該エッジの接続数が最も多いノードを中心的な頻出動線として特定される。このため、複数の頻出動線の中で多くの他の頻出動線が流入・流出する中心的な頻出動線を容易に把握することが可能となる。 According to the first aspect, the number of edge connections is obtained for each of a plurality of nodes included in the created frequent flow line graph, and the node with the largest number of connection edges is used as a central frequent flow line. Identified. For this reason, it becomes possible to easily grasp a central frequent flow line in which many other frequent flow lines flow in and out of a plurality of frequent flow lines.
第２の態様によれば、頻出動線を可視表示する際に、個々の頻出動線が滞在場所間を折れ線で接続した形態で三次元座標空間のＸ軸及びＹ軸による二次元座標として表され、さらに頻出動線間の類似の度合いがＺ軸方向の座標として表される。このため、ユーザは各頻出動線それぞれの移動軌跡と頻出動線間の類似の度合いを、三次元表示により一目で把握することが可能となる。 According to the second aspect, when the frequent flow lines are displayed visually, the individual frequent flow lines are expressed as two-dimensional coordinates by the X axis and the Y axis in the three-dimensional coordinate space in a form in which the stay places are connected by broken lines. Furthermore, the degree of similarity between the frequent flow lines is expressed as coordinates in the Z-axis direction. For this reason, the user can grasp at a glance the degree of similarity between the movement trajectory of each frequent flow line and the frequent flow line by three-dimensional display.
第３の態様によれば、頻出動線グラフを可視表示する際に、二次元又は三次元座標空間において、頻出動線グラフに含まれる各ノードの位置座標がノード間の非類似度に応じた距離を隔てて表示される。このため、ユーザは各頻出動線間の関係性を、ノード間を接続するエッジと、ノード間の配置距離により一目で把握することが可能となる。 According to the third aspect, when the frequent flow line graph is visually displayed, the position coordinates of each node included in the frequent flow line graph correspond to the dissimilarity between the nodes in the two-dimensional or three-dimensional coordinate space. Displayed at a distance. For this reason, the user can grasp the relationship between the frequent traffic lines at a glance from the edge connecting the nodes and the arrangement distance between the nodes.
第４の態様によれば、ユーザは各頻出動線群間の類似性を配置位置により一目で把握することが可能となる。また、各頻出動線間の非類似度が計算され、当該計算された非類似度に基づいて上記各頻出動線が複数の階層に分類される。分類手法には、例えば階層的クラスタリングを使用できる。このようにすると、各頻出動線の分類処理が自動的に行われることになり、各頻出動線の分類を定量的に行うことが可能となる。 According to the 4th aspect, the user can grasp | ascertain the similarity between each frequent flow line group at a glance by an arrangement position. Further, the dissimilarity between the frequent flow lines is calculated, and the frequent flow lines are classified into a plurality of hierarchies based on the calculated dissimilarity. As a classification method, for example, hierarchical clustering can be used. In this way, the classification process of each frequent flow line is automatically performed, and the classification of each frequent flow line can be performed quantitatively.
すなわちこの発明の１つの観点によれば、頻出動線間の比較を定量的に行えるようにして移動軌跡の解析をより適切に行えるようにした移動軌跡解析装置及び方法を提供することができる。 That is, according to one aspect of the present invention, it is possible to provide a movement trajectory analysis apparatus and method which can perform a movement trajectory analysis more appropriately by quantitatively comparing frequent traffic lines.
［原理］
実施形態の説明に先立ち、先ずこの発明の原理について説明する。
この発明では、ある時間帯の頻出動線群を１つの状態として扱い、それらを定量的に比較及び分類できるように表現する。個々の移動体の移動軌跡は文字列で表現されているものとする。文字列としては、移動箇所を表す任意の文字や、緯度と経度をメッシュに分割して識別する地域メッシュコード等を用いることができる。
[principle]
Prior to the description of the embodiments, the principle of the present invention will be described first.
In the present invention, frequent flow line groups in a certain time zone are treated as one state, and they are expressed so that they can be compared and classified quantitatively. It is assumed that the movement trajectory of each moving object is represented by a character string. As the character string, an arbitrary character representing a moving part, a regional mesh code for identifying the latitude and longitude divided into meshes, or the like can be used.
先ず、ある時間帯における頻出動線を、複数の移動体の移動軌跡に頻出する部分文字列として抽出する。次に、個々の頻出動線をノードとし、互いに接続する頻出動線のノード同士をエッジで結んだグラフ（以後、頻出動線グラフと言う）を作成し、このグラフによって頻出動線群を表現する。但し、２つの頻出動線が同じ文字を含む場合、それらは接続しているものとする。頻出動線間の接続関係を考慮することにより、頻出動線同士の類似性のみでなく、頻出動線間の接続関係の類似性も考慮した頻出動線群の比較及び分類を行うことが可能となる。２つの頻出動線群に対する頻出動線グラフの例を図１（ａ），（ｂ）に示す。 First, frequent flow lines in a certain time zone are extracted as partial character strings that frequently appear on the movement trajectories of a plurality of moving objects. Next, create a graph (hereinafter referred to as a frequent flow line graph) in which each frequent flow line is a node and the nodes of the frequent flow lines connected to each other are connected by edges, and the frequent flow line group is represented by this graph. To do. However, when two frequent traffic lines contain the same character, they shall be connected. By considering the connection relationship between frequent flow lines, it is possible to compare and classify frequent flow line groups considering not only the similarity between frequent flow lines but also the similarity of connection relationships between frequent flow lines. It becomes. Examples of frequent flow line graphs for two frequent flow line groups are shown in FIGS.
さらに、１つの頻出動線グラフにおいて、多くのエッジを持つノードを抽出する。このようにすると、その頻出動線群中の多くの頻出動線が流入・流出する中心的な頻出動線を把握することができる。 Further, nodes having many edges are extracted from one frequent flow line graph. In this way, it is possible to grasp a central frequent flow line in which many frequent flow lines in the frequent flow line group flow in and out.
頻出動線群の比較及び分類は、頻出動線グラフ間の非類似度を計算し、この計算された非類似度に基づいて行う。このようにすると、頻出動線群の比較及び分類を定量的に行うことが可能となる。 The comparison and classification of the frequent flow line groups are performed based on the dissimilarity between the frequent flow line graphs calculated. If it does in this way, it will become possible to compare and classify a frequent flow line group quantitatively.
また、地図上で表現することが困難な同じ場所を頻繁に往復するような頻出動線については、同じ移動体の移動軌跡中に頻出する文字列を抽出し、これをノードとして頻出動線グラフで表現する。このようにすることで、往復移動の無い頻出動線と同様に分析することが可能となる。なお、頻出動線内の文字をノードとしてグラフを作成すると、このような往復移動を含む頻出動線はグラフ上に表現することができないが、この発明では頻出動線をノードとするためグラフで表現することが可能である。 For frequent flow lines that frequently reciprocate in the same place that is difficult to represent on the map, a character string that frequently appears in the movement trajectory of the same moving object is extracted, and this is used as a node to generate a frequent flow line graph. It expresses with. By doing in this way, it becomes possible to analyze similarly to the frequent flow line without reciprocation. Note that if a graph is created with the characters in the frequent flow line as a node, such frequent flow lines including reciprocal movement cannot be expressed on the graph. It is possible to express.
［一実施形態］
次にこの発明の一実施形態について説明する。
（構成）
図２は、この発明の一実施形態に係る移動軌跡解析装置を含むシステムの機能構成を示すブロック図である。
この実施形態のシステムは、移動軌跡解析装置として動作するサーバ装置ＳＶを備える。そして、このサーバ装置ＳＶに対し、ユーザ群が使用する複数の携帯端末ＭＳ１〜ＭＳｎと、移動軌跡の解析データを利用する事業者が使用する事業者端末ＰＣを、通信ネットワークＮＷを介して接続可能としたものである。携帯端末ＭＳ１〜ＭＳｎは、例えばＧＰＳを利用した位置測位機能を有し、この機能を使用して所定の時間帯ごとに携帯端末自体の移動軌跡を測定し、その測定データを通信ネットワークＮＷを介してサーバ装置ＳＶへ送信する。
[One Embodiment]
Next, an embodiment of the present invention will be described.
(Constitution)
FIG. 2 is a block diagram showing a functional configuration of a system including a movement trajectory analyzing apparatus according to an embodiment of the present invention.
The system of this embodiment includes a server device SV that operates as a movement trajectory analysis device. Then, a plurality of portable terminals MS1 to MSn used by the user group and a provider terminal PC used by a provider using the analysis data of the movement trajectory can be connected to the server device SV via the communication network NW. It is what. The mobile terminals MS1 to MSn have a position positioning function using, for example, GPS, use this function to measure the movement trajectory of the mobile terminal itself for each predetermined time zone, and send the measurement data via the communication network NW. To the server device SV.
サーバ装置ＳＶは例えばクラウドコンピュータにより構成され、通信インタフェースユニット１と、制御ユニット２と、記憶ユニット３を備えている。通信インタフェースユニット１は、通信ネットワークＮＷを介して、上記携帯端末ＭＳ１〜ＭＳｎとの間、及び事業者端末ＰＣとの間でデータの送受信を行う。 The server apparatus SV is constituted by a cloud computer, for example, and includes a communication interface unit 1, a control unit 2, and a storage unit 3. The communication interface unit 1 transmits / receives data to / from the mobile terminals MS1 to MSn and the provider terminal PC via the communication network NW.
制御ユニット２は、ＣＰＵ（Central Processing Unit）を有し、この発明の一実施形態を実施する上で必要な処理機能として、移動軌跡取得制御部２１と、頻出動線抽出部２２と、頻出動線グラフ作成部２３と、表示データ生成部２４と、頻出動線群比較分類部２５と、送信制御部２６を備えている。なお、これらの処理機能は何れも、図示しないプログラムメモリに格納されたプログラムを上記ＣＰＵに実行させることにより実現される。 The control unit 2 has a CPU (Central Processing Unit). As processing functions necessary for carrying out one embodiment of the present invention, a movement trajectory acquisition control unit 21, a frequent flow line extraction unit 22, a frequent motion A line graph creation unit 23, a display data generation unit 24, a frequent flow line group comparison and classification unit 25, and a transmission control unit 26 are provided. All of these processing functions are realized by causing the CPU to execute a program stored in a program memory (not shown).
移動軌跡取得制御部２１は、上記携帯端末ＭＳ１〜ＭＳｎから、当該携帯端末ＭＳ１〜ＭＳｎで作成された移動軌跡情報を通信インタフェースユニット１を介して収集する処理を行う。 The movement trajectory acquisition control unit 21 performs processing for collecting movement trajectory information created by the mobile terminals MS1 to MSn via the communication interface unit 1 from the mobile terminals MS1 to MSn.
頻出動線抽出部２２は、上記収集された複数の移動軌跡に予め設定した条件を超えて頻出する部分文字列を頻出動線として抽出する処理を行う。 The frequent flow line extraction unit 22 performs a process of extracting a partial character string that frequently appears in the collected movement trajectories exceeding a preset condition as a frequent flow line.
頻出動線グラフ作成部２３は、上記頻出動線抽出部２２により抽出された各頻出動線をそれぞれノードとし、共通の文字又は文字列を含む頻出動線のノード間をエッジにより接続した頻出動線グラフを作成する処理を行う。 The frequent flow line graph creating unit 23 uses the frequent flow lines extracted by the frequent flow line extraction unit 22 as nodes, and the frequent flow lines including common characters or character strings connected by edges. Process to create a line graph.
表示データ生成部２４は、上記頻出動線抽出部２２により抽出された頻出動線、及び上記頻出動線グラフ作成部２３により作成された頻出動線グラフを、二次元又は三次元で可視表示するための表示データを生成する処理を行う。 The display data generation unit 24 visually displays the frequent flow line extracted by the frequent flow line extraction unit 22 and the frequent flow line graph created by the frequent flow line graph creation unit 23 in two or three dimensions. To generate display data for the purpose.
頻出動線群比較分類部２５は、上記頻出動線抽出部２２により抽出された頻出動線、及び上記頻出動線グラフ作成部２３により作成された頻出動線グラフを、階層的クラスタリング等の分類手法を用いて階層化して分類する処理を行う。 The frequent flow line group comparison and classification unit 25 classifies the frequent flow line extracted by the frequent flow line extraction unit 22 and the frequent flow line graph created by the frequent flow line graph creation unit 23 into a classification such as hierarchical clustering. A process of classifying and classifying using a technique is performed.
送信制御部２６は、事業者端末ＰＣからの要求に応じ、上記表示データ生成部２４により生成された頻出動線及び頻出動線グラフの表示データと、上記頻出動線群比較分類部２５による分類結果を表す情報を、通信インタフェースユニット１から要求元の事業者端末ＰＣへ送信する処理を行う。 In response to a request from the operator terminal PC, the transmission control unit 26 displays the display data of the frequent flow line and the frequent flow line graph generated by the display data generation unit 24, and the classification by the frequent flow line group comparison and classification unit 25. Information indicating the result is transmitted from the communication interface unit 1 to the requesting operator terminal PC.
記憶ユニット３は、ＨＤＤ又はＳＳＤ等を記憶媒体として有し、この発明の一実施形態を実施する上で必要な記憶部として、移動軌跡記憶部３１と、頻出動線記憶部３２と、頻出動線グラフ記憶部３３と、表示データ記憶部３４と、比較分類結果記憶部３５を備えている。 The storage unit 3 has an HDD, an SSD, or the like as a storage medium, and as a storage unit necessary for carrying out an embodiment of the present invention, a movement locus storage unit 31, a frequent flow line storage unit 32, and a frequent movement A line graph storage unit 33, a display data storage unit 34, and a comparison classification result storage unit 35 are provided.
移動軌跡記憶部３１は、上記移動軌跡取得制御部２１により収集された移動軌跡の集合を保存するために使用される。頻出動線記憶部３２は、上記頻出動線抽出部２２により抽出された頻出動線を保存するために使用される。頻出動線グラフ記憶部３３は、上記頻出動線グラフ作成部２３により作成された頻出動線グラフを保存するために使用される。表示データ記憶部３４は、上記表示データ生成部２４により生成された頻出動線の表示データ、及び頻出動線グラフの表示データを保存するために使用される。比較分類結果記憶部３５は、上記頻出動線群比較分類部２５により作成された比較分類結果を表す情報を保存するために使用される。 The movement trajectory storage unit 31 is used for storing a set of movement trajectories collected by the movement trajectory acquisition control unit 21. The frequent flow line storage unit 32 is used to store the frequent flow lines extracted by the frequent flow line extraction unit 22. The frequent flow line graph storage unit 33 is used to store the frequent flow line graph created by the frequent flow line graph creation unit 23. The display data storage unit 34 is used to store the frequent flow line display data and the frequent flow line graph display data generated by the display data generation unit 24. The comparison classification result storage unit 35 is used to store information representing the comparison classification result created by the frequent flow line group comparison classification unit 25.
（動作）
次に、以上のように構成されたサーバ装置ＳＶの動作を説明する。図３はその処理手順と処理内容を示すフローチャートである。
サーバ装置ＳＶの制御ユニット２は、予め設定した時刻になるとステップＳ１１により移動軌跡取得制御部２１を起動し、携帯端末ＭＳ１〜ＭＳｎに対し移動軌跡の取得要求を送信する。これに対し携帯端末ＭＳ１〜ＭＳｎはそれぞれ、上記取得要求に応じ、前回の送信時から現在までに蓄積した移動軌跡を表すデータを読み出してサーバ装置ＳＶへ送信する。サーバ装置ＳＶの移動軌跡取得制御部２１は、上記各携帯端末ＭＳ１〜ＭＳｎから送信された移動軌跡を表すデータを通信インタフェースユニット１により受信し、この受信された移動軌跡を表すデータを移動軌跡記憶部３１に格納する。
なお、移動軌跡の集合を蓄積し管理するデータベースサーバが存在する場合には、このデータベースサーバから移動軌跡の集合を定期的に取得するようにしてもよい。
(Operation)
Next, the operation of the server apparatus SV configured as described above will be described. FIG. 3 is a flowchart showing the processing procedure and processing contents.
The control unit 2 of the server device SV activates the movement trajectory acquisition control unit 21 at step S11 at a preset time, and transmits a movement trajectory acquisition request to the mobile terminals MS1 to MSn. On the other hand, each of the mobile terminals MS1 to MSn responds to the acquisition request and reads data representing the movement locus accumulated from the previous transmission to the present and transmits it to the server device SV. The movement trajectory acquisition control unit 21 of the server device SV receives the data representing the movement trajectory transmitted from each of the mobile terminals MS1 to MSn by the communication interface unit 1, and stores the data representing the received movement trajectory as a movement trajectory storage. Stored in the unit 31.
When there is a database server that accumulates and manages a set of moving tracks, the set of moving tracks may be periodically acquired from the database server.
次にサーバ装置ＳＶの制御ユニット２は、ステップＳ１２により頻出動線抽出部２２を起動し、この頻出動線抽出部２２により上記移動軌跡記憶部３１から例えば時間帯別に移動軌跡の集合を読み出し、この読み出した移動軌跡の集合中に予め設定した条件を超えて頻出する部分文字列を頻出動線としてもれなく抽出する。そして、この抽出した各頻出動線を頻出動線記憶部３２に格納する。 Next, the control unit 2 of the server device SV activates the frequent flow line extraction unit 22 in step S12, and the frequent flow line extraction unit 22 reads a set of movement tracks for each time zone from the movement track storage unit 31, for example. A partial character string that frequently appears in the set of read movement trajectories exceeding a preset condition is extracted as a frequent flow line. The extracted frequent flow lines are stored in the frequent flow line storage unit 32.
上記頻出動線としての部分文字列の抽出条件は、最小文字列長と頻出動線の最低出現回数により表され、この抽出条件を表すパラメータは事業者のオペレータが事業者端末ＰＣから事前に設定する。一般に、頻出動線の最小の長さと最低出現回数が大きいほど、頻出動線と見なす条件が厳しくなるため、抽出される頻出動線の数は少なくなる。同じ移動体が頻繁に往復する頻出動線を抽出するか否かについても事業者のオペレータが事前に指定する。これらのパラメータは、移動速度等の移動体の移動特性や位置情報の測定精度、移動軌跡集合の大きさ（すなわち移動体の数）や各移動軌跡の平均的な長さ等を考慮して事業者のオペレータが設定する。なお、最小文字列長は２以上に設定する。 The extraction condition of the partial character string as the frequent flow line is expressed by the minimum character string length and the minimum number of appearances of the frequent flow line, and parameters representing the extraction condition are set in advance by the operator from the operator terminal PC. To do. In general, the greater the minimum length and the minimum number of appearances of a frequent flow line, the more severe the condition to be regarded as a frequent flow line, so the number of extracted frequent flow lines decreases. The operator of the operator also specifies in advance whether or not to extract a frequent flow line in which the same moving body frequently reciprocates. These parameters take into consideration the moving characteristics of moving objects such as moving speed, measurement accuracy of position information, the size of moving locus set (ie, the number of moving objects), the average length of each moving locus, etc. Set by the operator. The minimum character string length is set to 2 or more.
頻出動線群の抽出には、PrefixSpan等の頻出系列の解析手法を用いる。例えば、PrefixSpanは、文字列の集合を入力として、１文字からなる文字列から始め、その文字列に続く文字列の中で、最低出現回数以上出現する文字列のみを抽出し、再びそれらの文字列に続く文字列の中で最低出現回数以上出現する文字列を抽出する。この抽出操作を最低出現回数以上の文字列がなくなるまで続け、抽出した順番に抽出した文字列を繋げ、頻出文字列群を求める。
なお、PrefixSpanについては、以下の文献に詳しく記載されている。
J. Pei, J. Han, B. Mortazavi-Asl, H. Pinto, Q. Chen, U. Dayal and M-C. Hsu., PrefixSpan: Mining Sequential Patterns Efficiently by PrefixProjected Pattern Growth, In. Proc. 2001 Int. Conf. Data Engineering (ICDE'01), pages 215-224, Heidelberg, Germany, April 2001.
For extracting frequent flow line groups, a frequent sequence analysis method such as PrefixSpan is used. For example, PrefixSpan takes a set of character strings as input, starts with a character string consisting of a single character, extracts only the character strings that appear more than the minimum number of occurrences from the character string that follows the character string, and again those characters Character strings that appear more than the minimum number of appearances are extracted from the character strings that follow the string. This extraction operation is continued until there are no more character strings exceeding the minimum number of appearances, and the extracted character strings are connected in the order of extraction to obtain a frequent character string group.
PrefixSpan is described in detail in the following documents.
J. Pei, J. Han, B. Mortazavi-Asl, H. Pinto, Q. Chen, U. Dayal and MC. Hsu., PrefixSpan: Mining Sequential Patterns Efficiently by PrefixProjected Pattern Growth, In. Proc. 2001 Int. Conf Data Engineering (ICDE'01), pages 215-224, Heidelberg, Germany, April 2001.
次にサーバ装置ＳＶの制御ユニット２は、ステップＳ１３により頻出動線グラフ作成部２３を起動し、この頻出動線グラフ作成部２３により、上記頻出動線記憶部３２に保存された各頻出動線をそれぞれノードとし、共通の文字又は文字列を含む頻出動線のノード間をエッジにより接続した頻出動線グラフを作成する。そして、この作成した頻出動線グラフを頻出動線グラフ記憶部３３に格納する。またそれと共に、上記作成された頻出動線グラフに含まれる複数のノードの各々についてエッジの接続数を求め、当該エッジの接続数が最も多いノードを中心的な頻出動線として特定する。 Next, the control unit 2 of the server apparatus SV activates the frequent flow line graph creation unit 23 in step S13, and each frequent flow line stored in the frequent flow line storage unit 32 by the frequent flow line graph creation unit 23. Is created as a node, and a frequent flow line graph is created in which nodes of frequent flow lines including common characters or character strings are connected by edges. The generated frequent flow line graph is stored in the frequent flow line graph storage unit 33. At the same time, the number of edge connections is determined for each of a plurality of nodes included in the created frequent flow line graph, and the node having the largest number of connection edges is specified as the central frequent flow line.
次にサーバ装置ＳＶの制御ユニット２は、ステップＳ１４により表示データ生成部２４を起動し、この表示データ生成部２４により、上記頻出動線記憶部３２から頻出動線群を読み出し、当該頻出動線群を可視化するための表示データを生成する。またそれと共に、上記頻出動線グラフ記憶部３３から頻出動線グラフを読み出し、当該頻出動線グラフを可視化するための表示データを生成する。そして、これらの生成された表示データを表示データ記憶部３４に格納する。 Next, the control unit 2 of the server device SV activates the display data generation unit 24 in step S14, and the display data generation unit 24 reads out the frequent flow line group from the frequent flow line storage unit 32, and the frequent flow line. Display data for visualizing the group is generated. At the same time, the frequent flow line graph is read from the frequent flow line graph storage unit 33, and display data for visualizing the frequent flow line graph is generated. The generated display data is stored in the display data storage unit 34.
頻出動線群の表示データは、例えば以下のように生成される。すなわち、頻出動線の各々について、当該頻出動線に含まれる各文字列で表される滞在場所又は通過位置の位置座標（例えば緯度経度）をＸ軸及びＹ軸の座標とする。またそれと共に、頻出動線間の非類似度を計算し、この非類似度に基づいて各頻出動線のＺ軸の座標を求める。そして、上記Ｘ、Ｙ、Ｚにより表される滞在場所又は通過位置の位置座標を三次元空間に配置し、さらにこれらの位置座標を移動時刻順に折れ線により接続した表示データを生成する。 The display data of the frequent flow line group is generated as follows, for example. That is, for each frequent flow line, the position coordinates (for example, latitude and longitude) of the stay location or passage position represented by each character string included in the frequent flow line are set as the X-axis and Y-axis coordinates. At the same time, the dissimilarity between the frequent flow lines is calculated, and the coordinates of the Z axis of each frequent flow line are obtained based on this dissimilarity. Then, the position coordinates of the staying place or the passing position represented by the above X, Y, and Z are arranged in a three-dimensional space, and further, display data in which these position coordinates are connected by a broken line in order of movement time is generated.
より具体的には、頻出動線間の非類似度から多次元尺度構成法を利用し、頻出動線群の可視化ではＺ座標を求める。多次元尺度構成法は、似たものは近くに、異なったものは遠くになるように対象物（ここでは頻出動線群である）を配置する座標を求める手法であり、対象物間の非類似度を要素とする正方行列（対角要素は０）から固有値と固有ベクトルを計算することにより対象物の座標を求める。 More specifically, the multi-dimensional scale construction method is used from the dissimilarity between the frequent flow lines, and the Z coordinate is obtained in the visualization of the frequent flow line groups. The multi-dimensional scaling method is a method for obtaining coordinates for arranging objects (here, frequent flow lines) so that similar objects are close and different objects are distant. The coordinates of the object are obtained by calculating eigenvalues and eigenvectors from a square matrix having the similarity as an element (diagonal element is 0).
図６はこのようにして生成した頻出動線群の表示データの表示例を示す図である。このような頻出動線群の表示データを生成することで、頻出動線それぞれの二次元平面上の軌跡を確認できると共に、類似する頻出動線同士がＺ軸上で近くに配置されるため頻出動線間の類似性を視覚的に把握することが可能となる。 FIG. 6 is a diagram showing a display example of the display data of the frequent flow line group generated in this way. By generating display data of such frequent flow lines, it is possible to confirm the trajectory of each frequent flow line on the two-dimensional plane, and because frequent similar flow lines are arranged close to each other on the Z axis, frequent occurrences It is possible to visually grasp the similarity between the flow lines.
なお、頻出動線間の非類似度は、頻出動線を表す文字列間の編集距離として求められる。文字列間の編集距離とは、文字の「挿入」、「削除」操作によって、一方の文字列を他方の文字列に変換するために必要となる最小の操作回数である。
いま、文字列１の文字数をＩ、文字列２の文字数をＪとして、横（Ｉ+１）、縦（Ｊ＋１）の（Ｉ+１）×（Ｊ＋１）個からなる格子点群を考える。ｊ行、ｉ列目の格子点を（ｊ，ｉ）とすると、文字列１の各文字を１行目に左から順に（２，１）から（１，Ｉ＋１）に、文字列２の各文字を１列目に上から順に（２，１）から（Ｊ＋１，１）に配置する。縦横に隣接する格子点をリンクで結び、さらに文字列間で共通する文字から下、右にリンクを辿って一致する格子点を一致ポイントとし、その左上の格子点と一致ポイントをリンクで結ぶ。縦横のリンクにはコストとして１を付与し、斜めのリンクにはコストを付与しない。
Note that the dissimilarity between frequent flow lines is obtained as an edit distance between character strings representing the frequent flow lines. The edit distance between character strings is the minimum number of operations required to convert one character string into the other character string by the “insertion” and “deletion” operations of characters.
Now, let us consider a grid point group consisting of (I + 1) × (J + 1) in horizontal (I + 1) and vertical (J + 1), where I is the number of characters in character string 1 and J is the number of characters in character string 2. Assuming that the grid point in the j-th row and the i-th column is (j, i), each character of the character string 1 is changed from (2, 1) to (1, I + 1) in order from the left in the first row. Characters are arranged in the first column in order from the top (2, 1) to (J + 1, 1). Lattice points adjacent in the vertical and horizontal directions are connected by links, and further, the lattice points that match by following the link downward and right from the character that is common between the character strings are set as matching points, and the upper left lattice point is connected by the link. A cost of 1 is assigned to the vertical and horizontal links, and no cost is assigned to the diagonal links.
例えば、いま「ＸＣＵＺＶＥ」を文字列１、「ＣＵＲＶＥ」を文字列２とし、（１，１）からリンクを辿り（Ｊ＋１，Ｉ＋１）に到達する再帰しない経路を考える。この場合、図４に示すような経路（リンク）を辿る。このリンクを辿る度に対応するコストを累積し、その最小値を文字列間の編集距離とする。但し、リンクを右横に辿ることは、移動先の格子点と同じ列にある文字列１における文字を「削除」すること、下に辿ることは、移動先の格子点と同じ行にある文字列２の文字を「挿入」すること、右下に辿ることは対応する文字をそのまま残すことに相当する。 For example, suppose that “XCUZVE” is a character string 1 and “CURVE” is a character string 2, and a non-recursive route that follows a link from (1, 1) to (J + 1, I + 1) is considered. In this case, the route (link) as shown in FIG. 4 is followed. Each time this link is followed, the corresponding cost is accumulated, and the minimum value is taken as the edit distance between character strings. However, following the link to the right side means “deleting” the character in the character string 1 in the same column as the destination lattice point, and tracing down the character means that the character is on the same line as the destination lattice point. “Inserting” the characters in column 2 and tracing to the lower right correspond to leaving the corresponding characters as they are.
上記頻出動線間の非類似度を文字列間の編集距離として求めるための計算方法は、以下の文献に詳しく記載されている。
尾上能之、「文字列間の距離 : モナドを使って，情報処理」 46(9), 1053-1060, 2005.
The calculation method for obtaining the dissimilarity between the frequent flow lines as the edit distance between character strings is described in detail in the following documents.
Nogamiyuki Onoe, “Distance between character strings: Information processing using monads” 46 (9), 1053-1060, 2005.
一方、頻出動線グラフの表示データは、例えば以下のように生成される。すなわち、上記頻出動線間の非類似度に基づいて、頻出動線グラフのノードを互いに類似するものほど距離が近くなるように二次元又は三次元空間上に配置する。そして、エッジが存在するノード間を直線で接続する。 On the other hand, the display data of the frequent flow line graph is generated as follows, for example. That is, based on the dissimilarity between the frequent flow lines, the nodes of the frequent flow line graph are arranged in a two-dimensional or three-dimensional space so that the nodes that are similar to each other are closer to each other. Then, the nodes where the edges exist are connected with a straight line.
より具体的には、この頻出動線グラフの可視化においても、頻出動線間の非類似度から多次元尺度構成法を利用して、各頻出動線の二次元或いは三次元空間の座標値を求める。図５は、このように生成された頻出動線グラフの表示データの表示例を示すものである。このような表示データを用いれば、類似する頻出動線のノードほど近接して配置されることになり、これにより頻出動線間の類似性及び接続関係を視覚的に把握することが可能となる。 More specifically, in the visualization of this frequent flow line graph, the coordinate values in the two-dimensional or three-dimensional space of each frequent flow line can be obtained from the dissimilarity between the frequent flow lines using a multidimensional scaling method. Ask. FIG. 5 shows a display example of the display data of the frequent flow line graph generated in this way. If such display data is used, the nodes of similar frequent traffic lines are arranged closer to each other, whereby it becomes possible to visually grasp the similarity and connection relationship between the frequent traffic lines. .
サーバ装置ＳＶの制御ユニット２は、以上述べたステップＳ１１〜ステップＳ１４による一連の処理を、移動軌跡記憶部３１に保存されたすべての移動軌跡に対し行われたか否かをステップＳ１５で判定する。そして、まだ処理を行っていない移動軌跡が残っている場合には、ステップＳ１１に戻ってステップＳ１１〜ステップＳ１４による一連の処理を繰り返す。一方、移動軌跡記憶部３１に保存されたすべての移動軌跡に対する処理が終了すると、ステップＳ１６に移行する。 The control unit 2 of the server device SV determines in step S15 whether or not the series of processes in steps S11 to S14 described above has been performed for all the movement trajectories stored in the movement trajectory storage unit 31. And when the movement locus | trajectory which has not yet processed remains, it returns to step S11 and repeats a series of processes by step S11-step S14. On the other hand, when the processing for all the movement trajectories stored in the movement trajectory storage unit 31 is completed, the process proceeds to step S16.
ステップＳ１６に移行すると制御ユニット２は頻出動線群比較分類部２５を起動し、この頻出動線群比較分類部２５において、頻出動線群間の非類似度を計算する処理と、全頻出動線群の可視化処理と、頻出動線群の比較分類処理を以下のように実行する。すなわち、頻出動線群比較分類部２５は、先ず頻出動線群間の非類似度を計算する。なお、この頻出動線群間の非類似度の計算処理については後に詳しく述べる。 In step S16, the control unit 2 activates the frequent flow line group comparison / classification unit 25. In this frequent flow line group comparison / classification unit 25, processing for calculating dissimilarity between frequent flow line groups, and all frequent movements are performed. The line group visualization process and the frequent flow line group comparison and classification process are executed as follows. That is, the frequent flow line group comparison and classification unit 25 first calculates the dissimilarity between the frequent flow line groups. The processing for calculating the dissimilarity between the frequent flow line groups will be described in detail later.
次に、当該計算された頻出動線群間の非類似度をもとに、前述の多次元尺度構成法を用いて、各頻出動線群を１つの点として類似する頻出動線群ほど近くに位置するように二次元或いは三次元空間上に配置した、頻出動線群間の類似性を視覚的に表現する表示データを生成する。図８はその表示データの一例を示すものである。 Next, based on the dissimilarity between the calculated frequent flow line groups, using the multidimensional scaling method described above, each frequent flow line group is made closer to a similar frequent flow line group as one point. Display data that visually represents the similarity between frequent flow line groups arranged in a two-dimensional or three-dimensional space so as to be positioned is generated. FIG. 8 shows an example of the display data.
続いて頻出動線群比較分類部２５は、上記計算された頻出動線群間の非類似度に基づいて、頻出動線群の比較及び分類を行い、その結果を比較分類データ記憶部３５に格納する。図９はその分類結果の一例を示すもので、図８に示した頻出動線群間の類似関係に対する頻出動線群の階層的クラスタリングの例を示している。なお、図９における頻出動線群の番号は図８に示した番号と対応している。 Subsequently, the frequent flow line group comparison and classification unit 25 compares and classifies the frequent flow line groups based on the calculated dissimilarity between the frequent flow line groups, and the result is stored in the comparative classification data storage unit 35. Store. FIG. 9 shows an example of the classification result, and shows an example of hierarchical clustering of the frequent flow line groups with respect to the similarity relationship between the frequent flow line groups shown in FIG. Note that the numbers of frequent flow line groups in FIG. 9 correspond to the numbers shown in FIG.
以下に、上記頻出動線群間の非類似度の計算から比較及び分類までの処理について詳しく述べる。頻出動線群比較分類部２５は、頻出動線群間の非類似度を、グラフ編集距離によって計算する。グラフ編集距離とは、グラフのノード及びエッジそれぞれに対して、「置換」、「挿入」、「削除」の操作を行うことによって、一方のグラフを他方のグラフに変換するために必要な操作に基づく距離である。頻出動線グラフの編集操作の例を図７に示す。この例は、グラフＧ1をグラフＧ2に変換するときの操作例を示したものである。 The processing from the calculation of dissimilarity between the frequent flow line groups to the comparison and classification will be described in detail below. The frequent flow line group comparison and classification unit 25 calculates the dissimilarity between the frequent flow line groups based on the graph edit distance. The graph editing distance is an operation required to convert one graph to the other by performing “replace”, “insert”, and “delete” operations on each node and edge of the graph. It is a distance based on. An example of the editing operation of the frequent flow line graph is shown in FIG. This example shows an operation example when converting the graph G 1 to the graph G 2 .
上記編集操作においては、ノードやエッジの非類似性に応じて操作ごとにコストを累積し、コストの和が最小となる操作系列を求め、そのコストの値をグラフ間の距離とする。 In the editing operation, the cost is accumulated for each operation in accordance with the dissimilarity between nodes and edges, an operation sequence that minimizes the sum of the costs is obtained, and the value of the cost is used as the distance between the graphs.
ノード間の非類似度については、例えばそれぞれのノードに対応する頻出動線の文字列間の編集距離とする。一方、エッジ間の非類似度については、例えばエッジで結ばれたノードに相当する頻出動線同士の接続回数（すなわち共通する文字数）の差分にしたり、接続回数を考慮せずエッジ同士は非類似度を０とする。 The dissimilarity between nodes is, for example, an edit distance between character strings of frequent flow lines corresponding to each node. On the other hand, regarding the dissimilarity between edges, for example, the difference in the number of connections between frequent traffic lines corresponding to nodes connected by edges (that is, the number of characters in common) or the edges are dissimilar without considering the number of connections The degree is 0.
グラフ編集距離の計算は、例えば２つの比較対象グラフを１つのノードしか持たないサブグラフになるまで分解し、各サブグラフから「置換」、「挿入」、「削除」操作で作成可能なサブグラフにリンクを張り、各リンクに操作に関わるコストを付与する。そして、比較対象の１つのグラフからもう一つの比較対象のグラフに到達するまでリンクを辿り、リンクを辿る度にコストを累積し、その最小値をグラフ編集距離とする。 The graph edit distance is calculated by, for example, decomposing two graphs to be compared into subgraphs having only one node, and linking each subgraph to a subgraph that can be created by “Replace”, “Insert”, and “Delete” operations. Tighten and give each link a cost related to the operation. Then, the link is traced from one graph to be compared to another graph to be compared, the cost is accumulated every time the link is traced, and the minimum value is set as the graph edit distance.
なお、グラフ編集距離の詳細な計算方法については、例えば
K. Riesen, S. Emmenegger and H. Bunke, Kaspar Riesen, Sandro Emmenegger, and Horst Bunke, A Novel Software Toolkit for Graph Edit Distance Computation, Proc. 9th Int. Workshop on Graph Based Representations in Pattern Recognition, LNCS 7877, 142-151, 2013.
に詳しく記載されている。
For details on how to calculate the graph edit distance, for example,
K. Riesen, S. Emmenegger and H. Bunke, Kaspar Riesen, Sandro Emmenegger, and Horst Bunke, A Novel Software Toolkit for Graph Edit Distance Computation, Proc. 9th Int. Workshop on Graph Based Representations in Pattern Recognition, LNCS 7877, 142 -151, 2013.
Are described in detail.
次に頻出動線群比較分類部２５は、以上のように計算された頻出動線群間の非類似度をもとに、前述の多次元尺度構成法を用いて、各頻出動線群を１つの点として類似する頻出動線群ほど近くに位置するように二次元或いは三次元空間上に配置した、頻出動線群間の類似性を視覚的に表現する表示データを生成する。またそれと共に、階層的クラスタリング等の分類手法を用いて頻出動線群の分類を定量的に行う。階層的クラスタリングとは、比較対象間の非類似度をもとに似ているものから順にクラスタに分類し、全比較対象が１つのクラスタになるまで階層的に分類する手法である。そして、この分類結果を表す情報を比較分類結果記憶部３４に格納する。 Next, based on the dissimilarity between the frequent flow line groups calculated as described above, the frequent flow line group comparing and classifying unit 25 classifies each frequent flow line group using the above-described multidimensional scaling method. Display data that visually represents the similarity between the frequent flow line groups arranged in the two-dimensional or three-dimensional space so that the frequent flow line groups that are similar as one point are located closer to each other is generated. At the same time, the frequent flow line group is quantitatively classified using a classification method such as hierarchical clustering. Hierarchical clustering is a technique in which clusters are classified into clusters in descending order based on the degree of dissimilarity between comparison targets, and are hierarchically classified until all comparison targets become one cluster. Information representing the classification result is stored in the comparison classification result storage unit 34.
最後に、サーバ装置ＳＶの制御ユニット２は、ステップＳ１７において送信制御部２６を起動し、この送信制御部２６により上記表示データ記憶部３４及び比較分類結果記憶部３５からそれぞれ表示データ及び比較分類結果を表す情報を読み出す。そして、この読み出された表示データ及び比較分類結果を表す情報を、要求元となる事業者端末ＰＣに向け通信インタフェースユニット１から送信する。送信手段としては、電子メールに添付する方法でもよいし、事業者端末ＰＣからのアクセスに応じてダウンロードする方法でもよい。 Finally, the control unit 2 of the server device SV activates the transmission control unit 26 in step S17, and the transmission control unit 26 displays the display data and the comparison classification result from the display data storage unit 34 and the comparison classification result storage unit 35, respectively. Read the information indicating. Then, the information indicating the read display data and the comparison classification result is transmitted from the communication interface unit 1 to the provider terminal PC that is the request source. As a transmission means, a method of attaching to an e-mail may be used, or a method of downloading in accordance with an access from the operator terminal PC may be used.
（実施形態の効果）
以上詳述したようにこの発明の一実施形態では、頻出動線抽出部２２により、移動軌跡の集合中に頻出する部分文字列を頻出動線として抽出すると共に、頻出動線グラフ作成部２３により、上記抽出された各頻出動線をそれぞれノードとし、共通の文字又は文字列を含む頻出動線のノード間をエッジにより接続した頻出動線グラフを作成する。そして、表示データ生成部２４により、上記抽出された各頻出動線を当該頻出動線間の非類似度に基づいて三次元空間に座標配置した表示データを生成すると共に、上記作成された頻出動線グラフをその各ノード間の非類似度に基づいて二次元又は三次元空間に座標配置した表示データを生成し、これらの表示データを送信制御部２６から事業者端末ＰＣへ送信して表示させるようにしている。
(Effect of embodiment)
As described above in detail, in one embodiment of the present invention, the frequent flow line extraction unit 22 extracts the partial character string that frequently appears in the set of movement trajectories as the frequent flow line and the frequent flow line graph creation unit 23. Each of the extracted frequent flow lines is used as a node, and a frequent flow line graph is created in which the nodes of the frequent flow lines including common characters or character strings are connected by edges. Then, the display data generation unit 24 generates display data in which the extracted frequent flow lines are coordinate-arranged in a three-dimensional space based on the dissimilarity between the frequent flow lines, and the created frequent movements. Display data in which a line graph is coordinated in a two-dimensional or three-dimensional space based on dissimilarity between each node is generated, and these display data are transmitted from the transmission control unit 26 to the operator terminal PC to be displayed. I am doing so.
したがって、各頻出動線に加え、頻出動線間の接続関係を考慮して頻出動線グラフが表示されることにより、頻出動線同士の類似性のみならず、頻出動線間の接続関係の類似性も考慮した頻出動線群の比較を定量的に行うことが可能となる。特に、同じ場所を往復移動するような頻出動線についても、同じ移動体の移動軌跡中に頻出する文字列が抽出され、これがノードとして頻出動線グラフにより表現されるので、往復移動の無い頻出動線と同様に分析することが可能となる。また、個々の頻出動線の位置、及び頻出動線間の類似性と接続関係を反映した頻出動線群の可視化が可能となり、さらに頻出動線群間の類似性を反映した複数の頻出動線群の可視化が可能となる。また、上記作成された頻出動線グラフに含まれる複数のノードの各々についてエッジの接続数が求められ、当該エッジの接続数が最も多いノードを中心的な頻出動線として特定される。このため、複数の頻出動線の中で多くの他の頻出動線が流入・流出する中心的な頻出動線を容易に把握することが可能となる。 Therefore, in addition to each frequent flow line, the frequent flow line graph is displayed in consideration of the connection relationship between the frequent flow lines, so that not only the similarity between the frequent flow lines but also the connection relationship between the frequent flow lines is displayed. It is possible to quantitatively compare frequent flow line groups taking into account similarities. Especially for frequent traffic lines that reciprocate in the same place, frequently appearing character strings in the movement trajectory of the same moving object are extracted and expressed as frequent traffic line graphs as nodes. Analysis can be performed in the same manner as the flow line. In addition, it is possible to visualize the frequent flow line group reflecting the position of each frequent flow line and the similarity and connection relationship between the frequent flow lines, and multiple frequent movements reflecting the similarity between the frequent flow line groups. Visualization of line groups becomes possible. In addition, the number of edge connections is determined for each of a plurality of nodes included in the created frequent flow line graph, and the node having the largest number of connection edges is identified as the central frequent flow line. For this reason, it becomes possible to easily grasp a central frequent flow line in which many other frequent flow lines flow in and out of a plurality of frequent flow lines.
さらに、頻出動線群比較分類部２５により、各頻出動線間の非類似度が計算され、当該計算された非類似度に基づいて上記各頻出動線が複数の階層に分類される。このため、頻出動線群の比較・分類処理が自動的に行われることになり、各頻出動線の比較・分類処理を効率的に行うことが可能となる。 Further, the frequent flow line group comparison and classification unit 25 calculates the dissimilarity between the frequent flow lines, and classifies the frequent flow lines into a plurality of hierarchies based on the calculated dissimilarity. For this reason, the frequent flow line group comparison / classification process is automatically performed, and the frequent flow line comparison / classification process can be efficiently performed.
［他の実施形態］
前記一実施形態では、移動軌跡解析装置の機能をサーバ装置ＳＶに設けた場合を例示したが、同じ移動軌跡解析装置の機能をパーソナルコンピュータ等の固定端末やスマートフォンなどの携帯端末に設けるようにしてもよい。携帯端末に設けた場合には、移動軌跡の情報を自端末で計測した情報としてもよく、他の携帯端末から取得するようにしてもよい。また、表示データ及び比較分類結果を表す情報をそのまま携帯端末で表示したり、或いは携帯端末からユーザが所有する固定端末へ送信して表示するようにしてもよい。
[Other Embodiments]
In the one embodiment, the case where the function of the movement trajectory analysis device is provided in the server device SV is illustrated, but the same function of the movement trajectory analysis device is provided in a fixed terminal such as a personal computer or a portable terminal such as a smartphone. Also good. In the case where the mobile terminal is provided, the information on the movement trajectory may be information measured by the own terminal, or may be acquired from another mobile terminal. Further, the display data and the information indicating the comparison classification result may be displayed as they are on the mobile terminal, or may be transmitted from the mobile terminal to a fixed terminal owned by the user for display.
その他、移動軌跡解析装置の種類や構成、頻出動線の抽出処理、頻出動線グラフの作成処理、表示データの生成処理、頻出動線群の比較分類処理等の各処理の手順と内容についても、この発明の要旨を逸脱しない範囲で種々変形して実施できる。 In addition, the procedure and contents of each process such as the type and configuration of the moving trajectory analysis device, frequent flow line extraction processing, frequent flow line graph creation processing, display data generation processing, frequent flow line group comparison and classification processing, etc. Various modifications can be made without departing from the scope of the present invention.
要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。 In short, the present invention is not limited to the above-described embodiment as it is, and can be embodied by modifying the constituent elements without departing from the scope of the invention in the implementation stage. Further, various inventions can be formed by appropriately combining a plurality of constituent elements disclosed in the embodiment. For example, some components may be deleted from all the components shown in the embodiment. Furthermore, you may combine suitably the component covering different embodiment.
ＳＶ…サーバ装置、ＮＷ…通信ネットワーク、ＭＳ１〜ＭＳｎ…携帯端末、ＰＣ…事業者端末、１…通信インタフェースユニット、２…制御ユニット、３…記憶ユニット、２１…移動軌跡取得制御部、２２…頻出動線抽出部、２３…頻出動線グラフ作成部、２４…表示データ生成部、２５…頻出動線群比較分類部、２６…送信制御部、３１…移動軌跡記憶部、３２…頻出動線記憶部、３３…頻出動線グラフ記憶部、３４…表示データ記憶部、３５…比較分類結果記憶部。 SV ... server device, NW ... communication network, MS1 to MSn ... mobile terminal, PC ... operator terminal, 1 ... communication interface unit, 2 ... control unit, 3 ... storage unit, 21 ... movement trajectory acquisition control unit, 22 ... frequent occurrence Flow line extraction unit, 23 ... Frequent flow line graph creation unit, 24 ... Display data generation unit, 25 ... Frequent flow line group comparison and classification unit, 26 ... Transmission control unit, 31 ... Movement trajectory storage unit, 32 ... Frequent flow line storage 33, a frequent flow line graph storage unit, 34 ... a display data storage unit, 35 ... a comparison classification result storage unit.
Claims (8)
前記記憶部に保存された移動軌跡集合を読み出し、当該移動軌跡集合中に頻出する部分文字列を頻出動線としてそれぞれ抽出して前記記憶部に保存する頻出動線抽出手段と、
前記記憶部に保存された各頻出動線をそれぞれノードとし、共通の文字又は文字列を含む頻出動線のノード間をエッジにより接続した頻出動線グラフを作成して前記記憶部に保存する頻出動線グラフ作成手段と、
前記記憶部に保存された頻出動線及び頻出動線グラフを表示部に可視表示する可視表示手段と
を具備することを特徴とする移動軌跡解析装置。 A movement trajectory set acquisition means for receiving a movement trajectory set representing a movement trajectory of a moving object by a character string and storing it in a storage unit;
A frequent trajectory extracting means for reading out a moving trajectory set stored in the storage unit, extracting a partial character string frequently appearing in the moving trajectory set as a frequent trajectory, and storing the frequent trajectory in the storage unit;
Each frequent flow line stored in the storage unit is used as a node, and a frequent flow line graph in which nodes of frequent flow lines including common characters or character strings are connected by edges is generated and stored in the storage unit. A flow line graph creation means;
A moving trajectory analysis apparatus comprising: a visual display unit that visually displays a frequent flow line and a frequent flow line graph stored in the storage unit on a display unit.
前記記憶部に保存された頻出動線ごとに、当該頻出動線に含まれる文字列により表される場所の位置座標を移動時刻順に折れ線により接続した情報を生成する手段と、
前記頻出動線間の非類似度を計算する非類似度計算手段と、
三次元座標空間において、前記生成された情報の各場所の位置座標をＸ軸及びＹ軸により表される二次元座標平面に配置すると共に、当該各場所のＺ軸方向の座標を前記計算された非類似度に応じて設定した頻出動線表示情報を生成する手段と、
前記生成された頻出動線表示情報を前記表示部に表示する手段と
を備えることを特徴とする請求項１記載の移動軌跡解析装置。 The visual display means includes
Means for generating, for each frequent flow line stored in the storage unit, information in which position coordinates of a place represented by a character string included in the frequent flow line are connected by a broken line in order of movement time;
Dissimilarity calculating means for calculating dissimilarity between the frequent flow lines;
In the three-dimensional coordinate space, the position coordinates of each location of the generated information are arranged on a two-dimensional coordinate plane represented by the X axis and the Y axis, and the coordinates in the Z axis direction of each location are calculated. Means for generating frequent flow line display information set according to the dissimilarity;
The movement trajectory analysis apparatus according to claim 1, further comprising: means for displaying the generated frequent flow line display information on the display unit.
前記頻出動線間の非類似度を計算する非類似度計算手段と、
二次元又は三次元座標空間において、前記記憶部に保存された各頻出動線グラフに含まれるノードの位置座標を、当該ノードに対応する頻出動線間について前記非類似度計算手段により計算された非類似度に応じた距離を隔てて配置した頻出動線グラフ表示情報を生成する手段と、
前記生成された頻出動線グラフ表示情報を前記表示部に表示する手段と
を備えることを特徴とする請求項１記載の移動軌跡解析装置。 The visual display means includes
Dissimilarity calculating means for calculating dissimilarity between the frequent flow lines;
In the two-dimensional or three-dimensional coordinate space, the position coordinates of the nodes included in each frequent flow line graph stored in the storage unit are calculated by the dissimilarity calculation means between the frequent flow lines corresponding to the nodes. Means for generating frequent flow line graph display information arranged at a distance according to dissimilarity;
The movement trajectory analysis apparatus according to claim 1, further comprising means for displaying the generated frequent flow line graph display information on the display unit.
前記記憶部に記憶された各頻出動線群間の非類似度を計算し、当該計算された非類似度に基づいて前記各頻出動線群を複数の階層に分類する分類手段と
を、さらに具備することを特徴とする請求項１記載の移動軌跡解析装置。 Display data that visually represents the similarity between the frequent flow line groups arranged in a two-dimensional or three-dimensional space so that each frequent flow line group is located closer to each other with the frequent flow line group as one point. Means for generating and displaying on the display unit;
Classifying means for calculating dissimilarity between each frequent flow line group stored in the storage unit, and classifying each frequent flow line group into a plurality of layers based on the calculated dissimilarity; and The movement trajectory analysis apparatus according to claim 1, further comprising:
移動体の移動軌跡を文字列により表した移動軌跡集合を受け取り、記憶部に保存する過程と、
前記記憶部に保存された移動軌跡集合を読み出し、当該移動軌跡集合中に頻出する部分文字列を頻出動線としてそれぞれ抽出して前記記憶部に保存する過程と、
前記記憶部に保存された各頻出動線をそれぞれノードとし、共通の文字又は文字列を含む頻出動線のノード間をエッジにより接続した頻出動線グラフを作成して前記記憶部に保存する過程と、
前記記憶部に保存された頻出動線及び頻出動線グラフを表示部に可視表示する過程と
を具備することを特徴とする移動軌跡解析方法。 A movement trajectory analysis method executed by a movement analysis apparatus including a computer and a storage unit,
A process of receiving a movement trajectory set representing a movement trajectory of a moving object by a character string and storing it in a storage unit;
Reading the movement trajectory set stored in the storage unit, extracting a partial character string that frequently appears in the movement trajectory set as a frequent flow line, and storing it in the storage unit;
A process of creating a frequent flow line graph in which each frequent flow line stored in the storage unit is used as a node, and nodes of the frequent flow lines including common characters or character strings are connected by edges, and stored in the storage unit When,
And a step of visually displaying a frequent flow line and a frequent flow line graph stored in the storage unit on a display unit.
前記記憶部に保存された頻出動線ごとに、当該頻出動線に含まれる文字列により表される場所の位置座標を移動時刻順に折れ線により接続した情報を生成する過程と、
前記頻出動線間の非類似度を計算する過程と、
三次元座標空間において、前記生成された情報の各場所の位置座標をＸ軸及びＹ軸により表される二次元座標平面に配置すると共に、当該各場所のＺ軸方向の座標を前記計算された非類似度に応じて設定した頻出動線表示情報を生成する過程と、
前記生成された頻出動線表示情報を前記表示部に表示する過程と
を備えることを特徴とする請求項６記載の移動軌跡解析方法。 The visual display process includes:
For each frequent flow line stored in the storage unit, a process of generating information in which position coordinates of a place represented by a character string included in the frequent flow line are connected by a broken line in order of movement time;
Calculating dissimilarity between the frequent flow lines;
In the three-dimensional coordinate space, the position coordinates of each location of the generated information are arranged on a two-dimensional coordinate plane represented by the X axis and the Y axis, and the coordinates in the Z axis direction of each location are calculated. A process of generating frequent flow line display information set according to dissimilarity,
The moving trajectory analysis method according to claim 6, further comprising: displaying the generated frequent flow line display information on the display unit.
前記記憶部に保存された頻出動線間の非類似度を計算する過程と、
二次元又は三次元座標空間において、前記記憶部に保存された各頻出動線グラフに含まれるノードの位置座標を、当該ノードに対応する頻出動線間について前記計算された非類似度に応じた距離を隔てて配置する過程と
を備えることを特徴とする請求項６記載の移動軌跡解析方法。 The visual display process includes:
Calculating dissimilarity between frequent flow lines stored in the storage unit;
In a two-dimensional or three-dimensional coordinate space, the position coordinates of a node included in each frequent flow line graph stored in the storage unit are determined according to the calculated dissimilarity between frequent flow lines corresponding to the node. The movement trajectory analysis method according to claim 6, further comprising a step of arranging at a distance.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014041620A JP6044937B2 (en) | 2014-03-04 | 2014-03-04 | Moving locus analysis apparatus and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014041620A JP6044937B2 (en) | 2014-03-04 | 2014-03-04 | Moving locus analysis apparatus and method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015166983A JP2015166983A (en) | 2015-09-24 |
| JP6044937B2 true JP6044937B2 (en) | 2016-12-14 |
Family
ID=54257815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014041620A Active JP6044937B2 (en) | 2014-03-04 | 2014-03-04 | Moving locus analysis apparatus and method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6044937B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE112017007657T5 (en) | 2017-07-19 | 2020-03-05 | Mitsubishi Electric Corporation | BEHAVIOR VISUALIZING DEVICE AND BEHAVIOR VISUALIZING METHOD |
| JP2019175240A (en) * | 2018-03-29 | 2019-10-10 | 西日本電信電話株式会社 | Data analysis device, data analysis method, and program |
| CN110196891B (en) * | 2018-11-15 | 2024-03-15 | 腾讯大地通途（北京）科技有限公司 | Method and device for determining block type, storage medium and electronic device |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6584401B2 (en) * | 2001-11-27 | 2003-06-24 | Hewlett-Packard Development Company, Lp. | Automatic gathering and analysis of data on commute paths |
| JP2008157891A (en) * | 2006-12-26 | 2008-07-10 | Denso It Laboratory Inc | Navigation device, navigation method and navigation program |
| JP5198994B2 (en) * | 2008-09-19 | 2013-05-15 | インターナショナル・ビジネス・マシーンズ・コーポレーション | Time required prediction system, method and program |
| JP6045159B2 (en) * | 2012-02-28 | 2016-12-14 | 三菱重工業株式会社 | Operation proficiency evaluation system |
-
2014
- 2014-03-04 JP JP2014041620A patent/JP6044937B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015166983A (en) | 2015-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | VAUD: A visual analysis approach for exploring spatio-temporal urban data | |
| Pappalardo et al. | scikit-mobility: A Python library for the analysis, generation and risk assessment of mobility data | |
| Chen et al. | A survey of traffic data visualization | |
| Graser | Movingpandas: efficient structures for movement data in python | |
| Zheng | Trajectory data mining: an overview | |
| Yuan et al. | Discovering urban functional zones using latent activity trajectories | |
| Ferreira et al. | Visual exploration of big spatio-temporal urban data: A study of new york city taxi trips | |
| Chen et al. | Spatiotemporal data model for network time geographic analysis in the era of big data | |
| Castro et al. | From taxi GPS traces to social and community dynamics: A survey | |
| Senaratne et al. | Urban mobility analysis with mobile network data: A visual analytics approach | |
| Zhong et al. | Spatiotemporal visualisation: A survey and outlook | |
| Yu et al. | Trajectory similarity clustering based on multi-feature distance measurement | |
| Reddy | Spatial data management, analysis, and modeling in GIS: principles and applications | |
| Yuan et al. | Toward space-time buffering for spatiotemporal proximity analysis of movement data | |
| JP6044937B2 (en) | Moving locus analysis apparatus and method | |
| Belhadi et al. | Comparative study on trajectory outlier detection algorithms | |
| CN113327079A (en) | Path selection potential factor visual analysis method based on network car booking track | |
| Jiang et al. | Topological relationship model for geographical flows | |
| McArdle et al. | Spatio-temporal clustering of movement data: An application to trajectories generated by human-computer interaction | |
| Aldrich et al. | A query-based framework for searching, sorting, and exploring data ensembles | |
| Toader et al. | A Data‐Driven Scalable Method for Profiling and Dynamic Analysis of Shared Mobility Solutions | |
| Chaturvedi et al. | Efficient querying and indexing of moving data objects | |
| Ferreira | Visual analytics techniques for exploration of spatiotemporal data | |
| Pun‐Cheng et al. | Exact cell decomposition on base map features for optimal path finding | |
| Freire et al. | Riding from Urban Data to Insight Using New York City Taxis. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160107 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160107 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161028 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161101 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161107 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6044937 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |