7月中旬开始第一篇论文的阅读，至今将近两个月了，除去半个月的休息，实际上也有一个半月了，走马观花的看了不少文献，今天坐下来，思考一下，有哪些收获。

        先是大方向定了一下，时空大数据的挖掘应用。之前也没有注意网上搜索文献阅读的方法，只是依稀的记得，要先从综述文献阅读开始，了解领域的全景和相关的技术应用。时空大数据也是大数据，一些基本的方法也是继承应用的，譬如数据的收集、预处理，分析方法中的聚类、分类、关联分析和预测等等。

       大数据包括图像、语音和视频等。大数据到地理空间大数据再到时空大数据，是一个地理位置和时间约束的增强，再到轨迹方面是一个具体应用范畴。不知道这样理解对不对，权当如此把，期待以后认识加深再加以修正。轨迹方面，基于目前所看论文来讲，主要是基于出租车的GPS来研究出租车的调度，居民出行方式的选择，城市的居住区和工作区的分布发现，交通流量预测，城市规划等等，基于手机定位方面，宏观上有人物迁徙热力图，旅游景点的规划，基于客流量的商家选址研究，共享单车的投放，另一方面的微观形式，个人的出行和活动的发现，基于历史轨迹的目的地预测，伴随人员的发现等等。

      数据的来源多是GPS和手机信令数据，还有多数据的融合方面，有GPS和POI数据的结合，用准确的签到数据取修正GPS误差，我以为这是一个新方向，不想也有很多人加以研究实现了，再读在想吧。

      最近KDD2018上京东金融和摩拜单车合作的一篇论文《利用共享单车轨迹数据的违章停车检测》，应该是相对较新，而且轨迹大数据的应用新领域扩展吧。

摘要：

违章停车是大城市中普遍存在的问题。占道的违章停车引起交通拥堵，也会引发交通事故。仅仅通过目前的交警巡逻、摄像监控方案，很难覆盖整个城市，并且会耗费的不小的人力物力。近年来，共享单车的兴起产生了大量且质量高的轨迹数据，为我们检测违章停车提供了新的机遇。因为我们观察到，大多数违章停车发生在路边，会对自行车骑行轨迹造成影响。为此，我们提出了基于共享单车轨迹数据的违章停车检测技术。

这项工作包括一个预处理模块，进行有针对性的相应轨迹清洗、路网匹配、轨迹索引；以及一个检测模块，基于假设检验与轨迹融合进行检测。

在预处理部分，通过路网匹配去掉了匹配到高速路等自行车罕至地域的轨迹、与道路几乎垂直的、偏离道路过远的轨迹，同时因为违章停车对正向和反向骑行的自行车影响程度不同，因此将轨迹按其行进方向分开，用不同的模型分别刻画。

在检测部分，主要强调三点考量：1. 不区分不同模式的违章停车，将其全部视为一类。将其多样性内化。2. 不检测单条轨迹，而是把不同轨迹合在一起进行一次判断，排除可能影响单条轨迹的诸多误差。3. 对每条路单独建模，排除不同地区障碍物不同带来的 GPS 误差分布差异。检测模型将深夜的自行车轨迹视为基线数据，然后用 KS 检验判断白天与深夜的样本是否处于同一个分布，输出一个属于同一分布的置信度，然后用真实违停检验数据集确定分类的阈值。

这项研究的成果已经投入实际应用,能够实时检测整个城市里面什么地方出现了违章停车，不需要派管理员去看就能够自动识别,然后把有限的人力精准地投放到那些违章的路段。交管人员从“扫街”式监管，变成针对核心路段重点监测，提高了效率，节省了人力，有助于治理违章停车现象。

         科研的大门何时才能入 ……