基于Spark的用户位置预测系统的设计与实现

发布时间：2021-05-10 14:31

　　当前,智能终端在人们的生活中发挥越来越大的作用,地理位置信息可以服务于智能交通领域,诸如交通流量和拥堵的预测以及解决方案的设计,车辆运行时候的导航路径规划等;也可以服务于社交网络和电子商务,根据用户的位置信息进行用户行为的分析和基于位置的推荐。在基于地理位置的服务中,从用户移动轨迹中提取用户感兴趣的位置是一项比较重要的工作。基于提取的位置进行用户下一位置的预测也是当今的研究热点。本课题对当前的国内外位置预测进行了充分的调研,重点研究了马尔科夫模型、随机森林模型和深度信念网络模型。针对传统预测模型考虑维度单一的问题,本课题将信念网络模型应用到位置预测当中,从用户轨迹的预处理、到从轨迹中提取出用户感兴趣的位置,再到基于提取位置的预测,设计了一套解决方案。模型引入的特征包括用户访问上一次位置、用户访问时间、用户停留时间和该地理位置的地理属性等。对比传统位置预测模型,该模型在准确度方面提高10%左右。基于当前开源的Spark分布式计算框架,本课题将基于深度信念网络的位置预测模型应用到实践中,完成了原型系统的设计和实现。该系统分为数据解析模块、位置提取模块、位置预测模块、数据可视化模块等,可以实... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 研究内容和目标
    1.4 论文结构安排
    1.5 本章小结
第二章 相关技术理论介绍
    2.1 轨迹预处理
    2.2 位置提取方法
    2.3 位置预测方法
        2.3.1 马尔科夫模型
        2.3.2 随机森林模型
        2.3.3 深度信念网络模型
        2.3.4 评价指标
    2.4 分布式计算框架
        2.4.1 分布式计算框架
        2.4.2 分布式消息队列
    2.5 MVC结构
    2.6 本章小结
第三章 位置提取和位置预测算法
    3.1 基于DBSCAN的多层次位置提取算法
        3.1.1 算法概述
        3.1.2 轨迹点距离计算
        3.1.3 算法流程
    3.2 基于深度信念网络的位置预测算法
        3.2.1 传统预测方法的不足及本算法的改进
        3.2.2 模型训练过程
    3.3 算法性能分析
        3.3.1 位置提取算法参数分析
        3.3.2 深度信念网络模型性能分析
    3.4 本章小结
第四章 基于Spark的位置预测系统分析与设计
    4.1 系统需求分析
    4.2 系统功能分析与设计
        4.2.1 数据解析模块
        4.2.2 位置提取模块
        4.2.3 位置预测模块
        4.2.4 数据可视化模块
    4.3 系统工作流程设计
    4.4 系统数据库设计
        4.4.1 数据库概念设计
        4.4.2 数据库逻辑设计
        4.4.3 数据库对外接口设计
    4.5 本章小结
第五章 基于Spark的位置预测系统实现与测试
    5.1 系统环境搭建
    5.2 数据解析模块
    5.3 位置提取模块
    5.4 位置预测模块
    5.5 数据可视化模块
    5.6 系统测试
    5.7 本章小结
第六章 总结和展望
    6.1 工作总结
    6.2 工作展望
参考文献
致谢


【参考文献】：
期刊论文
[1]基于深度信念网络的在线视频热度预测[J]. 陈亮,张俊池,王娜,李霞,陈宇环.  计算机工程与应用. 2017(09)
[2]基于深度信念网络的PM2.5预测[J]. 郑毅,朱成璋.  山东大学学报(工学版). 2014(06)
[3]基于rabbitmq的海量日志的分布式处理[J]. 袁佳,郭燕慧.  软件. 2013(07)

硕士论文
[1]马尔科夫模型预测方法的研究及其应用[D]. 何成刚.安徽大学 2011



本文编号：3179529