發(fā)布時間：2021-04-25 01:03

　　社會老齡化使人們對老人的監(jiān)護壓力越來越大,因而老人獨自外出并發(fā)生跌倒、走失的情況屢見報端。同時,隨著定位技術的發(fā)展,許多老人佩戴了具有位置服務的可穿戴設備。因此,通過位置服務檢測老人出行異常,預測老人位置,對增強監(jiān)護人對老人出行過程的監(jiān)護具有重要意義。近年來,國內外學者對異常檢測和位置預測進行了許多研究,但針對老人的研究較少,且大部分研究僅考慮單一場景,無法形成易于落地的方法體系。在總結前人研究的基礎上,本文把老人的出行異常情況分為出行位置異常、出行時間異常和停留時間異常,將老人位置預測的場景分為離線位置預測和實時位置預測,然后提出新的異常檢測方法和位置預測方法。本文的具體工作如下:1.對于軌跡預處理,本文提出了一種融合中值和均值濾波器的降噪方法和一種基于安全區(qū)域的軌跡分割方法。該降噪方法可以濾除大偏移噪聲、平滑小偏移噪聲,且具有較低的算法復雜度。該軌跡分割方法將老人住所及附近區(qū)域視為安全區(qū),將安全區(qū)外的軌跡作為出行軌跡保留下來。該方法既能截取有效出行軌跡又減少了數據量。2.在出行異常檢測方面,本文首先提出一種改進的分段DTW軌跡相似性度量方法,該算法提高了相似性度量的精度,降低了計算... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數】：90 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 課題的研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 課題研究現狀
        1.2.1 軌跡異常檢測方法研究現狀
        1.2.2 位置預測方法研究現狀
        1.2.3 研究現狀總結
    1.3 論文的主要工作及章節(jié)安排
        1.3.1 論文研究內容和貢獻
        1.3.2 論文章節(jié)安排
    1.4 本章小結
第二章 老人出行異常檢測和位置預測系統(tǒng)
    2.1 老人出行特點介紹
        2.1.1 獨行老人出行特點
        2.1.2 異常情況分類和預測場景劃分
        2.1.3 相關概念定義
    2.2 本文研究框架
    2.3 軌跡數據挖掘理論簡介
        2.3.1 軌跡數據挖掘框架
        2.3.2 軌跡分段方法介紹
        2.3.3 軌跡相似性度量算法介紹
        2.3.4 軌跡聚類算法介紹
    2.4 本章小結
第三章 軌跡數據預處理
    3.1 軌跡序列降噪
    3.2 軌跡數據歸一化
    3.3 軌跡序列分割
        3.3.1 軌跡分割總流程
        3.3.2 安全區(qū)域劃分
    3.4 實驗與分析
    3.5 本章小結
第四章 基于網格區(qū)域序列的老人出行異常檢測方法
    4.1 基于分段DTW算法的老人軌跡特征提取
        4.1.1 算法總體流程
        4.1.2 改進的分段DTW軌跡相似性度量方法
        4.1.3 老人出行軌跡特征庫的構建
    4.2 基于網格區(qū)域序列的出行異常檢測方法
        4.2.1 異常檢測流程
        4.2.2 實時軌跡的網格區(qū)映射
    4.3 實驗與分析
        4.3.1 特征提取算法的實驗與分析
        4.3.2 異常檢測算法的實驗和分析
    4.4 本章小結
第五章 基于歷史軌跡特征的老人位置預測
    5.1 基于時間加權樹的老人實時位置預測
        5.1.1 關鍵地點提取
        5.1.2 老人實時位置預測
    5.2 基于時間匹配的離線位置預測
        5.2.1 歷史軌跡建模
        5.2.2 離線位置預測
    5.3 實驗與分析
        5.3.1 老人實時位置預測算法實驗驗證
        5.3.2 老人離線位置預測算法實驗驗證
    5.4 本章小結
第六章 老人出行異常檢測與位置預測軟件系統(tǒng)設計
    6.1 監(jiān)護人終端軟件的設計
        6.1.1 系統(tǒng)功能模塊設計
        6.1.2 監(jiān)護人終端軟件展示
    6.2 服務端原型系統(tǒng)設計
        6.2.1 系統(tǒng)功能設計
        6.2.2 后臺管理網站展示
    6.3 本章小結
第七章 總結與展望
    7.1 本文工作總結
    7.2 未來研究展望
參考文獻
致謝
作者簡介



本文編號：3158403