基于位置的移动终端信息采集分析系统设计与实现

摘要

随着移动互联网的高速发展，智能终端设备的不断普及，用户地理位置信息的获取变得十分便捷。这些位置数据通常包含大量信息，这些信息对于分析、预测人类的行为模式有着极为重要的作用。本文以用户停留点识别与位置预测为主要研究方向，使用Android系统和Web开发技术，完成了基于位置的移动终端信息采集分析系统的设计与实现。
　　首先，本文回顾了课题相关的研究背景和意义，对目前一些学者在位置数据挖掘领域获得的一些成果进行了介绍。然后对课题中涉及的一些技术进行了简单讲解，其中包括Android系统、Android的基本组件和多线程技术，几种停留点识别方法和常用的位置预测技术。紧接着制定出了系统的设计方案，并按照该方案进行客户端和服务器端的代码编写工作。系统的客户端和服务器端分别由Android系统和Servlet、MySQL实现，Web展示端基于JavaScript语言进行开发。客户端主要实现的功能是对用户的位置信息进行采集，服务器端实现的主要功能是对用户的位置信息进行存储、展示和分析。
　　其次，论文对系统设计的停留点分析模块进行了详细的介绍。停留点是指用户花费一段时间进行活动的地点，停留点分析模块的主要功能是对用户上传的轨迹数据进行停留点的识别。针对传统的DBSCAN算法在提取停留点的问题上只考虑的空间属性而忽略了时间属性，论文对DBSCAN聚类后的轨迹数据进行进一步的划分。采用系统采集的真实数据进行实验，结果表明，论文中提出的算法具有较好的效果。
　　最后，论文为系统设计了一套位置预测方案。通过分析可知，一阶Markov模型在进行位置预测时精度不高，而高阶的Markov模型存在空间膨胀的缺点，本文设计的方案中采用了混合多步Markov模型，模型综合考虑了轨迹上的多个位置，并且使用遗传算法对每一步权值进行优化。理论分析和实验评估表明，本文设计的位置预测方案能在时间、空间复杂度和准确率之间取得较好的平衡。

目录

声明

第一章 绪论

1.1论文背景和意义

1.2国内外研究现状与发展态势

1.3论文的主要贡献与创新

1.4论文的结构安排

第二章 相关研究工作

2.1 Android开发技术

2.2 Servlet技术

2.3停留点识别技术

2.4位置预测技术

2.5本章小结

第三章 基于位置的数据采集分析系统研究与设计

3.1基于Android的终端数据采集子系统总体设计

3.2客户端设计与实现

3.3服务器端子系统

3.4本章小结

第四章 基于聚类-时间划分停留点识别

4.1漂移数据识别与处理

4.2相关概念

4.3停留点提取

4.4时间层划分聚类结果

4.5实验分析

4.6本章小节

第五章 基于混合多步Markov模型的位置预测

5.1模块框架

5.2混合多步Markov模型

5.3建立混合多步Markov模型

5.4实验结果与分析

5.5本章小结

第六章 总结与展望

6.1全文总结

6.2后续工作展望

致谢

参考文献

攻读硕士期间取得的研究成果