基于用户移动行为规律的数据分流方法研究

发布时间：2020-08-23 21:08

【摘要】：近年来,随着移动通信技术的不断进步和移动设备保有量的迅猛增长,全球移动数据流量呈爆炸式上升,这对移动用户和通信运营商都产生了很大影响。对于移动用户而言,数据请求的大规模接入极易造成移动通信网络拥塞,严重降低用户体验;对于通信运营商而言,为了满足急剧增长的用户移动数据需求,缓解移动通信网络的压力,通信运营商需要持续购买频谱、建设基站和升级网络,运营成本显著增加。如何缓解移动通信网络压力,同时满足日益增长的用户移动数据需求、保证用户体验,已成为亟待解决的难题。数据分流将原本经移动通信网络传输的数据改经其他网络传输,以应对移动数据流量急剧增长带来的诸多挑战。实践证明,数据分流可以较好地缓解移动通信网络的压力,满足用户的移动数据需求。此外,研究人员发现,在数据分流方法中考虑用户的移动行为,可以进一步提升分流方法的性能。因此,本文围绕基于用户移动行为规律的数据分流方法开展了研究工作。具体而言,本文工作主要包括如下几个方面:(1)本文对用户移动行为规律挖掘方法展开了研究。首先,本文对用户移动行为进行分析,得出用户移动行为具有如下规律:1)用户每天绝大部分时间会呆在少数几个热点位置;2)用户以天为周期频繁在热点位置之间移动,且习惯于沿着频繁路径进行移动。接着,鉴于GPS设备存在椭圆测量误差以及部分区域GPS信号较弱,本文采用卡尔曼滤波方法对用户移动行为数据进行预处理,以削弱上述因素对挖掘方法性能的影响。最后,本文提出用户热点位置挖掘方法和用户频繁路径挖掘方法,分别对上述两种规律进行挖掘,以供后续数据分流方法使用。(2)移动通信技术的进步为流媒体服务的兴起创造了条件,在移动设备上浏览视频已成为人们普遍的流量消费模式,移动视频流量的增长已极大地推动了移动数据总流量的增长。移动视频具有用户个性化特征鲜明和可缓存的特点。为此,本文提出了一种基于用户热点位置的数据分流方法(A Personal Hotspot Positions Based Data Offloading Method,简称HPO方法)。该方法主要分为三步:1)挖掘出用户热点位置;2)基于用户观看视频的历史记录,组合ItemCF/CB和GBDT+LR两种方法对用户观看兴趣进行建模,并生成用户最感兴趣的移动视频列表;3)当检测出用户位于热点位置且移动设备连接互补网络时,将移动视频缓存到设备中,以供用户不在WiFi、小基站等互补网络覆盖区域的时候观看,达到分流移动视频数据的目的。最后,本文在MovieLens数据集上对HPO方法的性能进行验证。实验结果表明,HPO方法的缓存精度优于GBDT方法以及GBDT+LR方法等,且执行效率更高。(3)很多数据不具有可缓存性,无法通过提前缓存的方式进行分流,但是它们在移动数据总流量中也占有很大比重,对其进行分流同样重要。鉴于城市区域部署有大量的WiFi、小基站等互补网络热点,且这些热点的分布信息可知,本文提出一种基于用户频繁路径的数据分流方法(A Personal Frequent Paths Based Data Offloading Method,简称FPO方法)。该方法首先挖掘出用户的频繁路径;接着,基于互补网络热点的分布信息,确定各热点在用户频繁路径上的覆盖区域;然后,利用用户在频繁路径上的移动行为具有的时空规律,预测出用户进/出各热点覆盖区域的时间;最后,当检测出用户在频繁路径上移动时,FPO方法基于各数据传输任务的截止完成时间,提前制定分流策略,达到充分利用互补网络进行数据分流的目的。本文选取确定性延时分流方法和适应性延时分流方法作为参照对象,对FPO方法的性能进行验证。实验结果表明,FPO方法具有良好的分流性能,平均相对完成时间更低,且能够保证用户体验。
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN929.5
【图文】：

移动数据,移动互联网,流星,移动通信网络

流量为丨丨．５ＥＢ／ｊ邋ｊ，预〖丨？邋２０２２年将达到７７ＥＢ／Ｗ，复合年均增长率为４６％。此外，逡逑工信部发布的《２０１８年通信业统计公报》［２］显示，２０１８年中国移动互联网接入逡逑流量消费达７１１亿ＧＢ，即月平均消费流量５．９２５ＥＢ［２］，如图１－１所示。中国超越逡逑美国成为使用移动数据最多的国家，在全球移动数据使用量中占比３１％。逡逑促使移动数据流量激增的因素众多。文献［３－６］指出，随着芯片技术的进步以逡逑及Ａｎｄｒｏｉｄ、ＩＯＳ等移动操作系统的出现和广泛应用，移动智能终端（如智能手逡逑机、平板电脑、可穿戴设备等）的全球保有量呈爆炸式增长。而一部智能终端消逡逑耗的数据量是功能设备的３５倍，因而，极大地刺激了移动数据的使用。此外，逡逑移动通信技术的进步为流媒体服务的兴起创造了条件。文献［７－８］发现，以逡逑ＹｏｕＴｕｂｅ、Ｎｅｔｆｌｅｘ为代表的视频类应用为人们提供了内容丰富的高清视频，浏览逡逑移动视频己成为人们的普遍消费模式。据ＹｏｕＴｕｂｅ统计，用户平均每天观看一小逡逑时的视频

方法研究,论文,现状,数据

图１－２论文组织架构逡逑在第一章中，我们主要介绍了本文的选题背景、数据分流方法研究现状、用逡逑移动行为规律研究现状，本文主要研究工作和论文组织架构。逡逑在第二章中，本文首先对用户移动行为进行分析，得出用户移动行为具有热逡逑位置和频繁路径两方面的规律。接着，本文介绍了利用卡尔曼滤波对用户移动逡逑为数据进行预处理的过程。最后本文探讨了用户热点位置挖掘和用户频繁路径逡逑掘两种用户移动行为规律挖掘方法。逡逑在第三章中，本文介绍了基于用户热点位置的数据分流方法。该方法包括：１）用户热点位置挖掘；２）用户观看兴趣建模，视频缓存列表构建；３）视频缓存。方法通过挖掘用户个性化观看兴趣，进而提前缓存视频的方式，动视频数据进行分流，达到缓解移动通信网络压力，保证用户观看体验的目的。逡逑在第四章中，本文详细介绍了基于用户频繁路径的数据分流方法。该方法：１）；２）／区；逡逑

热点,轨迹,位置,方法研究

逦第二章用户移动行为规律挖掘方法研究逦逡逑天大部分时间都呆在少数几个热点位置；（２）用户以天为周期频繁在热点位置间逡逑移动，且习惯于沿着频繁路径移动。接下来，本文给出用户移动行为规律挖掘方逡逑法，具体包括两部分：用户热点位置挖掘方法和用户频繁路径挖掘方法。逡逑逦轨迹１邋逦机迹２逦轨迹３邋－邋＿邋一轨迹４逦软迹５逡逑

【相似文献】