隨著RFID、WiFi、ZigBee等定位技術在礦井下的廣泛應用,井下移動人員的行走軌跡能夠被精確追蹤并產生海量的定位數(shù)據(jù),但目前在井下人員管理系統(tǒng)中這些數(shù)據(jù)僅被用來考勤和歷史位置查詢。因此如何有效利用定位數(shù)據(jù),挖掘出隱藏的軌跡信息,擴展井下人員定位系統(tǒng)功能,通過軌跡數(shù)據(jù)分析礦工的異常行為,逐漸成為數(shù)據(jù)挖掘技術在煤礦領域應用的重要研究方向�；诖�,本文結合煤礦的實際情況,利用數(shù)據(jù)挖掘技術,針對煤礦井下人員的熱點區(qū)域分布和異常軌跡分析這兩個方面展開研究。首先,針對本文的研究內容,利用大數(shù)據(jù)相關技術結合煤礦井下人員定位數(shù)據(jù),提出了井下人員挖掘模型。該模型分為數(shù)據(jù)采集、數(shù)據(jù)處理和可視化三部分。其次,針對現(xiàn)有熱點區(qū)域發(fā)現(xiàn)算法無法識別多密度的問題,提出了井下移動對象活動熱點識別KL_TM框架。該框架包括候選關鍵位置篩選算法和熱點區(qū)域過濾算法兩部分,降低了數(shù)據(jù)冗余度和計算復雜度,有效解決多密度時空軌跡數(shù)據(jù)的熱點區(qū)域發(fā)現(xiàn)問題。然后,針對現(xiàn)有異常軌跡研究沒有考慮時間屬性的問題,結合礦井下的定位數(shù)據(jù)存在宏觀海量、微觀稀疏的屬性,提出了基于離群點的異常軌跡篩選IMTRAOD算法。該算法不僅考慮到了軌跡的空... 

【文章來源】：中國礦業(yè)大學江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：98 頁

【學位級別】：碩士

【部分圖文】：

論文組織結構圖

2 井下人員軌跡挖掘模型2 井下人員軌跡挖掘模型2 Trajectory Mining Model for Coal Miners移動對象軌跡數(shù)據(jù)挖掘是利用軌跡數(shù)據(jù)進行處理來達到實際的應用目的[49]，本文建立的井下人員軌跡挖掘模型如圖 2-1 所示，包括軌跡數(shù)據(jù)采集、數(shù)據(jù)預處理、相關模型的建立、軌跡數(shù)據(jù)的挖掘和可視化過程。

常軌跡可視化，建設一個高效率的大數(shù)據(jù)平臺。下軌跡數(shù)據(jù)的獲�。ˋcquisition of Trajectory Data的收集是研究的最重要環(huán)節(jié)，只有真實的數(shù)據(jù)才能驗證方法的下面介紹一下煤礦井下常用的獲取人員軌跡的相關定位方法。）射頻識別技術（RFID）D[50,51]是一種利用無線電識別相應目標的通信技術，目前被煤用。井下 RFID 系統(tǒng)示意圖如圖 2-2 所示，系統(tǒng)主要由讀卡器端監(jiān)控主機組成，其中讀卡器不僅可以接收射頻卡發(fā)出的電磁線發(fā)射無線電信號。在礦井下的重要位置安裝讀卡器，當?shù)V井的射頻卡進入讀卡器范圍內，讀卡器通過與射頻卡的通信來獲而實現(xiàn)定位。在礦井下的巷道內按照一定的規(guī)則安放讀卡器，員的位置檢測。射頻識別系統(tǒng)結構簡單，成本低，能夠滿足井人員考勤等基本需求，得到了廣泛應用。

【參考文獻】：
期刊論文
[1]智能礦井安全生產大數(shù)據(jù)集成分析平臺及其應用[J]. 毛善君,劉孝孔,雷小鋒,趙仁樂,張明,崔希國.  煤炭科學技術. 2018(12)
[2]大數(shù)據(jù)理論下的煤與瓦斯突出事故致因分析[J]. 司鵠,趙劍楠,胡千庭.  西安科技大學學報. 2018(04)
[3]大數(shù)據(jù)在煤礦安全領域應用方法研究[J]. 李東,周勇.  中國煤炭. 2018(07)
[4]基于大數(shù)據(jù)分析的煤礦安全風險預測系統(tǒng)研究[J]. 郜彤,劉傳安.  煤炭工程. 2018(07)
[5]基于HBase的支持頻繁更新與多用戶并發(fā)的R樹[J]. 王波濤,梁偉,趙凱利,鐘漢輝,張玉圻.  計算機科學. 2018(07)
[6]淺談大數(shù)據(jù)在煤礦安全領域的應用——“智慧礦井”[J]. 朱紅青,梁曉,史宇辰.  安全. 2018(07)
[7]基于Hadoop的煤炭企業(yè)風險預控管理云平臺的設計[J]. 許俊,劉海濱.  煤炭技術. 2018(06)
[8]智慧煤礦2025情景目標和發(fā)展路徑[J]. 王國法,王虹,任懷偉,趙國瑞,龐義輝,杜毅博,張金虎,侯剛.  煤炭學報. 2018(02)
[9]基于礦山物聯(lián)網的井下物資管理系統(tǒng)設計[J]. 高彬,丁恩杰,董飛,趙端,張帝.  工礦自動化. 2018(01)
[10]基于區(qū)域劃分的DBSCAN多密度聚類算法[J]. 韓利釗,錢雪忠,羅靖,宋威.  計算機應用研究. 2018(06)

博士論文
[1]半監(jiān)督聚類算法對于流和多密度數(shù)據(jù)[D]. 阿特瓦（Walid Said Abdelhamid Atwa）.北京理工大學 2015
[2]基于網格方法的聚類算法研究[D]. 孫玉芬.華中科技大學 2006

碩士論文
[1]基于出租車軌跡數(shù)據(jù)的并行化區(qū)域熱點分析方法研究[D]. 高星星.西安理工大學 2018
[2]基于時空數(shù)據(jù)的移動對象相似性度量方法研究[D]. 呂紹仟.中國礦業(yè)大學 2017
[3]基于ZigBee的礦山井下人員定位系統(tǒng)的設計和研究[D]. 李睿.南華大學 2016
[4]基于數(shù)據(jù)挖掘的井下作業(yè)人員監(jiān)測信息的應用研究[D]. 韓霜.華北電力大學 2015
[5]基于HMM模型的老年人出行異常檢測研究[D]. 劉翔.浙江理工大學 2015
[6]室內移動對象軌跡分析研究[D]. 黃川林.中國科學技術大學 2014
[7]移動對象軌跡的數(shù)據(jù)挖掘研究[D]. 陳錦陽.寧波大學 2012
[8]移動對象軌跡分析技術研究[D]. 譚川豫.國防科學技術大學 2010
[9]基于RFID與CAN的煤礦井下人員定位系統(tǒng)研究[D]. 柯建華.北京交通大學 2006



本文編號：2900672