用“智能”決策生活，篆刻生活印記
随着技術的發展和人類的進步，人們的生活節奏越來越快，每一天都淹沒在“資料”的海洋中。我們在享受先進技術、快捷網絡以及城市便捷性的同時，越來越追求精神層面的享受。但同樣的，在我們中常常會有一些人，他們難以适應日新月異的快節奏生活，于是越來越多的面對這個忙碌的世界感到迷茫，不知道一天都做了什麼，不知道一天這麼多事情該如何處理。随着時代的發展，我們每一天都有越來越多的事情等待完成，人們的步伐越來越快，漸漸的忘記了我們去過那裡，忘記了我們去做過什麼，忽略了我們的生活結構是怎樣。“複盤”是幫助一個人進步很好的方式，但快節奏的生活讓越來越多的人忘記了自己的軌迹，更難以去優化自己的生活軌迹；換句話說，我們将自己有限的精力放在了更重要的地方，可記錄并優化生活結構這樣非常有助于我們提高生活效率的方式卻常常無法完成。
于是，我們想到了開發“智能生活管家”系統，以使用者APP的方式和使用者互動并提供相關功能，我們希望将自己所學專業知識，運用到實際生活中，甚至能夠幫助人們更好的生活！
産品特色
“智能生活管家”項目基于LBS地理空間位置服務，緻力于成為使用者生活的智能“小管家”，軟體忠實地記錄下使用者的生活軌迹，通過一系列資料挖掘手段幫助使用者優化生活軌迹、提供日程規劃決策支援，這裡提出幾個典型特色詳細說明：
1.軌迹記錄使用網絡定位+GPS定位的方式，使用者可根據實際情況自由選擇定位方式；使用統計圖表回報資料擷取量，搜集資料為下一步的資料可視化及資料挖掘做準備。
2.使用大資料可視化及時空大資料可視化手段，在進行了簡單的資料處理後進行使用者資料據可視化，重制使用者生活軌迹并模拟使用者一天内活動時空特征進行時空資料可視化。
3.使用基于機器學習的駐留點提取算法進行駐留點提取。主要是運用了機器學習的思想，在基于一定數量的訓練集基礎之上進行全自動的駐留點自提取，目前受限于訓練集不足，但已能在現有情況下提取出可以反映使用者行為特征的部分關鍵點，比如下圖中某同學某天的行為資料，可以看出他這一時段主要是在學院、運動場和教學樓有所停留，其餘地區主要是活動留下的軌迹。
進過算法的模型比對，認為使用者至少在學院和運動場有所停留，是以提取出位于這些地區的關鍵點（如下圖所示）。
提取出使用者活動的主要駐留點，結合相關POI資料即可向使用者提供其主要生活站點資訊，在下一步的個人行為結構計算中也會起到很重要的作用。
4.使用者個人資料是孤立的，我們通過對使用者個人資料挖掘及重制，可以幫助使用者進行生活軌迹回放、确定使用者行為模式等；如果想要幫助使用者更好的優化生活軌迹，就需要對使用者的個人資料和使用者群體資料進行模式比對，通過劃分使用者群體，達到面向群體内使用者的精準生活建議推送功能。“智能生活管家”通過将使用者資料匿名化分析，在伺服器中使用特定算法挖掘出使用者行為模式，并基于此将使用者劃分為一個個的小群體，基于群體的行為特征向個體使用者推送相關生活建議，可幫助使用者主動修正生活模式、為使用者日程規劃提供決策支援等。此外該子產品還提供了已知夥伴的位置共享功能，互相認識的夥伴可以通過彼此的ID實名的共享自己的位置，提供一個生活的小便利。
技術手段
“智能生活管家”項目在開發的過程中使用了網絡定位技術、空間資料庫、大資料可視化、網絡地圖服務（WMS）、網絡資料服務、基于個人軌迹資料的熱力圖展示、基于個人軌迹資料的時空資料展示、基于機器學習的駐留點算法、基于群體資料的群體行為分析以及基于個人及群體資料的定向智能生活推送等相關技術。其中GIS相關技術基本采用Supermap Gis相關軟體産品實作：其中地圖的制作及釋出使用Supermap idesktop 9D(2019)，用到了分級配圖、專題配圖、空間資料庫對接、地圖釋出等功能；雲GIS相關功能使用Supermap iServer 9D(2019),使用了iServer的雲地圖服務、資料服務以及使用iServer和空間資料庫對接等功能；移動GIS開發則全部使用Supermap imobile 9D(2019)開發元件進行二次開發，使用相關元件實作了地圖顯示、資料上傳、資料分析、資料統計、資料挖掘、大資料可視化及時空資料可視化等功能。 由于篇幅有限，在這裡着重介紹基于空間資料庫及網絡通信技術的網絡地圖服務，“智能生活管家”使用的地圖全部自主完成，具有極高的靈活性及可定制性，同時與系統資料可以更好的對接融合，大大提升了使用者體驗和可操作性，系統使用了空間資料庫及網絡通信技術的網絡地圖服務，下面将會詳細介紹：
系統在運作過程中，全程都是依靠位置資料驅動的，地圖更是做大資料可視化的重要基礎。項目開發初期使用第三方地圖（如百度地圖、高德地圖、天地圖、超圖雲地圖）進行過測試，發現使用第三方地圖雖然可以節省很大的力氣，不用在地圖上花費功夫，可凡事都是兩面性的，省力的服務帶來的結果就是低自由度，我們在第三方地圖上很難進行地圖風格的定制，對于地圖坐标系也很難針對系統特點進行自定義，是以在系統開發中我們使用了Supermap iDesktop強大的地理空間資料處理及地圖成圖功能，結合系統需求設計了不同風格的電子地圖。
起初我們制圖使用的資料源是檔案型資料源，簡而言之就是存儲在硬碟中的檔案，釋出服務後雖然也能實作相應的地圖顯示功能，但是效率極低，硬碟讀取速度、伺服器運算速度等都成為系統性能瓶頸，特别是檔案系統的空間資料處理速度低下是該地圖服務的緻命弱點。于是我們就想到了效率更高、管理更友善的空間資料庫。
經過多方考察及可行性分析，最終我們選擇了PostgreSQL資料庫存儲基礎地理空間資料，PostgreSQL提供了PostGIS擴充，PostGIS是對象關系型資料庫系統PostgreSQL的一個擴充，PostGIS提供如下空間資訊服務功能:空間對象、空間索引、空間操作函數和空間操作符。同時，PostGIS遵循OpenGIS的規範。使用PostgreSQL資料庫存放空間資料之後，整個系統的地圖服務提供子產品性能得到了大幅提升，在移動端啟動地圖無論是出圖速度還是穩定性都得到了極大的提升。最終，根據實際需求，我們分别為熱力圖展示和軌迹圖展示定制了兩款對應風格的地圖，極大的提升了美觀度及可用性。
将資料釋出在搭載了iServe服務的雲伺服器上，即可在移動端調用雲GIS相關服務，極大的減少了本地端資料存儲壓力。 “智能生活管家”項目開始于學生群體，後期目标在社會各個對生活品質由較高要求的人。項目中使用了各種技術，并不是技術的累計，而是希望更好的讓技術為我們的生活服務，作為祖國的新青年，我們立志于用自己所學的專業知識報答祖國，回報社會，做一個對人類有用的人。項目中若有什麼做得不好的地方或是對我們有什麼建議歡迎指出，我們的聯系方式是
（E-mail:[email protected]），
此緻敬禮！
團隊合影
指導老師點評
“智能生活管家”作品是一款基于LBS的大衆生活服務APP，旨在通過對使用者的日常生活軌迹進行處理、統計和分析，為使用者的日常生活提供科學分析和智能輔助。該作品在軌迹駐留點分析、大資料可視化等技術環節取得了一定的創新和改進。
基于機器學習的駐留點分析
駐留點分析是大資料軌迹處理分析的核心環節，是進行軌迹管理和分析的基礎。面對軌迹不連續、備援資料多等問題，課題組提出了基于機器學習的駐留點分析算法，在駐留點分析精度、分析效率等方面取得了很好的效果。 作品中使用的駐留點分析算法核心為DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法，它是一個比較有代表性的基于密度的聚類算法。它能夠将具有足夠高密度的區域劃分為點簇，并且可以發現任意形狀的聚類和去除噪聲點。 但是傳統的DBSCAN算法在對有時間屬性的軌迹資訊進行密度聚類時結果會出現備援。作品中通過修改算法，實作了基于時間軸進行的軌迹駐留點聚類。 并通過一定規模的訓練資料進行了機器學習，最終确定了算法模型，相比較于傳統的DBSCAN算法，在軌迹有多重交叉時，對于一組實際駐留點個數為325的測試資料，未改進算法提取駐留點個數471，耗時0.75秒，改進後算法提取駐留點個數 309，耗時0.65秒。駐留點提取精度提高24%左右，提取速度上升13%左右。 但算法仍未解決一些問題，當軌迹有較多非連續點時，算法效率下降較多，提取出駐留點與實際有誤差和偏移。有待繼續努力。
基于軌迹資訊的個人行為分析
基于軌迹資訊，通過熱力圖及折線圖等各種統計圖表對使用者個人每日、每周和每月的活力資料進行直覺展示，輔助使用者了解掌握自己的活動情況，為使用者行為的優化提供重要的、科學的資料參考。
指導老師：李濱
最後，歡迎大家通路智能生活管家官網了解詳情！