本文關鍵詞：基于移動通信數據的區(qū)域內群體行為分析和預測

  更多相關文章： 移動通信數據 群體行為分析 群體聚集行為預測 路徑預測 Markov預測模型

【摘要】：作為當今通信領域的主要手段,智能手機已經成為人們生活和工作中必不可少的通信設備,同時移動通信網絡也已經成為了第一大通信媒體網絡。隨著智能手機,平板電腦等便攜式移動終端的流行,以及智能終端等移動設備作為載體的移動社交網絡的興起,人與人之間的社交活動變得更加便利。人作為移動社交網絡中的主體,其位置時時刻刻都在變化,因此我們可以通過記錄用戶在移動通信環(huán)境中的地理位置信息建立移動軌跡模型,實現對群體行為的分析和預測,從而可以解決一些由人群聚集引起的群體事件如交通堵塞、突發(fā)群體事件等。要研究移動通信環(huán)境中的群體行為,首要的任務是獲取用戶的地理位置信息,獲取用戶地理位置的最主要的途徑有三種:第一種是通過GPS定位,第二種是基站定位,第三種是WIFI熱點定位。GPS定位精度是三者中最高的,但是GPS數據一般由志愿者提供,想要獲取大量的用戶位置數據比較困難。對于WIFI定位,WIFI熱點的覆蓋范圍較小,大部分集中到一個校園或社區(qū),因此通過WIFI定位獲取的用戶位置信息來進行用戶群體行為研究局限性較大�；径ㄎ坏木入m然在三者中最低,但是它有數據易獲取,覆蓋范圍廣的特點,因此基于基站定位獲取的用戶位置信息來進行群體行為的研究是三者中最合適的。本文通過研究移動通信數據的特點,提出了一種群體行為分析模型,該模型可以實時識別區(qū)域內的人群是否有聚集行為發(fā)生。通過建立加權的Markov預測模型對單個用戶軌跡進行預測進而實現對群體聚集行為的預測,實現對群體聚集行為的提前預警。本文主要工作包括:介紹3G核心網主要功能,獲取SGSN設備中的計費數據,分析計費數據格式,提取用于群體行為分析的有用數據。對3G基站組網方式進行研究,根據3G組網方式的特點本文提出了一種優(yōu)化用戶在基站內分布的扇形分布模型,提高了用戶定位的精度。建立用戶群體行為分析模型,實時監(jiān)控用戶群體聚集行為。實現熱度圖,使超出正常用戶分布數量的區(qū)域在地圖上以熱度圖方式直觀的顯示出來。通過加權的Markov預測模式實現對單個用戶軌跡的預測,統計所有用戶的軌跡預測結果實現對群體聚集行為的預測。根據用戶行為習慣建立不同時間段,并按時間段分別建立的Markov模型,提高預測的準確性。
【關鍵詞】：移動通信數據 群體行為分析 群體聚集行為預測 路徑預測 Markov預測模型
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN929.5
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-16
• 1.1 課題研究背景和意義11-12
• 1.2 國內外相關技術和研究現狀12-14
• 1.2.1 3G通信數據的研究現狀12-13
• 1.2.2 群體行為的研究現狀13-14
• 1.3 論文的主要研究內容14-15
• 1.4 論文的組織結構15-16
• 第二章 相關技術與理論知識介紹16-26
• 2.1 引言16
• 2.2 GMap.NET控件16-19
• 2.2.1 GMap.NET功能簡介16-17
• 2.2.2 GMap.NET圖層17-19
• 2.2.3 GMap.NET底圖的選擇19
• 2.3 群體行為預測的相關方法19-22
• 2.3.1 整體規(guī)律預測法中的群體行為預測模型19-20
• 2.3.1.1 用于群體行為預測的元胞自動機模型19-20
• 2.3.1.2 基于Agent的人群移動模型20
• 2.3.2 個體軌跡預測方法20-22
• 2.3.2.1 基于Markov鏈的軌跡預測模型20-21
• 2.3.2.2 基于聚類分析的軌跡預測模型21
• 2.3.2.3 基于頻繁模式的軌跡預測模型21-22
• 2.3.2.4 基于神經網絡的軌跡預測模型22
• 2.4 Markov鏈相關定義和性質22-25
• 2.4.1 Markov鏈定義23
• 2.4.2 轉移概率與轉移概率矩陣23-24
• 2.4.3 Markov鏈的性質和狀態(tài)24-25
• 2.5 本章小結25-26
• 第三章 3G核心網計費數據分析與提取建模26-35
• 3.1 引言26
• 3.2 UMTS系統的組成和功能介紹26-28
• 3.3 通信數據分析與提取28-32
• 3.3.1 3G核心網的計費流程28-29
• 3.3.2 GTP’通信協議29-30
• 3.3.3 CDR合并30-32
• 3.4 數據采集與預處理32-34
• 3.5 本章小結34-35
• 第四章 群體行為分析與研究35-58
• 4.1 引言35
• 4.2 用戶位置信息預處理35-38
• 4.3 BSD建模38-42
• 4.3.1 蜂窩組網38-39
• 4.3.2 基于蜂窩通信的用戶分布模型BSD39-42
• 4.4 熱圖實現原理42-44
• 4.5 群體行為分析模型的建立44-48
• 4.5.1 模型數據準備44-46
• 4.5.2 群體聚集行為發(fā)現方法46-47
• 4.5.3 群體行為分析模型的整體框架及建模步驟47-48
• 4.6 群體行為分析系統設計48-57
• 4.6.1 系統總體設計48-49
• 4.6.2 服務器模塊49-52
• 4.6.3 客戶端模塊52-57
• 4.7 本章小結57-58
• 第五章 加權Markov模型實現群體行為預測58-72
• 5.1 引言58
• 5.2 用戶路徑構造58-59
• 5.3 基于加權Markov鏈的軌跡預測模型的建立59-65
• 5.3.1 Markov性檢驗59-60
• 5.3.2 加權Markov鏈預測思想60-61
• 5.3.3 加權Markov軌跡預測模型建立61-65
• 5.3.3.1 模型數據準備61
• 5.3.3.2 建立k步概率轉移矩陣61-62
• 5.3.3.3 用戶軌跡的預測原理62-63
• 5.3.3.4 建模過程中用到的算法分析63-65
• 5.4 通過用戶軌跡預測群體分布65-67
• 5.5 群體聚集行為預測系統設計67-71
• 5.5.1 系統總體設計67-68
• 5.5.2 預測系統核心模塊介紹68-71
• 5.6 本章小結71-72
• 第六章 系統測試與結果分析72-84
• 6.1 實驗環(huán)境介紹72
• 6.2 實驗數據的數據準備72-73
• 6.3 群體行為分析系統模塊測試73-78
• 6.3.1 熱度圖實現效果73-74
• 6.3.2 BSD實現結果分析74-75
• 6.3.3 群體行為系統分析模塊測試及結果分析75-78
• 6.4 群體聚集行為預測系統核心模塊測試78-83
• 6.4.1 路徑預測模塊測試78-80
• 6.4.2 群體聚集行為預測的測試80-83
• 6.5 本章小結83-84
• 第七章 結束語84-86
• 7.1 結論84
• 7.2 論文的創(chuàng)新點84-85
• 7.3 下一步工作和展望85-86
• 致謝86-87
• 參考文獻87-90

【相似文獻】

中國期刊全文數據庫 前10條

1 蔡君;趙慧民;;基于用戶社團變化的大型網絡異常群體行為檢測[J];西北大學學報(自然科學版);2013年03期

2 高凱;王九碩;馬紅霞;周二亮;Radha Ganesan;;微博信息采集及群體行為分析[J];小型微型計算機系統;2013年10期

3 楊志謀;司光亞;李志強;羅批;;大規(guī)模群體行為仿真模型設計與實現[J];系統仿真學報;2010年03期

4 楊志謀;司光亞;李志強;羅批;;群體行為建模理論基礎與建模方法研究[J];系統仿真學報;2009年16期

5 姚燦中;楊建梅;;改進的自推動粒子模型與群體行為研究[J];計算機工程與應用;2011年25期

6 姚燦中;楊建梅;;雙目標推動下群體行為的元胞自動機模擬[J];計算機工程與應用;2012年01期

7 黃涵霞;胡燕萍;孫知信;;微博社交網絡中用戶群體關系挖掘與群體行為分析[J];中興通訊技術;2014年01期

8 岳峰;榮明;胡曉峰;孫常福;;基于Agent構建群體行為模型[J];裝甲兵工程學院學報;2008年01期

9 葛艷紅;李文鋒;董文濤;;物聯網環(huán)境下群體機器人協同演化機制研究[J];武漢理工大學學報;2012年09期

10 陳威華;張旭;曹黎俊;黃凱奇;;基于群體性行為模型的人群分析及其應用[J];網絡新媒體技術;2014年01期

中國重要會議論文全文數據庫 前10條

1 黎平;劉國棟;;強化法律對群體行為的控制是當務之急[A];行為法學在中國的崛起[C];1993年

2 徐旭林;司光亞;禹海全;楊志謀;陳增強;;社會群體行為演化網絡的非線性動力學分析[A];第五屆全國復雜網絡學術會議論文（摘要）匯集[C];2009年

3 盧山;;基于災時網絡動員導引下的群體行為研究[A];第19屆中國社會學年會社會穩(wěn)定與社會管理機制研究論文集[C];2009年

4 胡斌;王志明;;個體—群體博弈的定性模擬[A];系統仿真技術及其應用（第7卷）——'2005系統仿真技術及其應用學術交流會論文選編[C];2005年

5 任國友;白俠;;高校“三特生”群體行為特征的界定與教育對策[A];高校心理健康教育專業(yè)化研究——第八屆全國高校心理健康教育與心理咨詢學術交流會論文集[C];2004年

6 周佳樹;陳毅文;王二平;;群體行為預測模型統計效力比較[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

7 王緩緩;胡斌;蔣國銀;;基于Multi-Agent模擬的項目型組織群體互動規(guī)律研究[A];2009系統仿真技術及其應用學術會議論文集[C];2009年

8 趙媛;周應祺;;魚類群體行為錄像提取數據的標定及校正[A];2009年中國水產學會學術年會論文摘要集[C];2009年

9 諶東茨;;工序質量監(jiān)控軟件——控制圖若干問題的研究[A];全國經濟管理院校工業(yè)技術學研究會第五屆學術年會論文集[C];1994年

10 王龍;伏鋒;陳小杰;楚天廣;謝廣明;;群體行為與自組織合作[A];第二十六屆中國控制會議論文集[C];2007年

中國重要報紙全文數據庫 前6條

1 深交所投資者教育中心;股市交易中群體行為的陷阱[N];證券時報;2010年

2 《沈陽晚報》 佟麗霞;“人肉搜索”的道德借口[N];中國新聞出版報;2009年

3 武漢大學社會學系 張楊波;被遺忘的參考群體行為理論[N];中國社會科學報;2014年

4 記者 武彩霞;警惕股市交易中“群體行為陷阱”[N];新華每日電訊;2010年

5 復旦大學 劉建軍;幸福社會在哪里？[N];社會科學報;2014年

6 王君朝;日本酒俗點滴[N];人民日報;2004年

中國博士學位論文全文數據庫 前6條

1 張靜;基于復雜網絡的微博用戶群體行為研究[D];北京郵電大學;2015年

2 蘇航;群體行為理解和識別技術研究[D];上海交通大學;2014年

3 陳世明;基于局部信息的若干群體行為研究[D];華中科技大學;2006年

4 夏功成;企業(yè)知識群體行為的定性模擬研究[D];華中科技大學;2005年

5 田野;基于微博平臺的事件趨勢分析及預測研究[D];武漢大學;2012年

6 宋宏權;區(qū)域人群狀態(tài)與行為的時空感知方法[D];南京師范大學;2013年

中國碩士學位論文全文數據庫 前10條

1 王小超;非一致質量的多個體耦合系統的群體行為[D];哈爾濱工業(yè)大學;2016年

2 梁鈺雯;社會性媒體對群體行為方式和社會變遷的影響[D];南京藝術學院;2016年

3 蔣平;鄰避沖突下的群體行為影響模型研究[D];電子科技大學;2016年

4 張海波;基于移動通信數據的區(qū)域內群體行為分析和預測[D];電子科技大學;2016年

5 楊中元;基于神經網絡的群體行為仿真技術研究[D];電子科技大學;2016年

6 張嚴浩;群體行為視覺語義表達分析及應用[D];哈爾濱工業(yè)大學;2012年

7 茹立寧;群體行為的數學建模與分析[D];哈爾濱工業(yè)大學;2012年

8 單銘明;不同身份狀態(tài)的認同融合與極端親群體行為[D];華東師范大學;2015年

9 于艷;多個體系統的群體行為與穩(wěn)定性分析[D];北方工業(yè)大學;2010年

10 趙會艷;群體行為涌現機理的理論模型構建[D];云南師范大學;2013年

，

本文編號：1028213