人类移动行为模式研究

发布时间：2020-10-11 04:09

　　 对人类行为规律的探索长久以来一直是自然、经济、社会等各个学科领域的学者关注的研究方向。研究人类行为的空间规律在疾病传播、交通流控制、异常行为监测、人口迁移等方面具有重大的理论和应用价值。我们的生活总是处于不断地移动当中。那些我们去过的地方一定程度上可以折射出我们的生活方式和人际关系网络。而城市生活中人类的空间出行行为受到多种因素的影响和制约。为了更好地理解城市生活中人类的空间出行行为特性,本文通过分析一组手机用户上报的位置信息数据分析人类城市空间签到行为模式特征并结合分析结果进行一系列相关的用户属性预测和轨迹预测。在签到行为模式分析部分首先分析了研究影响其空间签到行为可预测性的因素和出行距离、社交关系和用户个人的性别年龄对人类出行模式的影响。研究发现,用户空间移动行为具有一定记忆性,用户访问的地点数和对最常访问地点的访问规律是影响可预测性的主要因素。用户出行中不同出行距离下日常出行和远门出行是具有一些不同的出行模式的,两者访问的地点类别存在差异,出行的时间点也不全相同。用户在真实社会中存在的社交关系也一定程度上影响了用户的空间签到行为。在社交关系中,用户好友关系的强弱会对用户轨迹产生影响,而两者好友关系的单双向对于空间位置移动轨迹几乎无影响。不同性别和不同年龄段的用户在空间签到行为上也存在着很大的区别。这些具有不同性别和年龄属性的用户在签到的地点、签到的行为和社交关系等特征集合上皆存在显著的区分度。在得到上述签到行为特征分析结果后,本文利用用户的空间签到行为的诸多特征特征对用户的性别和年龄画像进行反向预测,并分别取得的了75%和74%的准确度,除此之外利用签到特征对用户进行实时的轨迹预测,取得了56%的预测准确度。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：C912.6
【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 论文背景和意义
    1.2 国内外研究现状
        1.2.1 人类空间运动规律的实证研究现状
        1.2.2 人类空间签到轨迹预测研究现状
        1.2.3 不同画像的人类行为特性研究现状
    1.3 论文内容安排
第二章 签到行为的可预测性及影响因素分析
    2.1 数据描述
    2.2 签到行为的基本特征
        2.2.1 用户和地点的活跃度分布
        2.2.2 签到行为的统计特征
        2.2.3 跳转距离相关性
    2.3 签到行为的可预测性分析
        2.3.1 签到行为的可预测性度量
        2.3.2 影响可预测性和规律性的因素分析
    2.4 签到行为的可预测性及影响因素分析总结
第三章 城市人类空间签到行为的模式分析
    3.1 不同出行距离下的出行模式分析
        3.1.1 出行距离划分
        3.1.2 日常出行和远门出行访问地点的异同分析
        3.1.4 日常出行和远门出行的空间特性分析
        3.1.5 用户远门旅行行为特征分析
        3.1.6 日常出行和远门出行差异总结
    3.2 社交关系对用户签到出行的影响
        3.2.1 社交关系对签到轨迹的影响
        3.2.2“有效三元组”结构分析
        3.2.3 三元组中的边
        3.2.4 三元组中的地点
        3.2.5 地点受社交关系的影响分析
        3.2.6 社交关系对用户签到出行的影响总结
第四章 不同属性用户群的空间签到行为分析
    4.1 不同性别的用户群的空间签到行为分析
        4.1.1 不同性别用户群在空间移动行为特征上的区分度
        4.1.2 不同性别用户群在社交特征上的区分度
        4.1.3 不同性别用户群在访问的地点特征上的区分度
    4.2 不同年龄段的用户群的空间签到行为分析
        4.2.1 不同年龄段用户群在空间移动行为特征上的区分度
        4.2.2 不同年龄段用户群在社交特征上的区分度
        4.2.3 不同年龄段用户群在访问的地点特征上的区分度
    4.3 不同属性用户群在签到行为上的区分度总结
第五章 空间签到行为预测
    5.1 用户个人信息预测
        5.1.1 用户个人信息预测问题定义
        5.1.2 用户个人信息预测模型特征
        5.1.3 用户个人信息预测模型实验结果
    5.2 用户签到轨迹预测
        5.2.1 用户签到轨迹预测问题定义
        5.2.2 基于时段的最常访问算法
        5.2.3 马尔科夫算法
        5.2.4 机器学习分类算法
        5.2.5 混合模型
        5.2.6 用户签到轨迹预测算法实验结果
第六章 总结与展望
致谢
参考文献
攻硕期间取得的研究成果

【参考文献】

相关期刊论文 前2条

1 樊超;郭进利;韩筱璞;汪秉宏;;人类行为动力学研究综述[J];复杂系统与复杂性科学;2011年02期

2 周涛;韩筱璞;闫小勇;杨紫陌;赵志丹;汪秉宏;;人类行为时空特性的统计力学[J];电子科技大学学报;2013年04期

本文编号：2836044