基于序列模式挖掘的轨迹预测算法研究
发布时间：2021-01-17 13:39
近年来,随着定位技术的发展和附有GPS功能的智能设备的普及产生庞大规模的轨迹数据,同时,随着大数据处理方式的不断发展进步还有人们不断变化的市场需求,人们逐渐可以发现并挖掘出这些轨迹数据所蕴含的价值,比如在揭示移动对象历史轨迹的同时也可以精确地反映出其运动特点和规律等。故而,愈来愈多的国内外研究学者将研究重点转移到移动对象轨迹预测问题上面。针对互联网海量的移动对象轨迹数据,本研究提出一种Prefix PTPA轨迹预测算法,该算法的主要思想是,首先对数据进行数据清洗和预处理并提出一种基于经纬度分类的轨迹处理算法,然后对数据进行停留点探测以及聚类的操作,其中在轨迹聚类提出了一种改进的DBSCAN密度聚类算法,一系列数据处理最后将GPS轨迹集转化为轨迹序列,并结合序列模式挖掘算法进行预测。通过与马尔科夫预测模型等经典算法比较,实验结果表明Prefix PTPA轨迹预测算法有优势,算法的平均预测准确率有所提高。本文的主要研究内容如下:由于原始数据集规模巨大而杂乱,可能存在格式不满足要求的情况,基于此本研究提出了一种基于经纬度分类（ABLLC）的数据处理算法,从经度和纬度还有时间三个维度去除不合规...
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
本文整体研究测框架图
GPS记录
第2章相关工作8第2章相关工作2.1轨迹预测领域的相关概念轨迹预测是根据用户自己或着他人的历史轨迹数据和当前轨迹数据信息去预测用户将来将要访问的位置或者轨迹序列。相关概念[36]如下定义。定义2.1GPS记录)record(GPS一条GPS记录是一个由GPS轨迹点构成的点集，字母表示为P={p1,p2,...,pn}，其中P为GPS记录，pi代表其中一个GPS轨迹点。一条GPS记录是由多个GPS轨迹点构成，而每个GPS轨迹点可以由一个三元组构成，即轨迹点（经度，纬度，时间），具体的GPS记录如下图2-1所示。图2-1GPS记录定义2.2GPS轨迹（ytrajectorGPS）图2-2GPS轨迹如上图2-2所示是一条GPS轨迹，同时表2-1给出了具体的GPS轨迹示例，式子（2.1）可以用来表示一条GPS轨迹：T=<T1,T2,...,Ti,...,Tn>，其中Ti=(Lati,Lngti,Ti)(2.1)
【参考文献】：
期刊论文
[1]基于网络和时间约束的告警序列模式挖掘研究[J]. 徐立坤,李建路,朱珠,陈海平,王林. 计算机与数字工程. 2019(09)
[2]基于出行方式及语义轨迹的位置预测模型[J]. 章静蕾,石海龙,崔莉. 计算机研究与发展. 2019(07)
[3]自适应确定DBSCAN算法参数的算法研究[J]. 李文杰,闫世强,蒋莹,张松芝,王成良. 计算机工程与应用. 2019(05)
[4]改进的Apriori算法在云计算挖掘下的研究[J]. 徐浙君. 科技通报. 2019(02)
[5]MWSN中基于马尔可夫链的节点移动预测算法[J]. 朱剑,李佳政. 东北大学学报(自然科学版). 2018(07)
[6]基于PrefixSpan序列模式挖掘的改进算法[J]. 王斌,黄晓芳,袁平. 西南科技大学学报. 2016(04)
[7]轨迹大数据异常检测:研究进展及系统框架[J]. 毛嘉莉,金澈清,章志刚,周傲英. 软件学报. 2017(01)
[8]时空数据挖掘研究进展[J]. 刘大有,陈慧灵,齐红,杨博. 计算机研究与发展. 2013(02)
[9]基于自适应多阶Markov模型的位置预测[J]. 吕明琪,陈岭,陈根才. 计算机研究与发展. 2010(10)
[10]GSP与PrefixSpan算法的比较与分析[J]. 刘立军,崔杰,梅红岩. 辽宁工学院学报. 2006(05)
硕士论文
[1]基于移动对象行为相似的下一位置预测算法研究[D]. 马林宏.辽宁大学 2019
[2]基于马尔科夫的张量链模型及其在用户行为轨迹的预测[D]. 李锦涛.华中科技大学 2019
[3]基于Apriori和FP-TREE的频繁项目集挖掘算法[D]. 黄黎明.南华大学 2018
[4]基于历史轨迹集的轨迹预测与目标预警系统[D]. 王娜.东南大学 2017
[5]移动对象不确定性轨迹预测模型研究[D]. 王晓腾.西南交通大学 2016
[6]K-Means算法研究及其与智能算法的融合[D]. 李振.安徽大学 2016
[7]融合语义信息的位置预测技术研究[D]. 付莉莉.北京邮电大学 2016
[8]基于历史轨迹的位置预测方法研究[D]. 杨洁.杭州电子科技大学 2015
[9]移动对象位置预测关键技术的研究[D]. 张伟.南京航空航天大学 2009
本文编号：2982989
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
本文整体研究测框架图
GPS记录
第2章相关工作8第2章相关工作2.1轨迹预测领域的相关概念轨迹预测是根据用户自己或着他人的历史轨迹数据和当前轨迹数据信息去预测用户将来将要访问的位置或者轨迹序列。相关概念[36]如下定义。定义2.1GPS记录)record(GPS一条GPS记录是一个由GPS轨迹点构成的点集，字母表示为P={p1,p2,...,pn}，其中P为GPS记录，pi代表其中一个GPS轨迹点。一条GPS记录是由多个GPS轨迹点构成，而每个GPS轨迹点可以由一个三元组构成，即轨迹点（经度，纬度，时间），具体的GPS记录如下图2-1所示。图2-1GPS记录定义2.2GPS轨迹（ytrajectorGPS）图2-2GPS轨迹如上图2-2所示是一条GPS轨迹，同时表2-1给出了具体的GPS轨迹示例，式子（2.1）可以用来表示一条GPS轨迹：T=<T1,T2,...,Ti,...,Tn>，其中Ti=(Lati,Lngti,Ti)(2.1)
【参考文献】：
期刊论文
[1]基于网络和时间约束的告警序列模式挖掘研究[J]. 徐立坤,李建路,朱珠,陈海平,王林. 计算机与数字工程. 2019(09)
[2]基于出行方式及语义轨迹的位置预测模型[J]. 章静蕾,石海龙,崔莉. 计算机研究与发展. 2019(07)
[3]自适应确定DBSCAN算法参数的算法研究[J]. 李文杰,闫世强,蒋莹,张松芝,王成良. 计算机工程与应用. 2019(05)
[4]改进的Apriori算法在云计算挖掘下的研究[J]. 徐浙君. 科技通报. 2019(02)
[5]MWSN中基于马尔可夫链的节点移动预测算法[J]. 朱剑,李佳政. 东北大学学报(自然科学版). 2018(07)
[6]基于PrefixSpan序列模式挖掘的改进算法[J]. 王斌,黄晓芳,袁平. 西南科技大学学报. 2016(04)
[7]轨迹大数据异常检测:研究进展及系统框架[J]. 毛嘉莉,金澈清,章志刚,周傲英. 软件学报. 2017(01)
[8]时空数据挖掘研究进展[J]. 刘大有,陈慧灵,齐红,杨博. 计算机研究与发展. 2013(02)
[9]基于自适应多阶Markov模型的位置预测[J]. 吕明琪,陈岭,陈根才. 计算机研究与发展. 2010(10)
[10]GSP与PrefixSpan算法的比较与分析[J]. 刘立军,崔杰,梅红岩. 辽宁工学院学报. 2006(05)
硕士论文
[1]基于移动对象行为相似的下一位置预测算法研究[D]. 马林宏.辽宁大学 2019
[2]基于马尔科夫的张量链模型及其在用户行为轨迹的预测[D]. 李锦涛.华中科技大学 2019
[3]基于Apriori和FP-TREE的频繁项目集挖掘算法[D]. 黄黎明.南华大学 2018
[4]基于历史轨迹集的轨迹预测与目标预警系统[D]. 王娜.东南大学 2017
[5]移动对象不确定性轨迹预测模型研究[D]. 王晓腾.西南交通大学 2016
[6]K-Means算法研究及其与智能算法的融合[D]. 李振.安徽大学 2016
[7]融合语义信息的位置预测技术研究[D]. 付莉莉.北京邮电大学 2016
[8]基于历史轨迹的位置预测方法研究[D]. 杨洁.杭州电子科技大学 2015
[9]移动对象位置预测关键技术的研究[D]. 张伟.南京航空航天大学 2009
本文编号：2982989
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2982989.html
最近更新
教材专著
