本文選題：移動點對象 + 時空軌跡數(shù)據(jù)��； 參考：《北京交通大學》2016年博士論文

【摘要】：近年來,移動對象跟蹤技術(shù)迅猛發(fā)展,同時獲取和存儲與此相關(guān)的時空數(shù)據(jù)的能力也大大增強,導致了眾多專業(yè)領(lǐng)域在極其短暫的時間內(nèi),就積聚下海量的移動對象時空軌跡數(shù)據(jù)。這些海量數(shù)據(jù)已遠遠超出了人類可直觀理解的范圍,并且由于這類數(shù)據(jù)同時具有時序?qū)傩院涂臻g特征,現(xiàn)有的很多方法和技術(shù)不能直接加以利用,迫切需要研究和探索新的理論和新的方法。在此背景下,本文提出了基于有趣地點壓縮的移動點對象時空軌跡聚類研究。從時空軌跡表示、相似性度量和聚類方法等相關(guān)問題出發(fā),對國內(nèi)外相關(guān)的研究進行了梳理與分析。在形成文獻綜述的基礎(chǔ)上,開展了如下研究工作：第一,在時空軌跡表示方面,對移動對象的行走速度進行排序,選取合適的參數(shù)值,改進傳統(tǒng)聚類方法DBSCAN(a Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise),用以提取每條軌跡上具有應用領(lǐng)域語義的有趣地點,然后利用有趣地點序列來表示原始軌跡,在最大程度保留核心信息不流失的前提下,極大壓縮了軌跡數(shù)據(jù)量。第二,在時空軌跡相似性度量方面,分別從空間相似、時間相似和時空相似三個角度進行分析與設(shè)計。在度量由有趣地點序列表示的軌跡距離時,兩個對應有趣地點間的距離采用路網(wǎng)空間中的最短路徑；空間相似性度量分兩個層次：有趣地點集合相似和有趣地點序列相似。在時間相似性度量的設(shè)計中,提出了面向?qū)哟晤愋妥兞康南喈惗榷攘糠椒�。相同的層次類型變�?由于不同的分層標準在層次結(jié)構(gòu)樹中的位置會發(fā)生變化,針對這種情況,提出了在各種分層標準下層次型變量相異度計算方法,把它們之間的和距離作為最終相異度計算依據(jù)；最后還設(shè)計了一個時空屬性和空間特征相結(jié)合的移動對象時空軌跡度量公式。第三,在時空軌跡聚類階段,圍繞著如何有效識別不同行走速度的移動對象群體,提出了基于可逆跳躍馬爾可夫鏈蒙特卡羅(RJMCMC, Reversible Jump Markov Chain Monte Carlo)的AP (Affinity Propagation Clustering)聚類算法。AP聚類算法不需要事先定義聚類中心,它是根據(jù)兩個數(shù)據(jù)點之間的相似度為聚類基礎(chǔ),在算法開始時將所有的數(shù)據(jù)點都視為潛在的聚類中心。通過迭代循環(huán)不斷進行證據(jù)的搜集和傳遞(亦稱為消息傳遞),以產(chǎn)生高質(zhì)量的類代表和對應的聚類,使得聚類的能量函數(shù)最小化,然后將各數(shù)據(jù)點分配給最近的類代表所屬的類,即得出了聚類結(jié)果。在密度同質(zhì)的數(shù)據(jù)集中,AP聚類方法可以快速準確地得到聚類結(jié)果,但不能處理一個數(shù)據(jù)集中存在的不同密度類型的情況(比如行人、自行車和汽車同時存在的情況)。針對此問題,本文提出先利用可逆跳躍馬爾可夫鏈蒙特卡羅(RJMCMC)的方法把移動對象根據(jù)不同的行走速度進行分類,然后在各個密度類型的數(shù)據(jù)子集中再運行AP聚類算法。這種設(shè)計解決了現(xiàn)實中出現(xiàn)的不同密度嵌套的數(shù)據(jù)集聚類問題。第四,應用本文所提出的時空軌跡聚類體系,對時空移動數(shù)據(jù)生成器Generator生成的模擬數(shù)據(jù)進行了實例分析,并將本文獲取的聚類結(jié)果與傳統(tǒng)方法求解結(jié)果進行了比較,結(jié)果表明：針對不同軌跡長度和無規(guī)律采樣獲取的時空軌跡數(shù)據(jù),本文提出的方法可有效對其進行聚類,并且得到的結(jié)果更具可解釋性。最后,就如何有效獲取不同時間粒度和空間尺度下移動對象的運動規(guī)律,如何從“流”的角度改進傳統(tǒng)時空鄰近度的概念,如何在時空相似性度量中進行時間和空間兩者間的換算,如何將聚類結(jié)果與時空可視化技術(shù)相結(jié)合等方面,提出了進一步的研究展望和建議。
[Abstract]:In recent years , moving object tracking technology has developed rapidly , and the ability to acquire and store the time - space data related to it has been greatly enhanced , which has led many professional fields to analyze and analyze the space - time trajectory data of moving objects .
The spatial similarity measure is divided into two levels : the interesting site collection is similar to the interesting site sequence . In the design of the time similarity measure , the similarity measure method facing the level type variable is proposed . In the design of the time similarity measure , the position of the hierarchy tree in the hierarchical tree is changed due to different hierarchical standards .
At the beginning of the algorithm , clustering results can be obtained quickly and accurately , but different density types ( such as pedestrians , bicycles and cars ) in a data set cannot be processed . In order to solve the problem , this paper proposes a method to classify the moving objects according to different walking speeds by using the method of reversible jump Markov chain Monte Carlo method .
【學位授予單位】：北京交通大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 王曉龍;袁艷;張?zhí)┥?;一種實體運動模式相似性度量方法的研究[J];計算機仿真;2009年11期

2 王黎;帥建梅;;圖像重排序中與查詢相關(guān)的圖像相似性度量[J];計算機系統(tǒng)應用;2010年11期

3 文成林;周哲;徐曉濱;;一種新的廣義梯形模糊數(shù)相似性度量方法及在故障診斷中的應用[J];電子學報;2011年S1期

4 仝朝陽，石教英;一種關(guān)于布爾模式的相似性度量及其應用[J];計算機研究與發(fā)展;1996年08期

5 杜培軍,方濤,唐宏;基于集合論的光譜相似性度量及在影像檢索中的應用[J];上海交通大學學報;2004年S1期

6 熊家軍,涂靜,李慶華;入侵檢測聚類中相似性度量的等效性研究[J];計算機工程;2005年07期

7 鞠可一;周德群;吳君民;;混合概念格在案例相似性度量中的應用[J];控制與決策;2010年07期

8 劉海濤;魏汝祥;蔣國萍;;軟件成本數(shù)據(jù)的相似性度量[J];上海交通大學學報;2012年11期

9 鄭翠翠;李林;;協(xié)同過濾算法中的相似性度量方法研究[J];計算機工程與應用;2014年08期

10 吳德;葉傳標;;時間序列相似性度量在水文數(shù)據(jù)挖掘中的應用研究[J];現(xiàn)代計算機(專業(yè)版);2008年11期

相關(guān)會議論文 前10條

1 劉喜平;萬常選;;一種二維的樹型文檔結(jié)構(gòu)相似性度量[A];第二十五屆中國數(shù)據(jù)庫學術(shù)會議論文集（二）[C];2008年

2 劉俊義;王潤生;;仿射不變的多邊形相似性度量[A];中國圖象圖形科學技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

3 楊艷春;孟祥武;;P2P網(wǎng)絡服務環(huán)境中的節(jié)點相似性度量研究[A];CCF NCSC 2011——第二屆中國計算機學會服務計算學術(shù)會議論文集[C];2011年

4 李彬彬;羅樂;;基于信源學的光譜相似性度量方法的比較研究[A];2009全國計算機網(wǎng)絡與通信學術(shù)會議論文集[C];2009年

5 羅陽;趙偉;;相似性度量研究及最優(yōu)相似系數(shù)[A];中國氣象學會2008年年會天氣預報準確率與公共氣象服務分會場論文集[C];2008年

6 周曉蕾;唐明浩;於思俊;;服裝款式系統(tǒng)中的相似性度量算法研究[A];2008年中國高校通信類院系學術(shù)研討會論文集（下冊）[C];2009年

7 劉寶生;閆莉萍;周東華;;圖像匹配中相似性度量[A];第16屆中國過程控制學術(shù)年會暨第4屆全國故障診斷與安全性學術(shù)會議論文集[C];2005年

8 李新光;鄭君君;祝一薇;劉建軍;夏勝平;譚立球;;基于屬性圖模型的圖像相似性度量[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

9 沈君;馬生全;;兩種新的相似性度量在模糊推理中的應用[A];中國運籌學會模糊信息與模糊工程分會第五屆學術(shù)年會論文集[C];2010年

10 廉鑫;林偉堅;張海威;袁曉潔;;基于雙向路徑約束模型的XML文檔結(jié)構(gòu)相似性度量[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集(B輯)[C];2010年

相關(guān)博士學位論文 前6條

1 趙秀麗;基于有趣地點壓縮的移動點對象時空軌跡聚類研究[D];北京交通大學;2016年

2 白雪;聚類分析中的相似性度量及其應用研究[D];北京交通大學;2012年

3 張明;基于內(nèi)容的圖象相似性度量技術(shù)研究及其在水利中的應用[D];河海大學;2003年

4 邱明;語義相似性度量及其在設(shè)計管理系統(tǒng)中的應用[D];浙江大學;2006年

5 周瑜;視頻跟蹤中的目標建模及相似性度量研究[D];華中科技大學;2014年

6 戚文靜;基于范例的圖案創(chuàng)作關(guān)鍵技術(shù)研究[D];山東大學;2012年

相關(guān)碩士學位論文 前10條

1 曹莉莉;基于GC-MS的高速譜庫搜索算法研究[D];安徽大學;2015年

2 蔣欣;基于粒子濾波的故障預報算法研究[D];福建師范大學;2015年

3 張豪;符號序列相似性度量及聚類新算法[D];福建師范大學;2015年

4 周漢海;基于少量選點的社團檢測算法研究[D];蘭州大學;2015年

5 張考;面向電子商務的虛假評論檢測的關(guān)鍵技術(shù)研究[D];解放軍信息工程大學;2015年

6 黃_g;相似性度量的研究及其在數(shù)據(jù)挖掘中的應用[D];福建師范大學;2009年

7 練仕榴;生物醫(yī)學信號的相似性度量研究[D];天津理工大學;2011年

8 朱波;程序代碼相似性度量方法研究[D];長春工業(yè)大學;2015年

9 湯淵;面向詞袋模型的相似性度量方法在特征降維中的應用[D];廣東工業(yè)大學;2015年

10 孟曉峰;基于異質(zhì)信息網(wǎng)絡的相似性度量研究[D];北京郵電大學;2015年

，

本文編號：2034683