基于移动通信数据的区域内群体行为分析和预测

摘要

作为当今通信领域的主要手段，智能手机已经成为人们生活和工作中必不可少的通信设备，同时移动通信网络也已经成为了第一大通信媒体网络。随着智能手机，平板电脑等便携式移动终端的流行，以及智能终端等移动设备作为载体的移动社交网络的兴起，人与人之间的社交活动变得更加便利。人作为移动社交网络中的主体，其位置时时刻刻都在变化，因此我们可以通过记录用户在移动通信环境中的地理位置信息建立移动轨迹模型，实现对群体行为的分析和预测，从而可以解决一些由人群聚集引起的群体事件如交通堵塞、突发群体事件等。
　　要研究移动通信环境中的群体行为，首要的任务是获取用户的地理位置信息，获取用户地理位置的最主要的途径有三种：第一种是通过GPS定位，第二种是基站定位，第三种是WIFI热点定位。GPS定位精度是三者中最高的，但是GPS数据一般由志愿者提供，想要获取大量的用户位置数据比较困难。对于 WIFI定位，WIFI热点的覆盖范围较小，大部分集中到一个校园或社区，因此通过 WIFI定位获取的用户位置信息来进行用户群体行为研究局限性较大。基站定位的精度虽然在三者中最低，但是它有数据易获取，覆盖范围广的特点，因此基于基站定位获取的用户位置信息来进行群体行为的研究是三者中最合适的。本文通过研究移动通信数据的特点，提出了一种群体行为分析模型，该模型可以实时识别区域内的人群是否有聚集行为发生。通过建立加权的Markov预测模型对单个用户轨迹进行预测进而实现对群体聚集行为的预测，实现对群体聚集行为的提前预警。
　　本文主要工作包括：
　　介绍3G核心网主要功能，获取SGSN设备中的计费数据，分析计费数据格式，提取用于群体行为分析的有用数据。
　　对3G基站组网方式进行研究，根据3G组网方式的特点本文提出了一种优化用户在基站内分布的扇形分布模型，提高了用户定位的精度。建立用户群体行为分析模型，实时监控用户群体聚集行为。实现热度图，使超出正常用户分布数量的区域在地图上以热度图方式直观的显示出来。
　　通过加权的Markov预测模式实现对单个用户轨迹的预测，统计所有用户的轨迹预测结果实现对群体聚集行为的预测。根据用户行为习惯建立不同时间段，并按时间段分别建立的Markov模型，提高预测的准确性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 课题研究背景和意义

1.2 国内外相关技术和研究现状

1.3 论文的主要研究内容

1.4 论文的组织结构

第二章 相关技术与理论知识介绍

2.1 引言

2.2 GMap.NET控件

2.3 群体行为预测的相关方法

2.4 Markov链相关定义和性质

2.5 本章小结

第三章 3G核心网计费数据分析与提取建模

3.1 引言

3.2 UMTS系统的组成和功能介绍

3.3 通信数据分析与提取

3.4 数据采集与预处理

3.5 本章小结

第四章 群体行为分析与研究

4.1 引言

4.2 用户位置信息预处理

4.3 BSD建模

4.4 热图实现原理

4.5 群体行为分析模型的建立

4.6 群体行为分析系统设计

4.7 本章小结

第五章 加权Markov模型实现群体行为预测

5.1 引言

5.2 用户路径构造

5.3 基于加权Markov链的轨迹预测模型的建立

5.4 通过用户轨迹预测群体分布

5.5 群体聚集行为预测系统设计

5.6 本章小结

第六章 系统测试与结果分析

6.1 实验环境介绍

6.2 实验数据的数据准备

6.3 群体行为分析系统模块测试

6.4 群体聚集行为预测系统核心模块测试

6.5 本章小结

第七章 结束语

7.1 结论

7.2 论文的创新点

7.3 下一步工作和展望

致谢

参考文献