室内移动对象轨迹的相似性计算及轨迹预测

作     者：周泽宇 

作者单位：广州大学 

学位级别：硕士

导师姓名：杨世宇

授予年度：2023年

学科分类：12[管理学] 080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

主      题：室内位置服务 轨迹相似性 轨迹预测 

摘      要：城市化进程的不断加速,使得室内空间成为人们主要活动场所。基于室内轨迹数据的研究在商业推广、室内导航、位置预测等方面有着广泛的应用,并且随着室内空间的扩张和室内定位技术的多元化发展,对于室内环境下移动轨迹的相似性研究和轨迹预测提出更多的挑战。目前,连续定位数据格式下的轨迹相似性计算主要是基于字符等同性比较的方法,这些方法更注重时空间维度轨迹点的对齐而没有充分考虑轨迹采集过程中遇到的位置噪声和异构采样的问题,导致算法鲁棒性较差;此外,现有的室内轨迹预测主要基于类马尔可夫模型的数据挖掘方法,没有充分挖掘和融合轨迹空间分布特征与轨迹的语义规律到模型中进行预测。针对以上问题,本文从室内轨迹的相似性计算和室内轨迹预测两方面进行研究,主要的工作如下:(1)针对室内轨迹连续定位的位置噪声和异构采样问题,基于核密度估计方法,本文提出一种新的室内轨迹时空相似度计算方法STS。方法将轨迹中的每个位置都建模为空间上的概率分布而非具体空间点;然后根据从历史轨迹得出的个性化速度概率分布来估计物体在任意两个位置之间的转移概率,有效地减少对训练数据的需求;在此基础上,计算轨迹点的共址概率,从而推导出任意两条轨迹的相似性。实验表明STS算法的准确率和鲁棒性高于基线算法,并验证各算法模块的有效性。(2)针对离散定位的室内轨迹预测问题,在轨迹的空间时间特征之上,进一步考虑轨迹语义信息带来的隐藏特征,提出一种基于隐马尔可夫方法的预测方法。所提出的方法首先根据Wi-Fi接入点的相似性对它们进行聚类;然后,对轨迹数据进行基于频繁子轨迹的处理,用于捕获和化简用户的移动模式。此外,方法假设客户的访问历史具有某些习惯的语义模式,设计连续语义算法对轨迹的语义隐藏信息进行挖掘;最后,方法将基于频繁子轨迹的方法与连续语义预测集成到一个统一的框架中,进一步提高预测能力。本文使用室内数据集进行大量实验,表明本算法的预测准确性高于现有算法。