检索结果-内蒙古大学图书馆

作者：王亮中国科学院大学

学位级别：博士

随着智能传感技术的不断发展以及广泛应用，使得我们获取数据的广度与深度有了进一步的提升。基于移动时空轨迹数据以研究社会系统中个体及群体的移动行为模式，挖掘其中所蕴含的潜在规律及知识，对于诸如社会管理、交通系统规划与监控... 详细信息

随着智能传感技术的不断发展以及广泛应用，使得我们获取数据的广度与深度有了进一步的提升。基于移动时空轨迹数据以研究社会系统中个体及群体的移动行为模式，挖掘其中所蕴含的潜在规律及知识，对于诸如社会管理、交通系统规划与监控、基于位置的服务(Location Based Service，LBS)等领域都具有非常重要的作用，同时这也是当前数据挖掘与社会计算领域的一个研究热点，引起了学术界与产业界的广泛关注，目前在这一领域已经涌现出了一些有价值的研究成果。\n 然而，通过对现有研究工作的分析，发现现有的基于时空轨迹数据的移动模式挖掘方面的研究缺乏对于连续时间维度、空间维度及其相关衍生属性特征的系统性研究，缺乏对于不确定时空轨迹数据的移动行为模式分析研究，同时在基于移动交通轨迹的城市环境下群体移动模式等方面尚存在较大的研究空间。\n 因此本论文的研究目的一方面是基于空间无约束时空轨迹深入研究时空轨迹数据模式挖掘领域的基础性、普遍性问题，为面向行为模式应用的社会计算领域积累理论储备;另一方面是基于交通路网时空轨迹以研究城市背景下，群体移动行为模式分析与挖掘的新工具、新方法，进一步扩展基于时空轨迹数据知识发现的应用领域。\n 论文的主要研究内容包括:轨迹数据时空维度下的特征抽取及移动模式挖掘方法、基于生物信息素集成浓度的移动停留模式挖掘、不确定时空轨迹数据的表示及模式挖掘、城市环境下群体移动行为动力学分析方法以及基于交通轨迹的市民移动出行模式挖掘。具体的研究内容和创新性成果概括如下:\n (1)轨迹数据时空维度下的特征抽取及移动模式挖掘方法\n 分别针对时空轨迹数据在时间维度上的连续性分布特征以及空间维度上的空间语义连续近似分布特征展开研究，在时间维度上就等时间间隔采样轨迹内在的时间维度离散化性质，提出了对应瞬时采集时间上的时空热点区域的概念与发现方法;针对随机时间间隔采样轨迹在时间维度上分布疏密不均的特点，提出了密集时间窗体自动检测方法以发现一维时间投影数据中的密集区间;进而将原始时空轨迹数据转换为以时空热点区域表示的序列数据，设计并实现了适应于等时间间隔轨迹的闭频繁移动模式挖掘算法MTCloSpan，随机时间间隔轨迹的移动模式算法FMTPM。在空间维度上针对传统网格划分方法存在的Sharp Boundary问题易产生部分移动模式丢失的现象，提出了空间模糊划分方法，以基于距离的空间网格隶属度对轨迹位置点进行多近邻网格匹配计算，进而基于深度优先与广度优先搜索设计了相应的带严格时间约束的移动模式挖掘算法VTPM-PrefixSpan与VTPM-GSP，通过实验仿真测试验证了所提出方法对于解决对应问题的有效性。\n (2)基于生物信息素集成浓度的移动停留模式挖掘\n 基于生物信息素集成浓度的思想以解决时间空间组合维度下的移动停留模式挖掘问题，借鉴生物界中的昆虫觅食、通信释放信息素的原理，通过计算生物信息素集成浓度空间分布以分析移动对象在不同空间上的停留时间分布特征，进而以空间停留时长为参数计算空间区域偏好程度。进而通过数据语义转换处理得到停留时间移动序列数据，通过对时间注释频繁模式挖掘算法进行改进，提出了适应于时空组合维度下移动停留模式挖掘问题的TPM算法。通过对相关实验结果的分析，显示本文所提出的方法可以有效挖掘时空轨迹数据的移动停留模式。\n (3)不确定时空轨迹数据的表示及模式挖掘\n 在实际应用中，所得到的时空轨迹数据往往带有不确定的因素，其或是表现于时间维度，或是表现于空间维度。本文分别从时间不确定与空间不确定角度研究了不确定时空轨迹的移动模式挖掘问题。在时间不确定时空轨迹部分，针对以区间值表示的不确定时间信息，通过模糊集合理论求取过渡时间区间值对于模糊谓词逻辑的隶属度值，进而分别以深度优先搜索与广度优先搜索设计并实现了相应的模式挖掘算法FTP-PrefixSpan与FTP-Apriori。在空间不确定时空轨迹部分，针对不确定时空轨迹ε-邻域的空间分布特征，构建了基于相邻网格分割面积网格隶属值计算方法，进而设计并实现了改进的序列模式挖掘算法UTFP-PrefixSpan，以进行严格时间间隔约束条件下的概率序列数据模式挖掘。通过测试数据的仿真实验结果表明，本文所提出的方法在针对不确定时空轨迹的移动行为模式挖掘方面，其效率与参数扩展性均具有较好的性能。\n (4)城市环境下群体移动行为动力学分析方法\n 以城市交通GPS时空轨迹数据为基础，提出了一种多尺度空间弹性离散化划分方法，该方法基于移动轨迹O-D点的空间分布特征实现了与移动时空轨迹语义相匹配的多尺度空间划分集合，避免了等尺度网格硬划分对密集区域边缘的破坏，同时增强了密集区域与稀疏区域的区分能力;通过多尺度空间弹性离散化划

关键词：移动行为模式数据挖掘动力学分析时空轨迹数据

来源：评论

学校读者我要写书评

暂无评论

顾及上网行为特征的手机用户停留行为预测方法

引用

地球信息科学学报 2020年第1期22卷 136-144页

作者：方志祥倪雅倩黄守倩武汉大学测绘遥感信息工程国家重点实验室武汉430079 高德软件有限公司北京102200

随着信息通讯技术的发展,手机成为人类日常生活不可缺少的一部分,人类活动逐渐从现实空间延伸至网络空间,在移动互联网时代,网络空间的上网行为与现实空间的出行行为密不可分。当前个体出行行为预测建模较少考虑上网行为与出行行为间的... 详细信息

随着信息通讯技术的发展,手机成为人类日常生活不可缺少的一部分,人类活动逐渐从现实空间延伸至网络空间,在移动互联网时代,网络空间的上网行为与现实空间的出行行为密不可分。当前个体出行行为预测建模较少考虑上网行为与出行行为间的关系,本文提出一种融合上网行为特征的手机用户停留行为预测模型,通过时空约束定义手机用户的停留行为,在考虑个体出行行为时空偏好的同时,融合手机用户使用的APP组合、上网流量、上网次数等上网行为特征以及天气信息等外部特征,从时间、空间的角度进行特征交叉,构建从特征到模型均具有高可解释性的手机用户停留行为预测模型。实验证明:本文模型预测准确率为80.31%,且在融合上网行为特征、天气等外部因素后,比仅使用个体出行特征进行手机用户停留行为预测提升了12.08%。

关键词：手机数据手机上网流量数据移动行为模式停留行为预测上网行为特征特征融合机器学习逻辑回归模型

来源：评论

学校读者我要写书评

暂无评论

基于手机时空轨迹数据的用户移动模式分析与研究

基于手机时空轨迹数据的用户移动模式分析与研究

引用

作者：陈晓鹏国防科学技术大学

学位级别：硕士

近年来,智能手机、PDA(Personal Digital Assistant)、可穿戴设备等智能终端集成了越来越多的传感器,这些智能终端的处理性能亦迅速提升,它们都必然集成了GPS(Global Positioning System,全球定位系统),与此同时,卫星定位技术、移动互... 详细信息

近年来,智能手机、PDA(Personal Digital Assistant)、可穿戴设备等智能终端集成了越来越多的传感器,这些智能终端的处理性能亦迅速提升,它们都必然集成了GPS(Global Positioning System,全球定位系统),与此同时,卫星定位技术、移动互联网技术持续发展,因此人们能够使用智能终端更方便地定位自己的移动位置,并由此积累了大量的轨迹数据。如何对这些轨迹数据蕴含的信息进行分析和研究,成为当前移动感知、普适计算、轨迹数据挖掘领域的研究热点。本文针对当前基于轨迹数据对用户进行移动模式挖掘研究中存在的移动周期长度参数需要人为干预,时间序列周期探测方法单一、结果不精确,挖掘的移动模式单一、模式不全面等问题,提出采用PMPM(Periodic Mobility Pattern Mining)三步建模的方法基于启发式数据预处理算法结合轨迹停留点挖掘,自适应探测用户移动轨迹的周期长度,并基于探测得到的周期长度进行用户周期性移动模式挖掘。该方法第一步将轨迹数据聚类得到用户兴趣点集,第二步探测每个兴趣点上用户活动的周期长度,第三步运用频繁模式挖掘算法进行用户的周期性移动模式挖掘。本文最后在公开轨迹数据集Geolife1.2上进行实验验证,证明了使用PMPM基于轨迹数据挖掘移动模式方法的可行性及有效性。本文主要分析和研究了以下几方面的内容:(1)提出了基于启发式的轨迹预处理算法VAPruning,在轨迹数据预处理基础上结合使用停留点挖掘提高了轨迹位置建模效率。针对GPS轨迹数据采集的不均衡性、数据冗余及噪声数据的存在等问题,本文提出的数据预处理算法有效地对轨迹数据进行除杂、过滤,并对轨迹数据进行剪枝处理有效地保留了代表用户移动特性的有意义的轨迹点,提高了位置建模效率。(2)提出了基于傅里叶分析的时间序列分布周期检测模型。本文提出了对时间序列进行周期长度检查的两层模型,基于傅里叶分析结果进行交叉熵验证,提高了周期探测的精度,解决移动模式挖掘中普遍存在的行为周期性参数依赖于人为经验性输入问题。(3)提出了基于序列转换的分类移动模式挖掘方法。本文提出了针对包含经度、纬度、高度、时间戳等信息的多维GPS轨迹序列进行移动序列转换的方法,使用用户兴趣点集替换原始轨迹数据,将GPS轨迹序列转换得到数字标签序列,将多维数据转化为一维数字数据,然后针对数字序列进行数据挖掘,降低了挖掘算法的效率要求,解决了高维数据挖掘组合爆炸问题。

关键词：移动数据挖掘轨迹数据移动行为模式模式挖掘

来源：评论

学校读者我要写书评

暂无评论

基于手机信令的数据分析引擎设计与实现

基于手机信令的数据分析引擎设计与实现

引用

作者：余锦斌东南大学

学位级别：硕士

本文在手机信令数据的基础上,对清洗方法进行研究,进而分析城市居民的出行方式、城市职住关系以及人流变化情况,并设计实现了手机信令数据分析引擎。主要工作内容如下:首先,本文对手机信令数据的特征进行分析并对手机信令数据的清洗方... 详细信息

本文在手机信令数据的基础上,对清洗方法进行研究,进而分析城市居民的出行方式、城市职住关系以及人流变化情况,并设计实现了手机信令数据分析引擎。主要工作内容如下:首先,本文对手机信令数据的特征进行分析并对手机信令数据的清洗方法进行研究。针对手机信令数据中存在的无效数据、乒乓数据以及漂移数据,对产生的原因进行分析并设计相应的处理算法。为提高驻点提取精度,采用基于聚类的离群点检测算法(Clustering-based and LOF Outlier Detection Method,CLOF)对噪声数据进行清洗。其次,本文基于手机信令数据对居民出行方式、城市职住关系以及人流变化情况进行分析。在居民出行方面,本文采用基于DBSCAN的时空驻点提取算法对用户进行驻点提取,进而挖掘用户的移动行为模式信息;在城市职住关系方面,本文挖掘手机用户的住宅地和工作地,获取城市职住分布,并结合芜湖市手机信令数据,对芜湖市四区四县职住关系和通勤距离进行分析;在人流变化方面,本文基于芜湖市手机信令数据,对芜湖市各街区信息人流进行统计,并对热点区域进行人流分析。最后,本文设计并实现了手机信令数据分析引擎。在对手机信令数据分析引擎进行需求分析的基础上,给出引擎框架并将引擎划分为六个层级。随后,基于Hadoop和Spark提供的MapReduce编程模型对各子层级数据挖掘算法进行分布式实现。本文对各模块功能API进行设计,采用Flask框架搭建服务器,提供API接口。并在软硬件平台测试环境下,对手机信令数据分析引擎进行功能测试和引擎速度测试,验证引擎的功能和性能要求。

关键词：手机信令数据移动行为模式职住关系引擎 MapReduce

来源：评论

学校读者我要写书评

暂无评论

基于谱聚类的手机用户日移动行为分析

引用

数据挖掘 2012年第4期2卷 38-42页

作者：黄涛周晨黄本雄涂来武汉虹信通信技术有限责任公司武汉华中科技大学电子与信息工程系武汉

随着通信业的发展和手机的普及,手机记录了大量的人类社交行为数据,其中包括了每个用户每次通话行为以及当时通话的地理位置。如何通过这些数据揭示出人类移动行为的内在规律,从而找到用户的移动特性做出相应的移动行为预测,成为了一个... 详细信息

随着通信业的发展和手机的普及,手机记录了大量的人类社交行为数据,其中包括了每个用户每次通话行为以及当时通话的地理位置。如何通过这些数据揭示出人类移动行为的内在规律,从而找到用户的移动特性做出相应的移动行为预测,成为了一个重要的课题。本文通过谱聚类方法,分析手机通话数据,通过提取特征,建立日行为路径相似度的模型,对一个典型用户的日移动行为进行同质归并处理,从而找出以天为单位相同的移动路径。并从星期和活动地域的角度,针对聚类结果中不同簇的日移动路径分别进行了统计分析。

关键词：移动行为模式谱聚类用户通话清单

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：