[發明專利]基于地理權重矩陣的網絡時空大數據處理分析方法

在審

• 申請號: 202210728270.9
• 申請日: 2022-06-24
• 公開（公告）號: CN115129799A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 李軍吉;孫華;王定;張裕洲;徐央杰;陶文曠;吳敦;楊兆東;費佳寧
• 申請（專利權）人: 紹興市勘察測繪院;寶略科技(浙江)有限公司
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06F17/16;G06F17/18
• 代理公司: 寧波甬致專利代理有限公司 33228
• 代理人: 袁波

本發明提供了基于地理權重矩陣的網絡時空大數據處理分析方法，涉及網絡時空大數據處理分析技術領域，本方法包括步驟S1：獲取網絡時空大數據庫中目標數據的空間點位地理位置坐標信息；S2：根據空間點位地理位置坐標信息通過R語言hex_grid架構將在空間上呈現點狀分布的大數據分割成多個正多邊形網絡時空大數據空間單元的空間連續的片狀分布的大數據；S3：根據空間連續的片狀分布的大數據構建空間聚集性分析模型，分析大數據的空間局部效應結果。本方法能夠將在空間上呈現點狀分布的大數據合理地融合成在空間上呈現空間邊界連續分布的大數據，以便于大數據的分析及結果可視化。

技術領域

本發明涉及網絡時空大數據處理分析技術領域，具體而言，涉及基于地理權重矩陣的網絡時空大數據處理分析方法。

背景技術

隨著大數據技術的普及、發展和深化，對包含時間和空間維度的大數據信息的匯聚、處理與分析的要求日益提高。特別是對基于空間維度為點狀形式分布的大數據轉化為空間邊界連續分布的大數據，以及考慮空間對象的局部效應，以提高大數據之間時空關系分析準確性就顯得尤為重要。

網絡時空大數據是基于統一時空基準，活動于時空中與位置直接或間接相關聯的大數據。它是包括人類活動在內的現實地理世界空間結構和空間關系各要素(現象)的數量、質量特征及其在時空中變化的數據集的總和，具有空間、時間、屬性、多源(元)異構、多維動態等特征。網絡時空大數據Web端可視化通常是前端瀏覽器發送數據請求，后端服務器接收前端請求進行數據查詢與數據處理，然后將結果返回前端，前端接收數據并完成數據加載與可視化。

從網絡時空大數據處理和分析的技術來看，目前技術未能考慮到地理空間位置差異導致的空間對象局部效應對大數據之間分析結果準確性的影響。

發明內容

本發明解決的問題是如何將在空間上呈現點狀分布的大數據合理地融合成在空間上呈現空間邊界連續分布的大數據，以便于大數據的分析及結果可視化，提高分析結果的準確性。

為解決上述問題，本發明提供基于地理權重矩陣的網絡時空大數據處理分析方法，包括步驟：

S1：獲取網絡時空大數據庫中目標數據的空間點位地理位置坐標信息；

S2：根據空間點位地理位置坐標信息通過R語言的hex_grid架構將在空間上呈現點狀分布的大數據分割成多個正多邊形網絡時空大數據空間單元的空間連續的片狀分布的大數據；

S3：根據空間連續的片狀分布的大數據構建空間聚集性分析模型，分析大數據的空間局部效應結果；

S4：基于空間聚集性分析模型的分析結果，構建空間加權函數模型，將空間加權函數模型中的空間權重輸入至Keras-TensorFlow深度學習模型中，訓練Keras-TensorFlow深度學習模型，得到全局每個正多邊形網絡時空大數據空間單元的空間權重矩陣；

S5：根據空間權重矩陣構建基于地理位置差異算法的網絡時空大數據分析模型；

S6：根據網絡時空大數據分析模型的分析結果，構建網絡時空大數據分析展示平臺。

在上述方法中，將在空間上呈現點狀分布的大數據合理地融合成在空間上呈現空間邊界連續分布的大數據，極大提高了大數據的空間分析多樣性，便于大數據的分析及結果的可視化。

進一步地，通過R語言的hex_grid架構將在空間上呈現點狀分布的大數據分割成等大的多個正多邊形網絡時空大數據空間單元的空間連續的片狀分布的大數據；

調用hex_grid中cell_area函數，設置單個正多邊形網絡時空大數據空間單元面積大小，使生成的正多邊形網絡時空大數據空間單元覆蓋所有點狀空間分布的大數據。

進一步地，所述步驟S3包括：