移动对象轨迹的数据挖掘研究

发布时间：2016-09-04 09:06

  本文关键词：移动对象轨迹数据挖掘方法研究，由笔耕文化传播整理发布。

《宁波大学》 2012年

移动对象轨迹的数据挖掘研究

陈锦阳  

【摘要】：近几年，伴随着各种无线通信技术（例如，蓝牙，Wi-Fi，GPRS，3G，等等）的迅速发展，越来越多的移动设备被使用到各个应用领域。这使得大量包含定位信息的移动数据（也称为轨迹数据）被存储在各种定位服务应用系统，典型的有手机定位服务、GPS车载导航、野生动物追踪系统等。定位数据的不断累积逐渐使人们认识到：有效地从移动数据集中挖掘运动规律对于进一步发展定位服务相关应用系统具有举足轻重的作用。轨迹数据的复杂性使得传统数据挖掘技术和方法无法直接在该领域使用。因此，许多国内外研究人员对移动数据挖掘算法做了深入的研究，研究内容主要集中在移动数据聚类分析、移动数据异常点检测、频繁模式挖掘和位置和轨迹预测等四个方向。 本文的研究对象是移动对象数据库中的历史轨迹数据。在全面分析了国内外对移动对象轨迹的相关研究后，本文主要研究了移动对象轨迹的聚类分析和移动对象轨迹的异常检测问题，并在此基础上提出了移动对象轨迹的匹配方法、移动对象轨迹异常检测方法和移动对象轨迹聚类分析方法。本文的主要工作和创新点有： 1.轨迹匹配问题的研究。在移动对象轨迹的研究中，关键技术是轨迹的相似性度量。目前，轨迹匹配的距离度量方式（如欧氏距离、Hausdoff距离及相关距离方法）还不能够很好的适合轨迹的匹配，因为轨迹间存在着公共偏差以及移动对象具有运动模式。为了能够消除轨迹间的公共偏差和考虑移动对象的运动模式，本文提出了一种新的轨迹距离度量方法，巧妙利用轨迹间的平移消除公共偏差，以点对点的形式包含轨迹的运动模式。 2.移动对象轨迹的异常检测方法研究。TRAOD算法是目前比较典型的轨迹异常检测算法，该算法在优化过程中采用了粗细粒度方法来提高算法性能。但是其优化是以检测的准确性为代价，在二次优化时需要将轨迹点数取到尽量大以提高性能，可是理论中能够实现但在现实中很难做到这点，并且检测的准确性也会大大减小。基于上述的问题，本文巧妙的利用了R-Tree的索引结构，提出了一种R-TRAOD算法。该算法通过对数据的分析，确定R-Tree索引的半径，利用对每个轨迹子段建立起一个R-Tree索引结构以快速的找到领域内的所有轨迹子段而提高算法的性能。 3.移动对象轨迹的聚类分析研究。根据目前的聚类算法所存在的缺点，即忽略了移动对象的运动模式，，本文提出了一种基于Hausdoff距离的轨迹子段聚类算法。该算法解决了轨迹在聚类时所忽略的方向性信息，利用将Hausdoff距离和流失量相结合，使轨迹在进行聚类时具备方向性。经过进一步的研究之后，发现轨迹间存在着公共偏差，由于上一种算法无法消除轨迹间的公共偏差以及难以区分速率不同的轨迹，本文提出了另一种基于改进的Hausdoff距离轨迹子段聚类算法。该算法解决了轨迹在聚类时忽略的方向、速率信息以及消除了轨迹间的公共偏差问题。

【关键词】：
【学位授予单位】：宁波大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP311.13
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前3条

1 代科学;张军;李国辉;来旭;;监控视频运动目标的频繁轨迹模式挖掘[J];国防科技大学学报;2006年06期

2 曲琳;周凡;陈耀武;;基于Hausdorff距离的视觉监控轨迹分类算法[J];吉林大学学报(工学版);2009年06期

3 陈继东;孟小峰;赖彩凤;;基于道路网络的对象聚类[J];软件学报;2007年02期

中国硕士学位论文全文数据库 前1条

1 李春;移动对象轨迹的最近邻居查询研究[D];浙江大学;2007年

【共引文献】

中国期刊全文数据库 前10条

1 夏英;温海平;张旭;;基于轨迹聚类的热点路径分析方法[J];重庆邮电大学学报(自然科学版);2011年05期

2 魏龙翔;何小海;滕奇志;高明亮;;结合Hausdorff距离和最长公共子序列的轨迹分类[J];电子与信息学报;2013年04期

3 吕卫平;张晓梅;;基于SPSS的聚类分析应用[J];福建电脑;2013年09期

4 胡宏宇;王庆年;曲昭伟;李志慧;;运动目标空间模式辨识与异常交通行为检测[J];吉林大学学报(工学版);2011年06期

5 袁和金;;视频目标轨迹分析的改进PrefixSpan方法[J];计算机工程与应用;2011年32期

6 史恒亮;刘传领;白光一;唐振民;;自适应粒度的道路移动对象聚类算法[J];计算机科学;2010年09期

7 代科学;李强;李国辉;;视频挖掘研究进展[J];计算机科学;2010年10期

8 王树西;吴政学;;改进的Dijkstra最短路径算法及其应用研究[J];计算机科学;2012年05期

9 袁和金;张艳宁;周涛;佘红伟;李秀秀;;基于归一化编辑距离和谱聚类的轨迹模式学习方法[J];计算机辅助设计与图形学学报;2008年06期

10 唐东明;朱清新;杨凡;白勇;;基于仿射传播聚类的大规模选址布局问题求解[J];计算机应用研究;2010年03期

中国重要会议论文全文数据库 前1条

1 张莎妮;刘良旭;叶思敏;范剑波;;一种基于局部位置无关的轨迹片段聚类算法[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

中国博士学位论文全文数据库 前9条

1 王颜新;非常规突发事件情境重构模型研究[D];哈尔滨工业大学;2011年

2 叶李;移动对象数据库查询及处理技术研究[D];电子科技大学;2011年

3 唐良;城市道路交通指路标志智能设计系统的研究与实现[D];中国科学技术大学;2008年

4 刘良旭;移动对象数据库中时空数据管理若干关键技术研究[D];东华大学;2008年

5 胡宏宇;基于视频处理的交通事件识别方法研究[D];吉林大学;2010年

6 唐东明;聚类分析及其应用研究[D];电子科技大学;2010年

7 袁冠;移动对象轨迹数据挖掘方法研究[D];中国矿业大学;2012年

8 夏英;智能交通系统中的时空数据分析关键技术研究[D];西南交通大学;2012年

9 李海涛;面向家庭智能空间主动服务的目标行为分析与识别[D];燕山大学;2013年

中国硕士学位论文全文数据库 前10条

1 李焕梅;移动点对象Hash-R索引及反向最近邻查询[D];哈尔滨理工大学;2010年

2 郑阳洋;数据挖掘技术在烟草企业CRM中的研究与应用[D];山东师范大学;2011年

3 张伟;移动对象位置预测关键技术的研究[D];南京航空航天大学;2009年

4 谭川豫;移动对象轨迹分析技术研究[D];国防科学技术大学;2010年

5 姜金凤;移动对象轨道异常检测算法的研究[D];南京航空航天大学;2010年

6 刘振华;用于飞行员智能模型的上肢行为研究[D];上海交通大学;2012年

7 王雅琳;道路网络空间中移动对象轨迹聚类算法的研究[D];哈尔滨工程大学;2011年

8 栾林林;基于人工免疫算法的故障诊断方法研究[D];华东理工大学;2012年

9 严贞霓;智能小车系统体系结构及导航策略研究[D];西安建筑科技大学;2010年

10 张旭;基于时空约束的轨迹聚类方法研究与应用[D];重庆邮电大学;2010年

【二级参考文献】

中国期刊全文数据库 前6条

1 林洪文,姚作樑,涂丹,李国辉;基于减背景技术的运动目标检测方法研究[J];国防科技大学学报;2003年03期

2 马国兵,薛安克;数据挖掘技术在运动目标轨迹预测中的应用[J];计算机工程与应用;2004年11期

3 胡卫明,谢丹,谭铁牛,沈俊;轨迹分布模式学习的层次自组织神经网络方法[J];计算机学报;2003年04期

4 钱卫宁,周傲英;从多角度分析现有聚类算法(英文)[J];软件学报;2002年08期

5 马帅,王腾蛟,唐世渭,杨冬青,高军;基于聚类的位置数据库动态重组[J];软件学报;2003年05期

6 张敏,于剑;基于划分的模糊聚类算法[J];软件学报;2004年06期

【相似文献】

中国期刊全文数据库 前10条

1 马永帅;邓峰;;一种基于层次的移动对象动态聚类算法[J];微计算机应用;2011年04期

2 余靖,张颖,刘啸岭,刘国华;改进的CNN搜索算法[J];计算机工程;2005年12期

3 马林兵;张新长;;面向全时段查询的移动对象时空数据模型研究[J];测绘学报;2008年02期

4 李东;彭宇辉;殷江龙;;基于Quadtree和Hash表的移动对象全时态索引[J];计算机工程;2009年07期

5 金培权;张旭;岳丽华;;NBR-tree:面向城市交通网络的一种新型时空索引[J];武汉大学学报(信息科学版);2010年02期

6 李贞海;余建桥;;交通网络中移动对象全时态位置索引模型[J];计算机工程;2011年03期

7 卢炎生;许浒;潘鹏;;约束的移动对象最近邻轨迹查询[J];华中科技大学学报(自然科学版);2007年02期

8 杜时英;邢长征;;时空道路网络连续最近邻查询的新方法[J];信息技术;2005年12期

9 王晓辉;曹泽文;谭川豫;;移动对象反向最近邻查询技术研究[J];计算机工程;2010年20期

10 王宝文;曹亮;陈子军;;基于更新日志的移动对象索引方法[J];计算机工程;2011年03期

中国重要会议论文全文数据库 前10条

1 曹会萍;丁治明;王珊;孟小峰;;移动对象管理的自适应索引方法[A];第十八届全国数据库学术会议论文集（研究报告篇）[C];2001年

2 陈滨;丁治明;纪鹏程;;基于动态交通网络的移动对象的索引[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

3 李佳佳;王波涛;陈东;喜连川优;王国仁;;分组移动对象的区域偏离监视算法[A];NDBC2010第27届中国数据库学术会议论文集A辑二[C];2010年

4 高云君;李春;陈根才;姜贤塔;陈岭;陈纯;;一种有效的历史移动对象轨迹的k最近邻居查询算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

5 赵亮;陈荦;景宁;廖巍;;道路网中的移动对象连续K近邻查询[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

6 刘奎恩;丁治明;李明树;;MOIR/HR:覆盖区域受限的热门区域挖掘[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

7 赵亮;陈荦;景宁;钟志农;;一种高效的移动对象连续多范围查询处理框架[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

8 丁锐;孟小峰;杨楠;;一种高效的移动对象相似轨迹查询方法[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

9 刘实;陈荦;赵亮;谭洁;;面向位置服务的移动对象查询处理原型系统[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

10 胡志智;孟小峰;郭研妍;李本钊;陈继东;;基于模拟预测的移动对象位置主动更新策略[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

中国重要报纸全文数据库 前10条

1 中国人民大学信息学院 孟小峰 丁治明;[N];计算机世界;2001年

2 华莱士;[N];国际金融报;2003年

3 记者　晏燕;[N];科技日报;2006年

4 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;[N];人民邮电;2006年

5 李开宇　黄建军 田长春;[N];中国国防报;2009年

6 田红生;[N];中国经济时报;2002年

7 王广宇;[N];中国计算机报;2004年

8 周蓉蓉;[N];计算机世界;2004年

9 张立明;[N];网络世界;2003年

10 张舒博;[N];首都建设报;2009年

中国博士学位论文全文数据库 前10条

1 袁冠;移动对象轨迹数据挖掘方法研究[D];中国矿业大学;2012年

2 杨彬;室内移动对象的数据管理[D];复旦大学;2010年

3 张恒飞;空间数据库中移动对象位置管理技术研究[D];华中科技大学;2012年

4 何云斌;空间数据库移动对象轨迹和查询技术研究[D];哈尔滨理工大学;2009年

5 陈楠;时空数据库中移动对象的索引和查询技术研究[D];浙江大学;2010年

6 赵亮;面向位置服务的移动对象并发查询处理技术[D];国防科学技术大学;2010年

7 范平;路网中考虑运动状态的连续K近邻查询算法研究[D];华中科技大学;2012年

8 董毅;移动环境下的位置查询与预测研究[D];华中科技大学;2004年

9 李艳红;路网中移动对象最近邻及反向最近邻查询处理研究[D];华中科技大学;2011年

10 袁晶;大规模轨迹数据的检索、挖掘和应用[D];中国科学技术大学;2012年

中国硕士学位论文全文数据库 前10条

1 陈锦阳;移动对象轨迹的数据挖掘研究[D];宁波大学;2012年

2 谭川豫;移动对象轨迹分析技术研究[D];国防科学技术大学;2010年

3 张伟;移动对象位置预测关键技术的研究[D];南京航空航天大学;2009年

4 肖刚;不确定移动对象的异常点检测技术[D];东北大学;2009年

5 姜金凤;移动对象轨道异常检测算法的研究[D];南京航空航天大学;2010年

6 苏博;移动对象的队列发现方法研究[D];燕山大学;2010年

7 张玉;空间对象和移动对象聚类算法研究[D];南京航空航天大学;2009年

8 张辉;二维空间移动对象索引方法的研究[D];燕山大学;2010年

9 邢伟;基于B~+树的移动对象索引研究[D];复旦大学;2010年

10 黄代华;基于道路网络的移动对象轨迹建模与索引研究[D];浙江大学;2011年

  本文关键词：移动对象轨迹数据挖掘方法研究，由笔耕文化传播整理发布。

本文编号：108640