[发明专利]一种基于元胞自动机的地理多元流数据时空自相关分析方法

说明书

本发明提供了一种基于元胞自动机的地理多元流数据时空自相关分析方法，采用改进的元胞自动机动态模型对地理数据的时空性与复杂性进行表达，并考虑了元胞(地理区域)转换规则和异步演化的空间异质性，可以更为准确地分析基于复杂网络的非线性结构地理多元流数据。本发明对元胞单元的分析，提取多种影响因子，可以更准确地得到元胞自动机模型参数，准确且效率高；利用ANN算法获取的转换规则，相比整个模型固定的转换规则具有动态性，更能描述且符合元胞的实际变换情况；根据Moran’s I表示元胞之间的相关性，更好、更清晰地反应地理数据的时空分布情况，从而更方便地进行后续的时空数据模型模拟与预测，使得模拟与预测精度更高。

技术领域

本发明属于地理空间统计分析方法，具体涉及元胞自动机、地理多元流数据处理、地理空间相关性分析等领域。

背景技术

近年来随着地理信息技术、遥感技术、物联网以及移动终端的不断发展和普及，带有空间参考的多元地理数据，经过几十年的快速演变，形成了海量的地理多元流数据。这些流数据具有顺序、大量、快速、连续到达的特点，可被聚集为一个随时间延续而无限增长的动态数据集，也可将它们称为时空流数据，如交通数据、温度实时监测数据等。

目前空间自相关分析技术能较好地揭示研究对象内在的空间特性，已经广泛应用于分析、监测环境、灾害的空间分布特征。但是从各国学者研究的文献中可以发现，地理多元流数据的模型主要是基于时间序列模型构建，只考虑了时间自相关性，没有顾及地理空间异质性以及多元变量之间的相关性。如相关的文献中，浪潮集团有限公司在发明专利“一种采用分布式3D动态空间数据分析方法”专利申请号：CN201410529971.5公开号：CN104298743A中，在某一时间段，收集动态体的空间数据，以指定的时间间隔存储某一时间点的数据信息，可用于动态体的行为分析、行为判断；北京交通大学在发明专利“一种社会事件与客运交通需求之间的相关性分析方法”专利申请号：CN201711403609.3公开号：CN108133291A中，利用机器学习算法，针对不同类型事件在设计的属性上分别构造融合模型，预测出由事件引起的交通需求的变化量。空间自相关分析方法主要应用于离散的时空数据，将时空数据拆分为空间数据与时间序列数据，单独对两种数据进行相关性分析，忽略了时间与空间的相互作用。

因此，本发明创新性地提出了一种基于元胞自动机的地理多元流数据的时空自相关分析的解决方案，采用改进的元胞自动机动态模型对地理数据的时空性与复杂性进行表达，并考虑了元胞(地理区域)转换规则和异步演化的空间异质性，可以更为准确地分析基于复杂网络的非线性结构地理多元流数据。

发明内容

本发明的目的是实现地理多元流数据时空自相关性分析。针对数据具有时间维度以及连续到达的特性，构建了基于元胞自动机的地理多元流数据表达模型，提出了一种改进Moran’s I指数的时空自相关分析方法。本发明能够揭示地理多元流数据的时空演变特征，为温度实时监测、交通监测等方面的预测分析提供了一种顾及时间与空间维度连续表达的解决方案，对地理数据处理具有重要意义。

本发明主要包括以下步骤：

步骤1，针对原始地理多元流数据进行分类，得到含有多种类别的栅格数据；

步骤2，改进元胞自动机模型，建立一种符合地理多源流数据特性的元胞自动机模型；

步骤3，将栅格数据中的每一网格定义为一个元胞单元，在每个元胞单元中提取影响因子；

步骤4，确定元胞的状态情况及元胞之间的邻域关系；

步骤5，随机抽取若干个元胞中的属性数据作为训练抽样数据；

步骤6，考虑数据的多元性与时空性，利用机器学习中的ANN算法对训练抽样数据进行反复训练，直到得到最优解，并将得到的输出结果作为元胞自动机模型中所需用的参数；