本文關(guān)鍵詞：基于蜂窩信令數(shù)據(jù)的移動(dòng)軌跡清洗和預(yù)測(cè)方法研究與實(shí)現(xiàn)

  更多相關(guān)文章： 移動(dòng)通信 蜂窩網(wǎng)定位 軌跡預(yù)測(cè) 濾波算法

【摘要】：隨著移動(dòng)通信技術(shù)的發(fā)展和移動(dòng)設(shè)備的普及,關(guān)于人們?nèi)粘Ｒ苿?dòng)行為的軌跡數(shù)據(jù)記錄愈發(fā)的豐富起來。海量的軌跡數(shù)據(jù)背后隱藏著關(guān)于人及人類社會(huì)的有價(jià)值的知識(shí)模式。各界的學(xué)者利用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的方法對(duì)這些數(shù)據(jù)進(jìn)行了多種角度的挖掘分析,旨在實(shí)現(xiàn)數(shù)據(jù)到信息再到價(jià)值的轉(zhuǎn)化。在軌跡挖據(jù)領(lǐng)域中,軌跡預(yù)測(cè)作為其中的一個(gè)重要子課題近來越來越受到廣泛關(guān)注。如果能夠較為準(zhǔn)確的對(duì)每個(gè)用戶的未來位置進(jìn)行預(yù)測(cè)。從微觀上來說,生活服務(wù)App可以提前向用戶推送未來位置周邊的項(xiàng)目,提升用戶體驗(yàn)。從宏觀上說,我們可以根據(jù)歷史的多張人口分布熱力圖,推演未來一段時(shí)間的分布熱力圖,這能夠在交通領(lǐng)域,城市管理等發(fā)面發(fā)揮重要作用。目前,對(duì)于軌跡預(yù)測(cè)研究所普遍采用的數(shù)據(jù)是GPS定位數(shù)據(jù)且基于個(gè)人的歷史軌跡,這個(gè)數(shù)據(jù)集的形態(tài)及預(yù)測(cè)方式可以認(rèn)為是縱向的。而相對(duì)于GPS定位數(shù)據(jù),更為豐富的數(shù)據(jù)是來自于蜂窩通信系統(tǒng)基站定位的數(shù)據(jù),雖然這部分定位數(shù)據(jù)數(shù)據(jù)質(zhì)量相對(duì)較差,但與GPS數(shù)據(jù)相比,手機(jī)信令數(shù)據(jù)具有數(shù)據(jù)量大,覆蓋人群廣,獲取成本低等優(yōu)點(diǎn),因此研究基于蜂窩網(wǎng)移動(dòng)信令數(shù)據(jù)的移動(dòng)軌跡清洗和預(yù)測(cè)方法具有重要的理論和應(yīng)用價(jià)值。論文首先在基站數(shù)據(jù)清洗方面展開相關(guān)研究,以有效地消除因?yàn)榉涓C網(wǎng)定位偏差和錯(cuò)誤,以及定位數(shù)據(jù)間隔時(shí)間不均勻等非理想因素對(duì)用戶移動(dòng)軌跡預(yù)處理的不利影響,基于濾波算法使處理后用戶軌跡盡量逼近真實(shí)的用戶移動(dòng)軌跡。接下來,論文在前人研究的基礎(chǔ)上,整合并提出了一個(gè)縱向的預(yù)測(cè)方法及其框架。該方法首先分析用戶每日停留區(qū)域及其停留時(shí)刻特征,計(jì)算確定相似度指標(biāo),并采用凝聚式的層次聚類算法對(duì)用戶進(jìn)行聚類分組,從而在縱向數(shù)據(jù)與橫向經(jīng)典方法之間建立聯(lián)系。此外,論文還提出了停留區(qū)域擴(kuò)展算法對(duì)停留點(diǎn)的異同性進(jìn)行判別等。論文針對(duì)真實(shí)的TDOA基站定位數(shù)據(jù)的實(shí)驗(yàn)與驗(yàn)證結(jié)果表示,該方法與稀疏歷史數(shù)據(jù)下的傳統(tǒng)縱向方法相比,準(zhǔn)確性有所提升。這表明基于橫向的基站定位數(shù)據(jù)的軌跡預(yù)測(cè)在一定程度上是具有可行性和潛力。
【關(guān)鍵詞】：移動(dòng)通信 蜂窩網(wǎng)定位 軌跡預(yù)測(cè) 濾波算法
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN929.5;TP311.13
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-14
• 1.1 研究背景10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-12
• 1.3 本文的主要內(nèi)容和章節(jié)安排12-14
• 第2章 軌跡數(shù)據(jù)預(yù)處理方法14-34
• 2.1 原始定位數(shù)據(jù)的特征14-18
• 2.1.1 定位數(shù)據(jù)的誤差特征14-15
• 2.1.2 定位數(shù)據(jù)的采樣特征15-18
• 2.2 軌跡預(yù)處理方法18-29
• 2.2.1 預(yù)處理方法總體流程18-19
• 2.2.2 子軌跡分割方法19-20
• 2.2.3 識(shí)別并去除離群點(diǎn)方法20-25
• 2.2.4 濾波方法處理固有誤差25-29
• 2.3 軌跡預(yù)處理實(shí)驗(yàn)和指標(biāo)分析29-33
• 2.3.1 軌跡分割實(shí)驗(yàn)29-30
• 2.3.2 軌跡離群點(diǎn)消除實(shí)驗(yàn)30-32
• 2.3.3 濾波去噪實(shí)驗(yàn)32-33
• 2.4 本章小結(jié)33-34
• 第3章 基于序列模式的軌跡預(yù)測(cè)方法34-53
• 3.1 方法可行性分析34-35
• 3.2 預(yù)測(cè)方法流程35-47
• 3.2.1 總體框圖35
• 3.2.2 軌跡停留點(diǎn)提取35-40
• 3.2.3 地圖網(wǎng)格化與軌跡抽象40-43
• 3.2.4 停留點(diǎn)異同性判別43-45
• 3.2.5 用戶間相似度定義45-47
• 3.3 預(yù)測(cè)模型47-52
• 3.3.1 基本原理47-48
• 3.3.2 頻繁序列模式挖掘48-50
• 3.3.3 預(yù)測(cè)樹構(gòu)建與預(yù)測(cè)50-52
• 3.4 本章小結(jié)52-53
• 第4章 算法驗(yàn)證與系統(tǒng)實(shí)現(xiàn)53-63
• 4.1 階段性實(shí)驗(yàn)53-58
• 4.1.1 停留點(diǎn)提取實(shí)驗(yàn)53-55
• 4.1.2 網(wǎng)格化55-56
• 4.1.3 停留網(wǎng)格區(qū)域化56-57
• 4.1.4 用戶分組57-58
• 4.2 預(yù)測(cè)性能實(shí)驗(yàn)與分析58-61
• 4.3 系統(tǒng)原型61-62
• 4.4 本章小結(jié)62-63
• 結(jié)論63-64
• 致謝64-65
• 參考文獻(xiàn)65-69
• 攻讀碩士學(xué)位期間完成的成果69

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 胡亮;裴瑩;初劍峰;袁巍;王文博;樊麗;劉建男;;基于鼠標(biāo)移動(dòng)軌跡的真隨機(jī)數(shù)產(chǎn)生方法[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2011年05期

2 蔣新華;廖律超;鄒復(fù)民;;基于浮動(dòng)車移動(dòng)軌跡的新增道路自動(dòng)發(fā)現(xiàn)算法[J];計(jì)算機(jī)應(yīng)用;2013年02期

3 王江鋒;閆學(xué)東;邵春福;魏麗英;;基于Min-Max方法和移動(dòng)軌跡融合的車輛無線定位算法[J];汽車工程;2012年05期

4 瑪麗;;手持“利器”PERFACT Performance讓課堂講演更精彩[J];上海教育;2010年20期

5 瑪麗;;手持“利器”PERFACT Performance讓課堂講演更精彩[J];上海教育;2010年Z2期

6 瑪麗;;手持“利器”PERFACT Performance讓課堂講演更精彩[J];上海教育;2010年22期

7 葉春曉;宋為濤;;基于移動(dòng)軌跡的集裝箱碼頭中控調(diào)度研究[J];計(jì)算機(jī)應(yīng)用研究;2011年08期

8 熊妍;羅澤;閻保平;;GPS位置歷史挖掘和移動(dòng)軌跡異常檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2013年09期

9 吳國(guó)鳳;吳善新;;基于MN的移動(dòng)軌跡的MAP實(shí)時(shí)調(diào)整策略[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2008年05期

10 周昌令;錢群;趙伊秋;尚群;;校園無線網(wǎng)用戶群體的移動(dòng)行為聚集分析[J];通信學(xué)報(bào);2013年S2期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 林海標(biāo);移動(dòng)軌跡挖掘算法設(shè)計(jì)與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

2 權(quán)宇澄;動(dòng)物移動(dòng)軌跡數(shù)據(jù)的挖掘研究[D];華東師范大學(xué);2016年

3 錢琨;基于蜂窩信令數(shù)據(jù)的移動(dòng)軌跡清洗和預(yù)測(cè)方法研究與實(shí)現(xiàn)[D];西南交通大學(xué);2016年

4 隋雪芹;基于社會(huì)媒體的用戶移動(dòng)軌跡挖掘及其在朋友推薦中的應(yīng)用研究[D];山東大學(xué);2016年

5 胡偉峰;道路網(wǎng)物體移動(dòng)模式的研究[D];河海大學(xué);2007年

6 宋為濤;基于移動(dòng)軌跡的集裝箱碼頭中控調(diào)度研究[D];重慶大學(xué);2011年

7 谷小蕾;WSAN激勵(lì)節(jié)點(diǎn)最優(yōu)移動(dòng)軌跡設(shè)計(jì)[D];西南交通大學(xué);2012年

，

本文編號(hào)：808609