● 摘要
随着城市化的进程，城市中出现了越来越多的问题，如交通拥堵、空气污染等。人们提出了“智慧城市”旨在利用城市中产生的大数据去解决城市中出现的挑战。然而，城市中的数据有着多元异构的特点，使得挖掘城市数据非常困难。本文首先回顾了基 于矩阵的数据挖掘方法及其相关应用。针对城市数据多元异构的特点，本文提出使用张量建模城市数据，并通过基于张量的方法挖掘其中隐含的模式。为了克服数据稀疏性的挑战，我们使用城市中的异构数据作为额外信息引入张量分解的过程中。在此基础上，我们定义了城市时空结构挖掘问题，来从随时间演化的城市交通网络中挖掘城市时空结构。我们将随时间演化的交通网络建模为一个三阶张量，并提出了正则化非负张量分解的模型，通过同时优化城市交通数据和城市上下文数据,来挖掘城市中的空间聚类，交通时间模式和时空结构。我们在一个来自北京市的大规模数据集上做了大量实验。通过交通预测实验，证明了我们方法的有效性。同时，我们还给出直观的城市时空结构，证实我们挖掘出的时空结构对城市规划等问题有着指导意义。