收藏本站
《吉林大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

基于轨迹和POI数据的热点区域实时预测

孙瑞  
【摘要】:目前,智能移动设备通常都带有利用了全球定位技术的位置传感器,可以准确的捕捉到移动设备的具体位置信息。随着位置获取和移动计算方面的技术的进步,产生了大量的数据,这些数据代表了各种不同种类的移动的物体如人,动物,车辆等的轨迹记录。并且这些位置信息可以通过众包的方式利用无线传输技术上传到服务器当中,形成大量的GPS轨迹数据。GPS轨迹大数据中包含了史无前例的信息,可以让我们更好的理解移动对象和地理位置,伴随产生了大量的基于位置的社交网络、智能交通系统和城市计算等应用。这些应用的流行,反过来又不断的促进新的系统性的轨迹大数据挖掘的研究。在这个良性的发展循环当中,GPS轨迹大数据的挖掘成为了一个热点的研究问题,吸引着包括计算机领域、社会学领域和地理信息领域的学者对此不懈研究。但是单纯从轨迹数据中挖掘人类活动语义信息是困难的。从更抽象的层次看,轨迹数据只是时空数据的一种,时空数据是带有空间坐标和时间戳的数据,具有时间属性和空间属性。能够准确预测时空数据变化情况对于地理位置推荐等城市计算相关应用具有重要意义。另一方面,城市中的兴趣点(Point of Interests,POI)等静态的地理空间信息也会对人类活动产生重要甚至是根本性的影响,因为人类是生活在一定地理环境中的,POI往往成为人类日常社会活动的参与场所。本文试图融合使用轨迹时空数据和地理静态信息两种数据,在复杂的城市环境中预测出不同区域的停留点数量变化情况。停留点也是一种时空数据,指出租车低速巡游或静止等待乘客的地点。停留点预测对于出租车载客,乘客乘车,地理位置的热度变化,乃至交通疏导,城市安全,城市建设规划等方面都具有重要参考作用。对停留点的预测往往是地理位置推荐系统中的一部分,但是现有的热点区域推荐或出租车载客点推荐等研究中往往在这些方面有所欠缺,一是使用数据源不够丰富,导致推荐准确率不够高,二是直接对于历史轨迹数据进行挖掘分析,计算复杂度高,难以拓展到更大地理范围,而且实时性难以保证。本文融合了交通轨迹数据和基于微博签到的POI数据,提出了自己的预测框架,框架首先根据基于POI的空间相似性找到相似区域,并根据相似区域预测出下个时间段目标区域的停留点变化情况。本文还基于Apache Storm构建了一个实时处理系统,模拟了整个实时分析与预测过程。实验结果表明,预测的地点的情况与实际情况相比具有较高的准确率,并且整个流处理系统也具有实时处理大数据的低延迟,高吞吐量的特性。
【学位授予单位】:吉林大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP311.13

手机知网App
【相似文献】
中国期刊全文数据库 前4条
1 宋宣;;收购后阿里高德筹建POI库[J];信息与电脑(理论版);2014年01期
2 谢骥;;多系统合路平台(POI)测试方法探究[J];移动通信;2012年16期
3 赵卫锋;李清泉;李必军;;利用城市POI数据提取分层地标[J];遥感学报;2011年05期
4 何业军,田宇兴,卢军;POI在上海地铁CDMA接入系统中的应用[J];无线电工程;2002年04期
中国重要会议论文全文数据库 前1条
1 王龙波;;基于GPS与实景影像的POI快速采集技术[A];全国测绘科技信息网中南分网第二十一次学术信息交流会论文集[C];2007年
中国硕士学位论文全文数据库 前4条
1 周正;基于LBS的移动环境中POI推送方法研究[D];湖北工业大学;2015年
2 郑姗姗;移动通信中多系统合路平台(POI)及监控的研究[D];南京理工大学;2014年
3 龙涛;上海中心城区游客兴趣点(POI)时空分布特征研究[D];上海师范大学;2016年
4 孙瑞;基于轨迹和POI数据的热点区域实时预测[D];吉林大学;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026