面向LBSN的移动轨迹聚类方法研究

摘要

社交网络的普及改变了世界传播和分享信息的方式，给予互联网新的内涵。同时，伴随着移动定位、无线传感等技术的不断发展，基于位置的服务(LBS)在不断发展中与社交网络相互融合，最终形成了基于位置的社交网络(LBSN)，将网络中的每个个体赋予虚拟和现实的双重身份。基数庞大的LBSN用户产生和分享着海量的用户轨迹数据，蕴含着丰富的知识，迫切需要研究人员对其进行有效分析。本文面向商务智能、交通预测、社群交互等领域中的辅助决策需求，以LBSN环境中产生的用户轨迹数据为研究对象，重点进行轨迹聚类和用户的行为模式发现。研究工作主要包括以下几个方面:
　　 (1)在深入分析传统移动轨迹数据挖掘相关理论方法的基础上，根据LBSN数据集的特点以及数据挖掘的需要，设计了一种利用城市路网以及LBSN用户活动位置和社交关系，对LBSN用户轨迹数据进行挖掘和分析的轨迹聚类挖掘框架。
　　 (2)针对现有的轨迹路网匹配方法面对海量数据计算效率低下的问题，首先对轨迹数据进行预处理，进而引入评分函数，通过对用户影响力进行排序找出其中的活跃用户;在以上处理的基础上使用ER-RNM算法以达到对LBSN用户子轨迹和路网进行快速、准确、灵活匹配的目的。
　　 (3)针对现有子轨迹时空相似性度量方法缺乏领域知识且时间复杂较大的问题，基于LBSN环境中用户活动特征，采用新的时间约束条件，满足LBSN环境下用户轨迹时间相似性度量的需要，并引入了时空相似性统一度量相乘的方法，提高了海量轨迹数据时空相似性搜索效率。
　　 (4)在轨迹聚类阶段，综合R*树的空间索引机制和DBSCAN聚类算法对城市内的热点路径进行挖掘。理论分析表明，相比于已有方法，该方法在LBSN环境中的时间效率有较大的提高，且有较好的可伸缩性。通过和实际用户需求相结合构建了LBSN用户轨迹数据挖掘和分析可视化系统，为移动轨迹挖掘理论和方法提供了新的思路和探索。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 研究现状

1．3 论文内容和创新点

1．4 论文组织结构

第二章 LBSN移动轨迹数据挖掘相关研究

2．1 移动对象轨迹数据挖掘

2．1．1 移动对象轨迹建模与分类

2．1．2 移动对象轨迹相似性度量

2．1．3 移动对象轨迹聚类

2．2 LBSN用户移动轨迹数据特点

2．3 LBSN用户移动轨迹数据挖掘

2．4 本章小结

第三章 基于路网的LBSN用户轨迹聚类方法

3．1 现有LBSN轨迹聚类方法分析

3．2 结合用户影响力的LBSN轨迹匹配算法

3．2．1 LBSN轨迹数据预处理算法

3．2．2 LBSN用户影响力的定义和计算方法

3．2．3 结合路网和用户影响力的用户轨迹位置匹配方法

3．3 LBSN环境下不确定轨迹相似性度量

3．4 LBSN轨迹聚类与热点路径发现

3．5 实验仿真与结果评价

3．6 本章小结

第四章 系统设计与实现

4．1 仿真系统概述

4．2 系统主要功能模块

4．3 系统主要界面

4．4 仿真系统分析

4．5 本章小结

第五章 结论与展望

5．1 结论

5．2 展望

致谢

攻硕期间从事的科研工作及取得的研究成果

参考文献