时间： 2020年5月28日 09: 00
地点： 四川大学视觉计算实验室钉钉群
研读成员： 王翔坤 付铄雯
**Part 1
分享者： 王翔坤
分享内容：
[1] X. Tang, M. Chai, et al Spatio-Temporal Reachable Area Calculation Based on Urban Traffic Data[J]. IEEE Systems Journal, 2020:1-12
论文简介：
城市汽车数量激增，给城市交通系统带来了沉重的负担，加剧了交通堵塞和环境污染等交通问题。为了提高城市运行效率，提出了可达性区域，可达性区域适用于各种城市交通服务，如基于指定出发地点的时效性订单推荐和基于距离的覆盖区域。可达性区域是指根据车辆或乘客在给定时间内从用户特定位置出发，在特定时间内到达的区域。在本文中，作者提出了一个时空可达区域的计算方案，命名为STRC，通过探索城市车辆的轨迹数据。选择在起始时间内到达或经过指定起始点的轨迹，提取查询时间段内的目标片段并映射到可达节点。然后，通过映射路段上的可达节点来选择可达的路段。作者针对不同类型的应用，设计了两种边界路段计算策略。基于到达的策略计算可达性区域, 名叫STRC-A ,主要面向时间敏感的应用(例如,在线订单服务和电车寻找充电站); 基于到达和距离的k段策略，命名为STRC-AD，为用于与距离相关的应用程序 (例如,餐馆外卖送货服务)。
本文的贡献如下:
1)提出了一种新的方法来计算给定查询时间段内时空起始节点的可达区域。计算并合并节点，减少了大量流量数据带来的计算复杂度。
2)针对时间敏感的应用和距离相关的应用，分别设计了两种边界段选择策略，提高在实际城市交通服务中的适用性。
分享内容：
[2] Y. Chen, Q. Fu, et al, Finding Next High-Quality Passenger Based on Spatio-Temporal Big Data[J]. 2020 IEEE 5th International Conference on Cloud Computing and Big Data Analytics (ICCCBDA), 2020:447-452.
论文简介：
出租车作为城市公共交通的重要形式之一，找到高质量的乘客可以为出租车司机提供及时的建议，从而减少乘客的等待时间，提高出租车司机的效率。在本文中，作者考虑非占用状态收入的影响因素，发现高质量出租车乘客的分布问题。作者通过基于密度的聚类算法DBScan挖掘大量出租车时空数据，针对不同时段出租车客户在城市空间和地理分布上的不平衡，建立并优化发现优质乘客的推荐模型。
本文的贡献如下:设计了一种有效的轨迹时空数据预处理方法，包括特征点提取、去噪、分割、状态标记和提取点提取，并通过大数据计算框架Map Reduce实现。提出了一种结合DBScan聚类方法和考虑非占用状态的提取点值公式的查找高质量乘客模型。
**Part 2
分享者： 付铄雯
分享内容：
Y. Shi, C. Bryan, et al.MeetingVis: Visual Narratives to Assist in Recalling Meeting Context and Content[J]. IEEE Transactions on Visualization and Computer Graphics. 2018,24(6):1918-1929
论文简介：
以团队为基础的工作环境中，回顾和反思以前召开的会议内容可以促进工作的推进，然而无效的会议总结可能会导致相反的结果，特别是当与会者难以记住会议内容时，本文介绍了一个基于叙述的可视化方法来总结会议，该系统包括两个部分，其一是处理小组讨论的音频数据，其二是展现会议概要的可视化界面。为了设计MeetingVis，本文创建了相关会议数据点的分类，确定了促进回忆和反思的突出元素。这些被映射到一个增强的故事线可视化，它结合了参与者活动、主题演进和任务分配的显示。这种基于视觉的方法还可以潜在地提高个人和整个团队的生产力。
