检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于查询代价的两级轨迹数据划分算法

华东师范大学学报（自然科学版） 2022年第5期 184-194页

作者：刘梦男许建秋南京航空航天大学计算机科学与技术学院南京211106

轨迹数据具有规模大、更新频繁的特点,对轨迹数据的查询具有较高的性能要求.为了提高轨迹数据的查询效率,提出了两级轨迹数据划分算法:在第一级划分中,使用基于优化最小边界矩形(Minimum Bounding Rectangle, MBR)的轨迹数据划分方法将... 详细信息

轨迹数据具有规模大、更新频繁的特点,对轨迹数据的查询具有较高的性能要求.为了提高轨迹数据的查询效率,提出了两级轨迹数据划分算法:在第一级划分中,使用基于优化最小边界矩形(Minimum Bounding Rectangle, MBR)的轨迹数据划分方法将轨迹数据划分为子轨迹,以提高轨迹数据的近似效果;在第二级划分中,按照时空范围,使用网格结构对子轨迹进行分组.基于划分算法提出了R-tree结点组织方法,将划分后的轨迹数据自底向上地构建R-tree.通过实验展示了所提的划分算法对查询效率的提升.实验表明,与基于轨迹段平均个数和基于组合运动特征这两种轨迹数据划分算法相比,所提算法具有更好的查询性能,查询效率分别平均提升了43.0%和30.5%.

关键词：轨迹数据时空查询轨迹划分查询优化

在线全文

学校读者我要写书评

暂无评论

基于双速度特性的轨迹划分算法研究

基于双速度特性的轨迹划分算法研究

作者：祝贺南京邮电大学

学位级别：硕士

随着科学技术进步与人类经济社会的发展,各类电子传感装置已被广泛应用,伴随着人民生活水平的提升,智能手机、智能手表等智能装置也将越来越流行。人类普遍携智能装备外出,旅行方式也越来越多样化,包括普通的走路、骑马、驾车,在都市中... 详细信息

随着科学技术进步与人类经济社会的发展,各类电子传感装置已被广泛应用,伴随着人民生活水平的提升,智能手机、智能手表等智能装置也将越来越流行。人类普遍携智能装备外出,旅行方式也越来越多样化,包括普通的走路、骑马、驾车,在都市中都搭乘公共汽车、轨道交通,长距离旅行时搭乘列车、航空客机等交通工具。此时,各种传感装置采集到海量的轨迹信息,通过挖掘这些轨迹信息,能够获取很多有价值的资讯,并可广泛地用其服务于活动推荐、城市规划、公共安全、国防军事等诸多领域。然而,伴随着轨迹数据量的指数级增长,轨迹挖掘面临着许多新的难题。首先,海量数据需要大量存储开销,其传输需要占用大量网络带宽和产生较长传输时延。此外,轨迹挖掘通过对大量轨迹数据进行查询,需要进行大量的计算操作。海量数据中包含着大量的冗余数据,因此通过对节点端采集的轨迹数据进行划分或者压缩操作,可以剔除大量冗余数据,从而大大减少轨迹数据的处理代价,在节省通信开销的同时,减少了存储轨迹数据所需要的存储空间及相应的计算操作。为了减少轨迹划分的运算复杂性,目前的轨迹分割方式一般尝试寻找或去除冗余的轨迹节点,同时保存较有价值的轨迹节点。不同的运动特性,从不同视角表现了节点的移动趋势和变化规律,然而现有方法都没有从节点的双速度特性视角来考虑对轨迹进行划分,无法识别轨迹节点中隐藏的速度和加速度变化情况,导致划分结果有一定的局限性。该文主要从速度与加速度视角剖析了节点的移动过程,并给出了一个基于双速度特性的轨迹划分方法（Trajectory Partition Method Based on Double Velocities,TPDV）,主要工作如下:（1）为了解决选择错误的起始轨迹点,以及无法从存在往返路径的轨迹中确定停留点的问题,本文在SPEMS算法的基础上引入了加速度指标,并给出了一种基于节点双速度的停留点提取算法（Stop Points Extraction Method based on Double Velocities,SPEDV）,该方法能有效解决所选停留点引起原始轨迹形态发生剧烈变化的问题。（2）在TPDV中,先通过测量节点之间移动速度的不同来寻找特征节点,同时再通过节点的加速度变化提取加速度特征节点,之后再在测量节点的移动速度和加速度变化不同的条件下,通过节点活动的持续时间和区域范围来判断停留节点。最后,综合这三类特征节点对轨迹进行划分。TPDV基于Geolife轨迹集进行了模拟仿真实验,实验结果证明采用双速度特性的轨迹划分方法TPDV在不同负载下,其在运行时间、简化率和划分误差方面都表现地较好。（3）凭借前面TPDV算法的理论设计和实验结果的有效验证,本文最后设计了一个车辆轨迹划分原型系统,第四章对这个原型系统的总体设计与实现过程进行了详尽论述。原型系统的运行结果表明,该系统能够高效地实现轨迹数据的划分,并可以在在线地图上直观地展示轨迹划分效果。

关键词：轨迹挖掘轨迹划分移动特征双速度特性停留点提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于双速度特征的轨迹划分方法

计算机技术与发展 2022年第1期32卷 61-66页

作者：祝贺于子兴南京邮电大学计算机学院江苏南京210023

轨迹数据挖掘对于基于位置的应用非常重要,而轨迹划分是轨迹数据挖掘的重要步骤。节点的运动轨迹数量很大,轨迹形状迥异千差万别,使得轨迹划分成为轨迹数据挖掘的关键和难点。轨迹划分的目的是去掉多余的轨迹点,留下重要的轨迹点数据,... 详细信息

轨迹数据挖掘对于基于位置的应用非常重要,而轨迹划分是轨迹数据挖掘的重要步骤。节点的运动轨迹数量很大,轨迹形状迥异千差万别,使得轨迹划分成为轨迹数据挖掘的关键和难点。轨迹划分的目的是去掉多余的轨迹点,留下重要的轨迹点数据,且要求处理后得到的轨迹留有原来轨迹的特征。该文从速度和加速度等方面分析了节点的运动行为,提出了一种基于双速度特征的轨迹划分方法(trajectory partition method based on double velocities,TPDV)。在TPDV中,首先通过检测节点移动速度的变化来找出速度改变点,并且根据节点加速度变化也可提取出特征点,然后在检测节点的速度和加速度变化的前提下,根据节点活动的时间和范围来确定停留点,最后根据提取的特征点对子轨迹进行划分。基于Geolife轨迹数据集的仿真结果表明,基于双速度特征的轨迹划分方法在运行时间、简化率和划分误差方面都表现较好。

关键词：数据挖掘轨迹划分移动特征双速度特征停留点提取

基于轨迹划分与密度聚类的移动用户重要地点识别方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2019年第8期46卷 23-27页

作者：杨震王红军国防科技大学电子对抗学院

移动用户轨迹数据作为新兴的空间轨迹数据,可用于分析个体或群体的行为特征、兴趣爱好,在智慧城市、交通规划和反恐维稳等领域应用广泛。为了从庞大的数据集中识别出移动用户的重要地点,提出了一种基于转角偏移度与距离偏移量的轨迹划... 详细信息

移动用户轨迹数据作为新兴的空间轨迹数据,可用于分析个体或群体的行为特征、兴趣爱好,在智慧城市、交通规划和反恐维稳等领域应用广泛。为了从庞大的数据集中识别出移动用户的重要地点,提出了一种基于转角偏移度与距离偏移量的轨迹划分算法。该算法首先通过轨迹划分提取出用户的重要地点候选集,然后采用一种改进的密度聚类算法进一步对用户的候选重要地点实现聚类,从而识别出用户的最终重要地点。在Geolife轨迹数据集与Foursquare用户签到数据集上的实验表明,采用轨迹划分与密度聚类相结合的重要地点识别方法具有比现有的重要地点识别方法更高的准确率,证明了所提方法的可行性与优越性。

关键词：移动用户轨迹划分重要地点密度聚类

基于节点移动特征的轨迹划分和聚类技术的研究

在线全文

学校读者我要写书评

暂无评论

基于节点移动特征的轨迹划分和聚类技术的研究

作者：汤吉南京邮电大学

学位级别：硕士

轨迹数据挖掘作为一个热门的研究领域,已经吸引了较多科研人员的关注。在移动社会网络中,节点的移动历史记录所产生的轨迹数据蕴含着丰富的信息,这些信息是与节点移动行为密切相关。通过轨迹挖掘技术,从大量的节点移动轨迹数据中挖掘出... 详细信息

轨迹数据挖掘作为一个热门的研究领域,已经吸引了较多科研人员的关注。在移动社会网络中,节点的移动历史记录所产生的轨迹数据蕴含着丰富的信息,这些信息是与节点移动行为密切相关。通过轨迹挖掘技术,从大量的节点移动轨迹数据中挖掘出这些潜在信息,再经过处理应用到实际场景中去,这也是目前大多数研究的主要工作。现实世界中节点移动往往同时表现出一定的规律性和随机性,其中规律性主要体现在节点的出行目的较明确,例如工作、生活、出游和社交等,而随机性体现在节点的任意移动,例如节点在移动过程中由于注意力转移,导致其移动方向发生任意改变。这些使得节点轨迹变得错综复杂,给轨迹数据挖掘任务带来了巨大挑战。轨迹划分和聚类技术是轨迹数据挖掘任务的核心工作,它们是处理轨迹数据和分析节点移动行为的关键所在,本文主要针对轨迹划分技术和轨迹聚类技术展开研究。轨迹划分是轨迹数据挖掘的基础步骤。原始移动轨迹数据通常是非常庞大的,这些轨迹数据需要消耗大量存储空间。此外,轨迹形状具有多样性,主要原因在于道路的限制和节点的随机移动。轨迹划分的目的是将轨迹中的冗余数据移除,同时保留较为重要的轨迹数据,使得划分后的轨迹和原始轨迹尽可能地相似,即轨迹划分要在简化率和划分误差之间取得较好的平衡。本文首先从移动速度、停留点和移动方向等方面来分析节点移动行为,提出了基于多移动特征的轨迹划分方法,该方法包括3个阶段:首先通过检测节点移动速度的变化来找出速度改变点;然后在检测速度变化的前提下,根据节点活动的时间和范围来确定停留点;最后之前提取出的改变点和停留点作为特征点,并利用Douglas-Peucker算法结合节点移动方向对轨迹做出划分。实验结果表明该方法能够在简化率和划分误差之间取得良好的平衡,而且轨迹划分过程的执行时长也被大大缩短。轨迹聚类是用来剖析节点移动行为的关键技术,轨迹聚类本质上就是将聚类算法应用于轨迹数据。在本文中,轨迹聚类技术通过识别相似的轨迹段,并把它们自动地分为多个类别,使得属于同一类别的轨迹段具有相似的移动特征,并揭示出节点潜在的移动行为。特别地,当前大多数轨迹聚类方法主要关注空间属性或者语义属性,然而时空属性往往被忽视,因此造成涉及节点移动行为的部分关键信息被丢失。因此,本文提出了联合时空属性的轨迹聚类方法,利用轨迹段的时间属性和空间上的位置属性,使聚类结果具有更加明确的语义。本文主要提出了基于多移动特征的轨迹划分方法和基于联合时空属性的轨迹聚类方法。并针对这两种方法在真实的移动轨迹数据集上进行仿真,仿真结果表明提出的方法能有效地降低轨迹数据中的冗余数据和发现节点的相似移动行为。未来的工作将会在更多的真实数据集上进行仿真,并优化仿真参数设置以及进一步提升算法效率。

关键词：轨迹划分轨迹聚类时空属性空间距离语义距离

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于初末轨迹段的差分隐私保护方法

基于初末轨迹段的差分隐私保护方法

作者：袁治港哈尔滨工程大学

学位级别：硕士

在大数据背景下,随着移动设备的快速发展,用户产生的轨迹数据越来越多,相关服务提供商对用户的轨迹的清晰程度要求也越来越高,服务提供商在为用户提供相关服务的同时,缺少对用户轨迹的相关隐私保护,使用户的轨迹泄漏。虽然目前研究者们... 详细信息

在大数据背景下,随着移动设备的快速发展,用户产生的轨迹数据越来越多,相关服务提供商对用户的轨迹的清晰程度要求也越来越高,服务提供商在为用户提供相关服务的同时,缺少对用户轨迹的相关隐私保护,使用户的轨迹泄漏。虽然目前研究者们提出了较多关于轨迹处理的隐私保护方法,但目前针对初末轨迹段进行重点保护和如何进行隐私预算分配还少有提及,在轨迹数据可用性与轨迹隐私保护程度之间难以进行有效平衡。因此本文提出一种基于初末轨迹段的差分隐私保护方法,主要工作如下:针对轨迹匿名未充分考虑轨迹的初始和最终轨迹所具有的敏感性特点,提出一种基于初末轨迹段的轨迹划分算法,该算法首先综合考虑用户轨迹开始时间与结束时间,根据时间段划分初末轨迹等价类;再根据初末轨迹距离构造轨迹段距离矩阵,根据轨迹段距离生成初末轨迹映射,并进行初末轨迹替换。并在实验中对整段轨迹增加差分隐私保护,在Geolife数据集,NYC数据集和T-drive数据集进行实现,通过DTW距离和RMSE值两个实验指标验证隐私保护的效果,得出初末轨迹时间段的最优解。针对轨迹隐私保护需求程度不同,而对于低敏感轨迹的单一预算分配浪费隐私预算问题,在基于初末轨迹段的轨迹划分算法的基础上,提出一种基于初末轨迹段与敏感点的差分隐私预算分配算法。此算法首先遍历用户轨迹数据,根据停留点定义识别轨迹中的停留点,根据停留点进而确定轨迹中的敏感点,为接下来的隐私预算分配做好准备。其次,采用基于初末轨迹段与敏感点的差分隐私预算分配策略,保证噪声添加过程用户隐私信息的安全性,并确定噪声添加与数据可用性之间的平衡。位置点的速度可以一定程度上反应敏感等级,通过加入速度这一影响因素,与敏感点的敏感等级相结合,综合决定初末轨迹段与中间敏感点的隐私预算,根据隐私预算进行拉普拉斯噪声添加。并通过实验,与现有轨迹信息保护算法进行比较,验证本文提出算法能够在保护隐私的同时具有更高的数据可用性。

关键词：轨迹划分初末轨迹段差分隐私预算分配拉普拉斯噪声

基于多源信息的轨迹数据挖掘与动态OD估计方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多源信息的轨迹数据挖掘与动态OD估计方法研究

作者：李起辉长安大学

学位级别：硕士

技术的革新以及交通大数据的发展为利用交通出行信息实施主动交通管理带来了机遇和挑战。卡口车牌识别设备的广泛布设、停车系统的智能化等都为交通运营管理者提供了大量的多源出行数据,如何整合不同数据源信息,挖掘出行轨迹,以及利用... 详细信息

技术的革新以及交通大数据的发展为利用交通出行信息实施主动交通管理带来了机遇和挑战。卡口车牌识别设备的广泛布设、停车系统的智能化等都为交通运营管理者提供了大量的多源出行数据,如何整合不同数据源信息,挖掘出行轨迹,以及利用轨迹数据成为主要问题。然而,在现有的理论中,对车牌识别数据的轨迹划分方法仍然较为原始,实际的交通状态适应性不强;轨迹重构方法常常使用最短路径法,难以长期的适应交通状况的变化;动态OD估计方法中对于轨迹数据信息的应用也存在不足。基于以上问题,本研究基于车牌识别数据、停车场数据和高速公路收费等多源数据,以统计学原理、Seq2Seq框架序列映射模型、最小二乘动态OD估计模型为主要手段,基于深度的编程对出行轨迹进行了深入的分析、挖掘和应用,开展了包括轨迹划分方法、轨迹重构方法和轨迹数据驱动的动态OD估计方法研究。主要内容总结如下。(1)对车辆的轨迹点进行了深度分析,确定了轨迹数据中待划分的轨迹类型。并利用3σ法则建立了动态时间阈值轨迹划分方法。分析车辆在路网上的运行特征,利用原点转向角和轨迹点转向角的概念,从空间上判断车辆的掉头行为,建立空间阈值轨迹划分方法。随后,提出了结合动态时间阈值法和空间阈值法的出行轨迹划分算法,并利用该算法实现了对车辆轨迹的划分,得到初始轨迹序列。(2)将Seq2Seq框架引入到车牌识别数据轨迹重构问题中,参考自然语言问题中涉及的序列映射思想,提出基于Seq2Seq-LSTM的轨迹重构方法。除此之外,本文通过计算不同时段种路段的平均出行时间,利用最短路径法重构了车辆轨迹,得到完整轨迹序列。利用初始轨迹序列和完整轨迹序列对Seq2Seq-LSTM轨迹重构模型进行训练和性能评估。结果显示,在轨迹点缺失数量较少的情况下,模型具有较高的精度。(3)分析路径流量与路段流量的动态映射关系,以最小化路段流量估计值与观测值的误差,以及最小化OD量估计值和观测值为目标,建立了基于最小二乘理论的、数据驱动的动态OD估计模型,并利用L-BFGS-B算法对模型进行求解。在模型求解过程中,以重构后的轨迹数据得到的OD量为先验OD,利用重构后的轨迹数据参数,考虑不同时段路段的出行时间,计算得到动态OD估计中涉及的路径选择概率、动态分配率等主要参数。结果显示,在考虑了轨迹数据特征后,动态OD估计模型的误差较小。本研究改进了基于多源数据的轨迹划分方法和轨迹重构方法,并将真实的出行轨迹特征应用到了动态OD估计模型中,形成了一套完整的基于多源信息的轨迹数据挖掘与应用的方法。研究成果可用于挖掘车辆轨迹、估计动态的出行需求,为交通运营管理部门提供动态的信息支撑,有利于实现主动交通管理与控制。

关键词：多源数据融合轨迹划分轨迹重构 Seq2Seq-LSTM 动态OD估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合特征熵的轨迹结构异常检测方法

陕西师范大学学报（自然科学版） 2019年第5期47卷 16-24页

作者：裴浩然袁冠张艳梅李月娥李思宁中国矿业大学计算机科学与技术学院教育部矿山数字化工程研究中心中国矿业大学档案馆江苏徐州221116

从轨迹结构特征出发,分析轨迹内部及整体特征,提出融合特征熵的轨迹结构异常检测方法(TSAD-FE,trajectory structure anomaly detection method based on feature entropy)。根据开放角将轨迹划分为轨迹片段,运用线性回归模型对轨迹片... 详细信息

从轨迹结构特征出发,分析轨迹内部及整体特征,提出融合特征熵的轨迹结构异常检测方法(TSAD-FE,trajectory structure anomaly detection method based on feature entropy)。根据开放角将轨迹划分为轨迹片段,运用线性回归模型对轨迹片段局部特征进行拟合,完成轨迹片段划分;引入轨迹结构框架描述轨迹内部特征属性,应用轨迹结构距离衡量轨迹片段之间的距离,并提出利用熵对特征权重赋值的方法,全面考虑轨迹内部特征对轨迹的影响;运用DBSCAN(density-based spatial clustering of applications with noise)聚类算法将轨迹集划分为若干簇并提取代表轨迹;通过比较轨迹片段与代表轨迹的结构相似度,提取异常轨迹片段,从轨迹整体上考虑异常轨迹片段占比,进而挖掘出异常轨迹。使用多个数据集的实验表明,融合特征熵的轨迹结构异常检测方法能够从轨迹空间形态及内部特征属性上发现异常,可以全面地发现明显异常轨迹及其分段,使检测结果更具有实际意义。

关键词：熵轨迹结构相似度异常检测轨迹划分人工智能

在线全文

学校读者我要写书评

暂无评论

基于路网探测的轨迹模式挖掘

信息与控制 2015年第1期44卷 110-116,128页

作者：吴俊伟朱云龙库涛陈翰宁中国科学院沈阳自动化研究所信息服务与智能控制技术研究室辽宁沈阳110016 中国科学院大学北京100049

针对现有的移动受限轨迹离散化方法效率低、不直观、易丢失移动模式等问题,提出了一种先进行路网结构探测,再基于道路匹配对轨迹进行离散化的方法.算法首先基于数学形态学理论从轨迹中提取出路网结构,然后将轨迹点匹配到路网中的网格中... 详细信息

针对现有的移动受限轨迹离散化方法效率低、不直观、易丢失移动模式等问题,提出了一种先进行路网结构探测,再基于道路匹配对轨迹进行离散化的方法.算法首先基于数学形态学理论从轨迹中提取出路网结构,然后将轨迹点匹配到路网中的网格中,以网格序列来表示连续的轨迹,最后使用最大频繁序列模式挖掘方法从中挖掘出轨迹模式.实验结果表明,该算法能够快速有效地对轨迹进行离散化,且能比其它算法挖掘出更多更细致的轨迹模式.

关键词：数据挖掘路网构建轨迹划分轨迹模式