본문 바로가기

전체 글170

Yuan, Y., & Raubal, M. (2014). Measuring similarity of mobile phone user trajectories–a Spatio-temporal Edit Distance method. International Journal of Geographical Information Science, 28(3), 496-520. 1. Introduction- Inter-trajectory studies have drawn more and more attention due to the increasing interest in understanding the social interaction among demographic groups- A similarity measure for cellular space is different from one for Euclidean space because numerical information for cellular space is not necessarily continuous     - Therefore most of the existing algorithms, such as the ti.. 2024. 9. 24.
Toohey, K., & Duckham, M. (2015). Trajectory similarity measures. Sigspatial Special, 7(1), 43-50. 1 Introduction- After first outlining some of the useful applications of trajectory similarity measures, four of the most commonly used similarity measures will be discussed in detail: longest common subsequence (LCSS), Fréchet distance, dynamic time warping (DTW), and edit distance- These four measures have been implemented within a new R package called “SimilarityMeasures,” available on CRAN 2.. 2024. 9. 23.
Xu, Y., Shaw, S. L., Zhao, Z., Yin, L., Lu, F., Chen, J., ... & Li, Q. (2018). Another tale of two cities: Understanding human activity space using actively tracked cellphone location data. In Geographies of mobility (pp. 246-258). Routledge. Intro- Activity space is an important concept in geography that describes the spatial extent, frequent locations, and movements of people’s daily activities Literature rivew- activity space- activity space using cellphone location data- clustering methods Study area and data sets- Shanghai and Shenzhen- This article uses two actively tracked cellphone data sets collected weekly in Shenzhen (23 M.. 2024. 9. 17.
Wang, X., & Yuan, Y. (2021). Modeling user activity space from location-based social media: A case study of Weibo. The Professional Geographer, 73(1), 96-114. Intro- location-based social media (LBSM) data are widely used for modeling human activity patterns- research questions: 1) how do different activity space indicators change with different data collection durations? 2) are there substantial differences in terms of the activity spaces in these three cities? Previous WorkModeling human activity spaces: indicators and measurements[external morpholo.. 2024. 9. 15.
Zhao, Z., Shaw, S. L., Xu, Y., Lu, F., Chen, J., & Yin, L. (2016). Understanding the bias of call detail records in human mobility research. International Journal of Geographical Information Science, 30(9), 1738-1762. 1. Introduction- There have been debates regarding the biases that come with the geo-tagged social media data.- Call detail records (CDRs) were most widely used in existing studies.- However, most previous studies did not discuss how representative their data were and the applicability of their analysis results to the entire population. Therefore, the representativeness of CDRs needs to be exami.. 2024. 9. 2.
Yuan, Y., & Raubal, M. (2016). Exploring Georeferenced Mobile Phone Datasets–A Survey and Reference Framework. Geography Compass, 10(6), 239-252. 1. Introduction- mobile phones and other ICT devices collect intra-personal behaviors (e.g., individual call frequencies) and inter-personal level behaviors (e.g., social networks).- A typical mobile phone dataset contains three categories of user information; (i) spatiotemporal tracking information; (ii) service usage information; (iii) demographic profiles (if capable)- However, because the da.. 2024. 8. 30.
Yuan, Y., Lu, Y., Chow, T. E., Ye, C., Alyaqout, A., & Liu, Y. (2021). The missing parts from social media-enabled smart cities: who, where, when, and what?. In Smart Spaces and Places (pp. 130-142). Routledge. Introduction- The increase in social networking sites (SNS) introduced a new opportunity to monitor people's activities and the perception of their surroundings. Location-Based Social Media (LBSM) has been used as a potential resource to characterize social perceptions of places and to model human activities.- However, LBSM data have various data quality issues such as accuracy, precision, compl.. 2024. 8. 29.
Biljecki, F. (2024). 17. GeoAI for Urban Sensing 17. GeoAI for Urban Sensing 17.1 Introduction- Urban sensing은 도시 내에서 건축 환경과 인간 활동을 알아차리고 정보를 얻는 방법과 기술에 대한 collection- transportation, tourism, social networks, disaster management, air quality, foodscapes 등을 연구- LiDAR, 위성 영상 등을 활용 17.2 Recent examples of geoAI for urban sensing - case studies in Singapore17.2.1 Sensing rooftops from high-resolution satellite images- 위성 영상 이용, 식생이 있거나 태양광 발전기(ph.. 2024. 8. 20.
[ArcGIS Pro] GWR, MGWR ArcGIS Pro에서 GWR과 MGWR 결과를 비교할 때,  1. R-Sqared 값 확인하기(1) MGWRMGWR을 실행하면 GWR, MGWR 결과를 동시에 확인할 수 있습니다. ①세부정보 보기 탭을 열어 GWR와 MGWR의 ②조정된 R-Sqared 값을 같이 확인할 수 있습니다.   분석 도구 창을 껐을 경우, 다시 확인하는 방법은 다음과 같습니다. 메뉴 탭에서 ①분석 > ②히스토리를 클릭하고, 다시 보고 싶은 분석 도구 기록에 ③마우스를 올리면 결과 창이 왼쪽에 나타납니다. 해당 분석 도구 기록을 더블 클릭하면 당시 실행했던 파라미터를 확인할 수 있습니다.이 히스토리는 ArcGIS Pro 프로젝트를 저장(Ctrl+S)하면 같이 저장됩니다. 즉, 프로젝트를 잘 저장했다면, ArcGIS Pro를 껐다.. 2024. 7. 30.
[ArcGIS Pro] 아크프로 업데이트 시 .NET Desktop Runtime 오류 * 2024년 7월 17일 기준  1. ArcGIS Pro 업데이트ArcGIS Pro를 실행하고 정보 탭에 들어가면 소프트웨어 업데이트를 할 수 있다. 현재 ArcGIS Pro 2.7.0 버전인데, ArcGIS Pro 3.3.0 버전으로 업데이트할 수 있다. 업데이트하는데 넉넉히 30분 정도 생각하면 될 것 같다. 다음 다음 누를 것들이 있어서 완전히 자리를 비우기는 어렵다.  업데이트를 시도했더니 .NET Desktop Runtime (x64) 8.0.x 버전을 설치하라는 오류가 떴다.  2. .NET Desktop Runtime 설치.NET Desktop Runtime (x64) 8.0.x 버전은 아래 웹사이트에서 다운받을 수 있다.https://dotnet.microsoft.com/ko-kr/dow.. 2024. 7. 17.
[Python] kakao map api를 활용한 지오코딩(geocoding) geokakao !pip install geokakao를 실행하여 kakao map api 라이브러리를 설치합니다. 코드를 실행할 때는 키보드에서 Shift+Enter 키를 순서대로 누르면 됩니다.import pandas as pd, import geokakao as gk를 입력하여 라이브러리를 불러옵니다. 참고로, 무료로 사용할 수 있는 할당량은 하루 당 10만 건(월 300만 건)입니다 (출처).data = pd.read_csv('*.csv', encoding='euc-kr')를 실행하여 csv 파일을 읽어옵니다.gk.add_coordinates_to_dataframe(data, '상세주소')을 입력하여 data라는 데이터프레임에서 ‘상세주소’ 열을 기준으로 지오코딩을 실행합니다.print(data)를 실행하여 da.. 2024. 6. 24.
[Python] geopandas 설치 오류 해결 !pip install geopandas as gpd 설치 과정에서 오류가 발생하면, 아래 라이브러리들을 설치합니다.!pip install wheel!pip install pipwin!pipwin install numpy!pipwin install pandas!pipwin install shapely!pipwin install fiona!pipwin install pyproj!pip install six!pipwin install rtree!pipwin install geopandas  geopandas를 불러옵니다.import geopandas as gpd  참고글 https://foss4g.tistory.com/1659 GeoPandas(지오판다스) 설치하기안녕하세요? 이번 글은 Python으로 지리.. 2024. 6. 23.
경희대에서 외국 대학으로 공식 성적표 발송하는 방법 외국 대학으로 공식 성적표를 발송해야하는 경우, 학생지원센터 제증명으로 문의하면 된다. 공식 성적표는해외우편을 이용한 실물서류 전달PDF파일을 이용한 전자메일 발송이렇게 두 가지 방법으로 발송할 수 있다.  우선 경희대학교 웹사이트 > 제증명 > 외국우편 신청서를 클릭하여 신청 문서를 다운받는다.https://www.khu.ac.kr/kor/user/contents/view.do?menuNo=200182 경희대학교 www.khu.ac.kr 문서는 아래 파일과 같으나, 업데이트가 될 수 있으니 웹사이트에서 직접 다운받는 것을 추천한다.  필요한 내용을 작성 후, 학생지원센터 제증명 이메일(khsa004c@khu.ac.kr)로 파일을 보내면 된다. 그러면 비용을 낼 수 있는 계좌번호를 알려주신다. 나의 경우.. 2024. 6. 14.
[논문 리뷰] Simini, F., Barlacchi, G., Luca, M., & Pappalardo, L. (2021). A deep gravity model for mobility flows generation. Nature communications, 12(1), 6576. Abstract- 이 연구에서는 여러가지 객체(e.g. 토지이용, 도로 네트워크, 교통, 음식, 건강 시설)를 이용하는 흐름 가능성(flow probabilities)을 생성하는 Deep Gravity 모델을 제안함.- 여러 객체와 모빌리티 흐름 사이의 비선형적 관계를 발견하기 위하여 딥 뉴런 네트워크(deep neural network)를 이용함.- 연구 지역은 영국, 이탈리아, 뉴욕임. Deep Gravity는 특히 붐비는 지역에서 전통적 중력 모델이나 딥 뉴런 네트워크를 사용하지 않는 모델에 비해 지리학적 일반화 능력(현실적인 흐름 생성)을 잘 보임. 심지어 트레이닝 데이터가 없는 지역에서도 좋은 결과 생성. 2024. 5. 31.
[논문 리뷰] Phithakkitnukoon, S., Smoreda, Z., & Olivier, P. (2012). Socio-geography of human mobility: A study using longitudinal mobile phone data. PloS one, 7(6), e39253. 1. Introduction- 모바일 폰 네트워크는 사람들의 대면 사회적 네트워크를 반영함- 모바일 폰을 활용한 연구는 인간 모빌리티, 사회 구조, 모빌리티와 사회 이벤트, 사회 네트워크와 경제, 사회 네트워크와 모빌리티, 사회 네트워크의 지리 등이 있음. 이 연구는 인간 모빌리티(human mobility)와 사회 네트워크(social network)의 관계를 이해하고자 함. 특히, 여행 범위(travel scope)의 지리적, 사회적 양상에 초점 맞춤(e.g. 방문 장소 등).- 인간의 모빌리티를 활용한 연구는 클라우드 컴퓨팅, content-based delivery networks, 장소 기반 추천 시스템 등이 있으며, 정확한 모델은 도시 계획, 인간 이주 패턴, 전염병 등을 이해하기 위해 필수적.. 2024. 5. 31.
728x90
반응형

티스토리툴바