移动机会网络中用户移动模型研究

发布时间：2020-06-16 21:13

【摘要】：近年来,像智能手机、平板电脑等各种方便携带、成本低廉、计算能力强、具备短距离无线通信能力的智能设备得到了迅速普及,这推动了移动机会网络的蓬勃发展。移动机会网络与传统网络的不同之处在于:机会网络是通过利用用户节点在移动过程中彼此之间相遇而实现节点之间通信的一种移动网络,因此,机会网络中用户之间通信的最基本的前提就是需要用户彼此的接触。所以,对移动机会网络中用户的移动特性和模型进行分析,是移动机会网络的重要研究内容之一。移动机会网络中的用户移动模型应该在最大程度上符合现实中的移动场景,因此目前最准确、可靠的建模方法就是采集现实场景中移动用户的移动数据,然后分析得到移动模型。但是,目前用户移动数据采集与特性分析系统存在网络接口单一、数据采集维度低、所收集到的数据不能全面的反应移动用户行为等问题。本文给出了移动数据采集系统和用户移动模型分析系统的设计方案,通过JAVA语言实现了数据采集系统,详细介绍了该数据采集系统的核心模块:蓝牙扫描模块、GPS模型、WiFi扫描模块、云端服务器模块。同时,针对收集到的数据分析了用户的移动特性。现有的机会网络用户移动模型不能很好的对用户的相遇进行预测,因此,本文基于移动用户真实移动数据,提出了利用长短时记忆网络的方案对移动用户的相遇行为进行预测。首先,采集移动用户的蓝牙扫描数据、GPS轨迹数据以及WiFi扫描数据,经过处理后,获得移动用户相遇时间序列,并使用Word2Vec模型将时间序列进行向量化;然后,搭建长短时记忆网络神经网络模型,对其进行训练,获得用户相遇预测模型。利用采集到的其中6位移动用户的数据进行测试验证,平均预测准确率为93.6%。预测结果表明,本文提出的基于长短时记忆网络的移动用户相遇预测模型具有较高的准确率。在对移动用户相遇概率预测的基础上,为了能更好的刻画移动用户相遇时的时间、空间信息,本文提出基于隐马尔可夫模型的移动用户相遇持续时间和相遇地点的预测方法。首先,在获得移动用户相遇时间序列的基础上,通过分析、处理移动用户的数据,获得与移动用户相遇序列相对应的相遇持续时间序列和相遇地点时间序列;接着,以用户相遇序列为观测状态,分别以相遇持续时间和相遇地点为隐藏状态建立隐马尔可夫模型,并通过数据对模型进行训练,从而得到相应的相遇持续时间预测模型和相遇地点预测模型;最后,利用采集到的其中6位移动用户的数据进行测试验证,在移动用户相遇持续时间预测上,平均预测准确率为72.1%;在移动用户相遇地点预测上,平均预测准确率为80%。预测结果表明,本文提出的基于隐马尔可夫模型的移动用户相遇持续时间和相遇地点预测模型具有一定的可行性。通过以上工作,本文在真实场景下移动用户数据的基础上,建立了机会网络中用户间相遇的预测模型,实现了对机会网中移动用户间相遇概率的预测,同时实现了对移动用户相遇持续时间和相遇地点的预测。由于时间、人力有限,今后在数据收集上应该考虑更长的时间、更多的用户节点,这样才能更好的反应用户的移动特性;同时,对于算法模型,还需要优化处理,已达到更好的预测准确率。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN929.5
【图文】：

移动用户,聚类,持续时间,监督学习

中的机器学习库 sklearn 中的 AgglomerativeClustering 方法进行仿真，仿真结果如图4.5 所示。其中，横轴标为用户相遇持续时间。图4.5 移动用户相遇持续时间聚类结果4.4.2 HMM 参数学习隐马尔可夫模型的学习主要分为两种：监督学习和非监督学习。（一）监督学习方法如果训练数据中含有观测序列以及和观测序列相对应的状态序列，利用这种数据来进行参数学习的方法就是监督学习。假设训练数据为1 1 2 2{( , ),( , ), ,( , )}S SO I O I O I，其中，( , ),i=1,2, si iO I 表示一对长度相同的观测序列和状态序列，则可以使用极大似然法来计算 HMM 的参数。具体方法如下：（1）转移概率ija 的估计假设训练样本中某些样本在时刻t的状态为i，而在时刻 t 1却转移到状态 j ，在总的样本中经过这样转移的样本的个数为ijA ，则状态转移概率为

架构图,数据收集系统,移动用户,总体设计

了阿里巴巴的云服务器，利用服务器端的公网 IP，便于客户端用户传输数据。移动用户数据系统的总体设计架构如图 5.2。图5.2 移动用户数据收集系统总体设计架构GPS 模块：移动对象轨迹可以看作是移动对象随时间在空间范围内运动产生的记录，采样点主要包含地理位置信息、时间信息等。本数据采集系统，在客户端利用智能手持设备中的 GPS 模块，每隔 5 秒获取一次经纬度信息，实时的收集移动用户的位置轨迹信息。蓝牙模块：主要是获取移动用户彼此之间的接触数据，本模块主要利用智能手机上的蓝牙模块，每隔 5 分钟自动扫描附近的蓝牙设备，记录下所扫描到的其他移动用户的蓝牙信息。WiFi 模块：由于 GPS 定位系统只能获取到移动用户室外的位置信息，而对于室内的用户则无法获取到

【参考文献】