大數(shù)據(jù)在建筑和城市工程領(lǐng)域的應(yīng)用及發(fā)展綜述

蔣妃楓

摘要： 隨著信息技術(shù)的高速發(fā)展和數(shù)據(jù)資源的快速增長(zhǎng)，大數(shù)據(jù)技術(shù)已經(jīng)開始應(yīng)用到我們生活的方方面面，改善了我們的生活質(zhì)量。近年來(lái)，大數(shù)據(jù)技術(shù)也在建筑和城市工程領(lǐng)域發(fā)揮著重要作用，提高建筑業(yè)的信息化水平，促進(jìn)建筑業(yè)的發(fā)展。本文首先介紹大數(shù)據(jù)的概念、特征及應(yīng)用的關(guān)鍵步驟，然后基于學(xué)術(shù)期刊的視角分析大數(shù)據(jù)在建筑和城市工程領(lǐng)域的應(yīng)用現(xiàn)狀，并在此基礎(chǔ)上總結(jié)大數(shù)據(jù)技術(shù)的價(jià)值，提出發(fā)展建議：①解決數(shù)據(jù)不足的難題；②實(shí)現(xiàn)智能化；③打造智慧城市。

Abstract： With the rapid development of information technology and the rapid growth of data resources， big data technologies has been applied to all aspects of our lives and it improves the quality of our life. In recent years， big data technologies are also becoming an important role in construction and urban engineering. It is important to improve its information level and to promote the development of construction industry. This paper firstly introduces the concept， characteristics and key steps of big data technologies， then analyzes the application status of big data in construction and urban engineering based on academic journals， finally summarizes the value of big data and puts forward proposals for the development of big data： ①solve the problem of insufficient data； ②realize intelligent construction； ③create smart cities.

關(guān)鍵詞： 大數(shù)據(jù)；建筑和城市工程；應(yīng)用；建議

Key words： big data；construction and urban engineering；application；proposal

中圖分類號(hào)：TP274 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2017）04-0205-03

0 引言

近年來(lái)，隨著互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)等新興技術(shù)的快速發(fā)展，全球數(shù)據(jù)量正以前所未有的態(tài)勢(shì)高速增長(zhǎng)，給各行各業(yè)帶來(lái)了嚴(yán)峻的挑戰(zhàn)和寶貴的機(jī)遇，由此，我們正式步入了大數(shù)據(jù)時(shí)代。大數(shù)據(jù)已經(jīng)應(yīng)用到了我們生活的方方面面，改變了我們的工作、生活方式，改變了企業(yè)的管理運(yùn)營(yíng)理念和組織業(yè)務(wù)流程，從根本上提高了我們的生活質(zhì)量。在大數(shù)據(jù)時(shí)代，建筑和城市工程也是大數(shù)據(jù)技術(shù)的主要應(yīng)用領(lǐng)域。在整個(gè)建造和運(yùn)營(yíng)過(guò)程中，建筑業(yè)會(huì)產(chǎn)生大量的數(shù)據(jù)，比如工程的結(jié)構(gòu)數(shù)據(jù)、成本數(shù)據(jù)、能源數(shù)據(jù)、進(jìn)度數(shù)據(jù)，以及建筑工人的行為數(shù)據(jù)等。據(jù)估算，一個(gè)建筑項(xiàng)目從設(shè)計(jì)開始到竣工結(jié)束，可以產(chǎn)生27T的數(shù)據(jù)。建筑領(lǐng)域如此巨大的數(shù)據(jù)資源為大數(shù)據(jù)的應(yīng)用提供了良好的基礎(chǔ)。然而，由于建筑業(yè)本身的固有特性，比如數(shù)據(jù)的難收集性、各類數(shù)據(jù)的孤立性，導(dǎo)致大量的數(shù)據(jù)并沒有真正地流動(dòng)起來(lái)。因此，本文有必要探討現(xiàn)如今大數(shù)據(jù)技術(shù)在建筑和城市工程的應(yīng)用現(xiàn)狀，總結(jié)大數(shù)據(jù)的應(yīng)用價(jià)值，提出發(fā)展建議。

1 大數(shù)據(jù)

1.1 大數(shù)據(jù)的概念

對(duì)于大數(shù)據(jù)的概念，目前企業(yè)和學(xué)術(shù)界尚未形成公認(rèn)的定義。根據(jù)維基百科的定義，大數(shù)據(jù)（big data）指無(wú)法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合。研究機(jī)構(gòu)Gartner認(rèn)為，大數(shù)據(jù)是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。

大數(shù)據(jù)技術(shù)需要大量的數(shù)據(jù)資源，通過(guò)獲取、存儲(chǔ)、管理和分析大量數(shù)據(jù)，挖掘數(shù)據(jù)的內(nèi)在聯(lián)系，從數(shù)據(jù)中提煉有價(jià)值的信息。如果把大數(shù)據(jù)技術(shù)類比為一個(gè)產(chǎn)業(yè)，初始的數(shù)據(jù)資源就是產(chǎn)品的原材料，而大數(shù)據(jù)技術(shù)就是“加工”的過(guò)程，即把原材料“加工”成最終有價(jià)值的產(chǎn)品，實(shí)現(xiàn)價(jià)值增值。

1.2 大數(shù)據(jù)的特征

大數(shù)據(jù)與“海量數(shù)據(jù)”不同，不僅要求數(shù)據(jù)量大，而且具有數(shù)據(jù)形式復(fù)雜、處理速度快等特點(diǎn)。目前，對(duì)大數(shù)據(jù)特征較為統(tǒng)一的認(rèn)識(shí)是4V特征：①數(shù)據(jù)規(guī)模大（Volume）。伴隨著信息技術(shù)的高速發(fā)展，我們可以獲取和處理的信息數(shù)據(jù)越來(lái)越多，正因如此，我們可以通過(guò)大數(shù)據(jù)技術(shù)去挖掘數(shù)據(jù)間更真實(shí)、更精確的內(nèi)在聯(lián)系，發(fā)現(xiàn)有價(jià)值的信息。②數(shù)據(jù)種類繁多（Variety）。數(shù)據(jù)的形式不僅包括傳統(tǒng)的表格文本，也包括了地理位置信息、圖片、音頻、視頻等，由此對(duì)數(shù)據(jù)處理技術(shù)也提出了更高的要求。③數(shù)據(jù)處理速度快（Velocity）。數(shù)據(jù)規(guī)?？焖偌ぴ?，數(shù)據(jù)又具有很強(qiáng)的時(shí)效性，如果不能快速處理，數(shù)據(jù)會(huì)失去有效性，處理的結(jié)果也會(huì)是過(guò)時(shí)和無(wú)效的，因此，大數(shù)據(jù)技術(shù)要求快速、持續(xù)地處理數(shù)據(jù)。④數(shù)據(jù)價(jià)值密度低（Value）。雖然數(shù)據(jù)規(guī)模龐大，但是數(shù)據(jù)中有很多沒有意義或者是錯(cuò)誤的信息，相比于總體數(shù)據(jù)量，有價(jià)值和有意義的數(shù)據(jù)占比相對(duì)較低，因此，如何從大量數(shù)據(jù)中提取有價(jià)值的信息是大數(shù)據(jù)時(shí)代亟待解決的難題。

1.3 大數(shù)據(jù)分析的關(guān)鍵步驟

大數(shù)據(jù)技術(shù)就是通過(guò)數(shù)據(jù)采集、存儲(chǔ)、處理、分析等技術(shù)，將大量的原始數(shù)據(jù)轉(zhuǎn)化成有效和有價(jià)值的信息，從而實(shí)現(xiàn)信息價(jià)值增值的過(guò)程。大數(shù)據(jù)分析包括數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)分析和呈現(xiàn)兩個(gè)部分，具體有以下幾個(gè)步驟（如圖1所示）：①數(shù)據(jù)清理（清除不相關(guān)或有錯(cuò)誤的信息）；②數(shù)據(jù)集成（可以組合多個(gè)不同的數(shù)據(jù)源），信息產(chǎn)業(yè)中一個(gè)流行的趨勢(shì)是將數(shù)據(jù)清理和數(shù)據(jù)集成作為預(yù)處理步驟，并將所得到的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)倉(cāng)庫(kù)中；③數(shù)據(jù)選擇（從數(shù)據(jù)庫(kù)中檢索與分析相關(guān)的數(shù)據(jù)）；④數(shù)據(jù)轉(zhuǎn)換（通過(guò)執(zhí)行匯總或聚合操作，將數(shù)據(jù)轉(zhuǎn)換、合并為適合挖掘的形式），有時(shí)，在數(shù)據(jù)選擇步驟之前執(zhí)行數(shù)據(jù)轉(zhuǎn)換步驟；⑤數(shù)據(jù)挖掘（這是一個(gè)重要的過(guò)程，通過(guò)運(yùn)用智能算法，挖掘和提取數(shù)據(jù)間的關(guān)系模式）；⑥模式評(píng)估（驗(yàn)證所提煉出的數(shù)據(jù)模式的有效性和準(zhǔn)確性）；⑦信息呈現(xiàn)（通過(guò)可視化的方法將挖掘到的信息呈現(xiàn)給用戶）。

2 大數(shù)據(jù)在建筑和城市工程領(lǐng)域的應(yīng)用現(xiàn)狀分析：基于學(xué)術(shù)期刊的視角分析

隨著大數(shù)據(jù)技術(shù)在建筑和城市工程領(lǐng)域的推廣和普及，建筑業(yè)和學(xué)術(shù)界都對(duì)大數(shù)據(jù)有了深入地研究和應(yīng)用。然而，全面收集大數(shù)據(jù)的實(shí)踐應(yīng)用案例存在一定難度，并且獲得信息不完善。因此，本文從學(xué)術(shù)期刊的視角分析大數(shù)據(jù)技術(shù)在建筑和城市工程領(lǐng)域的應(yīng)用狀況，從而推斷大數(shù)據(jù)技術(shù)的實(shí)際應(yīng)用現(xiàn)狀。本文從學(xué)術(shù)期刊中選取16個(gè)研究案例，概括和總結(jié)了16個(gè)大數(shù)據(jù)技術(shù)的主要應(yīng)用，如表1所示。

從表1中可以看出，大數(shù)據(jù)技術(shù)可以應(yīng)用于建筑的規(guī)劃、設(shè)計(jì)、建造、運(yùn)營(yíng)階段，以及應(yīng)用于打造智慧城市。具體如下：

2.1 建筑規(guī)劃階段

在規(guī)劃階段，大數(shù)據(jù)技術(shù)可以用于建筑成本估算。例如，Jafarzadeh[1]從158個(gè)地震多發(fā)的公立學(xué)校建筑中收集收據(jù)，利用人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)抗震改造建筑成本，幫助建筑從業(yè)人員更好地進(jìn)行成本估算。

2.2 建筑設(shè)計(jì)階段

在設(shè)計(jì)階段，大數(shù)據(jù)技術(shù)可以用于建筑碰撞檢測(cè)。例如，Wang[2]利用數(shù)據(jù)挖掘技術(shù)分析BIM模型中碰撞問(wèn)題相關(guān)的歷史數(shù)據(jù)，確定機(jī)械、電氣和管道設(shè)計(jì)碰撞沖突的解決辦法的可行性，幫助提高項(xiàng)目績(jī)效。

2.3 建筑建造階段

在建筑物的建造過(guò)程中可以產(chǎn)生大量數(shù)據(jù)，例如建筑人員行為數(shù)據(jù)、施工進(jìn)度數(shù)據(jù)、資源配置數(shù)據(jù)等。因此，建造階段是大數(shù)據(jù)技術(shù)的主要應(yīng)用領(lǐng)域。應(yīng)用方面如下：①安全。例如，Cheng[3]利用數(shù)據(jù)挖掘分析建筑職業(yè)事故數(shù)據(jù)庫(kù)，探索臺(tái)灣建筑業(yè)中職業(yè)事故的原因和分布，發(fā)現(xiàn)跌倒和倒塌是產(chǎn)生職業(yè)傷害的主要因素。②勞動(dòng)生產(chǎn)率。Desai[4]從一家印度建筑公司的27個(gè)項(xiàng)目中收集數(shù)據(jù)，利用大數(shù)據(jù)決策樹方法分析和評(píng)估建筑業(yè)的勞動(dòng)生產(chǎn)率，可以幫助用戶更好地預(yù)測(cè)勞動(dòng)力需求。③施工周期。例如，Siu[5]利用大數(shù)據(jù)的回歸技術(shù)對(duì)高架橋項(xiàng)目數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)建筑項(xiàng)目的施工周期時(shí)間，促進(jìn)項(xiàng)目績(jī)效的提高。④資源配置。例如，Chen[6]利用BIM模型和遺傳算法優(yōu)化施工順序，開發(fā)成本-時(shí)間綜合計(jì)劃系統(tǒng)。由于所得的時(shí)間表與項(xiàng)目成本相結(jié)合，項(xiàng)目規(guī)劃人員可以很容易地檢查指定時(shí)間段的相關(guān)資源和成本，從而優(yōu)化項(xiàng)目的資源和成本配置。⑤施工廢棄物。例如，Lu[7]通過(guò)對(duì)香港2011年和2012年連續(xù)兩年5764個(gè)建筑項(xiàng)目產(chǎn)生的200多萬(wàn)個(gè)廢棄物處置記錄進(jìn)行數(shù)據(jù)挖掘，重新審視和完善了衡量施工廢棄物管理性能的關(guān)鍵指標(biāo)，同時(shí)為決策者、承包商、研究人員和其他利益相關(guān)者提出了加強(qiáng)施工廢棄物管理的建議。⑥延期交付。例如，Sambasivan[8]利用大數(shù)據(jù)技術(shù)分析馬來(lái)西亞建筑業(yè)延期交付的具體原因和影響，研究了延期交付的原因和影響之間的關(guān)系，幫助從業(yè)人員更好地了解項(xiàng)目管理動(dòng)態(tài)，并減少延誤的發(fā)生。⑦法律。例如，Mahfouz[9]以紐約聯(lián)邦法院的案例為基礎(chǔ)，利用支持向量機(jī)（SVM）自動(dòng)提取案例中法官作出裁決所依據(jù)的潛在法律因素，由此減輕法律沖突對(duì)建筑行業(yè)的負(fù)面影響。

2.4 建筑運(yùn)營(yíng)階段

在建筑生命周期中，營(yíng)運(yùn)階段也是大數(shù)據(jù)技術(shù)應(yīng)用比較集中的一個(gè)領(lǐng)域。應(yīng)用方面如下：①能源。例如，Chiang[10]利用大數(shù)據(jù)技術(shù)開發(fā)數(shù)據(jù)融合平臺(tái)，將BIM模型與能源消耗數(shù)據(jù)集合起來(lái)，可以讓居民以更具互動(dòng)性的方式看到電力消耗的時(shí)間、地點(diǎn)以及潛在的節(jié)能建議。②質(zhì)量管理。例如，Huang[11]研究地震或長(zhǎng)期環(huán)境退化對(duì)建筑結(jié)構(gòu)的影響，利用貝葉斯數(shù)據(jù)分析方法來(lái)計(jì)算建筑結(jié)構(gòu)剛度的下降，提出了建筑結(jié)構(gòu)損傷檢測(cè)和評(píng)估方法，提高項(xiàng)目質(zhì)量管理。③設(shè)備管理。例如，Taneja[12]通過(guò)大數(shù)據(jù)技術(shù)，評(píng)估射頻技術(shù)（RFID）、WiFi（WLAN）和慣性測(cè)量組合（IMU）三種定位技術(shù)在建筑設(shè)備管理中是否適用以及適用程度，從而為更好地進(jìn)行建筑設(shè)備管理提供建議。

2.5 智慧城市

智慧城市就是利用先進(jìn)的信息技術(shù)，實(shí)現(xiàn)城市智慧式管理和運(yùn)行，進(jìn)而為人們創(chuàng)造更美好的生活，促進(jìn)城市的和諧、可持續(xù)成長(zhǎng)。大數(shù)據(jù)技術(shù)可以在智慧城市的構(gòu)建中發(fā)揮重要作用。應(yīng)用方面如下：①交通規(guī)劃。例如，Zheng [13]通過(guò)收集3萬(wàn)多輛出租車的移動(dòng)軌跡數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)評(píng)估和分析現(xiàn)有城市道路交通有效性和不足之處，例如城市中的新建道路和地鐵線路，從而為政府和建造商更好地規(guī)劃和建設(shè)城市交通提供參考。②城市功能區(qū)。例如，Yuan[14]通過(guò)出租車的軌跡數(shù)據(jù)，即乘客的上車、下車的地點(diǎn)信息來(lái)提取不同時(shí)間段人的移動(dòng)性數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)，分析和識(shí)別城市的不同功能區(qū)域（例如，文教區(qū)域、商業(yè)區(qū)域、旅游景點(diǎn)區(qū)域），從而為政府和建造商更好地進(jìn)行城市規(guī)劃和城市建設(shè)提供參考。③商業(yè)選址。例如，Karamshuk[15]從紐約Foursquare中收集大量用戶的流動(dòng)性數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘技術(shù)分析零售店的流行程度，從而為商業(yè)選址提供位置建議。④城市能源消耗。例如，Zhang[16]通過(guò)收集裝有GPS的出租車的運(yùn)動(dòng)軌跡數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)分析加油站的排隊(duì)時(shí)間和總體油量需求，可以優(yōu)化加油站位置布置的效率。

據(jù)表1的文獻(xiàn)，我們也可以總結(jié)現(xiàn)階段大數(shù)據(jù)技術(shù)應(yīng)用的三個(gè)主要特征：

①現(xiàn)階段大數(shù)據(jù)技術(shù)主要應(yīng)用于建筑物的建造和運(yùn)營(yíng)階段，智慧城市的應(yīng)用還相對(duì)較少。主要原因是現(xiàn)階段絕大多數(shù)的城市規(guī)劃和發(fā)展還不夠完善，同時(shí)大范圍采集大量有效數(shù)據(jù)難度較大，從而不能為數(shù)據(jù)挖掘提供很好的數(shù)據(jù)基礎(chǔ)。但是智慧城市可以改善人們的生活質(zhì)量，是未來(lái)的發(fā)展方向，因此，大數(shù)據(jù)技術(shù)在智慧城市領(lǐng)域擁有很大的發(fā)展空間。

②分類器方法是大數(shù)據(jù)技術(shù)應(yīng)用最多的方法之一，包括人工神經(jīng)網(wǎng)絡(luò)方法、決策樹方法、支持向量機(jī)、貝葉斯方法等。分類器方法適用于很多應(yīng)用的分類模式，可以高效處理大量數(shù)據(jù)，準(zhǔn)確挖掘數(shù)據(jù)間的內(nèi)在聯(lián)系和關(guān)系模型。同時(shí)，隨著深度學(xué)習(xí)和人工智能技術(shù)的快速發(fā)展，分類器方法在建筑領(lǐng)域有更廣闊的發(fā)展前景。

③數(shù)據(jù)不足仍然是大數(shù)據(jù)應(yīng)用的主要限制因素。原因是物聯(lián)網(wǎng)和傳感器技術(shù)的發(fā)展還并不完善，我們很難實(shí)時(shí)獲得大量有效數(shù)據(jù)。因此，如何收集大量數(shù)據(jù)是大數(shù)據(jù)技術(shù)發(fā)展亟待解決的重要問(wèn)題。

3 總結(jié)及發(fā)展建議

雖然大數(shù)據(jù)技術(shù)在建筑和城市工程領(lǐng)域應(yīng)用時(shí)間不長(zhǎng)，但是已經(jīng)獲得建筑業(yè)和學(xué)術(shù)界的高度認(rèn)可和廣泛應(yīng)用。主要原因是大數(shù)據(jù)技術(shù)具有以下幾個(gè)應(yīng)用價(jià)值：①大數(shù)據(jù)技術(shù)可以挖掘數(shù)據(jù)間的內(nèi)在聯(lián)系和關(guān)系模型，從而為用戶決策提供有價(jià)值的信息；②大數(shù)據(jù)技術(shù)可以優(yōu)化建筑資源配置，降低建筑成本，提高建筑績(jī)效，從而創(chuàng)造大量的價(jià)值和財(cái)富。

由于大數(shù)據(jù)技術(shù)在建筑和城市工程領(lǐng)域還處于初期發(fā)展階段，因此，大數(shù)據(jù)技術(shù)還有以下幾種發(fā)展趨勢(shì)和方向：①解決數(shù)據(jù)不足的難題?，F(xiàn)如今，數(shù)據(jù)不足是大數(shù)據(jù)應(yīng)用的主要限制因素。通過(guò)大力發(fā)展物聯(lián)網(wǎng)和傳感器技術(shù)，高效獲得大量高質(zhì)量的數(shù)據(jù)，從而為大數(shù)據(jù)技術(shù)提供充分、有效的數(shù)據(jù)資源。②實(shí)現(xiàn)智能化。充分利用人工智能、深度學(xué)習(xí)等高新技術(shù)，實(shí)現(xiàn)建筑領(lǐng)域的智能化管理和運(yùn)營(yíng)，如自動(dòng)監(jiān)控建筑進(jìn)度等。③打造智慧城市。智慧城市是未來(lái)發(fā)展的重要方向，但現(xiàn)階段大數(shù)據(jù)技術(shù)在該領(lǐng)域的應(yīng)用相對(duì)較少。因此，大數(shù)據(jù)應(yīng)當(dāng)與智慧城市高度結(jié)合，優(yōu)化城市規(guī)劃，例如探索房?jī)r(jià)的變動(dòng)趨勢(shì)及原因、優(yōu)化土地資源分配、完善基礎(chǔ)設(shè)施建設(shè)等。

參考文獻(xiàn)：

[1]R.Jafarzadeh，J.M.Ingham（2014） Application of artificial neural network methodology for predicting seismic retrofit construction costs. Journal of Construction Engineering and Management vol140.

[2]L.Wang，F(xiàn).Leite（2013）Knowledge discovery of spatial conflict resolution philosophies in BIM-enabled MEP design coordination using data mining techniques： a proof-of-concept. In： Proceedings of the ASCE International Workshop on Computing in Civil Engineering，pp419-426.

[3]C.-W.Cheng，S.-S.Leu（2012） Applying data mining techniques to explore factors contributing to occupational injuries in taiwans construction industry. Accident Anal Prevent 48：214-222.

[4]V.S.Desai，S.Joshi（2010） Application of decision tree technique to analyze construction project data. In： Information Systems， Technology and Management，pp304-313.

[5]M.Siu，R.Ekyalimpa（2013） Applying regression analysis to predict and classify construction cycle time. Computing in Civil Engineering（2013），pp669-676.

[6]Y.-J.Chen，C.-W.Feng（2011） Using BIM model and genetic algorithms to optimize the crew assignment for construction project planning. Int.J.Technol 3：179-187.

[7]W.Lu，X.Chen（2015） Benchmarking construction waste management performance using big data. Resour Conservat Recycl 105：49-58.

[8]M.Sambasivan，Y.W.Soon（2007） Causes and effects of delays in Malaysian construction industry. Int. J. Project Manage 25：517-526.

[9]T. Mahfouz，A.Kandil（2010） Construction legal decision support using support vector machine （svm）. In： Proc. of the CRC 2010： Innovation for Reshaping Construction，pp879- 88.

[10]C.Chiang，T.Ho（2015） A BIM-enabled platform for power consumption data collection and analysis. Comput Civil Eng（2015），pp90-98.

[11]Y.Huang，J.L.Beck（2013） Novel sparse Bayesian learning for structural health monitoring using incomplete modal data. In： Computing in Civil Engineering（2013）， pp121-128.

[12]S.Taneja，A.Akcamete（2010） Analysis of three indoor localization technologies to support facility management field activities. In： Proceedings of the International Conference on Computing in Civil and Building Engineering 2010.

[13]Y.Zheng，Y.Liu（2011） Urban computing with taxicabs. In： Proceedings of the 13th International Conference on Ubiquitous Computing，pp89-98.

[14]J.Yuan，Y.Zheng（2012） Discovering regions of different functions in a city using human mobility and POIs. In： Proceedings of 18th SIGKDD Conference on Knowledge Discovery and Data Mining，pp186-194.

[15]D.Karamshuk，A.Noulas（2013） Geo-spotting： Mining online locationbased services for optimal retail store placement. In： Proceedings of the 19th ACM International Conference on Knowledge Discovery and Data Mining，pp793-801.

[16]F.Zhang，D.Wilkie（2013） Sensing the pulse of urban refueling behavior. In： Proceedings of the 15th International Conference on Ubiquitous Computing，pp13-22.