时空轨迹数据潜在模式可视分析

发布时间：2021-02-23 13:05

　　随着无线通信和移动计算技术以及全球定位和导航系统的快速发展,时空轨迹数据不断增加,因此对能够分析轨迹潜在模式的技术需求也在增加。同时,现实世界的许多时空现象呈现出顺序和等级性质,时空轨迹数据的模式挖掘就是为了寻找其中一些有价值的潜在模式。传统轨迹模式挖掘的研究重点侧重于如何对某一模式进行更加精准和快速的挖掘,但是对于同一段轨迹序列包含几种不同模式特征的情形没有进行很好的展现,不利于用户发现移动对象的行为模式随时间演化的过程。此外,可视分析的工作和探索空间也有一定的局限性。针对轨迹序列在不同时间粒度下可能表现出不同的行为模式这一现象,本文提出了一种基于轨迹聚类的潜在模式可视分析方法,通过将轨迹数据中模式挖掘的技术和可视分析的技术相结合而弥补了各自方法中存在的不足。具体而言,本文提出了一种基于代表类簇提取的时空轨迹数据模式挖掘算法,首先提出了一种自适应Traclus算法来对轨迹数据进行聚类分析,并在聚类以后根据动态时间弯曲距离提出了一种提取代表类簇的方法,通过对代表类簇的提取来对轨迹中的行为模式进行挖掘。进一步设计了一种多时间粒度的轨迹模式分析视图,建立了潜在模式的可视化交互分析模型,用户... 

【文章来源】：国防科技大学湖南省 211工程院校 985工程院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

图1.1分层聚类模型：凝聚和分裂在凝聚框架之中，首先对轨迹进行分组，接着通过搜索相似类簇的共同属性

国防科技大学研究生院硕士学位论文图1.2船舶轨迹的直接可视化聚集可视化是对轨迹数据先进行聚集计算得到一些聚集数据，然后根据得到的聚集数据呈现给用户进行可视分析。如图1.3所示，展示了Landesberger等人[46]针对时间维度进行聚集可视化的工作，他们采用了一个类似于平行集合的设计方式，相邻轴之间的条带表示了状态变化。相比较于直接可视化方法而言，聚集可视化能够处理的轨迹数据量明显增大，同时分析任务也分担了一部分给计算机负责，人工工作量相对较少。在能够直接将一些聚集特性进行可视呈现的同时，聚集可视化在分析探索方面的自由度有较大限制，有时可能会遗漏掉一些重要信息，且会出现某些特征无法被用户轻易理解的情况。图1.3动态分类数据视图特征可视化就是通过分析轨迹数据提取出特征并进行可视呈现。特征可视化在分析任务的目标上更加明确，搜索上更为系统和高效，也因此可以对较大量的轨迹数据进行快速分析。例如图1.4所示，AndrienkoG等人[47]根据空间位置和方第6页

国防科技大学研究生院硕士学位论文图1.2船舶轨迹的直接可视化聚集可视化是对轨迹数据先进行聚集计算得到一些聚集数据，然后根据得到的聚集数据呈现给用户进行可视分析。如图1.3所示，展示了Landesberger等人[46]针对时间维度进行聚集可视化的工作，他们采用了一个类似于平行集合的设计方式，相邻轴之间的条带表示了状态变化。相比较于直接可视化方法而言，聚集可视化能够处理的轨迹数据量明显增大，同时分析任务也分担了一部分给计算机负责，人工工作量相对较少。在能够直接将一些聚集特性进行可视呈现的同时，聚集可视化在分析探索方面的自由度有较大限制，有时可能会遗漏掉一些重要信息，且会出现某些特征无法被用户轻易理解的情况。图1.3动态分类数据视图特征可视化就是通过分析轨迹数据提取出特征并进行可视呈现。特征可视化在分析任务的目标上更加明确，搜索上更为系统和高效，也因此可以对较大量的轨迹数据进行快速分析。例如图1.4所示，AndrienkoG等人[47]根据空间位置和方第6页

【参考文献】：
期刊论文
[1]基于时空模式的轨迹数据聚类算法[J]. 石陆魁,张延茹,张欣.  计算机应用. 2017(03)
[2]轨迹数据可视分析研究[J]. 王祖超,袁晓如.  计算机辅助设计与图形学学报. 2015(01)
[3]时空轨迹大数据模式挖掘研究进展[J]. 吉根林,赵斌.  数据采集与处理. 2015(01)
[4]改进的自适应遗传算法[J]. 张京钊,江涛.  计算机工程与应用. 2010(11)
[5]基于动态时间弯曲的时序数据聚类算法的研究[J]. 翁颖钧,朱仲英.  计算机仿真. 2004(03)

博士论文
[1]移动对象轨迹数据挖掘方法研究[D]. 袁冠.中国矿业大学 2012

硕士论文
[1]动物移动轨迹数据的挖掘研究[D]. 权宇澄.华东师范大学 2016



本文编号：3047636