基于路网感知的时空轨迹聚类算法研究

发布时间：2017-05-13 19:01

  本文关键词：基于路网感知的时空轨迹聚类算法研究，，由笔耕文化传播整理发布。

【摘要】：近年来全球定位技术、无线通信技术与移动互联网技术的不断发展,促进了各种可定位设备(如卫星电话、移动电话、GPS接收器)的广泛应用,在提高了移动对象时空轨迹数据获取便捷性的同时,也大大的降低了获取成本。与普通时空数据挖掘不同,时空轨迹数据中隐含着被研究对象的移动特征,时空轨迹挖掘目的是发现个体或群体的行为模式。轨迹记录了对象随时间变化的移动情况,由众多的采样点按时间顺序组成,每个采样点都包含有时间、空间、速度、语义等属性。传统挖掘方法以点间距离判断对象间的相似性,时空轨迹则是由多个数据点有序排列组成的,两条轨迹中采样点间的距离有的比较近,有的比较远,所以在判断轨迹相似时,单纯考虑点间距离已无法满足需要,需要判断点序列的相似性。由此可见研究时空轨迹挖掘比传统数据挖掘的复杂程度要高。时空轨迹数据研究有很高的应用价值,可应用到多个领域,如动物迁徙规律发现、基于位置的服务、交通管理与规划、移动对象行为模式发现等。本文主要围绕轨迹聚类框架、轨迹的相似性度量以及轨迹聚类算法展开研究。并在此研究的基础上,首先提出一种新的基于路网感知的时空轨迹聚类框架。其次在改进了基于路网的轨迹划分方法的基础上,提出一种新的时空轨迹相似度量方法。最后,提出一种基于路网感知的时空轨迹聚类算法,NEASTT算法。考虑到以整条轨迹聚类和依据特征点划分轨迹片段的聚类方法中存在的不足,和移动对象在特定路网空间移动的特点以及轨迹数据包含的时间、空间、速度等属性特征,首先在路网空间内分割原始轨迹为轨迹片段,以轨迹片段为单位根据时空轨迹相似性度量方法度量轨迹片段间的时空距离,同路段内的时空相似轨迹片段聚集为聚类单元,再运用基于路网感知的时空轨迹聚类算法(NEASST算法)以聚类单元为单位,选择最优的相邻聚类单元进行时空流聚类。最终得到的流聚类即为移动对象在一定时间范围内的高流量、强连续的运动路径。从实验结果可以得知,本文提出的基于路网的时空聚类框架及算法可以对时空轨迹进行有效的聚类,而且可以发现移动对象在某个时间范围内的运动代表路径。
【关键词】：时空数据挖掘 移动对象轨迹 路网 时空轨迹聚类 基于位置的服务
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-18
• 1.1 课题研究背景及意义9-11
• 1.2 国内外研究现状及存在的主要问题11-15
• 1.2.1 国内外研究现状11-14
• 1.2.2 目前存在的主要问题14-15
• 1.3 本文主要研究内容与组织结构15-17
• 1.3.1 本文主要研究内容15-16
• 1.3.2 本文结构安排16-17
• 1.4 本章小结17-18
• 2 时空数据与轨迹数据挖掘18-31
• 2.1 时空数据挖掘18-22
• 2.1.1 时空数据挖掘的研究内容18-21
• 2.1.2 时空数据挖掘的基本流程21-22
• 2.2 时空轨迹挖掘22-30
• 2.2.1 时空轨迹的产生与描述22-23
• 2.2.2 时空轨迹的模式研究23-24
• 2.2.3 时空轨迹的相似性度量24-27
• 2.2.4 时空轨迹挖掘方法27-30
• 2.3 本章小结30-31
• 3 路网感知下的时空轨迹聚类框架31-42
• 3.1 现有框架的不足31-33
• 3.2 路网模型33-34
• 3.3 路网感知下的时空轨迹聚类框架34-38
• 3.3.1 问题定义34-37
• 3.3.2 路网感知下的时空轨迹聚类框架37-38
• 3.4 基于路网的相似性度量38-41
• 3.4.1 空间相似性39-40
• 3.4.2 时间相似性40-41
• 3.4.3 时空相似性41
• 3.5 本章小结41-42
• 4 NEASTT算法42-49
• 4.1 路段聚类单元聚类42-43
• 4.1.1 原始轨迹的分割42-43
• 4.1.2 轨迹片段在路段上的聚类43
• 4.2 时空流聚类43-48
• 4.2.1 类DBSCAN算法43-44
• 4.2.2 时空流聚类的初始化44
• 4.2.3 相邻聚类单元的合并44-48
• 4.3 本章小结48-49
• 5 实验结果与分析49-57
• 5.1 实验数据49
• 5.2 实验环境49-51
• 5.3 实验结果与分析51-55
• 5.3.1 中间时刻距离与时间重合距离相似度量比较51-52
• 5.3.2 NEASTT算法与NEAT算法的比较实验52-54
• 5.3.3 不同参数设置对NEASTT算法的影响54-55
• 5.4 本章小结55-57
• 6 总结与展望57-60
• 6.1 总结57-58
• 6.2 展望58-60
• 参考文献60-67
• 攻读硕士学位期间所取得的研究成果67-68
• 致谢68-69

【相似文献】

中国期刊全文数据库 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

中国重要会议论文全文数据库 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

中国重要报纸全文数据库 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

中国博士学位论文全文数据库 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

中国硕士学位论文全文数据库 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

  本文关键词：基于路网感知的时空轨迹聚类算法研究，由笔耕文化传播整理发布。

本文编号：363336