JUST团队4篇论文被ACM SIGSPATIAL 2021成功接收!

今日,ACM SIGSPATIAL 2021放榜,JUST团队成员撰写的4篇文章被ACM SIGSPATIAL 2021成功录用!第29届国际信息系统会议(29th ACM SIGSPATIAL International Conference on Advances in Geographic Information SystemsACM SIGSPATIAL 2021)计划今年112~115日在北京召开。ACM SIGSPATIAL是时空数据领域最权威的学术会议之一,在相关领域享有较高的学术荣誉。本次会议共收到195篇论文投稿,包括152篇研究型论文、16篇系统型论文、27篇展示型论文,共接收34篇研究型论文、6篇系统型论文、39篇短文、14篇展示型论文。其中,研究型论文的接受率为22.4%

JUST团队致力于时空数据管理与挖掘前沿技术的研究,并将相关研究成果沉淀在京东城市时空数据引擎JUST中(https://just.urban-computing.cn/),利用时空知识助力城市发展。下面是JUST团队本次被ACM SIGSPATIAL 2021接收的4篇论文简要介绍,未来本公众号将会陆续详细介绍每篇文章的具体工作。

[1] Ruiyuan Li, Rubin Wang, Junwen Liu, Zisheng Yu, HuajunHe, Tianfu He, Sijie Ruan, Jie Bao, Chao Chen, Fuqiang Gu, Liang Hong, YuZheng. Distributed Spatio-Temporal k Nearest Neighbors Join. (ACM SIGSPATIAL2021)

简介:定位技术的发展产生了大量的时空数据,这些时空数据以点、线、面或者它们的组合呈现。作为一种基本但耗时的操作,k最近邻连接(kNN Join)受到了广泛的研究。然而,大多数现有工作要么忽略了时间信息,要么仅仅考虑了点数据。本文介绍了一个新颖且有用的问题,即时空k最近邻连接(ST-kNN Join),它同时考虑了时空维度的邻近性。为高效支持海量多几何类型的时空数据的ST-kNN Join操作,我们提出了一个新的基于Spark的分布式处理方法。具体来说,我们的方法采用了两阶段join框架。在第一阶段join中,我们提出了一种新的时空分区方法,能够让相近的时空数据存储在同一分区的同时,还能够达到负载均衡。我们还提出了一种轻量的索引结构来高效支持ST-kNN Join。在第二轮join中,为了减少不同机器之间的数据传输,我们基于时空参考点进行去重。我们使用3个真实的数据集做了充分的实验,结果显示我们提出的方法比基准方法快了9倍。我们还提供了一个Demo系统(http://stknnjoin.urban-computing.com/),并且开源了代码(https://github.com/1085904057/spatialjoin)。

[2] Huajun He, Ruiyuan Li, Jie Bao, Tianrui Li, Yu Zheng.JUST-Traj: A Distributed and Holistic Trajectory Data Management System (DemoPaper).  (ACM SIGSPATIAL 2021)

简介:轨迹数据有利于许多城市应用,如人流量预测、智能交通优化等。随着物联网的快速发展,产生了海量的轨迹数据。然而,传统轨迹管理方案存在“效率低”、“跨平台轨迹管理繁琐”的问题,难以管理海量的轨迹数据。为此,我们提出了一个基于分布式平台(如Spark HBase)的轨迹数据管理系统,称为JUST-Traj。它提供了多种时空索引,高效支持海量轨迹的各种时空查询和分析。此外,JUST-Traj通过ApacheCalcite设计了一个便捷的SQL 引擎,可以通过类SQL 语句执行所有的轨迹操作(存储、查询、分析),解决了跨平台轨迹管理繁琐的问题。最后,我们为开发者提供了一个在线使用JUST-Traj的门户网站,系统链接:http://just-traj.urban-computing.com/

[3] Zheng Zhu, Huimin Ren, Sijie Ruan, Boyang Han, Jie Bao,Ruiyuan Li, Yanhua Li and Yu Zheng. ICFinder: A Ubiquitous Approach toDetecting Illegal Hazardous Chemical Facilities with Truck Trajectories (ShortPaper). (ACM SIGSPATIAL 2021)

简介:危险化学品是工业生产的重要原料,因为其潜在的危险性,其生产、运输到存储的流程受到了政府的严格监管。然而受利益驱动,仍然有部分不法分子铤而走险偷运输危化品到一些安全规范完全不达标的小作坊进行生产加工。这样的行为,给社会带来了极大的安全隐患。为了解决这个问题,我们利用监管下的运输车GPS数据,化学品工厂数据提出了一种找到非法化学品设施的方法ICFinderICFinder首先从大规模轨迹数据中找到车辆所有驻留位置,再用DBSCAN筛选出频繁的驻留地点。接着,构建两种特征来判断危化品车辆曾在一个地理位置装卸货的概率,并通过POI数据为地理位置打标签。第一种司机行为特征挖掘司机驻留的行为信息,如停留时长、开始停留时间、停留前后车辆形势方向改变程度等。第二种运输上下文特征构建了一个危化品-生产商-消耗商的异构图来表征地理位置相关的化学品信息。最后,在所有潜在非法地址位置中,ICFinder判定危化品车辆装卸货的概率最高一些地址位置作为非法地点并进行反馈,找到了20多处实际的非法化学品设施。

[4] Yue Hu, Sijie Ruan, Yuting Ni, Huajun He, Jie Bao,Ruiyuan Li and Yu Zheng.  SALON: AUniversal Stay Point-Based Location Analysis Platform (Demo paper). (ACMSIGSPATIAL 2021)

简介:随着定位技术的高速发展,每天都会产生大量的轨迹数据,轨迹数据中的驻留点蕴含了运动物体对地点的访问情况,这为我们分析地点提供了很大帮助。现有的很多研究工作都是依靠驻留点去分析某些地点的动态访问信息,然而它们都是特定问题的解决方案。在本文中,我们总结这些工作的共同流程,依托于JUST时空数据引擎,设计并开发了一个具有普遍性、高效性和灵活性的基于驻留点的地点分析平台——SALON。它可以利用灵活高效的条件检索驻留点,将检索的驻留点与地点相关联,提取地点的动静态特征,并将特征可视化给用户。为验证平台的特点,我们在三份数据集上展示了本平台的三个应用场景,分别为非法地点发现、热门地点排序、地点时序分析。

▲图源人民日报


0 条评论

    发表评论

    电子邮件地址不会被公开。 必填项已用 * 标注