移动对象不确定性轨迹预测模型研究

发布时间：2017-10-10 13:14

  本文关键词：移动对象不确定性轨迹预测模型研究

  更多相关文章： 移动对象 轨迹预测 GPS轨迹

【摘要】：近年来,随着移动计算技术的不断发展,网络已逐渐渗透进人们生活的方方面面。移动互联网将空间与网络互连,网络已不再是简单的虚拟世界,而是融合了现实生活中各种元素的统一体。智能手机、车载GPS终端、智能家电等设备产生了海量的位置、轨迹数据,这些数据不仅描述了移动对象的历史轨迹,而且精确地反映出移动对象的运动特点。随着大数据处理方式的不断发展,这些数据中蕴藏的价值逐渐被人们所认知。合理利用轨迹数据为互联网运营商带来了商机,因此,越来越多的国内外研究学者开始关注基于位置的智能服务,其中,应用领域广泛的移动对象轨迹预测技术逐渐成为研究热点。针对海量移动对象轨迹数据,本文基于不依赖路网数据的思想,对数据进行特征点聚类提取,将轨迹转化为特征序列,并结合序列模式挖掘算法,提出PrefixTP轨迹预测算法。通过多角度实验对算法进行全面检验,实验结果表明PrefixTP轨迹预测算法在平均预测准确率上具有37.04%的提升。以提出的预测模型为理论依据,开发了基于PrefixTP轨迹预测算法的轨迹预测系统,提供轨迹可视化、轨迹预测等功能,形象展示轨迹预测过程。本文的主要工作包括：(1)介绍了轨迹数据挖掘的研究背景及意义,针对轨迹模式挖掘、轨迹预测等方向,介绍了国内外研究现状。分析轨迹挖掘中轨迹特征的提取方法,提出对角度变化点进行提取,并且结合轨迹聚类算法对提取点进行聚类,得到特征点集合。针对聚类算法的不足引入空间编码方法,提高聚类效率。在空间编码方法中给出邻域求取方法并证明其正确性。使用特征点集合对轨迹数据进行转换,得到轨迹序列,为后续进行轨迹预测打下基础。(2)分析常见轨迹预测技术,对比基于马尔可夫链的轨迹预测方法,指出其与基于频繁模式的轨迹预测法的异同。介绍PrefixSpan频繁序列挖掘算法,借鉴PrefixSpan算法思想,结合轨迹数据特点,提出PrefixTP轨迹预测算法,并给出详细示例和具体实现。(3)针对前文中提出的算法,在真实轨迹数据集上进行多角度实验,验证了算法的准确率、时间复杂度等指标。引入对比算法,全面客观的比较算法之间的优劣。设计并实现了基于PrefixTP轨迹预测算法的轨迹预测系统。
【关键词】：移动对象 轨迹预测 GPS轨迹
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-19
• 1.1 研究背景及意义11-12
• 1.2 研究现状12-15
• 1.2.1 移动对象轨迹模式挖掘12-13
• 1.2.2 移动对象未来轨迹预测13-15
• 1.3 轨迹数据挖掘方法介绍15-17
• 1.3.1 轨迹数据采集和预处理15-16
• 1.3.2 轨迹存储及索引16-17
• 1.3.3 轨迹地图匹配17
• 1.4 本文的研究工作及组织结构17-19
• 第2章 轨迹数据特征提取及转化19-33
• 2.1 引言19
• 2.2 理解轨迹数据19-21
• 2.3 轨迹特征提取21-23
• 2.4 基于密度的轨迹点聚类算法23-25
• 2.5 基于GeoHash的空间编码算法25-28
• 2.6 基于空间编码的聚类算法28-32
• 2.6.1 聚类算法28-30
• 2.6.2 邻域查找30-32
• 2.7 本章小结32-33
• 第3章 基于特征序列的轨迹预测33-43
• 3.1 引言33
• 3.2 PrefixSpan算法33-35
• 3.3 PrefixTP轨迹预测算法35-42
• 3.3.1 轨迹预测框架35-36
• 3.3.2 预测问题分析36-37
• 3.3.3 PrefixTP算法相关定义及具体实现37-42
• 3.4 本章小结42-43
• 第4章 实验及性能分析43-56
• 4.1 引言43
• 4.2 实验环境及数据描述43-45
• 4.2.1 实验数据集43-44
• 4.2.2 实验环境44-45
• 4.3 基于空间索引编码的聚类改进算法45-48
• 4.4 基于聚类的轨迹特征提取48-51
• 4.5 PrefixTP轨迹预测算法51-55
• 4.6 实验结论55
• 4.7 本章小结55-56
• 第5章 PrefixTP轨迹预测系统56-63
• 5.1 引言56
• 5.2 轨迹数据加载56-58
• 5.3 数据可视化模块58-60
• 5.4 PrefixTP轨迹预测模块60-62
• 5.5 本章小结62-63
• 结论63-64
• 致谢64-65
• 参考文献65-69

【参考文献】

中国期刊全文数据库 前4条

1 乔少杰;金琨;韩楠;唐常杰;格桑多吉;Louis Alberto GUTIERREZ;;一种基于高斯混合模型的轨迹预测算法[J];软件学报;2015年05期

2 丁治明;;一种适合于频繁位置更新的网络受限移动对象轨迹索引[J];计算机学报;2012年07期

3 彭曲;丁治明;郭黎敏;;基于马尔可夫链的轨迹预测[J];计算机科学;2010年08期

4 郭黎敏;丁治明;胡泽林;陈超;;基于路网的不确定性轨迹预测[J];计算机研究与发展;2010年01期

，

本文编号：1006576