【摘要】：目前隨著智能手機的廣泛發(fā)展,人們的生活移動軌跡被采集記錄下來,形成了一些軌跡數(shù)據(jù)集。如何使用分析這些人類移動的數(shù)據(jù),從大量的信息中發(fā)現(xiàn)有價值的軌跡行為信息,例如識別出異常軌跡,是當前軌跡數(shù)據(jù)研究的焦點。現(xiàn)在,軌跡數(shù)據(jù)研究主要包括軌跡聚類、軌跡頻繁模式以及異常檢測等。雖然有很多的聚類算法和軌跡異常檢測算法的提出,但是主要思想是對軌跡數(shù)據(jù)進行空間上聚類和異常檢測,忽略了其他的信息特征,如時間、地理信息等。為解決上述問題本文以基于軌跡的時空特征進行聚類為出發(fā)點,以發(fā)現(xiàn)軌跡異常行為模式為目標,提出一種基于軌跡特征聚類的異常行為模式檢測方法,具體所做工作如下:(1)提出了一種基于軌跡時空特征的軌跡聚類方法。目前軌跡聚類通常先進行軌跡分割形成軌跡片段,然后通過相似性測量方法對軌跡片段進行相似度量,相似度高的歸為一類,這樣的思路方法時間消耗長,而且同樣空間占用也非常高。針對這些問題,提出了一種基于軌跡時空特征的軌跡聚類算法:對每條軌跡中的軌跡點進行基于時間特征的粗聚類算法,之后計算各條軌跡的時空特征,形成向量空間,再用經(jīng)典聚類算法進行細聚類方法得到最終劃分聚簇。(2)提出一種基于軌跡聚類的異常檢測方法。用上面提供的聚類方法得到的軌跡聚簇可計算出軌跡領(lǐng)域的密度值和時間異常閾值,用這兩項可進行異常檢測,分為多種軌跡異常情況,如時間特征異常、空間特征異常和全局異常。進一步由于軌跡數(shù)據(jù)中新的采樣數(shù)據(jù)會實時不斷地到來,所以要對異常檢測算法中的數(shù)據(jù)進行更新,提出一種基于滑動窗口的算法,每收集到一定的數(shù)據(jù)就進行異常檢測。最后進行實驗驗證軌跡聚類和異常檢測的有效性,通過對實驗結(jié)果進行分析,本文方法不僅具有合理性和有效性,還能夠準確并且有效地軌跡聚類和異常檢測,從而挖掘出具有相似社會角色、行為特征、興趣愛好的移動對象群體。
【圖文】：

就會產(chǎn)生并累積數(shù)據(jù)。所以，軌跡數(shù)據(jù)量是軌跡數(shù)據(jù)值，同時也缺少管理軌跡數(shù)據(jù)的辦法是關(guān)鍵問題[31]，，對于不斷到來的軌跡數(shù)據(jù)，進檢測是有意義的。于以上問題，做了以下工作：一種軌跡數(shù)據(jù)特征的提取算法軌跡聚類方法中，大多數(shù)算法都是通過在空間性計算，只是考慮了經(jīng)緯度的空間特性，但是據(jù)，它本身就帶有時間戳的信息，如何利用其面考量的聚類是有重要作用的�；谏鲜鰡栴}方法。該方法通過增加了時間因素來提高軌跡種基于軌跡聚類的異常模檢測方法的時空特征反映了移動對象日常行為模式，隨改變。我們需要提出實時的更新檢測軌跡異常軌跡異常的檢測是在空間形狀上進行檢測。

ctory Compression)：對于移動對象計算和應用中受限于存儲和計算于處理軌跡數(shù)據(jù)。實時壓縮和離線批量壓縮兩類。 個軌跡點并且基于這 n 個軌跡點果下一個軌跡點的位置超出規(guī)定方向角度改變。方法，給定軌跡，軌跡通過一系跡點被批量壓縮算法丟棄以獲得。 matching)： 道路網(wǎng)絡匹配是將軌的采樣序列轉(zhuǎn)換為道路網(wǎng)絡坐標樣點被映射到道路網(wǎng)絡位置。 然差，GPS跟蹤數(shù)據(jù)與實際軌跡之間車輛可能無法在道路上正確顯示
【學位授予單位】：遼寧大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP311.13;P228.4

【參考文獻】

相關(guān)期刊論文 前10條

1 肖艷麗;張振宇;楊文忠;;基于GPS軌跡的用戶移動行為挖掘算法[J];計算機應用與軟件;2015年11期

2 唐爐亮;鄭文斌;王志強;徐紅;洪軍;董坤;;城市出租車上下客的GPS軌跡時空分布探測方法[J];地球信息科學學報;2015年10期

3 袁華;錢宇;楊銳;;基于GPS軌跡的用戶興趣點及頻繁路徑挖掘研究[J];系統(tǒng)工程理論與實踐;2015年05期

4 廖律超;蔣新華;鄒復民;賀文武;邱淮;;一種支持軌跡大數(shù)據(jù)潛在語義相關(guān)性挖掘的譜聚類方法[J];電子學報;2015年05期

5 吉根林;趙斌;;時空軌跡大數(shù)據(jù)模式挖掘研究進展[J];數(shù)據(jù)采集與處理;2015年01期

6 ;Journal of Traffic and Transportation Engineering(English Edition)[J];Journal of Traffic and Transportation Engineering(English Edition);2014年06期

7 王亮;胡琨元;庫濤;吳俊偉;;基于多尺度空間劃分與路網(wǎng)建模的城市移動軌跡模式挖掘[J];自動化學報;2015年01期

8 朱麟;柳凱道;孫盛智;羅云;李祥龍;馬春雷;;基于空間語義軌跡的GPS航跡行為特征檢測研究[J];計算機應用與軟件;2014年04期

9 馬宇馳;楊寧;謝琳;李川;唐常杰;;基于軌跡時空關(guān)聯(lián)語義和時態(tài)熵的移動對象社會角色發(fā)現(xiàn)[J];計算機研究與發(fā)展;2012年10期

10 劉良旭;樂嘉錦;喬少杰;宋加濤;;基于軌跡點局部異常度的異常點檢測算法[J];計算機學報;2011年10期

相關(guān)博士學位論文 前3條

1 朱亮;位置社交網(wǎng)絡的服務推薦與隱私保護研究[D];北京郵電大學;2017年

2 夏大文;基于MapReduce的移動軌跡大數(shù)據(jù)挖掘方法與應用研究[D];西南大學;2016年

3 袁晶;大規(guī)模軌跡數(shù)據(jù)的檢索、挖掘和應用[D];中國科學技術(shù)大學;2012年

相關(guān)碩士學位論文 前7條

1 劉爽;基于時空軌跡的交通數(shù)據(jù)分析與應用[D];電子科技大學;2017年

2 丁秋林;基于大數(shù)據(jù)的用戶軌跡及語義分析[D];北京郵電大學;2017年

3 沈云;基于GPS軌跡數(shù)據(jù)的交通出行方式識別研究[D];北京交通大學;2017年

4 崔伯龍;基于軌跡挖掘與特征向量融合的好友推薦研究[D];杭州電子科技大學;2017年

5 隋雪芹;基于社會媒體的用戶移動軌跡挖掘及其在朋友推薦中的應用研究[D];山東大學;2016年

6 呂志娟;基于Lifelog數(shù)據(jù)的個人軌跡模式挖掘算法的研究與應用[D];東北大學;2015年

7 王倩;室內(nèi)移動對象軌跡相似性度量與應用[D];中國科學技術(shù)大學;2015年

本文編號：2598010