隨著互聯(lián)網(wǎng)的高速發(fā)展、智能移動(dòng)設(shè)備的普及、定位系統(tǒng)的廣泛應(yīng)用,基于位置服務(wù)的應(yīng)用程序越來(lái)越多,用戶數(shù)量得到了質(zhì)的飛躍。智能移動(dòng)設(shè)備的用戶數(shù)量日益龐大,他們使用位置服務(wù)存儲(chǔ)自己的位置信息或與位置相應(yīng)的信息,最終聚集了海量的用戶位置數(shù)據(jù)。用數(shù)據(jù)挖掘的方法探索海量的簽到數(shù)據(jù),可以得出研究對(duì)象的聚集點(diǎn)、對(duì)象分布、城市熱點(diǎn)等基本信息,再用空間分析的方法探索簽到數(shù)據(jù)與道路、POI(Point of Interest興趣點(diǎn))的關(guān)系,探索城市的發(fā)展現(xiàn)狀、時(shí)空分布特征,為城市智慧化的設(shè)計(jì)、城市資源的合理分配提供理論的依據(jù)。本文采用Python的Scrapy框架爬取新浪微博簽到數(shù)據(jù),提出了以最短路徑為基礎(chǔ)的DBSCAN聚類算法,研究基于位置簽到及POI的濟(jì)南市熱點(diǎn)區(qū)域時(shí)空特征,主要的研究?jī)?nèi)容和成果如下:(1)研究了新浪微博用戶簽到數(shù)據(jù)的獲取方法�，F(xiàn)如今,由于Python的Scrapy框架開(kāi)源、免費(fèi)使用等特點(diǎn),被廣泛用于網(wǎng)絡(luò)數(shù)據(jù)的獲取。我們可以分析獲取的數(shù)據(jù)各個(gè)字段的意義,并用Python編寫(xiě)程序做適當(dāng)?shù)奶幚?再用爬蟲(chóng)程序獲得微博POI并寫(xiě)入Oracle中,將用戶發(fā)布的微博與POI相連接,形成POI簽到數(shù)據(jù)...

【文章來(lái)源】： 山東理工大學(xué)山東省

【文章頁(yè)數(shù)】：66 頁(yè)

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
第二章 研究區(qū)概況和數(shù)據(jù)獲取及處理
    2.1 研究區(qū)概況
        2.1.1 自然地理概況
        2.1.2 社會(huì)經(jīng)濟(jì)概況
        2.1.3 濟(jì)南市簽到用戶現(xiàn)狀
    2.2 研究數(shù)據(jù)采集
        2.2.1 基于微博API的數(shù)據(jù)獲取
        2.2.2 基于Scrapy框架的數(shù)據(jù)獲取
    2.3 研究數(shù)據(jù)解析
        2.3.1 研究數(shù)據(jù)分析
        2.3.2 地理位置獲取
        2.3.3 研究數(shù)據(jù)處理
    2.4 相關(guān)概念
        2.4.1 Python語(yǔ)言
        2.4.2 地理信息系統(tǒng)
        2.4.3 聚類分析
        2.4.4 緩沖區(qū)分析
        2.4.5 核密度分析
    2.5 本章小結(jié)
第三章 基于最短路徑的DBSCAN聚類算法
    3.1 聚類分析
        3.1.1 聚類分析基本概念
        3.1.2 相似性
        3.1.3 距離
        3.1.4 聚類方法分類
    3.2 DBSCAN聚類算法
        3.2.1 基本定義
        3.2.2 主要思想
        3.2.3 DBSCAN聚類算法
    3.3 基于最短路徑的DBSCAN聚類算法
        3.3.1 網(wǎng)絡(luò)數(shù)據(jù)集
        3.3.2 網(wǎng)絡(luò)分析類型—路徑分析
        3.3.3 ArcEngine中的路徑分析
    3.4 本章小結(jié)
第四章 實(shí)驗(yàn)與分析
    4.1 簽到數(shù)據(jù)再處理
    4.2 空間自相關(guān)性
        4.2.1 概念
        4.2.2 實(shí)驗(yàn)數(shù)據(jù)的空間自相關(guān)性
    4.3 基于最短路徑的DBSCAN算法實(shí)現(xiàn)
        4.3.1 數(shù)據(jù)聚類分析
        4.3.2 熱點(diǎn)區(qū)域聚類分析
    4.4 標(biāo)準(zhǔn)差橢圓分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
在讀期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]2017,濟(jì)南城市結(jié)構(gòu)這樣變 [J]. 王冉.  走向世界. 2017(03)
[2]基于微博大數(shù)據(jù)的西安國(guó)內(nèi)游客日內(nèi)時(shí)間分布模式研究 [J]. 唐佳,李君軼.  人文地理. 2016(03)
[3]利用核密度與空間自相關(guān)進(jìn)行城市設(shè)施興趣點(diǎn)分布熱點(diǎn)探測(cè) [J]. 禹文豪,艾廷華,楊敏,劉紀(jì)平.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2016(02)
[4]設(shè)施POI分布熱點(diǎn)分析的網(wǎng)絡(luò)核密度估計(jì)方法 [J]. 禹文豪,艾廷華,劉鵬程,何亞坤.  測(cè)繪學(xué)報(bào). 2015(12)
[5]Point-of-Interest Recommendation in LocationBased Social Networks with Personalized Geo-Social Influence [J]. HUANG Liwei,MA Yutao,LIU Yanbo.  中國(guó)通信. 2015(12)
[6]地理社交網(wǎng)絡(luò)位置推薦 [J]. 景寧,王躍華,鐘志農(nóng),吳燁.  國(guó)防科技大學(xué)學(xué)報(bào). 2015(05)
[7]基于微博簽到數(shù)據(jù)的景區(qū)旅游活動(dòng)時(shí)空行為特征研究——以南京鐘山風(fēng)景名勝區(qū)為例 [J]. 張子昂,黃震方,靳誠(chéng),關(guān)健,曹芳東.  地理與地理信息科學(xué). 2015(04)
[8]基于簽到數(shù)據(jù)的城市活動(dòng)時(shí)空間動(dòng)態(tài)變化及區(qū)劃研究 [J]. 王波,甄峰,張浩.  地理科學(xué). 2015(02)
[9]大數(shù)據(jù)在智慧城市研究與規(guī)劃中的應(yīng)用 [J]. 甄峰,秦蕭.  國(guó)際城市規(guī)劃. 2014(06)
[10]基于位置簽到數(shù)據(jù)的城市分層地標(biāo)提取 [J]. 王明,胡慶武,李清泉,秦龍焜.  計(jì)算機(jī)學(xué)報(bào). 2016(02)

博士論文
[1]基于位置簽到數(shù)據(jù)的城市地標(biāo)提取與商圏挖掘研究[D]. 王明.武漢大學(xué). 2015
[2]基于位置社交網(wǎng)絡(luò)的數(shù)據(jù)挖掘[D]. 連德富.中國(guó)科學(xué)技術(shù)大學(xué). 2014
[3]社會(huì)化媒體中若干時(shí)空相關(guān)的推薦問(wèn)題研究[D]. 陰紅志.北京大學(xué). 2014

碩士論文
[1]基于LBSN簽到數(shù)據(jù)的用戶行為預(yù)測(cè)與興趣點(diǎn)推薦[D]. 王凱慈.南京郵電大學(xué). 2016
[2]基于位置的社交網(wǎng)絡(luò)中的POI推薦問(wèn)題的研究[D]. Pakhomova Kristina.哈爾濱工業(yè)大學(xué). 2016
[3]基于社交環(huán)境和時(shí)空數(shù)據(jù)的個(gè)性化位置推薦研究[D]. 栗恒.重慶大學(xué). 2016
[4]基于位置服務(wù)的隱私保護(hù)研究[D]. 林少聰.福建師范大學(xué). 2015
[5]基于眾源地理數(shù)據(jù)的上海市旅游目的地關(guān)注度研究[D]. 沈霖.上海師范大學(xué). 2015
[6]基于用戶簽到數(shù)據(jù)的行為分析及預(yù)測(cè)研究[D]. 宋楊.北京郵電大學(xué). 2015
[7]基于位置服務(wù)數(shù)據(jù)的城市活動(dòng)空間研究[D]. 王波.南京大學(xué). 2013
[8]基于地理位置的社交網(wǎng)絡(luò)潛在用戶和位置推薦模型研究[D]. 朱榮鑫.南京郵電大學(xué). 2013



本文編號(hào)：3531609