本文關(guān)鍵詞：基于智能手機(jī)軌跡提取停留點(diǎn)的時(shí)空聚類(lèi)算法研究

  更多相關(guān)文章： 移動(dòng)智能手機(jī) 用戶(hù)軌跡 時(shí)空聚類(lèi) 停留點(diǎn)提取 WebGIS

【摘要】：隨著智能手機(jī)的普及,使用手機(jī)端傳感器獲取定位軌跡越來(lái)越便利,本文通過(guò)對(duì)傳統(tǒng)聚類(lèi)算法的改進(jìn),進(jìn)行時(shí)空停留點(diǎn)的提取。以Myeclipse為主要開(kāi)發(fā)環(huán)境,結(jié)合Java與Tomcat服務(wù)器實(shí)現(xiàn)了基于WebGIS的停留點(diǎn)提取系統(tǒng),并對(duì)聚類(lèi)結(jié)果進(jìn)行統(tǒng)計(jì)分析。軌跡停留點(diǎn)研究在個(gè)性化好友推薦、出行目的地預(yù)測(cè)、商業(yè)廣告推送等方面有重要的學(xué)術(shù)意義和應(yīng)用價(jià)值。本文重點(diǎn)研究基于用戶(hù)軌跡點(diǎn)提取停留點(diǎn)的時(shí)空聚類(lèi)算法以及與WebGIS相結(jié)合的系統(tǒng)實(shí)現(xiàn)。本文的數(shù)據(jù)來(lái)源是利用智能手機(jī)APP獲取同一軌跡下四部不同Android手機(jī)用戶(hù)的軌跡數(shù)據(jù)。通過(guò)統(tǒng)計(jì)用戶(hù)停留點(diǎn)的實(shí)際時(shí)空位置,作為聚類(lèi)結(jié)果分析評(píng)價(jià)的對(duì)比數(shù)據(jù)。然后,使用Java程序?qū)υ级ㄎ粩?shù)據(jù)進(jìn)行預(yù)處理,包括數(shù)據(jù)清洗、數(shù)據(jù)中心化和標(biāo)準(zhǔn)化三個(gè)方面,獲取用戶(hù)軌跡點(diǎn)的經(jīng)緯度坐標(biāo)、時(shí)間戳等信息。最后,將預(yù)處理后的數(shù)據(jù)按照一定的格式導(dǎo)入數(shù)據(jù)庫(kù),構(gòu)成聚類(lèi)分析的實(shí)驗(yàn)數(shù)據(jù)�；贘ava語(yǔ)言實(shí)現(xiàn)聚類(lèi)算法,分別使用基于層次的ST-BIRCH算法、基于密度的ST-DBSCAN和ST-OPTICS算法、以及基于網(wǎng)格和密度的ST-GRID四種時(shí)空聚類(lèi)方法進(jìn)行停留點(diǎn)提取。根據(jù)用戶(hù)軌跡的經(jīng)緯度范圍、停留時(shí)長(zhǎng)、到達(dá)同一停留點(diǎn)時(shí)間間隔等設(shè)置具體的算法參數(shù),解決算法參數(shù)設(shè)置問(wèn)題,實(shí)現(xiàn)時(shí)空停留點(diǎn)的提取。在對(duì)不同算法的對(duì)比評(píng)價(jià)方面,以各停留點(diǎn)的實(shí)際時(shí)空信息為參照,從聚類(lèi)算法提取的正確點(diǎn)、缺失點(diǎn)和錯(cuò)誤點(diǎn)三個(gè)方面,對(duì)比不同智能手機(jī)、不同聚類(lèi)算法、不同定位類(lèi)型軌跡提取停留點(diǎn)的時(shí)空差異,對(duì)算法的性能和聚類(lèi)效果進(jìn)行分析評(píng)價(jià)。探討實(shí)驗(yàn)中時(shí)空停留點(diǎn)提取的一般性結(jié)果:同一軌跡下不同智能手機(jī)的軟硬件性能、定位策略、采集軌跡點(diǎn)數(shù)量不同,同一聚類(lèi)算法提取結(jié)果存在明顯差異;基站定位誤差是影響時(shí)空停留點(diǎn)提取精度的主要因素之一;GPS信號(hào)容易受遮蔽物影響,易出現(xiàn)定位漂移等誤差,但對(duì)停留點(diǎn)提取結(jié)果影響不大;在聚類(lèi)算法方面,基于密度的ST-DBSCAN算法,使用以軌跡點(diǎn)為鄰域的密度劃分,能夠較好的去除噪聲,提取效果較好,聚類(lèi)算法總體性能也優(yōu)于其它算法,但對(duì)基站定位的數(shù)據(jù)誤差,仍難以消除;根據(jù)實(shí)驗(yàn)對(duì)比,使用ST-OPTICS算法改進(jìn)ST-DBSCAN聚類(lèi)參數(shù)的方案適合時(shí)空停留點(diǎn)提取�；诎俣鹊貓DJavaScript API應(yīng)用程序接口進(jìn)行時(shí)空停留點(diǎn)提取的WebGIS系統(tǒng)開(kāi)發(fā),與Java語(yǔ)言實(shí)現(xiàn)的聚類(lèi)算法及Oracle數(shù)據(jù)庫(kù)相結(jié)合完成了系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。系統(tǒng)采用三層的結(jié)構(gòu)劃分,滿(mǎn)足系統(tǒng)不同層次間數(shù)據(jù)傳輸接口的一致性問(wèn)題。系統(tǒng)實(shí)現(xiàn)了地圖基本操作、用戶(hù)實(shí)際停留信息查詢(xún)、用戶(hù)軌跡查詢(xún)、聚類(lèi)算法結(jié)果展示四大模塊。其中,基本操作模塊包含地圖的切換、漫游、縮放、測(cè)距等基礎(chǔ)功能;用戶(hù)停留信息查詢(xún)用于用戶(hù)實(shí)際時(shí)空停留點(diǎn)及緩沖區(qū)查詢(xún);用戶(hù)軌跡查詢(xún)模塊包括結(jié)合地圖海量點(diǎn)功能實(shí)現(xiàn)用戶(hù)的軌跡點(diǎn)空間信息和屬性信息的查詢(xún)、利用熱力圖對(duì)用戶(hù)軌跡進(jìn)行直觀展示;聚類(lèi)分析模塊則是通過(guò)不同手機(jī)、算法和參數(shù)的選擇,與后臺(tái)Java語(yǔ)言實(shí)現(xiàn)的聚類(lèi)算法相結(jié)合,將聚類(lèi)結(jié)果返回給瀏覽器端,實(shí)現(xiàn)聚簇點(diǎn)查詢(xún)、停留點(diǎn)提取、逆地址解析和停留點(diǎn)街景的功能,并通過(guò)與用戶(hù)停留信息查詢(xún)模塊對(duì)比實(shí)現(xiàn)聚類(lèi)算法對(duì)比評(píng)價(jià)。本文通過(guò)實(shí)驗(yàn)得出,影響用戶(hù)軌跡停留點(diǎn)提取算法效果的主要原因是用戶(hù)軌跡獲取中的基站定位誤差較大�；诟倪M(jìn)的ST-OPTICS算法,實(shí)現(xiàn)了用于決定參數(shù)的領(lǐng)域知識(shí)最小化,確定ST-DBSCAN算法的聚類(lèi)閾值進(jìn)行時(shí)空停留點(diǎn)提取,對(duì)傳統(tǒng)聚類(lèi)方法有一定改進(jìn),適用于時(shí)空停留點(diǎn)提取。但是,算法在時(shí)間復(fù)雜度、執(zhí)行效率方面有待優(yōu)化,在WebGIS停留點(diǎn)提取系統(tǒng)集成方面的研究仍需進(jìn)一步深入。
【關(guān)鍵詞】：移動(dòng)智能手機(jī) 用戶(hù)軌跡 時(shí)空聚類(lèi) 停留點(diǎn)提取 WebGIS
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP311.13
【目錄】：

• 摘要6-8
• ABSTRACT8-11
• 第1章 緒論11-19
• 1.1 選題背景11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-14
• 1.3 研究目的及意義14-16
• 1.4 研究?jī)?nèi)容、技術(shù)路線與關(guān)鍵問(wèn)題16-19
• 第2章 智能手機(jī)軌跡獲取和聚類(lèi)算法研究19-27
• 2.1 軌跡數(shù)據(jù)獲取19-21
• 2.2 聚類(lèi)算法21-23
• 2.3 聚類(lèi)算法評(píng)價(jià)23-27
• 第3章 基于時(shí)空聚類(lèi)算法提取軌跡停留點(diǎn)27-43
• 3.1 停留點(diǎn)提取數(shù)據(jù)準(zhǔn)備27-30
• 3.2 時(shí)空停留點(diǎn)提取概念定義30-32
• 3.3 基于ST-BIRCH的停留點(diǎn)提取32-34
• 3.4 基于ST-DBSCAN的停留點(diǎn)提取34-37
• 3.5 基于ST-OPTICS的停留點(diǎn)提取37-40
• 3.6 基于ST-GRID的停留點(diǎn)提取40-43
• 第4章 時(shí)空聚類(lèi)算法對(duì)比評(píng)價(jià)43-55
• 4.1 聚類(lèi)結(jié)果對(duì)比分析43-47
• 4.2 聚類(lèi)算法性能分析與評(píng)價(jià)47-55
• 第5章 時(shí)空停留點(diǎn)提取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)55-61
• 5.1 基于WebGIS的系統(tǒng)設(shè)計(jì)55-56
• 5.2 基于WebGIS的系統(tǒng)實(shí)現(xiàn)56-61
• 第6章 結(jié)論與展望61-63
• 6.1 研究結(jié)論61-62
• 6.2 不足之處與未來(lái)研究展望62-63
• 參考文獻(xiàn)63-67
• 致謝67-69
• 碩士研究生期間學(xué)術(shù)成果69
• 發(fā)表論文69
• 參與項(xiàng)目69

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 葛磊;武芳;王鵬波;張冬林;;3維建筑綜合中基于最小特征的面平移算法[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2009年02期

2 駱雯,孫延明,陳振威,陳錦昌;判斷點(diǎn)與封閉多邊形相對(duì)關(guān)系的改進(jìn)算法[J];機(jī)械;1999年03期

3 李林;盧顯良;;一種基于切割映射的規(guī)則沖突消除算法[J];電子學(xué)報(bào);2008年02期

4 劉巧玲;張紅英;林茂松;;一種簡(jiǎn)單快速的圖像去霧算法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年07期

5 林亞平,楊小林;快速概率分析進(jìn)化算法及其性能研究[J];電子學(xué)報(bào);2001年02期

6 章郡鋒;吳曉紅;黃曉強(qiáng);何小海;;基于暗原色先驗(yàn)去霧的改進(jìn)算法[J];電視技術(shù);2013年23期

7 楊鐵軍;靳婷;;一種動(dòng)態(tài)整周模糊值求解算法及其仿真分析[J];系統(tǒng)工程與電子技術(shù);2007年01期

8 周秀玲;郭平;陳寶維;王靜;;幾種計(jì)算超體積算法的比較研究[J];計(jì)算機(jī)工程;2011年03期

9 吳一戎,胡東輝,彭海良;Chirp Scaling SAR成象算法及其實(shí)現(xiàn)[J];電子科學(xué)學(xué)刊;1995年03期

10 王貴竹;一種產(chǎn)生單向分解值的算法[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強(qiáng)算法[A];四川省通信學(xué)會(huì)一九九二年學(xué)術(shù)年會(huì)論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計(jì)算機(jī)輔助增強(qiáng)、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價(jià)值[A];中華醫(yī)學(xué)會(huì)第十次全國(guó)超聲醫(yī)學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2009年

3 謝麗聰;;SVB查詢(xún)改寫(xiě)算法的改進(jìn)[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實(shí)現(xiàn)[A];中國(guó)光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標(biāo)TBD算法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機(jī)器人設(shè)計(jì)[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對(duì)稱(chēng)分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復(fù)結(jié)構(gòu)的多尺度快速檢測(cè)算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵(lì)金祥;;基于棱邊方向檢測(cè)的運(yùn)動(dòng)自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 國(guó)泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍?zhǔn)?[N];上海證券報(bào);2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計(jì)算環(huán)境下海量數(shù)據(jù)的并行聚類(lèi)算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類(lèi)型識(shí)別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類(lèi)算法的研究[D];南京航空航天大學(xué);2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

6 雷雨;面向考試時(shí)間表問(wèn)題的啟發(fā)式進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2015年

8 周雷;基于圖結(jié)構(gòu)的目標(biāo)檢測(cè)與分割算法研究[D];上海交通大學(xué);2014年

9 王冰;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

10 蔣亦樟;多視角和遷移學(xué)習(xí)識(shí)別方法和智能建模研究[D];江南大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計(jì)中的聯(lián)合應(yīng)用[D];昆明理工大學(xué);2015年

2 陸進(jìn);面向含噪數(shù)據(jù)聚類(lèi)相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

3 葉一舟;紅外弱小目標(biāo)檢測(cè)算法研究[D];上海交通大學(xué);2015年

4 王繼重;基于Hadoop和Mahout的K-Means算法設(shè)計(jì)與實(shí)現(xiàn)[D];大連海事大學(xué);2016年

5 何靜;遙感圖像的快速壓縮算法研究[D];北京交通大學(xué);2016年

6 章華燕;鋼軌擦傷檢測(cè)算法研究[D];北京交通大學(xué);2016年

7 王一博;MODIS地震熱異常的數(shù)據(jù)處理與算法研究[D];中國(guó)石油大學(xué)(華東);2014年

8 成鑫;基于組合優(yōu)化問(wèn)題的多目標(biāo)模因算法的研究[D];南京航空航天大學(xué);2015年

9 傅致暉;基于協(xié)同分割的視頻目標(biāo)分割算法研究[D];上海交通大學(xué);2015年

10 張媛;運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤算法的研究與實(shí)現(xiàn)[D];大連海事大學(xué);2016年

，

本文編號(hào)：1079298