参与式感知系统中基于社会关系的移动用户位置预测算法

摘要

移动用户位置预测是参与式感知系统进行有效数据采集和消息转发的关键,该文提出了一种基于社会关系的移动用户位置预测算法(SMLP).该算法基于位置对应用场景进行建模,通过节点的移动规律挖掘节点之间的社会关系.SMLP算法以马尔可夫模型为基础对节点的移动性进行初步预测,然后利用与其社会关系较强的其他节点的位置对该节点的预测结果进行修正.算法基于马尔可夫模型和加权马尔可夫模型,分别提出了SMLP1和SMLPN两种算法.最后基于UCSD WTD数据集对算法进行仿真实验.实验结果表明:SMLP1比马尔可夫模型有更高的预测精确度;SMLPN与SMLP1相比有了更大程度的性能提升,并以比2阶马尔可夫模型小得多的算法复杂度获得了与2阶马尔可夫模型相似的预测精度.由于加权系数的引入,SMLP1和SMLPN两种算法都具有良好的灵活性.