• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    分布式增量機制下的交通流大數(shù)據(jù)聚類分析

    2017-08-11 10:43:21
    測繪通報 2017年7期
    關(guān)鍵詞:增量時空實體

    李 欣

    (1. 河南財經(jīng)政法大學中原經(jīng)濟區(qū)“三化”協(xié)調(diào)發(fā)展河南省協(xié)同創(chuàng)新中心,河南 鄭州 450046; 2. 河南財經(jīng)政法大學資源與環(huán)境學院,河南 鄭州 450046)

    ?

    分布式增量機制下的交通流大數(shù)據(jù)聚類分析

    李 欣1,2

    (1. 河南財經(jīng)政法大學中原經(jīng)濟區(qū)“三化”協(xié)調(diào)發(fā)展河南省協(xié)同創(chuàng)新中心,河南 鄭州 450046; 2. 河南財經(jīng)政法大學資源與環(huán)境學院,河南 鄭州 450046)

    時空聚類分析是對時空大數(shù)據(jù)進行利用的一種有效手段。本文提出了一種分布式增量大數(shù)據(jù)聚類分析方法,利用分布增量機制不但可以減少重復(fù)計算和遷移拷貝次數(shù),而且可以持續(xù)對聚類結(jié)果進行修正,能夠在保持聚類準確性的條件下提升整體運算效率。而聚類算法本身通過數(shù)據(jù)聚集趨勢預(yù)分析、聚類算法和結(jié)果評價3個步驟,構(gòu)建了一體化時空鄰域,在時間和空間維度保證了聚類結(jié)果的準確性。經(jīng)過試驗證明該方法可以實現(xiàn)時空大數(shù)據(jù)的快速高效信息挖掘。

    時空數(shù)據(jù);大數(shù)據(jù);聚類分析;增量聚類;時空鄰域

    當今城市中越來越多的傳感器正在產(chǎn)生各種與人類活動相關(guān)的時空位置數(shù)據(jù),可以稱之為時空大數(shù)據(jù)[1]。作為分析和利用時空大數(shù)據(jù)的重要手段,數(shù)據(jù)聚類分析是地理信息相關(guān)學科的重要研究課題[2]。目前在大數(shù)據(jù)環(huán)境下的聚類分析方法雖然已經(jīng)產(chǎn)生不少研究成果,但要么聚類效率無法適應(yīng)海量時空數(shù)據(jù),要么沒有解決時空數(shù)據(jù)的耦合性、關(guān)聯(lián)性、異質(zhì)性問題。因此,本文擬研究一種適應(yīng)大數(shù)據(jù)環(huán)境的交通流大數(shù)據(jù)聚類分析方法,為數(shù)據(jù)挖掘研究及相關(guān)實際應(yīng)用提供參考依據(jù)。

    1 國內(nèi)外聚類分析研究現(xiàn)狀

    目前國內(nèi)外的時空聚類方法主要包括:①基于劃分的方法:Bagirov[3]提出的全局K-Means算法,雷小鋒[4]提出的K-MeanSCAN算法。②基于模型的方法:Gaffney[5]的回歸混合軌跡聚類模型,Chudova[6]的地理實體時空軌跡漂移聚類方法,Alon[7]的地理實體簇臨位轉(zhuǎn)換馬爾科夫模型。③基于密度的方法:Li[8]的交通熱點路線的聚類算法,Birant[9]的ST-DBSCAN時空聚類算法。④基于大數(shù)據(jù)的方法:Bose[11]提出的增量并行數(shù)據(jù)挖掘方法,Laptev[13]的樣本抽樣放回方法,Zhao[12]提出的基于邊結(jié)構(gòu)相似度的聚類方法等。以上研究成果,或是未適應(yīng)大數(shù)據(jù)的廣域多源特點,或是使用抽樣降維方法減少數(shù)據(jù)量,降低復(fù)雜度[14],仍然無法滿足大數(shù)據(jù)環(huán)境下聚類分析的需求。

    本文的研究策略是在顧及大數(shù)據(jù)處理效率的條件下,研究一種分布式增量交通流大數(shù)據(jù)聚類分析流程(distributed incremental clustering process,DICP),該流程在聚類過程中引入分布和增量機制,在分布節(jié)點完成大量聚類運算,最終在中心節(jié)點完成聚類結(jié)果合并,能在較大程度上提高聚類分析的運算效率。對于交通流聚類算法本身,本文研究了一種改進的時空數(shù)據(jù)聚類算法(the improved method of spatio-temporal data cluster analysis,IMSTDCA),通過時空數(shù)據(jù)聚集趨勢預(yù)分析、聚類算法和聚類結(jié)果評價3個步驟,完成時空自回歸移動平均模型[15](space-time autoregressive integrated moving average,STARIMA)中一體化時空鄰域的構(gòu)建,實現(xiàn)聚類信息的高效挖掘。

    2 聚類分析關(guān)鍵技術(shù)研究

    2.1 分布式增量交通流大數(shù)據(jù)聚類分析流程

    本文研究的DICP聚類分析流程,按照多個連續(xù)的時間周期,對網(wǎng)絡(luò)中分布節(jié)點和中心節(jié)點中的數(shù)據(jù)進行增量聚類,經(jīng)過首次歷史全集數(shù)據(jù)聚類和后期多個周期增量數(shù)據(jù)聚類階段,可以在滿足運算效率的前提下完成較為準確的聚類分析。

    2.1.1 歷史全集數(shù)據(jù)聚類階段

    首次聚類是針對所有節(jié)點歷史數(shù)據(jù)全集進行聚類分析的階段。首先對分布節(jié)點中的數(shù)據(jù)進行分塊,基于MapReduce中的Map運算完成數(shù)據(jù)塊的中間聚類,再使用Combine運算完成分布節(jié)點中間聚類結(jié)果合并,傳輸?shù)街行墓?jié)點后由Reduce運算完成分布節(jié)點聚類結(jié)果的合并,實現(xiàn)首次聚類分析。其基本思路是:

    (1) 對N個分布節(jié)點的數(shù)據(jù)全集進行切塊,分為M個數(shù)據(jù)塊。

    (2) 對于每個數(shù)據(jù)塊構(gòu)建一個Map運算,并利用IMSTDCA聚類算法完成中間聚類運算,生成M個中間聚類結(jié)果。

    (3) 由Combine運算完成M個中間聚類結(jié)果的合并,并傳輸?shù)街行墓?jié)點。

    (4) 在由中心節(jié)點使用Reduce運算完成所有聚類結(jié)果的二次合并,計算歷史全集數(shù)據(jù)聚類中心。

    (5) 若達到最大迭代次數(shù)或聚類結(jié)果收斂,則完成聚類;否則,計算下一次迭代的比較參數(shù),從步驟(2)開始進行下一次迭代。

    2.1.2 周期增量數(shù)據(jù)聚類階段

    周期增量階段是在首次聚類基礎(chǔ)上,比較增量數(shù)據(jù)與已有聚類中心的時空距離,利用分布式的優(yōu)勢完成增量數(shù)據(jù)的快速并行聚類運算。其基本思想是:

    (1) 對N個分布節(jié)點周期增量數(shù)據(jù)集合進行切塊,分為ΔM個增量數(shù)據(jù)塊。

    (2) 對每個增量數(shù)據(jù)塊構(gòu)建Map運算,并利用IMSTDCA時空距離度量聚類中心與增量數(shù)據(jù)的時空距離,將增量數(shù)據(jù)記錄合并到小于規(guī)定閾值的時空距離最小的類中。

    (3) 在分布節(jié)點Combine運算中參照聚類中間結(jié)果進行偏離誤差計算,得到聚類中心在某個分布節(jié)點的局部偏離誤差,并傳輸?shù)街行墓?jié)點。

    (4) 由中心節(jié)點的Reduce運算進行結(jié)果合并,并計算每個類的全局偏離誤差。

    (5) 若所有全局偏離誤差小于閾值,則完成本次周期聚類;若某個全局偏離誤差大于閾值,則解體該類,按照歷史全集階段方法重新對未分類數(shù)據(jù)和解體數(shù)據(jù)記錄進行聚類運算。

    2.2 時空數(shù)據(jù)聚類算法

    時空數(shù)據(jù)聚類分析算法是影響整個聚類分析準確性和高效性的關(guān)鍵因素。本文研究IMSTDCA時空數(shù)據(jù)聚類分析方法,包括數(shù)據(jù)聚集趨勢預(yù)分析、聚類算法和結(jié)果評價3個步驟。IMSTDCA聚類分析方法流程如圖1所示。

    2.2.1 時空數(shù)據(jù)聚集趨勢預(yù)分析

    時空數(shù)據(jù)聚集趨勢預(yù)分析是對數(shù)據(jù)相關(guān)性和異質(zhì)性進行分析判斷,計算地理實體之間是否存在相關(guān)性和聚集現(xiàn)象,從而判斷進行聚類的可行性,避免大量無謂的聚類分析運算。實際計算中可以利用文獻[16]中的Geary’C指數(shù)、Moran’I指數(shù)、變差函數(shù)等方法[16]進行計算,若地理實體空間不相關(guān),則認為其不包含聚集趨勢,聚類分析運算沒有實際意義。

    2.2.2 時空數(shù)據(jù)聚類算法

    通過時空數(shù)據(jù)聚集趨勢預(yù)分析可以獲得時空平穩(wěn)的數(shù)據(jù)集合,可以利用經(jīng)過改進的STARIMA時間延遲算子對數(shù)據(jù)集的時空鄰域進行判斷。時空自回歸移動平均模型STARIMA公式如下

    (1)

    式中,k為時間延遲;h為空間間隔;p為時間自回歸延遲;mk為第k個時間自回歸項的空間間隔;?kh為時間延遲為k并且空間間隔為h的自回歸參數(shù);q為移動時間平均延遲;nl為第l個時間移動平均項的空間間隔;θlh為時間延遲為l并且空間間隔為h的移動平均參數(shù);ε(t)為隨機誤差。式(1)中的時間延遲k可以代表實體在時間維度的距離,可以通過時空偏相關(guān)函數(shù)[17]和時空自相關(guān)函數(shù)[18]計算獲得。

    在聚類分析過程中,從時間維度分析,前一時間段內(nèi)的時空實體會對當前時刻的某個時空實體產(chǎn)生影響,而當前時刻的時空實體也會對后一時間段內(nèi)的時空實體產(chǎn)生影響。因此應(yīng)該以某一時刻為中心的時間半徑作為聚類分析的時間窗口,即將STARIMA模型中的時間延遲k擴展為時間半徑。

    從空間維度分析,要實現(xiàn)實體之間的空間距離定量化計算才能確定聚類分析中的鄰近關(guān)系。使用Delaunay三角網(wǎng)是判斷鄰近關(guān)系的經(jīng)典方法,但若三角網(wǎng)未經(jīng)任何處理,則在邊緣部分會產(chǎn)生一定誤差,如圖2(a)所示。

    本文使用了整體和局部距離約束對空間實體原始Delaunay三角網(wǎng)構(gòu)建的鄰近關(guān)系進行修正。針對三角網(wǎng)中頂點Pi的整體距離約束條件公式如下

    Entirety_Constraint(Pi)=Entirety_Mean+

    (2)

    式中,Entirety_Mean為所有邊長的均值;Mean(Pi)為頂點Pi的所有鄰接邊的邊長均值;Entirety_Variance為所有邊長的方差。

    針對三角網(wǎng)中頂點Pi的局部距離約束條件公式如下

    Locality_Constraint(Pi)=Locality_Mean(Pi)+2×

    (3)

    式中,Locality_Mean(Pi)為Pi點的鄰近邊長均值;Locality_Variance(Pi)表為頂點Pi的鄰近邊長方差;N為三角網(wǎng)所有頂點總數(shù)。

    圖2 基于距離約束Delaunay三角網(wǎng)的空間鄰近關(guān)系

    利用式(2)和式(3)的約束條件邊長判斷閾值,刪除長度大于整體和局部距離約束條件的邊,即可得到圖2(b)和(c)中的結(jié)果,此時的Delaunay三角網(wǎng)可作為判斷空間鄰近關(guān)系的依據(jù)。

    通過時間維度和空間維度的鄰域分析,即可確定某個地理實體的時空鄰域,基于此鄰域時空聚類流程如下:

    (1) 選取某個實體作為時空中心,判斷其時間和空間鄰域內(nèi)的其他實體是否與其滿足鄰接條件,若滿足則標記其為初始時空中心。

    (2) 以該初始時空中心為核心,計算鄰域內(nèi)所有實體與中心的時空距離,將距離最近的實體加入聚類簇,第一個聚類集合開始生成。

    (3) 重復(fù)利用步驟(2)對聚類集合進行擴展,將每個已加入聚類簇的實體作為擴展中心,在時空鄰域中判斷實體的時空距離,滿足鄰接條件即可加入聚類簇,所有滿足條件的實體都加入后,即完成了一個聚類集合的生成。

    (4) 繼續(xù)對剩余時空實體重復(fù)步驟(1)至步驟(3)進行判斷,即可生成多個時空實體聚類結(jié)合,若某個實體不滿足任何鄰接條件,則將其標記為孤立點,聚類運算完成。

    2.2.3 時空數(shù)據(jù)聚類結(jié)果評價

    本文中有兩個影響時空數(shù)據(jù)聚類算法復(fù)雜度的因素:一是構(gòu)建時空鄰域并在其中檢索鄰接目標;二是聚類簇的生成。設(shè)數(shù)據(jù)集全中包含n個時空實體,則本文構(gòu)建時空鄰域方法的復(fù)雜度約為O(nlog2n),低于ST-DBSCAN[8]方法的復(fù)雜度O(n2),而聚類簇簇生成時的復(fù)雜度與ST-DBSCAN方法相當。因此本文時空數(shù)據(jù)聚類算法的復(fù)雜度約為O(nlog2n)。

    3 試驗結(jié)果分析

    試驗數(shù)據(jù)基于智能交通綜合管理平臺獲取,該平臺是一套提供了采集評估、交通指揮、智能誘導和聯(lián)網(wǎng)監(jiān)控等功能的綜合管理平臺,目前已經(jīng)在河南多個地市實現(xiàn)了部分應(yīng)用。試驗提取了系統(tǒng)采集的交通流大數(shù)據(jù)作為數(shù)據(jù)源,驗證本文設(shè)計的分布式增量IMSTDCA時空數(shù)據(jù)聚類分析方法。

    本文對比了3種時空大數(shù)據(jù)聚類方法:

    (1) 局域網(wǎng)集中存儲全集時空數(shù)據(jù)聚類方法(簡稱LGCP方法)。將分布節(jié)點交通流數(shù)據(jù)抽取,并傳輸?shù)街行墓?jié)點,由中心節(jié)點對幾種存儲的數(shù)據(jù)全集進行Map和Reduce運算,得到聚類結(jié)果。

    (2) 廣域網(wǎng)分布存儲全集時空數(shù)據(jù)聚類方法(簡稱WGCP方法)。對分布節(jié)點本地存儲的交通流數(shù)據(jù)執(zhí)行Map和Combine運算,在分布節(jié)點計算得到中間結(jié)果后,傳輸?shù)街行墓?jié)點,在中心節(jié)點完成結(jié)果合并,得到聚類結(jié)果。

    (3) 廣域網(wǎng)分布增量時空數(shù)據(jù)聚類方法(簡稱DICP方法)。該方法基于WGCP方法執(zhí)行,首次聚類完成之后,后續(xù)多個時間周期利用增量方式完成聚類,既可保證周期內(nèi)數(shù)據(jù)量較為穩(wěn)定,又可以通過迭代完成聚類結(jié)果的優(yōu)化。

    試驗結(jié)果見表1—表3。

    表1 LGCP時空數(shù)據(jù)聚類方法結(jié)果

    從聚類效率方面對比3種方法:LGCP方法將數(shù)據(jù)從分布節(jié)點提取到中心節(jié)點時,由于數(shù)據(jù)量大,耗費時間較長,聚類整體效率較低;WGCP方法有效將分布節(jié)點計算能力利用起來,但隨著系統(tǒng)持續(xù)運行,數(shù)據(jù)全集容量越來越大,聚類時間也會越來越長;DICP方法在首次聚類運算時,參與計算的數(shù)據(jù)量較小,而后每個時間周期的數(shù)據(jù)量相對穩(wěn)定,而且后續(xù)周期僅針對增量數(shù)據(jù)進行運算,可以在較大程度上提高整體計算效率。

    表2 WGCP時空數(shù)據(jù)聚類方法結(jié)果

    表3 DICP時空數(shù)據(jù)聚類方法結(jié)果

    從聚類準確率方面對比3種方法,由表1—表3的準確率可以看出,數(shù)據(jù)量對于聚類結(jié)果的準確程度起著非常重要的作用,隨著數(shù)據(jù)量的增加,聚類準確率不斷提高。因此考慮到聚類準確率,以往的抽樣降維方法會導致大量原始數(shù)據(jù)被篩除,進而影響聚類結(jié)果的準確率。而DICP方法采用的分布式增量策略避免了有效數(shù)據(jù)被篩除,在減小每個時間周期的數(shù)據(jù)量的基礎(chǔ)上,能夠保證聚類的準確程度。

    從多個時間周期聚類分析得到的集合數(shù)量和被解體的集合數(shù)量分析,具體見表4。

    表4 DICP時空數(shù)據(jù)聚類方法結(jié)果

    從表4可以看出,新的時間周期都會利用增量數(shù)據(jù)將原有的一些聚類簇解體,進而生成新的聚類簇,得到更為準確的修正結(jié)果。因此,DICP方法更加適合在大數(shù)據(jù)環(huán)境下使用,利用增量解體方式不斷修正聚類結(jié)果,是保證增量聚類質(zhì)量的有效手段。

    4 結(jié) 語

    本文研究了一種基于分布式增量的交通大數(shù)據(jù)聚類分析方法,并在廣域網(wǎng)分布式試驗環(huán)境中進行了驗證。分布式增量聚類流程DICP在分布節(jié)點完成大量聚類運算,最終在中心節(jié)點完成聚類結(jié)果合并,不但可以減少重復(fù)計算和遷移拷貝次數(shù),而且可以通過增量機制持續(xù)對聚類結(jié)果進行修正,能夠在保持聚類準確性的條件下提升整體運算效率。其不足之處在于,本文試驗數(shù)據(jù)雖然已經(jīng)達到一定規(guī)模,但分布節(jié)點有限,而隨著分布節(jié)點的增加,中心節(jié)點的傳輸和運算負載會急劇增加,導致計算效率下降,因此為了緩解中心節(jié)點壓力,可以在今后的試驗中設(shè)計多層分布式結(jié)構(gòu),經(jīng)過分中心的多層聚類,不斷合并最終完成全局聚類。

    IMSTDCA時空數(shù)據(jù)聚類方法通過數(shù)據(jù)聚集趨勢預(yù)分析、聚類算法和結(jié)果評價3個步驟,構(gòu)建了一體化時空鄰域,在考慮時空數(shù)據(jù)相關(guān)性、耦合性與異質(zhì)性的同時,在時間和空間維度保證了聚類結(jié)果的準確性,經(jīng)過試驗證明該方法的聚類結(jié)果可靠有效。但本文研究的IMSTDCA聚類方法僅針對交通流時空數(shù)據(jù)進行了驗證,地理實體的時空尺度比較局限,因此在下一步的工作中,還應(yīng)該對其他類型的地理實體聚類問題進行研究,為預(yù)測和決策提供更為有效的數(shù)據(jù)挖掘方法和工具。

    [1] 李德仁,馬軍,邵振峰.論時空大數(shù)據(jù)及其應(yīng)用[J].衛(wèi)星應(yīng)用,2015(9):7-11.

    [2] 鄧敏,劉啟亮,王佳璆,等.時空聚類分析的普適性方法[J].中國科學(信息科學),2012,42(1):111-124.

    [3] BAGIROV A M. Modified Global K-means Algorithm for Minimum Sum-of-squares Clustering Problems[J]. Pattern Recognition, 2008, 41(10): 3192-3199.

    [4] 雷小鋒,謝昆青,林帆.一種基于K-Means局部最優(yōu)性的高效聚類算法[J].軟件學報, 2008,19(7): 1683-1692.

    [5] GRAFFNEY S, SMYTH P. Trajectory Clustering with Mixtures of Regression Models[C] ∥Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York:ACM,1999:63-72.

    [6] CHUDOVA D, GAFFNEY S, MJOLSNESS E, et al. Translation—invariant Mixture Models for Curve Clustering[C]∥Proceedings of the 9th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York:ACM,2003:79-88.

    [7] ALON J,SCLAROFF S,KOLLIOS G,et a1.Discovering Clusters in Motion Time-series Data[C] ∥Proceedings of the 2003 IEEE Conference on Computer Vision and Pattern Recognition. Los Alamitos, CA:IEEE Computer Society,2003:375-381.

    [8] LI X,HAN J, LEE J G, et al. Traffic Density-based Discovery of Hot Routes in Road Networks[C] ∥Proceedings of the 10th International Conference on Advances in Spatial and Temporal Databases. Berlin: Springer,2007:441-459.

    [9] BIRANT D,KUT A.ST-DBSCAN:An Algorithm for Clustering Spatial-temporal Data[J].Data & Knowledge Engineering,2007,60(1):208-221.

    [10] ZHENG K, ZHENG Y, YUAN N J, et al. On Discovery of Gathering Patterns from Trajectories[C]∥IEEE 29th International Conference on Data Engineering. [S.l.]:IEEE,2013:242-253.

    [11] BOSE J H,ANDRZEJAK A, HOGQVIST M. Beyond Online Aggregation: Parallel and Incremental Data Mining with Online Map-Reduce[C]∥Proceedings of Workshop on Massive Data Analytics on the Cloud. New York:ACM,2010.

    [12] LAPTEV N, ZENG K, ZANIOLO C. Very Fast Estimation for Result and Accuracy of Big Data Analysis:The EARL System[C]∥Proceedings of ICDE.Piscataway,NJ:IEEE,2013:1296-1299.

    [13] ZHAO W Z, MARTHA V S, XU X W. PSCAN: A Parallel Structural Clustering Algorithm for Big Networks in MapReduce[C]∥Proceedings of AINA.Piscataway,NJ:IEEE,2013:862-869.

    [14] 楊杰,李小平,陳湉. 基于增量時空軌跡大數(shù)據(jù)的群體挖掘方法[J].計算機研究與發(fā)展,2014, 51:76-85.

    [15] MARTIN R L, OEPPEN J E. The Identification of Regional Forecasting Models Using Space-time Correlation Functions[J]. Transactions of the Institute of British Geographers, 1975, 66: 95-118.

    [16] HAINING R P.Spatial Data Analysis:Theory and Practice[M]. Cambridge: Cambridge University Press, 2003:183-201.

    [17] KAMARIANAKIS Y, PRASTACOS P. Space-time Modeling of Traffic Flow[J]. Computers & Geosciences, 2005, 31(2):119-133.

    [18] BEZDEK J C, PAL N R. Some New Indexes of Cluster Validity[J]. IEEE Transactions on Systems Man & Cybernetics Part B, 1998, 28: 301-315.

    Traffic Flow Big Data Clustering Analysis Method Based on Distributed Incremental Mechanism

    LI Xin1,2

    (1. Collaborative Innovation Center of Three-aspect Coordination of Central Plain Economic Region, Henan University of Economics and Law, Zhengzhou 450046, China; 2. College of Resource and Environment, Henan University of Economics and Law, Zhengzhou 450046, China)

    Spatio-temporal clustering analysis is an effective way of using spatio-temporal big data. This paper proposes a distributed incremental big data clustering analysis method. The incremental distribution mechanism can not only reduce the repeated calculation and the number of copies, but also can modify the clustering results continuously. And it is able to improve the operational efficiency under the condition of keeping in clustering accuracy. The clustering algorithm includes three steps: data aggregation trend analysis, clustering algorithm and result evaluation. It constructs an integrated spatio-temporal neighborhood, which guarantees the accuracy of clustering results in time and space. The experiments show that this method can realize the fast and efficient information mining of spatio-temporal big-data.

    spatio-temporal data;big data;cluster analysis;incremental clustering;spatio-temporal neighborhood

    李欣.分布式增量機制下的交通流大數(shù)據(jù)聚類分析[J].測繪通報,2017(7):61-65.

    10.13474/j.cnki.11-2246.2017.0224.

    2016-10-12;

    2017-01-24

    國家自然科學基金(41501178);河南財經(jīng)政法大學博士科研啟動基金(800257)

    李 欣(1981—),男,博士,講師,主要研究方向為地理信息系統(tǒng)理論研究與實踐應(yīng)用。E-mail:lixin992319@163.com

    P208

    A

    0494-0911(2017)07-0061-05

    猜你喜歡
    增量時空實體
    跨越時空的相遇
    提質(zhì)和增量之間的“辯證”
    當代陜西(2022年6期)2022-04-19 12:12:22
    鏡中的時空穿梭
    “價增量減”型應(yīng)用題點撥
    前海自貿(mào)區(qū):金融服務(wù)實體
    中國外匯(2019年18期)2019-11-25 01:41:54
    玩一次時空大“穿越”
    實體的可感部分與實體——兼論亞里士多德分析實體的兩種模式
    哲學評論(2017年1期)2017-07-31 18:04:00
    兩會進行時:緊扣實體經(jīng)濟“釘釘子”
    振興實體經(jīng)濟地方如何“釘釘子”
    基于均衡增量近鄰查詢的位置隱私保護方法
    電信科學(2016年9期)2016-06-15 20:27:25
    精品国产一区二区三区四区第35| 一级毛片精品| 香蕉国产在线看| 久久天躁狠狠躁夜夜2o2o| 成人亚洲精品一区在线观看| 亚洲精品美女久久久久99蜜臀| 亚洲激情在线av| 亚洲片人在线观看| 久久天堂一区二区三区四区| 日韩精品免费视频一区二区三区| 香蕉av资源在线| 男女下面进入的视频免费午夜 | 久久99热这里只有精品18| 国产av一区二区精品久久| 99热只有精品国产| 日本 av在线| 精品国产一区二区三区四区第35| 午夜影院日韩av| 成人特级黄色片久久久久久久| 老司机在亚洲福利影院| 婷婷亚洲欧美| 一本大道久久a久久精品| 一区二区三区国产精品乱码| 欧美久久黑人一区二区| 久9热在线精品视频| 久久午夜亚洲精品久久| 后天国语完整版免费观看| 午夜精品在线福利| 桃红色精品国产亚洲av| 麻豆成人午夜福利视频| 国产欧美日韩一区二区精品| 久99久视频精品免费| 国产v大片淫在线免费观看| 99热6这里只有精品| 日韩一卡2卡3卡4卡2021年| 免费女性裸体啪啪无遮挡网站| 国内毛片毛片毛片毛片毛片| 国产高清有码在线观看视频 | 久久国产精品男人的天堂亚洲| 69av精品久久久久久| 欧美黑人巨大hd| 久久久久九九精品影院| 日韩高清综合在线| 久9热在线精品视频| 一进一出抽搐动态| 免费在线观看成人毛片| bbb黄色大片| aaaaa片日本免费| 亚洲欧美激情综合另类| 国产精品二区激情视频| 欧美一级毛片孕妇| 1024视频免费在线观看| 国产伦人伦偷精品视频| 欧美激情高清一区二区三区| 国产高清有码在线观看视频 | 村上凉子中文字幕在线| 欧美久久黑人一区二区| 精品第一国产精品| 男女那种视频在线观看| 中文字幕最新亚洲高清| 欧美久久黑人一区二区| 91大片在线观看| 成人18禁高潮啪啪吃奶动态图| 欧美一级a爱片免费观看看 | 国产在线精品亚洲第一网站| 午夜久久久在线观看| 精品熟女少妇八av免费久了| 日本一区二区免费在线视频| 免费在线观看黄色视频的| 国产日本99.免费观看| 欧美丝袜亚洲另类 | 亚洲人成电影免费在线| 大香蕉久久成人网| bbb黄色大片| 99久久综合精品五月天人人| 在线播放国产精品三级| 精品国内亚洲2022精品成人| 男男h啪啪无遮挡| 成人国产综合亚洲| 亚洲精品国产精品久久久不卡| 亚洲精品久久成人aⅴ小说| 国产精品,欧美在线| 欧美性猛交黑人性爽| 亚洲aⅴ乱码一区二区在线播放 | 美女免费视频网站| 草草在线视频免费看| 久久国产乱子伦精品免费另类| 99国产极品粉嫩在线观看| 久久久久久久久免费视频了| 无人区码免费观看不卡| 午夜福利欧美成人| 亚洲欧美日韩高清在线视频| 国产v大片淫在线免费观看| 日本 av在线| 天天躁夜夜躁狠狠躁躁| 老司机靠b影院| 成人特级黄色片久久久久久久| 亚洲av五月六月丁香网| 人人澡人人妻人| 在线播放国产精品三级| 欧美成人免费av一区二区三区| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品av久久久久免费| 19禁男女啪啪无遮挡网站| 亚洲熟妇熟女久久| 亚洲五月色婷婷综合| 精品久久久久久久人妻蜜臀av| 日韩国内少妇激情av| 国产精品亚洲美女久久久| 免费无遮挡裸体视频| 国产精品亚洲美女久久久| 级片在线观看| 亚洲avbb在线观看| 美女 人体艺术 gogo| 极品教师在线免费播放| 精品久久久久久久毛片微露脸| 久久欧美精品欧美久久欧美| 黄网站色视频无遮挡免费观看| 成年版毛片免费区| 可以在线观看的亚洲视频| 久久久久久大精品| 欧美最黄视频在线播放免费| 中文字幕精品亚洲无线码一区 | 不卡一级毛片| 亚洲精品一卡2卡三卡4卡5卡| 人人妻人人看人人澡| 男女那种视频在线观看| 伦理电影免费视频| e午夜精品久久久久久久| 人人妻人人澡人人看| 可以在线观看的亚洲视频| 午夜免费激情av| 高清毛片免费观看视频网站| 这个男人来自地球电影免费观看| 亚洲欧美一区二区三区黑人| 亚洲,欧美精品.| 午夜免费观看网址| 国产免费av片在线观看野外av| 伊人久久大香线蕉亚洲五| 真人做人爱边吃奶动态| 久久久久精品国产欧美久久久| 成年女人毛片免费观看观看9| 午夜福利免费观看在线| 亚洲av成人一区二区三| 看黄色毛片网站| 亚洲人成网站高清观看| 人妻久久中文字幕网| 国产亚洲欧美98| e午夜精品久久久久久久| 成年人黄色毛片网站| 国产欧美日韩一区二区精品| 叶爱在线成人免费视频播放| 亚洲av电影在线进入| 极品教师在线免费播放| 国产97色在线日韩免费| 精品欧美国产一区二区三| 欧美色视频一区免费| 香蕉国产在线看| 久久久久九九精品影院| 91国产中文字幕| 久久午夜亚洲精品久久| 黑丝袜美女国产一区| 国产亚洲av高清不卡| 色老头精品视频在线观看| 午夜激情av网站| 亚洲熟女毛片儿| 国产aⅴ精品一区二区三区波| 97人妻精品一区二区三区麻豆 | 欧美久久黑人一区二区| 久久青草综合色| 亚洲va日本ⅴa欧美va伊人久久| 午夜两性在线视频| 一级a爱片免费观看的视频| 久久久水蜜桃国产精品网| 男女视频在线观看网站免费 | 亚洲一区高清亚洲精品| 国产精品一区二区免费欧美| 欧美不卡视频在线免费观看 | 99国产极品粉嫩在线观看| 男女床上黄色一级片免费看| 一边摸一边抽搐一进一小说| 美女 人体艺术 gogo| 窝窝影院91人妻| 国产99白浆流出| 亚洲国产欧美日韩在线播放| 精品电影一区二区在线| 在线永久观看黄色视频| 亚洲熟妇中文字幕五十中出| 欧美日韩中文字幕国产精品一区二区三区| 俄罗斯特黄特色一大片| 制服丝袜大香蕉在线| 中文字幕另类日韩欧美亚洲嫩草| 日日干狠狠操夜夜爽| 老鸭窝网址在线观看| 中国美女看黄片| 中文字幕人妻熟女乱码| 黄色片一级片一级黄色片| 夜夜夜夜夜久久久久| 精品日产1卡2卡| 级片在线观看| 看片在线看免费视频| 国产成+人综合+亚洲专区| 婷婷亚洲欧美| 一级作爱视频免费观看| 国产麻豆成人av免费视频| 久久这里只有精品19| 男人操女人黄网站| 免费在线观看黄色视频的| 九色国产91popny在线| 真人做人爱边吃奶动态| 欧美精品啪啪一区二区三区| 亚洲专区国产一区二区| 日韩免费av在线播放| 精华霜和精华液先用哪个| 少妇被粗大的猛进出69影院| 亚洲精品粉嫩美女一区| 亚洲av电影在线进入| 欧美成人性av电影在线观看| 99久久精品国产亚洲精品| a在线观看视频网站| 极品教师在线免费播放| cao死你这个sao货| 久久天躁狠狠躁夜夜2o2o| 国产精品久久视频播放| 久久精品成人免费网站| 日本 欧美在线| av福利片在线| 中出人妻视频一区二区| 成人欧美大片| 韩国av一区二区三区四区| 欧美日韩精品网址| 国产99白浆流出| 久久久久亚洲av毛片大全| 亚洲真实伦在线观看| 欧美日本亚洲视频在线播放| 草草在线视频免费看| 色在线成人网| 国产私拍福利视频在线观看| 长腿黑丝高跟| 亚洲九九香蕉| 老汉色∧v一级毛片| 久久久久久九九精品二区国产 | 18禁美女被吸乳视频| 国产一区二区三区在线臀色熟女| 免费高清视频大片| 国产精品日韩av在线免费观看| 看黄色毛片网站| 久久久久免费精品人妻一区二区 | 国产免费男女视频| 欧美成人免费av一区二区三区| 99久久精品国产亚洲精品| 亚洲欧美精品综合久久99| 日本在线视频免费播放| 波多野结衣巨乳人妻| 日韩国内少妇激情av| 又紧又爽又黄一区二区| 丝袜在线中文字幕| 精品久久久久久,| 亚洲人成电影免费在线| av片东京热男人的天堂| 天堂影院成人在线观看| 99精品在免费线老司机午夜| 亚洲专区字幕在线| 91大片在线观看| 国产精品免费视频内射| 国产一区二区三区视频了| 搡老熟女国产l中国老女人| 又黄又粗又硬又大视频| 国产精品乱码一区二三区的特点| 午夜两性在线视频| 亚洲av五月六月丁香网| 亚洲中文字幕日韩| 国产成人欧美| 国产三级在线视频| 精品国产美女av久久久久小说| 亚洲狠狠婷婷综合久久图片| 亚洲av成人av| 亚洲熟妇熟女久久| 51午夜福利影视在线观看| 久久久精品欧美日韩精品| 色播亚洲综合网| 午夜福利视频1000在线观看| xxxwww97欧美| 99精品久久久久人妻精品| 99re在线观看精品视频| 国产一级毛片七仙女欲春2 | 成在线人永久免费视频| 少妇裸体淫交视频免费看高清 | 久久久久久九九精品二区国产 | 俺也久久电影网| 老司机午夜十八禁免费视频| 国产亚洲欧美精品永久| 丁香六月欧美| 色综合婷婷激情| 国产主播在线观看一区二区| 精华霜和精华液先用哪个| 国产精品九九99| 俄罗斯特黄特色一大片| 男女视频在线观看网站免费 | 成年人黄色毛片网站| 又大又爽又粗| 两人在一起打扑克的视频| 制服人妻中文乱码| 久久国产亚洲av麻豆专区| 岛国在线观看网站| 日本成人三级电影网站| 999久久久国产精品视频| 欧美黑人精品巨大| 国产精品日韩av在线免费观看| 亚洲欧美一区二区三区黑人| 色精品久久人妻99蜜桃| 久久久久九九精品影院| 麻豆成人午夜福利视频| 少妇的丰满在线观看| 日本三级黄在线观看| 久久人妻av系列| 免费无遮挡裸体视频| 老司机深夜福利视频在线观看| 亚洲精品国产一区二区精华液| 国产又黄又爽又无遮挡在线| 日本a在线网址| 听说在线观看完整版免费高清| 久久精品91无色码中文字幕| 美女 人体艺术 gogo| 精品午夜福利视频在线观看一区| 国产精品电影一区二区三区| 搞女人的毛片| 国内少妇人妻偷人精品xxx网站 | 99久久99久久久精品蜜桃| 亚洲中文字幕日韩| 男人舔女人的私密视频| 白带黄色成豆腐渣| 亚洲专区中文字幕在线| 成人三级黄色视频| АⅤ资源中文在线天堂| 日本精品一区二区三区蜜桃| 精品一区二区三区av网在线观看| 亚洲aⅴ乱码一区二区在线播放 | 国产欧美日韩一区二区精品| 日本五十路高清| 啦啦啦免费观看视频1| 久久久久亚洲av毛片大全| 亚洲精品久久成人aⅴ小说| 成人亚洲精品一区在线观看| 亚洲精品中文字幕一二三四区| 午夜精品久久久久久毛片777| 最新在线观看一区二区三区| 欧美最黄视频在线播放免费| 久热爱精品视频在线9| 日韩 欧美 亚洲 中文字幕| 国产午夜精品久久久久久| 最近最新中文字幕大全免费视频| 黄色片一级片一级黄色片| 正在播放国产对白刺激| 亚洲av成人一区二区三| 国产一区二区三区视频了| 亚洲成人久久性| 久久久久久久久久黄片| 午夜免费激情av| 人人妻人人看人人澡| 日韩精品免费视频一区二区三区| 久久午夜亚洲精品久久| 男男h啪啪无遮挡| 日韩 欧美 亚洲 中文字幕| 一区二区三区精品91| 日本一本二区三区精品| 男人舔女人的私密视频| 国产伦人伦偷精品视频| 九色国产91popny在线| 亚洲色图av天堂| 免费看a级黄色片| 午夜免费观看网址| 日日干狠狠操夜夜爽| 久久久久国内视频| 欧美一级毛片孕妇| 国产亚洲欧美98| 欧美久久黑人一区二区| 欧美 亚洲 国产 日韩一| 久久欧美精品欧美久久欧美| 久久精品国产清高在天天线| 精品国产乱码久久久久久男人| 久久久久九九精品影院| 91大片在线观看| 少妇 在线观看| 91成人精品电影| 久久中文看片网| 99国产综合亚洲精品| 91国产中文字幕| 久久午夜综合久久蜜桃| 国产熟女xx| 男女午夜视频在线观看| 久久精品影院6| 满18在线观看网站| 久久天躁狠狠躁夜夜2o2o| 欧美日韩福利视频一区二区| 成人18禁在线播放| 亚洲国产精品久久男人天堂| 亚洲最大成人中文| 久久久久亚洲av毛片大全| 国产精品,欧美在线| 午夜亚洲福利在线播放| 午夜精品久久久久久毛片777| 可以在线观看的亚洲视频| 观看免费一级毛片| 亚洲av片天天在线观看| 久久青草综合色| 波多野结衣巨乳人妻| 国产视频一区二区在线看| 色综合亚洲欧美另类图片| 亚洲狠狠婷婷综合久久图片| 久久天躁狠狠躁夜夜2o2o| 午夜激情福利司机影院| www.精华液| 婷婷精品国产亚洲av| 悠悠久久av| 国产精品久久久人人做人人爽| 18禁美女被吸乳视频| 日韩有码中文字幕| 欧美最黄视频在线播放免费| 一本综合久久免费| 人妻丰满熟妇av一区二区三区| 99久久久亚洲精品蜜臀av| av视频在线观看入口| 一区二区三区精品91| 正在播放国产对白刺激| 国产精品1区2区在线观看.| 亚洲国产精品sss在线观看| 欧美性猛交╳xxx乱大交人| 真人一进一出gif抽搐免费| 日韩欧美国产在线观看| 黄色a级毛片大全视频| 老熟妇乱子伦视频在线观看| 亚洲自拍偷在线| 18禁国产床啪视频网站| 99久久无色码亚洲精品果冻| 99久久综合精品五月天人人| 成人国产一区最新在线观看| 久久久国产精品麻豆| 久久久久国内视频| 黑人欧美特级aaaaaa片| 欧美绝顶高潮抽搐喷水| 天天躁狠狠躁夜夜躁狠狠躁| 国产激情久久老熟女| 欧美国产日韩亚洲一区| 97碰自拍视频| 黑丝袜美女国产一区| 高清在线国产一区| 国产精品久久久久久亚洲av鲁大| 国产精华一区二区三区| 黑人操中国人逼视频| 午夜免费成人在线视频| 国产精品av久久久久免费| 日韩一卡2卡3卡4卡2021年| 亚洲av中文字字幕乱码综合 | 夜夜看夜夜爽夜夜摸| 亚洲熟女毛片儿| 色综合亚洲欧美另类图片| 国产视频内射| 妹子高潮喷水视频| 1024视频免费在线观看| 国产成人精品久久二区二区免费| 婷婷六月久久综合丁香| 欧美性猛交╳xxx乱大交人| 国产激情偷乱视频一区二区| 在线永久观看黄色视频| 狂野欧美激情性xxxx| www.自偷自拍.com| 午夜精品在线福利| 国产亚洲精品久久久久久毛片| 人成视频在线观看免费观看| 一级毛片高清免费大全| 波多野结衣高清无吗| 免费在线观看亚洲国产| 亚洲五月色婷婷综合| 精品久久久久久久毛片微露脸| 国产aⅴ精品一区二区三区波| 精品久久久久久,| 99精品久久久久人妻精品| 一级a爱视频在线免费观看| 国产一区二区三区在线臀色熟女| 观看免费一级毛片| 搡老岳熟女国产| 久久午夜亚洲精品久久| 天天一区二区日本电影三级| 在线天堂中文资源库| 校园春色视频在线观看| 老熟妇仑乱视频hdxx| 国产午夜精品久久久久久| 欧美中文日本在线观看视频| 亚洲 欧美 日韩 在线 免费| 热re99久久国产66热| 亚洲国产精品999在线| 亚洲狠狠婷婷综合久久图片| 亚洲欧美日韩高清在线视频| 亚洲激情在线av| 91麻豆av在线| 麻豆久久精品国产亚洲av| 亚洲av熟女| 中文字幕高清在线视频| 免费在线观看完整版高清| av片东京热男人的天堂| 麻豆久久精品国产亚洲av| www.www免费av| 曰老女人黄片| 丝袜美腿诱惑在线| 国产伦人伦偷精品视频| 免费一级毛片在线播放高清视频| 久久天堂一区二区三区四区| 老司机福利观看| 村上凉子中文字幕在线| bbb黄色大片| 成人特级黄色片久久久久久久| 日韩av在线大香蕉| 两性午夜刺激爽爽歪歪视频在线观看 | 天堂影院成人在线观看| 色综合亚洲欧美另类图片| 国产精品 欧美亚洲| avwww免费| 亚洲第一欧美日韩一区二区三区| 国产野战对白在线观看| 日本撒尿小便嘘嘘汇集6| 女同久久另类99精品国产91| 亚洲av第一区精品v没综合| 久久国产亚洲av麻豆专区| 国产精品,欧美在线| 欧美大码av| 久久天堂一区二区三区四区| 中文字幕最新亚洲高清| 久久精品国产清高在天天线| 亚洲欧洲精品一区二区精品久久久| 搡老岳熟女国产| 在线观看日韩欧美| 老熟妇仑乱视频hdxx| 操出白浆在线播放| 欧美日韩黄片免| 别揉我奶头~嗯~啊~动态视频| 动漫黄色视频在线观看| cao死你这个sao货| 老司机深夜福利视频在线观看| 免费女性裸体啪啪无遮挡网站| 9191精品国产免费久久| 视频区欧美日本亚洲| 久久国产亚洲av麻豆专区| 免费高清在线观看日韩| 黄色女人牲交| 一区二区三区国产精品乱码| 午夜福利免费观看在线| 久久久久久久久中文| 91av网站免费观看| av电影中文网址| 制服丝袜大香蕉在线| 老司机深夜福利视频在线观看| 国产伦人伦偷精品视频| 岛国在线观看网站| 男女视频在线观看网站免费 | 亚洲成人精品中文字幕电影| 一级片免费观看大全| 精品国产亚洲在线| 麻豆国产av国片精品| 国产精品久久久久久亚洲av鲁大| 成人国语在线视频| 午夜福利欧美成人| 久久久久国产一级毛片高清牌| 国产三级在线视频| 色综合欧美亚洲国产小说| 在线观看一区二区三区| 国产片内射在线| 亚洲成人国产一区在线观看| 久久伊人香网站| 男女床上黄色一级片免费看| 真人做人爱边吃奶动态| 欧美激情高清一区二区三区| 白带黄色成豆腐渣| 成年人黄色毛片网站| 久久国产精品影院| 午夜免费激情av| 18禁观看日本| 热99re8久久精品国产| av中文乱码字幕在线| 精品欧美一区二区三区在线| 两个人免费观看高清视频| 中文在线观看免费www的网站 | 国产精品久久久久久精品电影 | 岛国视频午夜一区免费看| 日日摸夜夜添夜夜添小说| 叶爱在线成人免费视频播放| 成人国产综合亚洲| 这个男人来自地球电影免费观看| 久久香蕉精品热| 麻豆国产av国片精品| 亚洲一区二区三区色噜噜| 1024手机看黄色片| 亚洲专区中文字幕在线| 国产精品亚洲av一区麻豆| 男女下面进入的视频免费午夜 | 国产一级毛片七仙女欲春2 | 一区二区三区国产精品乱码| 国产精品自产拍在线观看55亚洲| 国产熟女xx| 亚洲激情在线av| 男女那种视频在线观看| 成人免费观看视频高清| 熟妇人妻久久中文字幕3abv| 亚洲五月天丁香| 日韩国内少妇激情av| 69av精品久久久久久| 成人特级黄色片久久久久久久| 亚洲人成电影免费在线| 丁香欧美五月| 天堂影院成人在线观看| 国产亚洲欧美在线一区二区| 欧美日本视频| 69av精品久久久久久| 变态另类成人亚洲欧美熟女| 亚洲一卡2卡3卡4卡5卡精品中文|