[论文解读] Spatiotemporal Data Mining: A Survey

Arun Sharma, Zhe Jiang+1 more|arXiv (Cornell University)|Jun 26, 2022

Data Mining Algorithms and Applications被引用 5

一句话总结

本文对时空数据挖掘技术进行了全面且最新的综述，重点强调了串行与并行计算方法。系统性地将六类关键模式家族——异常值、远距离耦合、预测、划分/汇总、热点区域和变化检测——进行分类，同时指出了并行处理中尚未充分探索的领域，并回顾了GeoSpark、STARK和SpatialHadoop等最先进的工具，用于在大规模时空数据上实现可扩展分析。

ABSTRACT

Spatiotemporal data mining aims to discover interesting, useful but non-trivial patterns in big spatial and spatiotemporal data. They are used in various application domains such as public safety, ecology, epidemiology, earth science, etc. This problem is challenging because of the high societal cost of spurious patterns and exorbitant computational cost. Recent surveys of spatiotemporal data mining need update due to rapid growth. In addition, they did not adequately survey parallel techniques for spatiotemporal data mining. This paper provides a more up-to-date survey of spatiotemporal data mining methods. Furthermore, it has a detailed survey of parallel formulations of spatiotemporal data mining.

研究动机与目标

• 提供一份更新的、全面的时空数据挖掘方法综述，以填补近期文献中的空白。
• 系统性地对时空数据挖掘中的六类主要输出模式家族进行分类与分析。
• 对时空数据挖掘的并行算法形式进行详细综述，该领域在以往综述中常被忽视。
• 回顾当前高性能、可扩展且开源的软件工具，以支持大规模时空数据的高效并行处理。
• 识别新兴研究趋势与未来方向，特别是在复杂模式检测以及与现代计算架构的集成方面。

提出的方法

• 本文对时空数据挖掘进行了结构化的文献综述，根据模式家族和计算框架（串行与并行）对方法进行分类。
• 综述了统计基础与计算挑战，包括数据体量、速度和多样性，这些因素影响可扩展性与准确性。
• 分析了六类模式家族的检测技术：时空异常值、远距离耦合、预测、划分/汇总、热点区域和变化检测。
• 综述包括对并行实现的详细考察，例如在卫星影像中用于变化检测的并行高斯分布与KL散度计算。
• 评估了包括ArcGIS、QGIS、R包（如pbdNCDF4）、Python的TensorFlow，以及基于Apache Spark的STARK、GeoSpark和SpatialHadoop等大数据平台在内的工具与框架。
• 该方法整合了领域特定的应用案例（如犯罪模式、气候变化、移动数据），以说明其在现实世界中的适用性与计算需求。

实验结果

研究问题

• RQ1 与数据体量、速度和多样性相关的时空数据挖掘关键挑战是什么？
• RQ2 在串行与并行框架中，热点区域、异常值和变化检测等不同模式家族在检测方法上存在哪些差异？
• RQ3 为何以往综述中对时空数据挖掘的并行技术关注不足？其当前的发展状态如何？
• RQ4 哪些现代软件工具与框架能够支持大规模时空数据的可扩展并行处理？
• RQ5 在时空数据挖掘中，未来最具前景的研究方向是什么，特别是针对级联事件或基于矢量的变化足迹等复杂模式？

主要发现

• 综述发现，尽管数据规模和计算需求持续增长，但用于时空数据挖掘的并行计算技术仍处于未充分探索状态。
• 已通过并行多核架构在卫星影像中实现可扩展的概率变化检测，显著提升了处理大规模栅格数据集的效率。
• 循环卷积神经网络（RNNs）已成功应用于并行处理，以从卫星数据中提取时空特征，提升了模式检测的准确性。
• GeoSpark、STARK和SpatialHadoop等大数据平台为分布式空间与时间分析提供了强大支持，可实现实时处理TB级数据集。
• 现有工具如QGIS和ArcGIS通过OpenCL和CUDA支持并行处理，但许多统计包（如gstat、geoR）在并行实现方面仍存在局限。
• 未来研究应聚焦于将并行处理扩展至复杂模式，如远距离耦合、基于矢量的变化足迹，以及具有多属性动态的时空棱柱。