基于移动通信数据的区域内群体行为分析和预测

发布时间：2017-10-14 01:24

  本文关键词：基于移动通信数据的区域内群体行为分析和预测

  更多相关文章： 移动通信数据 群体行为分析 群体聚集行为预测 路径预测 Markov预测模型

【摘要】：作为当今通信领域的主要手段,智能手机已经成为人们生活和工作中必不可少的通信设备,同时移动通信网络也已经成为了第一大通信媒体网络。随着智能手机,平板电脑等便携式移动终端的流行,以及智能终端等移动设备作为载体的移动社交网络的兴起,人与人之间的社交活动变得更加便利。人作为移动社交网络中的主体,其位置时时刻刻都在变化,因此我们可以通过记录用户在移动通信环境中的地理位置信息建立移动轨迹模型,实现对群体行为的分析和预测,从而可以解决一些由人群聚集引起的群体事件如交通堵塞、突发群体事件等。要研究移动通信环境中的群体行为,首要的任务是获取用户的地理位置信息,获取用户地理位置的最主要的途径有三种:第一种是通过GPS定位,第二种是基站定位,第三种是WIFI热点定位。GPS定位精度是三者中最高的,但是GPS数据一般由志愿者提供,想要获取大量的用户位置数据比较困难。对于WIFI定位,WIFI热点的覆盖范围较小,大部分集中到一个校园或社区,因此通过WIFI定位获取的用户位置信息来进行用户群体行为研究局限性较大。基站定位的精度虽然在三者中最低,但是它有数据易获取,覆盖范围广的特点,因此基于基站定位获取的用户位置信息来进行群体行为的研究是三者中最合适的。本文通过研究移动通信数据的特点,提出了一种群体行为分析模型,该模型可以实时识别区域内的人群是否有聚集行为发生。通过建立加权的Markov预测模型对单个用户轨迹进行预测进而实现对群体聚集行为的预测,实现对群体聚集行为的提前预警。本文主要工作包括:介绍3G核心网主要功能,获取SGSN设备中的计费数据,分析计费数据格式,提取用于群体行为分析的有用数据。对3G基站组网方式进行研究,根据3G组网方式的特点本文提出了一种优化用户在基站内分布的扇形分布模型,提高了用户定位的精度。建立用户群体行为分析模型,实时监控用户群体聚集行为。实现热度图,使超出正常用户分布数量的区域在地图上以热度图方式直观的显示出来。通过加权的Markov预测模式实现对单个用户轨迹的预测,统计所有用户的轨迹预测结果实现对群体聚集行为的预测。根据用户行为习惯建立不同时间段,并按时间段分别建立的Markov模型,提高预测的准确性。
【关键词】：移动通信数据 群体行为分析 群体聚集行为预测 路径预测 Markov预测模型
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-16
• 1.1 课题研究背景和意义11-12
• 1.2 国内外相关技术和研究现状12-14
• 1.2.1 3G通信数据的研究现状12-13
• 1.2.2 群体行为的研究现状13-14
• 1.3 论文的主要研究内容14-15
• 1.4 论文的组织结构15-16
• 第二章 相关技术与理论知识介绍16-26
• 2.1 引言16
• 2.2 GMap.NET控件16-19
• 2.2.1 GMap.NET功能简介16-17
• 2.2.2 GMap.NET图层17-19
• 2.2.3 GMap.NET底图的选择19
• 2.3 群体行为预测的相关方法19-22
• 2.3.1 整体规律预测法中的群体行为预测模型19-20
• 2.3.1.1 用于群体行为预测的元胞自动机模型19-20
• 2.3.1.2 基于Agent的人群移动模型20
• 2.3.2 个体轨迹预测方法20-22
• 2.3.2.1 基于Markov链的轨迹预测模型20-21
• 2.3.2.2 基于聚类分析的轨迹预测模型21
• 2.3.2.3 基于频繁模式的轨迹预测模型21-22
• 2.3.2.4 基于神经网络的轨迹预测模型22
• 2.4 Markov链相关定义和性质22-25
• 2.4.1 Markov链定义23
• 2.4.2 转移概率与转移概率矩阵23-24
• 2.4.3 Markov链的性质和状态24-25
• 2.5 本章小结25-26
• 第三章 3G核心网计费数据分析与提取建模26-35
• 3.1 引言26
• 3.2 UMTS系统的组成和功能介绍26-28
• 3.3 通信数据分析与提取28-32
• 3.3.1 3G核心网的计费流程28-29
• 3.3.2 GTP’通信协议29-30
• 3.3.3 CDR合并30-32
• 3.4 数据采集与预处理32-34
• 3.5 本章小结34-35
• 第四章 群体行为分析与研究35-58
• 4.1 引言35
• 4.2 用户位置信息预处理35-38
• 4.3 BSD建模38-42
• 4.3.1 蜂窝组网38-39
• 4.3.2 基于蜂窝通信的用户分布模型BSD39-42
• 4.4 热图实现原理42-44
• 4.5 群体行为分析模型的建立44-48
• 4.5.1 模型数据准备44-46
• 4.5.2 群体聚集行为发现方法46-47
• 4.5.3 群体行为分析模型的整体框架及建模步骤47-48
• 4.6 群体行为分析系统设计48-57
• 4.6.1 系统总体设计48-49
• 4.6.2 服务器模块49-52
• 4.6.3 客户端模块52-57
• 4.7 本章小结57-58
• 第五章 加权Markov模型实现群体行为预测58-72
• 5.1 引言58
• 5.2 用户路径构造58-59
• 5.3 基于加权Markov链的轨迹预测模型的建立59-65
• 5.3.1 Markov性检验59-60
• 5.3.2 加权Markov链预测思想60-61
• 5.3.3 加权Markov轨迹预测模型建立61-65
• 5.3.3.1 模型数据准备61
• 5.3.3.2 建立k步概率转移矩阵61-62
• 5.3.3.3 用户轨迹的预测原理62-63
• 5.3.3.4 建模过程中用到的算法分析63-65
• 5.4 通过用户轨迹预测群体分布65-67
• 5.5 群体聚集行为预测系统设计67-71
• 5.5.1 系统总体设计67-68
• 5.5.2 预测系统核心模块介绍68-71
• 5.6 本章小结71-72
• 第六章 系统测试与结果分析72-84
• 6.1 实验环境介绍72
• 6.2 实验数据的数据准备72-73
• 6.3 群体行为分析系统模块测试73-78
• 6.3.1 热度图实现效果73-74
• 6.3.2 BSD实现结果分析74-75
• 6.3.3 群体行为系统分析模块测试及结果分析75-78
• 6.4 群体聚集行为预测系统核心模块测试78-83
• 6.4.1 路径预测模块测试78-80
• 6.4.2 群体聚集行为预测的测试80-83
• 6.5 本章小结83-84
• 第七章 结束语84-86
• 7.1 结论84
• 7.2 论文的创新点84-85
• 7.3 下一步工作和展望85-86
• 致谢86-87
• 参考文献87-90

【相似文献】

中国期刊全文数据库 前10条

1 蔡君;赵慧民;;基于用户社团变化的大型网络异常群体行为检测[J];西北大学学报(自然科学版);2013年03期

2 高凯;王九硕;马红霞;周二亮;Radha Ganesan;;微博信息采集及群体行为分析[J];小型微型计算机系统;2013年10期

3 杨志谋;司光亚;李志强;罗批;;大规模群体行为仿真模型设计与实现[J];系统仿真学报;2010年03期

4 杨志谋;司光亚;李志强;罗批;;群体行为建模理论基础与建模方法研究[J];系统仿真学报;2009年16期

5 姚灿中;杨建梅;;改进的自推动粒子模型与群体行为研究[J];计算机工程与应用;2011年25期

6 姚灿中;杨建梅;;双目标推动下群体行为的元胞自动机模拟[J];计算机工程与应用;2012年01期

7 黄涵霞;胡燕萍;孙知信;;微博社交网络中用户群体关系挖掘与群体行为分析[J];中兴通讯技术;2014年01期

8 岳峰;荣明;胡晓峰;孙常福;;基于Agent构建群体行为模型[J];装甲兵工程学院学报;2008年01期

9 葛艳红;李文锋;董文涛;;物联网环境下群体机器人协同演化机制研究[J];武汉理工大学学报;2012年09期

10 陈威华;张旭;曹黎俊;黄凯奇;;基于群体性行为模型的人群分析及其应用[J];网络新媒体技术;2014年01期

中国重要会议论文全文数据库 前10条

1 黎平;刘国栋;;强化法律对群体行为的控制是当务之急[A];行为法学在中国的崛起[C];1993年

2 徐旭林;司光亚;禹海全;杨志谋;陈增强;;社会群体行为演化网络的非线性动力学分析[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

3 卢山;;基于灾时网络动员导引下的群体行为研究[A];第19届中国社会学年会社会稳定与社会管理机制研究论文集[C];2009年

4 胡斌;王志明;;个体—群体博弈的定性模拟[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

5 任国友;白侠;;高校“三特生”群体行为特征的界定与教育对策[A];高校心理健康教育专业化研究——第八届全国高校心理健康教育与心理咨询学术交流会论文集[C];2004年

6 周佳树;陈毅文;王二平;;群体行为预测模型统计效力比较[A];第十二届全国心理学学术大会论文摘要集[C];2009年

7 王缓缓;胡斌;蒋国银;;基于Multi-Agent模拟的项目型组织群体互动规律研究[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

8 赵媛;周应祺;;鱼类群体行为录像提取数据的标定及校正[A];2009年中国水产学会学术年会论文摘要集[C];2009年

9 谌东茨;;工序质量监控软件——控制图若干问题的研究[A];全国经济管理院校工业技术学研究会第五届学术年会论文集[C];1994年

10 王龙;伏锋;陈小杰;楚天广;谢广明;;群体行为与自组织合作[A];第二十六届中国控制会议论文集[C];2007年

中国重要报纸全文数据库 前6条

1 深交所投资者教育中心;股市交易中群体行为的陷阱[N];证券时报;2010年

2 《沈阳晚报》 佟丽霞;“人肉搜索”的道德借口[N];中国新闻出版报;2009年

3 武汉大学社会学系 张杨波;被遗忘的参考群体行为理论[N];中国社会科学报;2014年

4 记者 武彩霞;警惕股市交易中“群体行为陷阱”[N];新华每日电讯;2010年

5 复旦大学 刘建军;幸福社会在哪里？[N];社会科学报;2014年

6 王君朝;日本酒俗点滴[N];人民日报;2004年

中国博士学位论文全文数据库 前6条

1 张静;基于复杂网络的微博用户群体行为研究[D];北京邮电大学;2015年

2 苏航;群体行为理解和识别技术研究[D];上海交通大学;2014年

3 陈世明;基于局部信息的若干群体行为研究[D];华中科技大学;2006年

4 夏功成;企业知识群体行为的定性模拟研究[D];华中科技大学;2005年

5 田野;基于微博平台的事件趋势分析及预测研究[D];武汉大学;2012年

6 宋宏权;区域人群状态与行为的时空感知方法[D];南京师范大学;2013年

中国硕士学位论文全文数据库 前10条

1 王小超;非一致质量的多个体耦合系统的群体行为[D];哈尔滨工业大学;2016年

2 梁钰雯;社会性媒体对群体行为方式和社会变迁的影响[D];南京艺术学院;2016年

3 蒋平;邻避冲突下的群体行为影响模型研究[D];电子科技大学;2016年

4 张海波;基于移动通信数据的区域内群体行为分析和预测[D];电子科技大学;2016年

5 杨中元;基于神经网络的群体行为仿真技术研究[D];电子科技大学;2016年

6 张严浩;群体行为视觉语义表达分析及应用[D];哈尔滨工业大学;2012年

7 茹立宁;群体行为的数学建模与分析[D];哈尔滨工业大学;2012年

8 单铭明;不同身份状态的认同融合与极端亲群体行为[D];华东师范大学;2015年

9 于艳;多个体系统的群体行为与稳定性分析[D];北方工业大学;2010年

10 赵会艳;群体行为涌现机理的理论模型构建[D];云南师范大学;2013年

，

本文编号：1028213