煤矿井下人员轨迹挖掘方法研究
发布时间：2020-12-06 03:53
随着RFID、WiFi、ZigBee等定位技术在矿井下的广泛应用,井下移动人员的行走轨迹能够被精确追踪并产生海量的定位数据,但目前在井下人员管理系统中这些数据仅被用来考勤和历史位置查询。因此如何有效利用定位数据,挖掘出隐藏的轨迹信息,扩展井下人员定位系统功能,通过轨迹数据分析矿工的异常行为,逐渐成为数据挖掘技术在煤矿领域应用的重要研究方向。基于此,本文结合煤矿的实际情况,利用数据挖掘技术,针对煤矿井下人员的热点区域分布和异常轨迹分析这两个方面展开研究。首先,针对本文的研究内容,利用大数据相关技术结合煤矿井下人员定位数据,提出了井下人员挖掘模型。该模型分为数据采集、数据处理和可视化三部分。其次,针对现有热点区域发现算法无法识别多密度的问题,提出了井下移动对象活动热点识别KL_TM框架。该框架包括候选关键位置筛选算法和热点区域过滤算法两部分,降低了数据冗余度和计算复杂度,有效解决多密度时空轨迹数据的热点区域发现问题。然后,针对现有异常轨迹研究没有考虑时间属性的问题,结合矿井下的定位数据存在宏观海量、微观稀疏的属性,提出了基于离群点的异常轨迹筛选IMTRAOD算法。该算法不仅考虑到了轨迹的空...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
论文组织结构图
2 井下人员轨迹挖掘模型2 井下人员轨迹挖掘模型2 Trajectory Mining Model for Coal Miners移动对象轨迹数据挖掘是利用轨迹数据进行处理来达到实际的应用目的[49]，本文建立的井下人员轨迹挖掘模型如图 2-1 所示，包括轨迹数据采集、数据预处理、相关模型的建立、轨迹数据的挖掘和可视化过程。
常轨迹可视化，建设一个高效率的大数据平台。下轨迹数据的获取（Acquisition of Trajectory Data的收集是研究的最重要环节，只有真实的数据才能验证方法的下面介绍一下煤矿井下常用的获取人员轨迹的相关定位方法。）射频识别技术（RFID）D[50,51]是一种利用无线电识别相应目标的通信技术，目前被煤用。井下 RFID 系统示意图如图 2-2 所示，系统主要由读卡器端监控主机组成，其中读卡器不仅可以接收射频卡发出的电磁线发射无线电信号。在矿井下的重要位置安装读卡器，当矿井的射频卡进入读卡器范围内，读卡器通过与射频卡的通信来获而实现定位。在矿井下的巷道内按照一定的规则安放读卡器，员的位置检测。射频识别系统结构简单，成本低，能够满足井人员考勤等基本需求，得到了广泛应用。
【参考文献】：
期刊论文
[1]智能矿井安全生产大数据集成分析平台及其应用[J]. 毛善君,刘孝孔,雷小锋,赵仁乐,张明,崔希国. 煤炭科学技术. 2018(12)
[2]大数据理论下的煤与瓦斯突出事故致因分析[J]. 司鹄,赵剑楠,胡千庭. 西安科技大学学报. 2018(04)
[3]大数据在煤矿安全领域应用方法研究[J]. 李东,周勇. 中国煤炭. 2018(07)
[4]基于大数据分析的煤矿安全风险预测系统研究[J]. 郜彤,刘传安. 煤炭工程. 2018(07)
[5]基于HBase的支持频繁更新与多用户并发的R树[J]. 王波涛,梁伟,赵凯利,钟汉辉,张玉圻. 计算机科学. 2018(07)
[6]浅谈大数据在煤矿安全领域的应用——“智慧矿井”[J]. 朱红青,梁晓,史宇辰. 安全. 2018(07)
[7]基于Hadoop的煤炭企业风险预控管理云平台的设计[J]. 许俊,刘海滨. 煤炭技术. 2018(06)
[8]智慧煤矿2025情景目标和发展路径[J]. 王国法,王虹,任怀伟,赵国瑞,庞义辉,杜毅博,张金虎,侯刚. 煤炭学报. 2018(02)
[9]基于矿山物联网的井下物资管理系统设计[J]. 高彬,丁恩杰,董飞,赵端,张帝. 工矿自动化. 2018(01)
[10]基于区域划分的DBSCAN多密度聚类算法[J]. 韩利钊,钱雪忠,罗靖,宋威. 计算机应用研究. 2018(06)
博士论文
[1]半监督聚类算法对于流和多密度数据[D]. 阿特瓦（Walid Said Abdelhamid Atwa）.北京理工大学 2015
[2]基于网格方法的聚类算法研究[D]. 孙玉芬.华中科技大学 2006
硕士论文
[1]基于出租车轨迹数据的并行化区域热点分析方法研究[D]. 高星星.西安理工大学 2018
[2]基于时空数据的移动对象相似性度量方法研究[D]. 吕绍仟.中国矿业大学 2017
[3]基于ZigBee的矿山井下人员定位系统的设计和研究[D]. 李睿.南华大学 2016
[4]基于数据挖掘的井下作业人员监测信息的应用研究[D]. 韩霜.华北电力大学 2015
[5]基于HMM模型的老年人出行异常检测研究[D]. 刘翔.浙江理工大学 2015
[6]室内移动对象轨迹分析研究[D]. 黄川林.中国科学技术大学 2014
[7]移动对象轨迹的数据挖掘研究[D]. 陈锦阳.宁波大学 2012
[8]移动对象轨迹分析技术研究[D]. 谭川豫.国防科学技术大学 2010
[9]基于RFID与CAN的煤矿井下人员定位系统研究[D]. 柯建华.北京交通大学 2006
本文编号：2900672
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
论文组织结构图
2 井下人员轨迹挖掘模型2 井下人员轨迹挖掘模型2 Trajectory Mining Model for Coal Miners移动对象轨迹数据挖掘是利用轨迹数据进行处理来达到实际的应用目的[49]，本文建立的井下人员轨迹挖掘模型如图 2-1 所示，包括轨迹数据采集、数据预处理、相关模型的建立、轨迹数据的挖掘和可视化过程。
常轨迹可视化，建设一个高效率的大数据平台。下轨迹数据的获取（Acquisition of Trajectory Data的收集是研究的最重要环节，只有真实的数据才能验证方法的下面介绍一下煤矿井下常用的获取人员轨迹的相关定位方法。）射频识别技术（RFID）D[50,51]是一种利用无线电识别相应目标的通信技术，目前被煤用。井下 RFID 系统示意图如图 2-2 所示，系统主要由读卡器端监控主机组成，其中读卡器不仅可以接收射频卡发出的电磁线发射无线电信号。在矿井下的重要位置安装读卡器，当矿井的射频卡进入读卡器范围内，读卡器通过与射频卡的通信来获而实现定位。在矿井下的巷道内按照一定的规则安放读卡器，员的位置检测。射频识别系统结构简单，成本低，能够满足井人员考勤等基本需求，得到了广泛应用。
【参考文献】：
期刊论文
[1]智能矿井安全生产大数据集成分析平台及其应用[J]. 毛善君,刘孝孔,雷小锋,赵仁乐,张明,崔希国. 煤炭科学技术. 2018(12)
[2]大数据理论下的煤与瓦斯突出事故致因分析[J]. 司鹄,赵剑楠,胡千庭. 西安科技大学学报. 2018(04)
[3]大数据在煤矿安全领域应用方法研究[J]. 李东,周勇. 中国煤炭. 2018(07)
[4]基于大数据分析的煤矿安全风险预测系统研究[J]. 郜彤,刘传安. 煤炭工程. 2018(07)
[5]基于HBase的支持频繁更新与多用户并发的R树[J]. 王波涛,梁伟,赵凯利,钟汉辉,张玉圻. 计算机科学. 2018(07)
[6]浅谈大数据在煤矿安全领域的应用——“智慧矿井”[J]. 朱红青,梁晓,史宇辰. 安全. 2018(07)
[7]基于Hadoop的煤炭企业风险预控管理云平台的设计[J]. 许俊,刘海滨. 煤炭技术. 2018(06)
[8]智慧煤矿2025情景目标和发展路径[J]. 王国法,王虹,任怀伟,赵国瑞,庞义辉,杜毅博,张金虎,侯刚. 煤炭学报. 2018(02)
[9]基于矿山物联网的井下物资管理系统设计[J]. 高彬,丁恩杰,董飞,赵端,张帝. 工矿自动化. 2018(01)
[10]基于区域划分的DBSCAN多密度聚类算法[J]. 韩利钊,钱雪忠,罗靖,宋威. 计算机应用研究. 2018(06)
博士论文
[1]半监督聚类算法对于流和多密度数据[D]. 阿特瓦（Walid Said Abdelhamid Atwa）.北京理工大学 2015
[2]基于网格方法的聚类算法研究[D]. 孙玉芬.华中科技大学 2006
硕士论文
[1]基于出租车轨迹数据的并行化区域热点分析方法研究[D]. 高星星.西安理工大学 2018
[2]基于时空数据的移动对象相似性度量方法研究[D]. 吕绍仟.中国矿业大学 2017
[3]基于ZigBee的矿山井下人员定位系统的设计和研究[D]. 李睿.南华大学 2016
[4]基于数据挖掘的井下作业人员监测信息的应用研究[D]. 韩霜.华北电力大学 2015
[5]基于HMM模型的老年人出行异常检测研究[D]. 刘翔.浙江理工大学 2015
[6]室内移动对象轨迹分析研究[D]. 黄川林.中国科学技术大学 2014
[7]移动对象轨迹的数据挖掘研究[D]. 陈锦阳.宁波大学 2012
[8]移动对象轨迹分析技术研究[D]. 谭川豫.国防科学技术大学 2010
[9]基于RFID与CAN的煤矿井下人员定位系统研究[D]. 柯建华.北京交通大学 2006
本文编号：2900672
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/2900672.html
