移動(dòng)對(duì)象不確定性軌跡預(yù)測(cè)模型研究.pdf

1、近年來(lái)，隨著移動(dòng)計(jì)算技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)已逐漸滲透進(jìn)人們生活的方方面面。移動(dòng)互聯(lián)網(wǎng)將空間與網(wǎng)絡(luò)互連，網(wǎng)絡(luò)已不再是簡(jiǎn)單的虛擬世界，而是融合了現(xiàn)實(shí)生活中各種元素的統(tǒng)一體。智能手機(jī)、車載GPS終端、智能家電等設(shè)備產(chǎn)生了海量的位置、軌跡數(shù)據(jù)，這些數(shù)據(jù)不僅描述了移動(dòng)對(duì)象的歷史軌跡，而且精確地反映出移動(dòng)對(duì)象的運(yùn)動(dòng)特點(diǎn)。隨著大數(shù)據(jù)處理方式的不斷發(fā)展，這些數(shù)據(jù)中蘊(yùn)藏的價(jià)值逐漸被人們所認(rèn)知。合理利用軌跡數(shù)據(jù)為互聯(lián)網(wǎng)運(yùn)營(yíng)商帶來(lái)了商機(jī)，因此，越來(lái)越多的國(guó)內(nèi)外

2、研究學(xué)者開(kāi)始關(guān)注基于位置的智能服務(wù)，其中，應(yīng)用領(lǐng)域廣泛的移動(dòng)對(duì)象軌跡預(yù)測(cè)技術(shù)逐漸成為研究熱點(diǎn)。
　　針對(duì)海量移動(dòng)對(duì)象軌跡數(shù)據(jù)，本文基于不依賴路網(wǎng)數(shù)據(jù)的思想，對(duì)數(shù)據(jù)進(jìn)行特征點(diǎn)聚類提取，將軌跡轉(zhuǎn)化為特征序列，并結(jié)合序列模式挖掘算法，提出PrefixTP軌跡預(yù)測(cè)算法。通過(guò)多角度實(shí)驗(yàn)對(duì)算法進(jìn)行全面檢驗(yàn)，實(shí)驗(yàn)結(jié)果表明PrefixTP軌跡預(yù)測(cè)算法在平均預(yù)測(cè)準(zhǔn)確率上具有37.04％的提升。以提出的預(yù)測(cè)模型為理論依據(jù)，開(kāi)發(fā)了基于PrefixTP軌

3、跡預(yù)測(cè)算法的軌跡預(yù)測(cè)系統(tǒng)，提供軌跡可視化、軌跡預(yù)測(cè)等功能，形象展示軌跡預(yù)測(cè)過(guò)程。
　　本文的主要工作包括:
　　(1)介紹了軌跡數(shù)據(jù)挖掘的研究背景及意義，針對(duì)軌跡模式挖掘、軌跡預(yù)測(cè)等方向，介紹了國(guó)內(nèi)外研究現(xiàn)狀。分析軌跡挖掘中軌跡特征的提取方法，提出對(duì)角度變化點(diǎn)進(jìn)行提取，并且結(jié)合軌跡聚類算法對(duì)提取點(diǎn)進(jìn)行聚類，得到特征點(diǎn)集合。針對(duì)聚類算法的不足引入空間編碼方法，提高聚類效率。在空間編碼方法中給出鄰域求取方法并證明其正確性。使用特

4、征點(diǎn)集合對(duì)軌跡數(shù)據(jù)進(jìn)行轉(zhuǎn)換，得到軌跡序列，為后續(xù)進(jìn)行軌跡預(yù)測(cè)打下基礎(chǔ)。
　　(2)分析常見(jiàn)軌跡預(yù)測(cè)技術(shù)，對(duì)比基于馬爾可夫鏈的軌跡預(yù)測(cè)方法，指出其與基于頻繁模式的軌跡預(yù)測(cè)法的異同。介紹PrefixSpan頻繁序列挖掘算法，借鑒PrefixSpan算法思想，結(jié)合軌跡數(shù)據(jù)特點(diǎn)，提出PrefixTP軌跡預(yù)測(cè)算法，并給出詳細(xì)示例和具體實(shí)現(xiàn)。
　　(3)針對(duì)前文中提出的算法，在真實(shí)軌跡數(shù)據(jù)集上進(jìn)行多角度實(shí)驗(yàn)，驗(yàn)證了算法的準(zhǔn)確率、時(shí)間復(fù)雜