基于智能手机轨迹提取停留点的时空聚类算法研究

发布时间：2017-10-22 17:12

  本文关键词：基于智能手机轨迹提取停留点的时空聚类算法研究

  更多相关文章： 移动智能手机 用户轨迹 时空聚类 停留点提取 WebGIS

【摘要】：随着智能手机的普及,使用手机端传感器获取定位轨迹越来越便利,本文通过对传统聚类算法的改进,进行时空停留点的提取。以Myeclipse为主要开发环境,结合Java与Tomcat服务器实现了基于WebGIS的停留点提取系统,并对聚类结果进行统计分析。轨迹停留点研究在个性化好友推荐、出行目的地预测、商业广告推送等方面有重要的学术意义和应用价值。本文重点研究基于用户轨迹点提取停留点的时空聚类算法以及与WebGIS相结合的系统实现。本文的数据来源是利用智能手机APP获取同一轨迹下四部不同Android手机用户的轨迹数据。通过统计用户停留点的实际时空位置,作为聚类结果分析评价的对比数据。然后,使用Java程序对原始定位数据进行预处理,包括数据清洗、数据中心化和标准化三个方面,获取用户轨迹点的经纬度坐标、时间戳等信息。最后,将预处理后的数据按照一定的格式导入数据库,构成聚类分析的实验数据。基于Java语言实现聚类算法,分别使用基于层次的ST-BIRCH算法、基于密度的ST-DBSCAN和ST-OPTICS算法、以及基于网格和密度的ST-GRID四种时空聚类方法进行停留点提取。根据用户轨迹的经纬度范围、停留时长、到达同一停留点时间间隔等设置具体的算法参数,解决算法参数设置问题,实现时空停留点的提取。在对不同算法的对比评价方面,以各停留点的实际时空信息为参照,从聚类算法提取的正确点、缺失点和错误点三个方面,对比不同智能手机、不同聚类算法、不同定位类型轨迹提取停留点的时空差异,对算法的性能和聚类效果进行分析评价。探讨实验中时空停留点提取的一般性结果:同一轨迹下不同智能手机的软硬件性能、定位策略、采集轨迹点数量不同,同一聚类算法提取结果存在明显差异;基站定位误差是影响时空停留点提取精度的主要因素之一;GPS信号容易受遮蔽物影响,易出现定位漂移等误差,但对停留点提取结果影响不大;在聚类算法方面,基于密度的ST-DBSCAN算法,使用以轨迹点为邻域的密度划分,能够较好的去除噪声,提取效果较好,聚类算法总体性能也优于其它算法,但对基站定位的数据误差,仍难以消除;根据实验对比,使用ST-OPTICS算法改进ST-DBSCAN聚类参数的方案适合时空停留点提取。基于百度地图JavaScript API应用程序接口进行时空停留点提取的WebGIS系统开发,与Java语言实现的聚类算法及Oracle数据库相结合完成了系统的设计与实现。系统采用三层的结构划分,满足系统不同层次间数据传输接口的一致性问题。系统实现了地图基本操作、用户实际停留信息查询、用户轨迹查询、聚类算法结果展示四大模块。其中,基本操作模块包含地图的切换、漫游、缩放、测距等基础功能;用户停留信息查询用于用户实际时空停留点及缓冲区查询;用户轨迹查询模块包括结合地图海量点功能实现用户的轨迹点空间信息和属性信息的查询、利用热力图对用户轨迹进行直观展示;聚类分析模块则是通过不同手机、算法和参数的选择,与后台Java语言实现的聚类算法相结合,将聚类结果返回给浏览器端,实现聚簇点查询、停留点提取、逆地址解析和停留点街景的功能,并通过与用户停留信息查询模块对比实现聚类算法对比评价。本文通过实验得出,影响用户轨迹停留点提取算法效果的主要原因是用户轨迹获取中的基站定位误差较大。基于改进的ST-OPTICS算法,实现了用于决定参数的领域知识最小化,确定ST-DBSCAN算法的聚类阈值进行时空停留点提取,对传统聚类方法有一定改进,适用于时空停留点提取。但是,算法在时间复杂度、执行效率方面有待优化,在WebGIS停留点提取系统集成方面的研究仍需进一步深入。
【关键词】：移动智能手机 用户轨迹 时空聚类 停留点提取 WebGIS
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13
【目录】：

• 摘要6-8
• ABSTRACT8-11
• 第1章 绪论11-19
• 1.1 选题背景11-12
• 1.2 国内外研究现状12-14
• 1.3 研究目的及意义14-16
• 1.4 研究内容、技术路线与关键问题16-19
• 第2章 智能手机轨迹获取和聚类算法研究19-27
• 2.1 轨迹数据获取19-21
• 2.2 聚类算法21-23
• 2.3 聚类算法评价23-27
• 第3章 基于时空聚类算法提取轨迹停留点27-43
• 3.1 停留点提取数据准备27-30
• 3.2 时空停留点提取概念定义30-32
• 3.3 基于ST-BIRCH的停留点提取32-34
• 3.4 基于ST-DBSCAN的停留点提取34-37
• 3.5 基于ST-OPTICS的停留点提取37-40
• 3.6 基于ST-GRID的停留点提取40-43
• 第4章 时空聚类算法对比评价43-55
• 4.1 聚类结果对比分析43-47
• 4.2 聚类算法性能分析与评价47-55
• 第5章 时空停留点提取系统的设计与实现55-61
• 5.1 基于WebGIS的系统设计55-56
• 5.2 基于WebGIS的系统实现56-61
• 第6章 结论与展望61-63
• 6.1 研究结论61-62
• 6.2 不足之处与未来研究展望62-63
• 参考文献63-67
• 致谢67-69
• 硕士研究生期间学术成果69
• 发表论文69
• 参与项目69

【相似文献】

中国期刊全文数据库 前10条

1 葛磊;武芳;王鹏波;张冬林;;3维建筑综合中基于最小特征的面平移算法[J];测绘科学技术学报;2009年02期

2 骆雯,孙延明,陈振威,陈锦昌;判断点与封闭多边形相对关系的改进算法[J];机械;1999年03期

3 李林;卢显良;;一种基于切割映射的规则冲突消除算法[J];电子学报;2008年02期

4 刘巧玲;张红英;林茂松;;一种简单快速的图像去雾算法[J];计算机应用与软件;2013年07期

5 林亚平,杨小林;快速概率分析进化算法及其性能研究[J];电子学报;2001年02期

6 章郡锋;吴晓红;黄晓强;何小海;;基于暗原色先验去雾的改进算法[J];电视技术;2013年23期

7 杨铁军;靳婷;;一种动态整周模糊值求解算法及其仿真分析[J];系统工程与电子技术;2007年01期

8 周秀玲;郭平;陈宝维;王静;;几种计算超体积算法的比较研究[J];计算机工程;2011年03期

9 吴一戎,胡东辉,彭海良;Chirp Scaling SAR成象算法及其实现[J];电子科学学刊;1995年03期

10 王贵竹;一种产生单向分解值的算法[J];安徽大学学报(自然科学版);2001年03期

中国重要会议论文全文数据库 前10条

1 尹冀锋;;一种新的图象自适应增强算法[A];四川省通信学会一九九二年学术年会论文集[C];1992年

2 宁春平;田家玮;郭延辉;王影;张英涛;郑桂霞;刘研;;计算机辅助增强、分割算法在鉴别乳腺良、恶性肿块中的应用价值[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年

3 谢丽聪;;SVB查询改写算法的改进[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

4 郑存红;;复杂背景下相关跟踪算法研究及DSP实现[A];中国光学学会2010年光学大会论文集[C];2010年

5 杨文杰;吴军;;RFID抗冲突算法研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

6 高山;毕笃彦;魏娜;;一种基于UPF的小目标TBD算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 周磊;张卫华;王晓奇;张军;;基于流水算法的智能路障机器人设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

8 潘巍;李战怀;陈群;索博;李卫榜;;面向MapReduce的非对称分片复制连接算法优化技术研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

9 李伟伟;蔡康颖;郑新;王文成;;3D模型中重复结构的多尺度快速检测算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

10 杨任尔;陈恳;励金祥;;基于棱边方向检测的运动自适应去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中国重要报纸全文数据库 前1条

1 国泰君安资产管理部;“算法交易”是道指暴跌罪魁祸首?[N];上海证券报;2010年

中国博士学位论文全文数据库 前10条

1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年

2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年

3 李琰;基于猫群算法的高光谱遥感森林类型识别研究[D];东北林业大学;2015年

4 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年

5 王洋;基于群体智能的通信网络告警关联规则挖掘算法研究[D];太原理工大学;2015年

6 雷雨;面向考试时间表问题的启发式进化算法研究[D];西安电子科技大学;2015年

7 熊霖;大数据下的数据选择与学习算法研究[D];西安电子科技大学;2015年

8 周雷;基于图结构的目标检测与分割算法研究[D];上海交通大学;2014年

9 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年

10 蒋亦樟;多视角和迁移学习识别方法和智能建模研究[D];江南大学;2015年

中国硕士学位论文全文数据库 前10条

1 姚鑫宇;EMD去噪与MUSIC算法在DOA估计中的联合应用[D];昆明理工大学;2015年

2 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年

3 叶一舟;红外弱小目标检测算法研究[D];上海交通大学;2015年

4 王继重;基于Hadoop和Mahout的K-Means算法设计与实现[D];大连海事大学;2016年

5 何静;遥感图像的快速压缩算法研究[D];北京交通大学;2016年

6 章华燕;钢轨擦伤检测算法研究[D];北京交通大学;2016年

7 王一博;MODIS地震热异常的数据处理与算法研究[D];中国石油大学(华东);2014年

8 成鑫;基于组合优化问题的多目标模因算法的研究[D];南京航空航天大学;2015年

9 傅致晖;基于协同分割的视频目标分割算法研究[D];上海交通大学;2015年

10 张媛;运动车辆检测与跟踪算法的研究与实现[D];大连海事大学;2016年

，

本文编号：1079298