时间： 2018年12月28日 09：30
地点： 望江基础教学楼B座318实验室
Part1
研读成员：王翔坤
研读内容简介：本次论文研读的主题为轨迹数据挖掘。第一篇文章提出了一种基于网格密度的聚类算法，用于发现一天中不同时段的出行热点区域。第二篇利用共享单车轨迹数据检测违章停车事件。第三篇利用道路对城市进行分区，从而大大减少了动态拼车问题中的搜索空间，减少了计算量和计算时间。
研读内容一：
论文标题：Spatial–temporal travel pattern mining using massive taxi trajectory data
论文来源： 2018 Physica A: Statistical Mechanics and its Applications
论文简介：
本文利用出租车轨迹数据，从吸引区域和热门路径两个方面研究了城市居民出行模式的时空特征。主要研究内容包括:出租车轨迹数据的数据预处理、有吸引力区域挖掘和基于轨迹聚类的热路径挖掘三个方面。
分享理由：
1、提出了基于网格密度算法用来分析一天中不同时段的出行热点区域。
2、提出了时空轨迹聚类算法用来发现吸引区之间的热点路径。
研读内容二
论文标题：Detecting Vehicle Illegal Parking Events using Sharing Bikes’ Trajectories
论文来源：2018 KDD
论文简介：
本文利用mobike共享单车数据进行城市违章停车事件检测。提出的违章停车检测系统采用了两个主要组成部分:1)轨迹预处理，对GPS离群点进行滤波，进行地图匹配，建立轨迹指标;2)非法停车检测，对正常轨迹建模，从评价轨迹中提取特征，利用基于分布检验的方法发现非法停车事件。
分享理由：
1、对共享单车数据创新应用。
2、基于分布检验的方法发现非法停车事件。
研读内容三：
论文标题：Mining the Most Influential k-Location Set from Massive Trajectories
论文来源：2018 IEEE Transactions on Big Data
论文简介：
本文对从海量轨迹数据集中挖掘出最具影响力的k位置集进行了综合研究。模型由三个视图组成:时态视图(通过LSTM建模未来需求值与近时间点之间的建模相关性)、空间视图(通过本地CNN建模局部空间相关性)和语义视图(共享相似时间模式区域间的建模相关性)。
分享理由：
1、本文提出了一种深多视图时空网络(DMVST-Net)框架来建模时空关系。
2、提出了一个完整的挖掘框架，其中包括光照设置的优化方法和一个重设置的近似方法。
Part2
研读成员：张铭洋
研读内容简介：本次两篇文章来自于同一个作者，都有关于视觉文本分析系统。第一篇文章提出的CrystalBall利用社交媒体信息来寻找未来可能发生的事件，第二篇文章提出的VAiRome通过维基百科文章内容构建罗马历史叙事。
研读内容之一：
论文标题：CrystalBall: A Visual Analytic System for Future Event Discovery and Analysis from Social Media Data
论文来源：IEEE Vast 2017
论文简介：本文提出了一个交互式可视化分析系统Crystallball，它可以自动识别和排序来自Twitter流的未来事件，允许对可能的未来事件进行交互式探索。
分享理由：
1、基于一种新的未来事件定义，提出了一种通用的方法来根据流式Twitter消息发现未来事件的系统。
2、设计多个度量标准，对已识别的未来事件进行特征化和排名。
3、一个新的交互可视化界面，将交互界面与计算方法和指标紧密结合，以支持未来事件的探索和感知。
研读内容之二：
论文标题：VAiRoma: A Visual Analytics System for Making Sense of Places, Times, and Events in Roman History
论文来源：IEEE Transaction on Visualization and Computer Graphics. 2016
论文简介：这篇论文提出了VAiRome，一种基于大量维基百科文章构建罗马历史数据驱动的可视化分析方法，通过在地点、时间和事件上建立联系来帮助人们获取新知识，此外VAiRoma还支持用户注释，以便可以存储和更新创建的知识。
分享理由：
1、提出了一种数据驱动+可视化分析方法，基于维基百科文章的内容构建罗马历史叙事，VAiRome超越文本内容探索，其允许用户在可视界面内比较，建立联系并将结果具体化。
2、将此系统实现为基于Web的用户界面，便于传播。
