發(fā)布時間：2023-04-02 20:13

　　隨著智能手機和移動互聯(lián)網(wǎng)的發(fā)展普及,產(chǎn)生了海量的用戶空間位置數(shù)據(jù)。分析大量的手機信令數(shù)據(jù)可以更好的理解用戶行為,對提供精確時空推薦和預測服務具有重要意義。近年來,用戶重要位置挖掘成為時空數(shù)據(jù)挖掘領域的研究熱點。然而,現(xiàn)有的工作面臨著許多挑戰(zhàn),包括軌跡數(shù)據(jù)的龐大規(guī)模、位置精度低等。由于具有地理空間覆蓋范圍廣、數(shù)據(jù)樣本量大、采集成本低等優(yōu)點,手機信令數(shù)據(jù)已經(jīng)成為城市交通各研究領域的重要數(shù)據(jù)基礎和研究對象。首先,針對手機信令數(shù)據(jù)精度低的特點,本文設計了基于用戶子軌跡片段的鄰近軌跡插值融合方法,基于網(wǎng)格對用戶軌跡進行劃分,通過鄰近軌跡對用戶子軌跡片段進行融合補全,實現(xiàn)提高用戶軌跡的可用性和準確性,為后續(xù)用戶重要位置識別算法提供基礎。其次,在總結(jié)現(xiàn)有的用戶重要位置識別算法不足的基礎上,構建了針對群體用戶的調(diào)和矩陣表示人群的主要活動情況,提出了改進的用戶重要位置識別算法MMA(Matrix base Mining Algorithm),并基于調(diào)和矩陣優(yōu)化修正用戶重要位置,以提高用戶重要位置識別的準確性。最后,本文以脫敏后的手機信令數(shù)據(jù)為研究對象,提取用戶的居住工作空間分布并完成了職住行應用分析。本...

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 軌跡索引研究現(xiàn)狀
        1.2.2 軌跡融合研究現(xiàn)狀
        1.2.3 軌跡聚類研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文章節(jié)組織結(jié)構
第2章 相關研究基礎
    2.1 手機信令數(shù)據(jù)
    2.2 軌跡數(shù)據(jù)索引技術
        2.2.1 R樹索引
        2.2.2 Voronoi圖索引
        2.2.3 網(wǎng)格索引
    2.3 軌跡數(shù)據(jù)融合技術
        2.3.1 基于數(shù)據(jù)層方法
        2.3.2 基于特征層方法
        2.3.3 基于決策層方法
    2.4 聚類算法
        2.4.1 常用聚類方法
        2.4.2 軌跡聚類技術
    2.5 軌跡數(shù)據(jù)城市應用現(xiàn)狀
    2.6 本章小結(jié)
第3章 低質(zhì)軌跡數(shù)據(jù)融合方法
    3.1 引言
    3.2 軌跡段網(wǎng)格索引構建
    3.3 軌跡數(shù)據(jù)融合方法
    3.4 實驗分析
    3.5 本章小結(jié)
第4章 海量用戶重要位置發(fā)現(xiàn)算法
    4.1 算法框架
    4.2 相關定義
    4.3 調(diào)和矩陣
        4.3.1 索引結(jié)構
        4.3.2 索引構建
    4.4 聚類分析
        4.4.1 活動序列
        4.4.2 聚類算法
    4.5 重要位置修正
    4.6 本章小結(jié)
第5章 實驗分析與應用
    5.1 實驗環(huán)境
    5.2 實驗數(shù)據(jù)集
    5.3 實驗結(jié)果與分析
    5.4 職住應用分析
        5.4.1 城市管理者層面應用分析
        5.4.2 用戶層面應用分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻
攻讀碩士學位期間從事的科研工作及取得的成果



本文編號：3779872