基于轨迹结构的移动对象热点区域发现

发布时间：2019-06-16 15:55

【摘要】：针对现有热点区域发现算法难以从轨迹数据集中准确识别活动热点的问题,提出了基于轨迹结构的热点区域发现框架(TS_HS)。TS_HS由候选区域发现(CHSD)算法和热点区域过滤(HSF)算法组成。首先,使用基于网格相对密度的CHSD识别空间上的轨迹密集区域作为候选热点区域;然后,利用HSF根据候选区域中轨迹的活动特征和时间变化特征,筛选出移动对象活动频繁的热点区域。在Geolife数据集上进行的实验表明,与基于全局密度的热门区域发现算法(GD_HR)以及移动轨迹时空热点区域发现算法(SDHSRD)相比,TS_HS能更有效地解决多密度热点区域的识别问题。实验结果表明,TS_HS能够根据轨迹的活动特征准确发现移动对象的活动热点区域。
[Abstract]:In order to solve the problem that the existing hot spot discovery algorithms are difficult to accurately identify active hot spots from trajectory data sets, a hot spot discovery framework (TS_HS) based on trajectory structure is proposed. TS_HS consists of candidate region discovery (CHSD) algorithm and hot spot filtering (HSF) algorithm. Firstly, the CHSD based on the relative density of the grid is used to identify the trajectory dense region on the space as the candidate hot spot region, and then, according to the active characteristics and time variation characteristics of the trajectory in the candidate region, the hot spot area with frequent moving object activity is screened out by using HSF. Experiments on Geolife datasets show that TS_HS can solve the problem of multi-density hot spot recognition more effectively than the popular region discovery algorithm based on global density (GD_HR) and the moving trajectory space-time hot spot discovery algorithm (SDHSRD). The experimental results show that TS_HS can accurately find the active hot spot area of the moving object according to the active characteristics of the trajectory.
【作者单位】： 中国矿业大学计算机科学与技术学院;
【基金】：江苏省自然科学基金资助项目(BK20130208)~~
【分类号】：TP311.13

【相似文献】

相关期刊论文 前10条

1 黄添强;卓飞豹;;移动对象查询研究进展[J];系统仿真技术;2007年04期

2 李伯权;;基于轨迹不确定的移动对象的预测处理[J];齐齐哈尔大学学报;2008年06期

3 王元芝;鄢来斌;;一种移动对象位置信息的处理方法[J];计算机工程与科学;2009年12期

4 李实吉;秦小麟;施竣严;;障碍空间中的移动对象位置预测[J];计算机科学;2014年07期

5 易善桢,张勇,周立柱;一种平面移动对象的时空数据模型[J];软件学报;2002年08期

6 吴劲;卢显良;;移动对象数据模型[J];计算机科学;2002年06期

7 董毅,Edward Chan,黄载禄;LDCQ的距离更新策略[J];华中科技大学学报(自然科学版);2003年12期

8 李国徽;钟细亚;;一种基于固定网络的移动对象运动轨迹索引模型[J];计算机研究与发展;2006年05期

9 卢炎生;查志勇;潘鹏;;一种改进的移动对象时空数据模型[J];华中科技大学学报(自然科学版);2006年08期

10 廖巍;唐桂芬;景宁;钟志农;;基于速度分布的移动对象混合索引方法[J];计算机学报;2007年04期

相关会议论文 前10条

1 翁敬农;;移动对象及其时空模型的研究[A];中国地理信息系统协会第九届年会论文集[C];2005年

2 张伟;皮德常;;挖掘移动对象的频繁运动模式[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

3 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

4 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

5 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

6 王波涛;陈贺;马俊;喜连川优;王国仁;;基于区域覆盖的移动对象索引的设计与实现[A];第26届中国数据库学术会议论文集（A辑）[C];2009年

7 涂丹丹;向琳;左德承;杨孝宗;;移动对象数据库管理技术[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年

8 白芸;孟小峰;丁锐;杨楠;胡志智;;基于移动对象流的道路索引[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 刘小峰;陈传波;刘云生;;移动对象全局K最接近邻居查询研究[A];2007年全国开放式分布与并行计算机学术会议论文集(上册)[C];2007年

10 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

相关重要报纸文章 前4条

1 中国人民大学信息学院 孟小峰 丁治明;让数据跟随你移动[N];计算机世界;2001年

2 中国人民大学信息学院 郝兴;移动数据管理待补课[N];中国计算机报;2008年

3 ;Word中的“微调”技术[N];中国计算机报;2005年

4 四川 余文勇;课件特殊效果巧实现[N];中国电脑教育报;2001年

相关博士学位论文 前10条

1 吴佩莉;移动对象轨迹数据管理关键技术研究[D];北京理工大学;2015年

2 杨彬;室内移动对象的数据管理[D];复旦大学;2010年

3 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

4 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

5 方颖;移动对象数据库中移动对象索引方法研究[D];武汉大学;2010年

6 廖巍;面向位置服务的移动对象索引与查询处理技术研究[D];国防科学技术大学;2007年

7 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

8 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

9 张凤荔;移动对象数据智能处理模型研究[D];电子科技大学;2007年

10 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

相关硕士学位论文 前10条

1 黄川林;室内移动对象轨迹分析研究[D];中国科学技术大学;2014年

2 王梦冉;蜂窝网中基于频繁轨迹的越区切换算法研究[D];西南交通大学;2015年

3 金琨;不确定环境下移动对象轨迹模式挖掘及路径规划研究[D];西南交通大学;2015年

4 易显天;面向位置服务的道路网络下的汽车索引技术研究[D];电子科技大学;2015年

5 毕彦博;优化的基于Voronoi图的移动对象K近邻查询算法的研究与实现[D];东北大学;2013年

6 孙清清;面向移动对象间状态查询优化算法的研究与实现[D];东北大学;2013年

7 杨雨;面向GPS的移动对象轨迹模式挖掘研究[D];东北大学;2014年

8 张盼盼;融合复合特征的移动轨迹预测方法的研究与实现[D];西安电子科技大学;2014年

9 吴昊;基于路网的移动对象位置管理关键技术研究[D];南京邮电大学;2015年

10 李岳昌;基于代价聚簇的城市路网移动对象索引技术[D];南京邮电大学;2015年

，

本文编号：2500650