检索结果-南通市图书馆

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

同方学位论文库评论

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

同方学位论文库评论

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

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

同方期刊数据库博看期刊评论

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

在线全文

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

基于轨迹聚类的热点路径分析方法

重庆邮电大学学报（自然科学版） 2011年第5期23卷 602-606页

作者：夏英温海平张旭重庆邮电大学计算机学院重庆400065 韩国仁荷大学韩国仁川402751

随着智能终端、移动定位、无线通信等技术的快速发展,在交通、物流等应用领域,大量受路网约束的轨迹数据得以收集。利用轨迹数据分析热点路径,可以在时空和语义特征不变的前提下反映移动对象的运动和行为模式。在提取道路交叉点的基础上... 详细信息

随着智能终端、移动定位、无线通信等技术的快速发展,在交通、物流等应用领域,大量受路网约束的轨迹数据得以收集。利用轨迹数据分析热点路径,可以在时空和语义特征不变的前提下反映移动对象的运动和行为模式。在提取道路交叉点的基础上,引入轨迹的停留点语义,并将两者共同作为特征点进行轨迹划分,在轨迹聚类的基础上进行子轨迹权重分析,从而获得语义更为完整且用户关注度更高的热点路径。实验表明了轨迹划分和热点路径分析方法的有效性。

关键词：路网约束轨迹划分轨迹聚类热点路径

在线全文

学校读者我要写书评

暂无评论

基于海量牧区羊群轨迹的区域属性挖掘研究

计算机应用研究 2018年第4期35卷 1033-1036页

作者：杜永兴何朋李宝山秦岭内蒙古科技大学信息工程学院内蒙古包头014010

现代畜牧业在实际放牧中依靠定位设备对牲畜进行管理。为了从牧区牲畜海量日常移动轨迹中挖掘出潜在的有用价值,提出一种新的基于轨迹速度扰动划分与聚类方法。该方法首先将连续定位轨迹以所设速度阈值进行划分;然后以聚类方法将所划分... 详细信息

现代畜牧业在实际放牧中依靠定位设备对牲畜进行管理。为了从牧区牲畜海量日常移动轨迹中挖掘出潜在的有用价值,提出一种新的基于轨迹速度扰动划分与聚类方法。该方法首先将连续定位轨迹以所设速度阈值进行划分;然后以聚类方法将所划分轨迹数据进行地理位置聚类,识别出牲畜不同生活区域。为处理海量数据,以云计算进行数据挖掘。最后为展示各区域不同强度,以核密度分析法对不同轨迹聚类区域进行可视化。理论与实验表明,提出的方法可以有效从海量牲畜定位轨迹中发现其不同生活区域及强度关系,并对后续草场分布及牲畜习性研究具有指导意义。

关键词：轨迹挖掘轨迹划分聚类草原畜牧业云计算

在线全文

学校读者我要写书评

暂无评论

面向海量轨迹数据的聚类算法研究

面向海量轨迹数据的聚类算法研究

作者：陈艳君北京交通大学

学位级别：硕士

近年来,随着卫星技术、全球定位技术、传感器网络以及电子移动设备等科技的不断进步,基于位置的应用在人们的生活中越来越普遍。实时交通路况监测系统,移动对象实时位置定位系统的应用也越来越广泛。随之而来的是蓬勃发展的基于位置的... 详细信息

近年来,随着卫星技术、全球定位技术、传感器网络以及电子移动设备等科技的不断进步,基于位置的应用在人们的生活中越来越普遍。实时交通路况监测系统,移动对象实时位置定位系统的应用也越来越广泛。随之而来的是蓬勃发展的基于位置的服务和移动社交网络的普及。移动对象随着时间的变化产生的实时位置信息不断积累,构成了该移动对象在一定时间内的一条运动轨迹。这些由各种不同的移动终端每日产生的巨大数量的轨迹数据,已经成为为不同类型的应用领域进行知识探索的源泉。这些海量轨迹数据中往往隐藏着非常重要的信息。然而,想从这些爆炸式增长的轨迹数据中准确迅速地发掘出对人类有用的信息也绝非易事。加之时空数据处理更为复杂,如何高效管理和利用这些轨迹数据,如何从中挖掘出对不同应用有价值的潜在信息,对当前该领域的研究者和使用者提出了巨大的挑战。在众多数据分析方法当中,聚类作为数据挖掘领域的一种非常重要的数据分析方法,越来越多地被研究人员应用到轨迹数据挖掘的过程当中。针对这一背景,本文主要围绕轨迹数据处理中轨迹划分、子轨迹问距离度量、子轨迹聚类以及移动对象轨迹簇在线实时更新等重要问题展开研究,在此基础上,提出了改进的子轨迹划分算法、新的轨迹距离度量方法和移动对象轨迹簇在线实时更新算法。考虑到移动对象轨迹数据包含新的属性维度,包括位置、时间、速率和方向等,相应的轨迹数据分析应采用新的方法。对于轨迹数据的处理问题,本文摒弃已有方法中所存在的缺陷,不把物体轨迹作为一个整体来处理,而是全面考虑时空数据的多维信息,首先把一条轨迹划分成若干子轨迹,并把子轨迹作为聚类的基本单元;对于子轨迹间距离的度量问题,本文提出了一种多维距离度量方法,综合考虑了时空数据的时间、空间及速率等多维属性,该方法能够根据不同的应用场景更加真实有效地度量不同子轨迹之间的相似程度,从而提高轨迹数据处理的准确性;对于移动对象轨迹簇在线实时更新问题,本文提出了一个新的轨迹簇存储结构实时更新算法,该结构记录了移动对象最新的子轨迹聚类结果,实现了实时在线更新,为轨迹数据的实时应用提供了便利。本文通过在真实出租车GPS轨迹数据上的实验,证明了本文所提出的新的轨迹数据处理方法较之相关算法具有更好的处理效率和聚类效果。这些研究成果具有重要的学术价值和广泛的应用前景。

关键词：时空数据挖掘时空数据处理轨迹聚类轨迹划分轨迹簇更新实时轨迹处理