1、社會計算作為一門新興學(xué)科，是社會學(xué)與計算機科學(xué)的交叉領(lǐng)域。從宏觀層面上看，社會計算使用計算技術(shù)來研究現(xiàn)實社會的諸多問題，從而促進人類的社會活動。過去的工作中，有關(guān)于Facebook、Twitter等虛擬現(xiàn)實社會的集群行為的研究，但是對人的現(xiàn)實移動行為的研究較少；有對個體的移動行為的研究，但不能滿足人們對大量人群的移動行為的理解；有大規(guī)模集群行為方面的研究卻往往是與動物相關(guān)的。近年來，得益于普適計算的迅速發(fā)展，對人的集體活動的研究也因為數(shù)

2、據(jù)獲取上的重大突破而成為了社會計算最重要的研究課題之一。研究現(xiàn)實社會人群分布與活動的問題對保障人類社會生活的安全和提高人類生活的質(zhì)量有重大意義，例如群體事件預(yù)警與發(fā)現(xiàn)，交通控制管理，城市規(guī)劃等。
　　將大量人群的GPS數(shù)據(jù)流作為一個整體來研究，從宏觀的角度分析人群空間分布，可以監(jiān)控社會安全。在具有顯著信息社會特征的大中型城市，復(fù)雜網(wǎng)絡(luò)的社會環(huán)境，使得突發(fā)危機事件形成和演化的表象顯得愈加無序和混沌。防范、臨控和處置突發(fā)危機事件的難度

3、越來越大，危機信息管理和危機應(yīng)急決策更需要智能化處理系統(tǒng)的幫助。我們首先用運動點群的空間分布來表示人群分布狀態(tài)，然后用分形特征來描述點群的聚集程度。為從特征向量中去除干擾因素，保留主要相關(guān)信息，我們用PCA進行降維。自然災(zāi)害或特殊事件會引起人群分布狀態(tài)的異常，我們提出的NPA(鄰近點累積)算法可以很好地檢測出這種異常。在levy-flight模擬數(shù)據(jù)上的實驗表明該方法是有效的、可靠的。
　　將大量分布在城市道路上的傳感器捕捉到的車

4、流數(shù)據(jù)作為一個整體來研究，可以發(fā)現(xiàn)人們駕車出行的模式。我們將同一時刻從各個傳感器獲得的數(shù)據(jù)排成一張圖，交通流就可以表示為隨時間變化的圖像序列。在這樣的圖像區(qū)域中我們提取了一種Arctan特征，交通流就轉(zhuǎn)變成了高維軌跡。為計算這些軌跡之間的相似性，我們提出了一種新的鏈式相似度。最后我們用層次聚類泫來發(fā)現(xiàn)模式和從交通數(shù)據(jù)中移除異常。在明尼蘇達交通數(shù)據(jù)集上的實驗結(jié)果表明，我們的方法能檢測出異常并挖掘出兩個交通流模式。隨著經(jīng)濟與交邐的發(fā)展，駕車

5、是城市居民出行的主要方式之一，車流即是人流。模式分析的結(jié)果為進一步研究社會和人的動態(tài)性的提供了有益的信息。公共突發(fā)事件的檢測和交通預(yù)測都需要可靠的歷史數(shù)據(jù)，我們挖掘出的模式正好滿足了這個要求。挖掘出的模式是突發(fā)事件的檢測和交通預(yù)測的基礎(chǔ)，所以有益于對公共突發(fā)事件快速做出反應(yīng)和減少交通堵塞。而且，人們還可以參考發(fā)現(xiàn)的模式來制定更合理的出行計劃。另外，雖然在挖掘模式?jīng)]有考慮感應(yīng)器具體位置關(guān)系，但是，每個感應(yīng)器的實際經(jīng)緯度位置是可知的，所以我