移動(dòng)互聯(lián)網(wǎng)時(shí)代是位置大數(shù)據(jù)的時(shí)代,隨著位置定位生成的數(shù)據(jù)越來越多,位置數(shù)據(jù)分析的研究也愈發(fā)火熱。目前針對(duì)位置數(shù)據(jù)的普遍處理方法是采用傳統(tǒng)的數(shù)據(jù)處理方法后,對(duì)分析結(jié)果進(jìn)行可視化呈現(xiàn),不能滿足用戶需求,實(shí)現(xiàn)與模型的交互;或者針對(duì)位置數(shù)據(jù)的分析局限于用戶的目標(biāo)需求,忽視了規(guī)模數(shù)據(jù)由于采集時(shí)間閾值以及地圖平面分布所造成的稀疏性以及在采集過程中用戶偏好所造成的不均衡性等屬性,最終降低了位置數(shù)據(jù)分析的精度。本文從位置數(shù)據(jù)的時(shí)空屬性出發(fā),利用時(shí)間序列分析以及位置數(shù)據(jù)分區(qū)技術(shù)解決了稀疏性,同時(shí)利用模式劃分解決了不均衡性,在這過程中進(jìn)行了交互,滿足用戶需求,使得位置數(shù)據(jù)的分析與可視化成為了研究重點(diǎn)。本文圍繞數(shù)據(jù)平臺(tái)針對(duì)用戶進(jìn)行位置數(shù)據(jù)分析的背景與需求,對(duì)基于位置的數(shù)據(jù)分析過程中所需要的相關(guān)理論知識(shí)以及技術(shù)方案進(jìn)行了研究,最終設(shè)計(jì)并開發(fā)完成基于位置的數(shù)據(jù)分析系統(tǒng)。主要研究內(nèi)容有:1.融入時(shí)序劃分技術(shù),解決了數(shù)據(jù)稀疏性。本文在位置數(shù)據(jù)的時(shí)間特性上,利用貝葉斯變點(diǎn)檢測(cè)進(jìn)行了劃分,同時(shí)結(jié)合基本分析,設(shè)計(jì)了本系統(tǒng)在時(shí)間序列上的分析流程,并實(shí)現(xiàn)了基本分析,時(shí)序劃分等功能模塊。2.引進(jìn)了位置數(shù)據(jù)的模式劃分,解決了數(shù)據(jù)不均衡性。本文利用關(guān)系管理模型RFM以及聚類模型K-MEANS,完成數(shù)據(jù)模式劃分,并按需對(duì)相應(yīng)模式進(jìn)行輸出,實(shí)現(xiàn)了增量聚類,模式篩選等功能模塊。3.實(shí)現(xiàn)了位置區(qū)域的劃分,進(jìn)行按需輸出。本文在滿足用戶區(qū)域設(shè)置的要求下,利用DBSCAN聚類模型,完成了位置點(diǎn)數(shù)據(jù)與區(qū)域面數(shù)據(jù)的轉(zhuǎn)換。同時(shí),依據(jù)用戶需求,對(duì)特定領(lǐng)域上區(qū)域面進(jìn)行輸出的過程,并實(shí)現(xiàn)了區(qū)域生成,領(lǐng)域匹配等功能模塊。4.研究規(guī)模數(shù)據(jù)的SPARK處理流程化以及位置數(shù)據(jù)可視化的技術(shù)方案。本文的可交互模型,滿足了用戶需求,將零散的技術(shù)以功能模塊的形式進(jìn)行整合,最終轉(zhuǎn)化為完整的系統(tǒng)。最后,通過雙例測(cè)試驗(yàn)證了這些方法的有效性�；谏鲜鲅芯績�(nèi)容和成果,本文構(gòu)建并實(shí)現(xiàn)了基于位置的數(shù)據(jù)分析系統(tǒng),該系統(tǒng)能夠針對(duì)稀疏性以及不均衡性,滿足用戶需求,引入時(shí)序劃分,模式劃分,位置分區(qū)以及領(lǐng)域匹配技術(shù),從而為數(shù)據(jù)系統(tǒng)輸出指定領(lǐng)域下的區(qū)域面,實(shí)現(xiàn)了位置數(shù)據(jù)的分析,以便用戶有效獲取所需的知識(shí)。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP311.52
【部分圖文】：

（ａ）原始數(shù)據(jù)?（ｂ）?ｋ－ｍｅａｎｓ聚類結(jié)果?（ｃ）?ＤＢＳＣＡＮ聚類結(jié)果??圖２－１不均衡數(shù)據(jù)的聚類對(duì)比圖??本文的數(shù)據(jù)模式分類需求是在解決不均衡性上提出來，以期望對(duì)數(shù)據(jù)屬性??進(jìn)一步挖掘。因此，如上圖所示，基于劃分的聚類Ｋ－ｍｅａｎｓ與本文的分離數(shù)據(jù)??需求更為貼切，因此采用Ｋ－ｍｅａｎｓ聚類來分離數(shù)據(jù)。??１２??

圖２－４生成ＰＯＬＹＧＯＮ對(duì)比圖??通過父集求取完成匹配過程的過程，不同Ｐｏｌｙｇｏｎ對(duì)象可以通過使用函數(shù)??ｉｎｔｅｒｓｅｃｔｉｏｎ（）進(jìn)行求取。其中圖２－４中（３）的白色部分即為兩個(gè)ｐｏｌｙｇｏｎ根據(jù)該函??數(shù)求取的交集部分。??ｂ）高德地圖ＡＰＩ??位置數(shù)據(jù)由于自身的點(diǎn)線面屬性，在面向高德ＡＰＩ進(jìn)行地圖上的呈現(xiàn)時(shí)，??需要對(duì)這三方面的位置數(shù)據(jù)進(jìn)行討論。??高德ＡＰＩ提供了豐富的類庫以滿足開發(fā)者的各種開發(fā)需求，這些類庫涵??蓋：覆蓋物、圖層等，其中覆蓋物包含點(diǎn)，線，面。利用ＡＰＩ與系統(tǒng)前端的交??互，采用ｊｓｏｎ串進(jìn)行數(shù)據(jù)傳輸，向個(gè)人網(wǎng)站輸出地圖頁面，方面位置數(shù)據(jù)分??析。??其中，關(guān)于點(diǎn)，線，面的分別基于ＬｎｇＬａｔ，Ｐｏｌｙｌｉｎｅ，?Ｐｏｌｙｇｏｎ這三種格式??進(jìn)行存儲(chǔ)，利用ｊｓｏｎ串進(jìn)行前端與ＡＰＩ的交互。如圖２－５，從左到右，１，?２，３??分別為對(duì)點(diǎn)，線，面的展示。??

?〇??ＢｕｆＦｅｒ〇?（＾７＾??圖２－４生成ＰＯＬＹＧＯＮ對(duì)比圖??通過父集求取完成匹配過程的過程，不同Ｐｏｌｙｇｏｎ對(duì)象可以通過使用函數(shù)??ｉｎｔｅｒｓｅｃｔｉｏｎ（）進(jìn)行求取。其中圖２－４中（３）的白色部分即為兩個(gè)ｐｏｌｙｇｏｎ根據(jù)該函??數(shù)求取的交集部分。??ｂ）高德地圖ＡＰＩ??位置數(shù)據(jù)由于自身的點(diǎn)線面屬性，在面向高德ＡＰＩ進(jìn)行地圖上的呈現(xiàn)時(shí)，??需要對(duì)這三方面的位置數(shù)據(jù)進(jìn)行討論。??高德ＡＰＩ提供了豐富的類庫以滿足開發(fā)者的各種開發(fā)需求，這些類庫涵??蓋：覆蓋物、圖層等，其中覆蓋物包含點(diǎn)，線，面。利用ＡＰＩ與系統(tǒng)前端的交??互，采用ｊｓｏｎ串進(jìn)行數(shù)據(jù)傳輸，向個(gè)人網(wǎng)站輸出地圖頁面，方面位置數(shù)據(jù)分??析。??其中，關(guān)于點(diǎn)，線，面的分別基于ＬｎｇＬａｔ，Ｐｏｌｙｌｉｎｅ，?Ｐｏｌｙｇｏｎ這三種格式??進(jìn)行存儲(chǔ)，利用ｊｓｏｎ串進(jìn)行前端與ＡＰＩ的交互。如圖２－５，從左到右，１，?２，３??分別為對(duì)點(diǎn)
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣宏宇;吳亞東;趙韋鑫;唐楷;;面向用戶行為理解的移動(dòng)通訊數(shù)據(jù)可視分析[J];浙江大學(xué)學(xué)報(bào)(理學(xué)版);2018年01期

2 暢玉潔;;大數(shù)據(jù)時(shí)代下的數(shù)據(jù)可視化方法[J];電子技術(shù)與軟件工程;2018年01期

3 曾俊;;一種基于Hadoop架構(gòu)的并行挖掘算法研究[J];現(xiàn)代電子技術(shù);2018年01期

4 秦栓栓;;關(guān)于滴滴順風(fēng)車載客問題研究[J];信息技術(shù)與信息化;2017年12期

5 黃震;錢育蓉;范迎迎;杜嬌;;Spark下遙感大數(shù)據(jù)特征提取的加速策略[J];計(jì)算機(jī)工程與設(shè)計(jì);2017年12期

6 英昌甜;于炯;卞琛;王維慶;魯亮;錢育蓉;;基于RDD關(guān)鍵度的Spark檢查點(diǎn)管理策略[J];計(jì)算機(jī)研究與發(fā)展;2017年12期

7 吳玉珍;李小龍;劉波;譚永濱;;時(shí)空軌跡頻繁模式挖掘研究進(jìn)展[J];江西科學(xué);2017年06期

8 耿晴;李兵;詹偉;;面向時(shí)空信息數(shù)據(jù)的大數(shù)據(jù)平臺(tái)設(shè)計(jì)[J];地理空間信息;2017年10期

9 喬百友;朱俊海;鄭宇杰;申木川;王國仁;;一種基于Spark的多路空間連接查詢處理算法[J];計(jì)算機(jī)研究與發(fā)展;2017年07期

10 丁祥武;譚佳;王梅;;一種分類數(shù)據(jù)聚類算法及其高效并行實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用與軟件;2017年07期

相關(guān)博士學(xué)位論文 前1條

1 向峰;基于移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)的用戶行為與城市感知研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前2條

1 訾憲娟;基于浮動(dòng)車軌跡數(shù)據(jù)的路網(wǎng)重構(gòu)和地圖匹配[D];山東大學(xué);2016年

2 李翊;基于貝葉斯方法的均勻分布變點(diǎn)的估計(jì)[D];北京交通大學(xué);2014年

本文編號(hào)：2871138