當(dāng)前,智能終端在人們的生活中發(fā)揮越來越大的作用,地理位置信息可以服務(wù)于智能交通領(lǐng)域,諸如交通流量和擁堵的預(yù)測以及解決方案的設(shè)計,車輛運行時候的導(dǎo)航路徑規(guī)劃等;也可以服務(wù)于社交網(wǎng)絡(luò)和電子商務(wù),根據(jù)用戶的位置信息進行用戶行為的分析和基于位置的推薦。在基于地理位置的服務(wù)中,從用戶移動軌跡中提取用戶感興趣的位置是一項比較重要的工作�；谔崛〉奈恢眠M行用戶下一位置的預(yù)測也是當(dāng)今的研究熱點。本課題對當(dāng)前的國內(nèi)外位置預(yù)測進行了充分的調(diào)研,重點研究了馬爾科夫模型、隨機森林模型和深度信念網(wǎng)絡(luò)模型。針對傳統(tǒng)預(yù)測模型考慮維度單一的問題,本課題將信念網(wǎng)絡(luò)模型應(yīng)用到位置預(yù)測當(dāng)中,從用戶軌跡的預(yù)處理、到從軌跡中提取出用戶感興趣的位置,再到基于提取位置的預(yù)測,設(shè)計了一套解決方案。模型引入的特征包括用戶訪問上一次位置、用戶訪問時間、用戶停留時間和該地理位置的地理屬性等。對比傳統(tǒng)位置預(yù)測模型,該模型在準(zhǔn)確度方面提高10%左右�；诋�(dāng)前開源的Spark分布式計算框架,本課題將基于深度信念網(wǎng)絡(luò)的位置預(yù)測模型應(yīng)用到實踐中,完成了原型系統(tǒng)的設(shè)計和實現(xiàn)。該系統(tǒng)分為數(shù)據(jù)解析模塊、位置提取模塊、位置預(yù)測模塊、數(shù)據(jù)可視化模塊等,可以實... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容和目標(biāo)
    1.4 論文結(jié)構(gòu)安排
    1.5 本章小結(jié)
第二章 相關(guān)技術(shù)理論介紹
    2.1 軌跡預(yù)處理
    2.2 位置提取方法
    2.3 位置預(yù)測方法
        2.3.1 馬爾科夫模型
        2.3.2 隨機森林模型
        2.3.3 深度信念網(wǎng)絡(luò)模型
        2.3.4 評價指標(biāo)
    2.4 分布式計算框架
        2.4.1 分布式計算框架
        2.4.2 分布式消息隊列
    2.5 MVC結(jié)構(gòu)
    2.6 本章小結(jié)
第三章 位置提取和位置預(yù)測算法
    3.1 基于DBSCAN的多層次位置提取算法
        3.1.1 算法概述
        3.1.2 軌跡點距離計算
        3.1.3 算法流程
    3.2 基于深度信念網(wǎng)絡(luò)的位置預(yù)測算法
        3.2.1 傳統(tǒng)預(yù)測方法的不足及本算法的改進
        3.2.2 模型訓(xùn)練過程
    3.3 算法性能分析
        3.3.1 位置提取算法參數(shù)分析
        3.3.2 深度信念網(wǎng)絡(luò)模型性能分析
    3.4 本章小結(jié)
第四章 基于Spark的位置預(yù)測系統(tǒng)分析與設(shè)計
    4.1 系統(tǒng)需求分析
    4.2 系統(tǒng)功能分析與設(shè)計
        4.2.1 數(shù)據(jù)解析模塊
        4.2.2 位置提取模塊
        4.2.3 位置預(yù)測模塊
        4.2.4 數(shù)據(jù)可視化模塊
    4.3 系統(tǒng)工作流程設(shè)計
    4.4 系統(tǒng)數(shù)據(jù)庫設(shè)計
        4.4.1 數(shù)據(jù)庫概念設(shè)計
        4.4.2 數(shù)據(jù)庫邏輯設(shè)計
        4.4.3 數(shù)據(jù)庫對外接口設(shè)計
    4.5 本章小結(jié)
第五章 基于Spark的位置預(yù)測系統(tǒng)實現(xiàn)與測試
    5.1 系統(tǒng)環(huán)境搭建
    5.2 數(shù)據(jù)解析模塊
    5.3 位置提取模塊
    5.4 位置預(yù)測模塊
    5.5 數(shù)據(jù)可視化模塊
    5.6 系統(tǒng)測試
    5.7 本章小結(jié)
第六章 總結(jié)和展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于深度信念網(wǎng)絡(luò)的在線視頻熱度預(yù)測[J]. 陳亮,張俊池,王娜,李霞,陳宇環(huán).  計算機工程與應(yīng)用. 2017(09)
[2]基于深度信念網(wǎng)絡(luò)的PM2.5預(yù)測[J]. 鄭毅,朱成璋.  山東大學(xué)學(xué)報(工學(xué)版). 2014(06)
[3]基于rabbitmq的海量日志的分布式處理[J]. 袁佳,郭燕慧.  軟件. 2013(07)

碩士論文
[1]馬爾科夫模型預(yù)測方法的研究及其應(yīng)用[D]. 何成剛.安徽大學(xué) 2011



本文編號：3179529