Skip to main content
SpringerLink
Log in

Räumliches Data-Mining und Big Geospatial Data

  • Chapter
  • First Online:
Geoinformatik

Part of the book series: Springer Reference Naturwissenschaften ((SRN))

  • 3511 Accesses

Zusammenfassung

Im Zusammenhang mit der flächendeckenden Digitalisierung der Erdoberfläche geht dieses Kapitel auf die Eigenschaften der Big Data und die damit verbundenen wissenschaftlichen Herausforderungen für das Data-Mining ein. Die Rolle des raumzeitlichen Data-Mining für die Handhabung mit dem Big-Data-Ökosystem wird hervorgehoben. Einige exemplarische Forschungs- und Entwicklungsergebnisse entlang des Wertschöpfungsprozesses von Geodaten-Matching, Event-Mining bis hin zur Verhaltensinterpretation anhand der GPS-Trajektorien werden vorgestellt

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 119.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 129.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. Arsanjani, J., Zipf, A., Mooney, P. und Helbich, M.: An introduction to OpenStreetMap in geographic information science. In: Arsanjani, J., Zipf, A., Mooney, P., Helbich, M. (Hrsg.) OpenStreetMap in GIScience – Experiences, Research and Appllications. Springer Lecture Notes in Geoinformation and Cartography, S. 1–15. Springer, Cham/Heidelberg (2015)

    Google Scholar 

  2. Bond, R.-M., Fariss, C.-J., Jones, J.-J., Kramer, A.D.I., Marlow, C., Settle, J.-E., Fowler, J.-H.: A 61-million-person experiment in social influence and political mobilization. Nature 489, 295–298 (2012)

    Article  Google Scholar 

  3. Crawford, K.: The hidden biases in big data Harvard Business Review. https://hbr.org/2013/04/the-hidden-biases-in-big-data (2013)

  4. Ding, L., Fan, H., Meng, L.: Understanding taxi driving behaviors from movement data. In: AGILE’2015, Lisbon, 9–12 June 2015

    Google Scholar 

  5. Ding, L., Yang, J., Meng, L.: Visual analytics for understanding traffic flows of transport hubs from movement data. In: Proceedings International Cartographic Conference 2015, Rio de Janeiro, 23–28 Aug 2015

    Google Scholar 

  6. Hackeloeer, A., Klasing, K., Krisp, J.M., Meng, L.: Comparision of point matching techniques for road network matching. In: Shi, W., Wu, B., Stein, A. (Hrsg.) Uncertainty Modelling and Quality Control for Spatial Data. Tayler & Francis Group, London (2015)

    Google Scholar 

  7. Kremer, H., Kranen, P., Jansen, T., Seidl, T., Bifet, A., Holmes, G., Pfahringer, B.: An effective evaluation measure for clustering on evolving data streams. In: Proceedings of the 17th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, San Diego (2011)

    Google Scholar 

  8. Kubat, M., Bratko, I., Michalski, R.-S.: A review of machine learning methods. In: Michalski et al. (Hrsg.) Machine Learning and Data Mining – Methods and Applications, S. 3–69. John Wiley, New York (1998)

    Google Scholar 

  9. Lazer, D., Kennedy, R., King, G., Vespignani, A.: The parable of Google flu: traps in big data analysis. Science 343, 1203–1205 (2014)

    Article  Google Scholar 

  10. Liu, L.: Data model and algorithms for multimodal route planning with transportation networks. Dissertation, Lehrstuhl für Kartographic, TUM (2010)

    Google Scholar 

  11. Meng, L.: Kartographie für Jedermann und Jedermann für Kartographie – Warum und Wie? Kartographische Nachrichten, S. 246–253 (2011)

    Google Scholar 

  12. Mertens, P., Wieczorrek, H.-W.: Data X Strategien: data warehouse, data mining und operationale Systeme für die Praxis Kapitel 2. Springer, Heidelberg (2013)

    Google Scholar 

  13. Mooney, P.: An outlook for OpenStreetMap. In: Arsanjani, J., Zipf, A., Mooney, P., Helbich, M. (Hrsg.) OpenStreetMap in GIScience – Experiences, Research and Appllications. Springer Lecture Notes in Geoinformation and Cartography, S. 319–324. Springer Cham, Heidelberg (2015)

    Google Scholar 

  14. Polous, K., Krisp, J., Meng, L., Xiao, J., Shrestha, B.: OpenEventMap; a volunteered location based service. In: Proceedings of International Cartographic Conference, Rio de Janeiro, 23–28 Aug 2015

    Google Scholar 

  15. Roder, I., Leymüller, M., Leitner M.: Geographische Analysemaschine (GAM) – Eine Sensitivitätsanalyse einer innovativen und explorativen Methode zur Identifikation räumlicher Punktcluster. AGIT-Symposium Salzburg. www.agit.at/php_files/myagit/papers/papers_detail.php?kategorie=FPR&Veranstaltung=2001&Spezial=0 (2001)

  16. Schoeneberg, K.-P., Pein, J.: Einsatz fortschrittlicher Visualisierungsmöglichkeiten zur Komplexitätsbeherrschung betriebswirtschaftlicher Sachverhalte im Unternehmen. In: Schoeneberg, K.-P. (Hrsg.) Komplexitätsmanagement in Unternehmen, S. 309–354. Gabler Verlag, Wiesbaden (2014)

    Chapter  Google Scholar 

  17. Sui, L., Meng, L.: Adding the value of NavTech road database: an implementation of spatial data mining techniques. J. Geogr. Sci., Acta Geogr. Sin. 11, 69–73 (2001). Beijing

    Google Scholar 

  18. Zhang, J.: A congruent hybrid model for conflation of satellite image and road database. Dissertation, Lehrstuhl für Kartographie, TUM (2013)

    Google Scholar 

  19. Zhang, M.: Methods and implementations of road-network matching. Dissertation, Lehrstuhl für Kartographie, TUM (2009)

    Google Scholar 

  20. Zhang, M., Yao, W., Meng, L.: Enrichment of topographic road database for the purpose of routing and navigation. Int. J. Digit. Earth (2012). https://doi.org/10.1080/17538947.2012.717110

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Lehrstuhl für Kartographie, TU München, München, Deutschland

    Liqiu Meng

Authors
  1. Liqiu Meng
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Liqiu Meng .

Editor information

Editors and Affiliations

  1. Hannover, Germany

    Monika Sester

Rights and permissions

Reprints and permissions

Copyright information

© 2019 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Meng, L. (2019). Räumliches Data-Mining und Big Geospatial Data. In: Sester, M. (eds) Geoinformatik. Springer Reference Naturwissenschaften . Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-47096-1_70

Download citation

Publish with us

Policies and ethics

Search

Navigation