意大利米兰市和特伦蒂诺市移动通信数据中有向加权网络中心性特征的时间演变及对比分析
发布时间:2021-02-28 00:45
通信技术的飞速发展催生了海量的带有位置信息的移动通信数据。采用大数据技术对基于位置的移动通信数据进行分析,可以了解不同区域之间通信交互模式的动态变化。分析移动通信数据中有向加权网络特征的时间演变规律,掌握网络特征变化的周期性,可以为通信资源的动态分配、管理优化提供辅助决策。本文提出基于移动通信数据中有向加权网络中心性特征的时间演变分析,具体包括(1)利用spark大数据平台,从移动通信数据中建立有向加权网络。(2)在月、周、日的三种时间尺度上,分别计算最大度值、最大入度、最大出度、最大PageRank以及freeman等5种网络特征的Hurst指数。(3)将月、周、日时间尺度上得到的多个Hurst指数分别与地区新闻量进行相关性分析得到Pearson指数。(4)对比不同区域Pearson值,并进行分析。实验选取意大利米兰和特伦蒂诺两市为研究区域,以该区域2013年11月的移动通信数据以及每天的新闻量为实验数据。研究结果发现:(1)米兰市和特伦蒂诺市按天计算出来的Hurst指数均值高于按周以及按月计算出来的Hurst指数均值,表明在更短的时间尺度上,各特征值保持其周期性更强。米兰市按天和按...
【文章来源】:南京邮电大学江苏省
【文章页数】:74 页
【学位级别】:硕士
【部分图文】:
技术流程图
南京邮电大学专业学位硕士研究生学位论文 第二章 研究区域与数据第二章 研究区域与数据2.1 研究区域2013 年 9 月和 10 月由中国国家主席习近平分别提出建设“新丝绸之路经济带”和“21世纪海上丝绸之路”的合作倡议,“一带一路”的政策应运而生,随着意大利加入“一带一路”,中国是“一带一路”的起点,意大利是“一带一路”的终点,并且意大利几个世纪一直都是西方文明的中心,米兰是意大利的第二大城市,是世界著名的国际大都市之一,世界八大都会区之一;而特伦蒂诺事意大利的自治区,地形多山,和米兰市有鲜明的对比,因此,本文以米兰市和特伦蒂诺市作为研究对象,米兰和特伦蒂诺的移动通信数据作为研究数据,更具有代表性,其中米兰市和特伦蒂诺市的卫星遥感地图以及矢量图如图 2.1-图 2.4 所示:
特伦蒂诺市卫星遥感地图
【参考文献】:
期刊论文
[1]Spark的图计算框架:GraphX[J]. 孙海. 现代计算机(专业版). 2017(09)
[2]基于Spark的社交网络特性分析[J]. 邢立国,吕琼帅. 平顶山学院学报. 2014(05)
[3]大数据驱动的人类移动模式和模型研究[J]. 刘瑜,康朝贵,王法辉. 武汉大学学报(信息科学版). 2014(06)
[4]关联规则数据挖掘与发展趋势研究[J]. 曾孝文. 电脑知识与技术. 2005(35)
博士论文
[1]复杂网络模型及应用研究[D]. 谭利.中南大学 2010
硕士论文
[1]基于Spark的图数据查询算法研究[D]. 张玉杰.北京交通大学 2017
[2]基于Spark的网络用户行为分析方法的研究[D]. 阮得宝.湖南工业大学 2016
[3]基于Spark技术的实时网络流量异常检测研究[D]. 周超.兰州交通大学 2016
本文编号:3055048
【文章来源】:南京邮电大学江苏省
【文章页数】:74 页
【学位级别】:硕士
【部分图文】:
技术流程图
南京邮电大学专业学位硕士研究生学位论文 第二章 研究区域与数据第二章 研究区域与数据2.1 研究区域2013 年 9 月和 10 月由中国国家主席习近平分别提出建设“新丝绸之路经济带”和“21世纪海上丝绸之路”的合作倡议,“一带一路”的政策应运而生,随着意大利加入“一带一路”,中国是“一带一路”的起点,意大利是“一带一路”的终点,并且意大利几个世纪一直都是西方文明的中心,米兰是意大利的第二大城市,是世界著名的国际大都市之一,世界八大都会区之一;而特伦蒂诺事意大利的自治区,地形多山,和米兰市有鲜明的对比,因此,本文以米兰市和特伦蒂诺市作为研究对象,米兰和特伦蒂诺的移动通信数据作为研究数据,更具有代表性,其中米兰市和特伦蒂诺市的卫星遥感地图以及矢量图如图 2.1-图 2.4 所示:
特伦蒂诺市卫星遥感地图
【参考文献】:
期刊论文
[1]Spark的图计算框架:GraphX[J]. 孙海. 现代计算机(专业版). 2017(09)
[2]基于Spark的社交网络特性分析[J]. 邢立国,吕琼帅. 平顶山学院学报. 2014(05)
[3]大数据驱动的人类移动模式和模型研究[J]. 刘瑜,康朝贵,王法辉. 武汉大学学报(信息科学版). 2014(06)
[4]关联规则数据挖掘与发展趋势研究[J]. 曾孝文. 电脑知识与技术. 2005(35)
博士论文
[1]复杂网络模型及应用研究[D]. 谭利.中南大学 2010
硕士论文
[1]基于Spark的图数据查询算法研究[D]. 张玉杰.北京交通大学 2017
[2]基于Spark的网络用户行为分析方法的研究[D]. 阮得宝.湖南工业大学 2016
[3]基于Spark技术的实时网络流量异常检测研究[D]. 周超.兰州交通大学 2016
本文编号:3055048
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3055048.html