Spatiotemporal trajectory similarity papers
Hu, D., Chen, L., Fang, H., Fang, Z., Li, T., & Gao, Y. (2023). Spatio-temporal trajectory similarity measures: A comprehensive survey and quantitative study. IEEE Transactions on Knowledge and Data Engineering 36(5) 2191-2212. doi: https://doi.org/10.1109/TKDE.2023.3323535trajectory 클러스터링 전에 similarity 계산 필요. trajectory similarity 분석을 위한 다양한 방법론 비교
2024. 10. 30.
Yuan, Y., & Medel, M. (2016). Characterizing International Travel Behavior from Geotagged Photos: A Case Study of Flickr. PLOS ONE, 11(5), e0154885. https://doi.org/10.1371/journal.pone.0154885
Flickr의 지오태그된 사진 데이터를 활용하여 국제 여행 행동을 분석한 연구입니다. 이들은 중력 모델을 사용해 국가 간 여행 패턴을 설명하며, 사람들이 특정 국가로 이동하는 빈도를 예측했습니다. 분석 결과, 특정 국가 간의 거리와 문화적 유사성이 여행에 영향을 미치는 주요 요소임을 확인했습니다. 이 연구는 소셜 미디어 데이터를 통해 국가 간 이동의 공간적, 문화적 요인을 연구하는 데 기여하며, 여행 및 관광 연구에 새로운 통찰을 제공합니다. 1. 서론연구는 소셜 미디어 데이터를 활용하여 국제 여행 행동을 이해하려는 필요성을 강조합니다. 기존 연구는 주로 전통적인 설문조사나 인터뷰를 통해 데이터 수집이 이루어졌지만, Flickr 같은 소셜 미디어 데이터를 통해 더 많은 정보를 효율적으로 얻을 수 있는 가..
2024. 10. 29.
Yuan, Y., Liu, Y., & Wei, G. (2017). Exploring inter-country connection in mass media: A case study of China. Computers, Environment and Urban Systems, 62, 86–96.
시공간에 따라 중국과 다른 나라의 관계가 어떻게 달라지는지 분석하는데 Mass media (The Global Data on Events, Location and Tone; GDELT) 데이터가 효율적이라는 데 초점을 둔 연구. 1. Introduction대부분의 기존 연구는 시공간 패턴 인식과 같은 이벤트 마이닝의 방법론적 관점에 중점을 두고 있음매스 미디어 데이터를 사용하여 서로 다른 지리적 지역 간의 연결을 탐색하거나 시간이 지남에 따라 이러한 연결이 어떻게 진화하는지 조사한 경험적 연구는 상대적으로 적음그러나 이러한 연구의 내부적인 한계 존재:첫째, 운송 및 무역 흐름과 같은 집계된 사회 경제적 데이터는 종종 일방적이므로 개념적으로 두 개체 간의 공간적 연결에 대한 제한된 측면만 제공둘째, 이러..
2024. 10. 29.
Lansley, G., & Longley, P. A. (2016). The geography of Twitter topics in London. Computers, Environment and Urban Systems, 58, 85–96.
더보기이 연구는 런던에서 발생한 트위터 데이터를 분석하여 트위터의 주제별 지리적 분포를 탐구합니다. 즉, 런던 내에서 사람들이 트위터를 통해 어떤 주제들에 대해 언급하는지, 그리고 그 주제들이 특정 지역에서 어떻게 다르게 나타나는지를 분석합니다.연구의 주요 내용:목표:런던 내에서 트위터의 다양한 주제들이 어떤 지역에서 더 많이 언급되는지 파악하는 것.주제별 트윗의 지리적 분포를 분석하여 도시 내에서 어떤 주제가 지역적으로 집중되는지, 그리고 이를 통해 도시의 사회적, 문화적 특성을 어떻게 이해할 수 있는지 탐구.데이터:연구에서는 2014년과 2015년에 런던에서 발생한 트위터 데이터를 사용합니다. 트위터의 위치 기반 데이터를 활용하여 트윗이 작성된 지역을 분석하고, 각 트윗이 언급하는 주제를 식별하기 위..
2024. 10. 15.
Gao, S., Liu, Y., Wang, Y., & Ma, X. (2013). Discovering Spatial Interaction Communities from Mobile Phone D ata. Transactions in GIS, 17(3), 463–481.
1 IntroductionThere are still some important questions that deserve attention: for example, what is the relationship between interaction in the physical world and that in cyberspace, how to exploit and analyze patterns of spatial interaction, and how to design efficient economical and administrative boundaries based on spatial interaction?Spatialized social network analysis (SSNA) facilitates th..
2024. 10. 15.
Liu, Y., Liu, X., Gao, S., Gong, L., Kang, C., Zhi, Y., ... & Shi, L. (2015). Social sensing: A new approach to understanding our socioeconomic environments. Annals of the Association of American Geographers, 105(3), 512-530.
AbstractThis paper defines social sensing as individual-level spatiotemporally tagged data and related methodologies. This paper explains the similarity between social sensing data and remote sensing data, and the possibility of combining those datasets The major objective of social sensing is to detect socioeconomic characteristics in geographical space, which can thus be viewed as a complement..
2024. 9. 29.
Dynamic Time Warping (DTW) with trajectory data 시계열 분석
DTW개요- 두 개의 입력 시계열 간의 거리 메트릭을 생성한다.- 데이터를 벡터로 변환하고 벡터 공간에서 해당 지점 간의 유클리드 거리를 계산하여 계산하여 두 시계열의 유사성 계산한다.- 첫 번째와 마지막 포인트를 포함한 모든 포인트가 각각 연결되어야 한다. 계산 방법DTW 그리드를 만든다.각 그리드 내부에 두 시계열의 거리 측정값(e.g. absolute differences)이 들어간다.total distance를 최소화하는 그리드를 통과하는 경로를 찾는다. 수식$P=\{p_1, p_2, ..., p_m\}$, $Q=\{q_1, q_2, ..., q_m\}$ 이라는 두 시계열 데이터가 있을 때, $P$와 $Q$ 사이의 DTW 거리는 다음과 같다.$$D(P, Q) = dist(p_1, q_1) + \m..
2024. 9. 28.
Koehler, M., & Mishra, P. (2009). What is technological pedagogical content knowledge (TPACK)?. Contemporary issues in technology and teacher education, 9(1), 60-70.
Abstract- The TPACK framework is described in detail, as a complex interaction among three bodies of knowledge: Content, pedagogy, and technology. The Challenges of Teaching With Technology- Newer digital technologies, which are protean, unstable, and opaque, present new challenges to teachers struggling to use more technology in their teaching- Social and contextual factors also complicate the ..
2024. 9. 26.