收藏本站
《南京大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于用户移动行为规律的数据分流方法研究

吴潮兵  
【摘要】:近年来,随着移动通信技术的不断进步和移动设备保有量的迅猛增长,全球移动数据流量呈爆炸式上升,这对移动用户和通信运营商都产生了很大影响。对于移动用户而言,数据请求的大规模接入极易造成移动通信网络拥塞,严重降低用户体验;对于通信运营商而言,为了满足急剧增长的用户移动数据需求,缓解移动通信网络的压力,通信运营商需要持续购买频谱、建设基站和升级网络,运营成本显著增加。如何缓解移动通信网络压力,同时满足日益增长的用户移动数据需求、保证用户体验,已成为亟待解决的难题。数据分流将原本经移动通信网络传输的数据改经其他网络传输,以应对移动数据流量急剧增长带来的诸多挑战。实践证明,数据分流可以较好地缓解移动通信网络的压力,满足用户的移动数据需求。此外,研究人员发现,在数据分流方法中考虑用户的移动行为,可以进一步提升分流方法的性能。因此,本文围绕基于用户移动行为规律的数据分流方法开展了研究工作。具体而言,本文工作主要包括如下几个方面:(1)本文对用户移动行为规律挖掘方法展开了研究。首先,本文对用户移动行为进行分析,得出用户移动行为具有如下规律:1)用户每天绝大部分时间会呆在少数几个热点位置;2)用户以天为周期频繁在热点位置之间移动,且习惯于沿着频繁路径进行移动。接着,鉴于GPS设备存在椭圆测量误差以及部分区域GPS信号较弱,本文采用卡尔曼滤波方法对用户移动行为数据进行预处理,以削弱上述因素对挖掘方法性能的影响。最后,本文提出用户热点位置挖掘方法和用户频繁路径挖掘方法,分别对上述两种规律进行挖掘,以供后续数据分流方法使用。(2)移动通信技术的进步为流媒体服务的兴起创造了条件,在移动设备上浏览视频已成为人们普遍的流量消费模式,移动视频流量的增长已极大地推动了移动数据总流量的增长。移动视频具有用户个性化特征鲜明和可缓存的特点。为此,本文提出了一种基于用户热点位置的数据分流方法(A Personal Hotspot Positions Based Data Offloading Method,简称HPO方法)。该方法主要分为三步:1)挖掘出用户热点位置;2)基于用户观看视频的历史记录,组合ItemCF/CB和GBDT+LR两种方法对用户观看兴趣进行建模,并生成用户最感兴趣的移动视频列表;3)当检测出用户位于热点位置且移动设备连接互补网络时,将移动视频缓存到设备中,以供用户不在WiFi、小基站等互补网络覆盖区域的时候观看,达到分流移动视频数据的目的。最后,本文在MovieLens数据集上对HPO方法的性能进行验证。实验结果表明,HPO方法的缓存精度优于GBDT方法以及GBDT+LR方法等,且执行效率更高。(3)很多数据不具有可缓存性,无法通过提前缓存的方式进行分流,但是它们在移动数据总流量中也占有很大比重,对其进行分流同样重要。鉴于城市区域部署有大量的WiFi、小基站等互补网络热点,且这些热点的分布信息可知,本文提出一种基于用户频繁路径的数据分流方法(A Personal Frequent Paths Based Data Offloading Method,简称FPO方法)。该方法首先挖掘出用户的频繁路径;接着,基于互补网络热点的分布信息,确定各热点在用户频繁路径上的覆盖区域;然后,利用用户在频繁路径上的移动行为具有的时空规律,预测出用户进/出各热点覆盖区域的时间;最后,当检测出用户在频繁路径上移动时,FPO方法基于各数据传输任务的截止完成时间,提前制定分流策略,达到充分利用互补网络进行数据分流的目的。本文选取确定性延时分流方法和适应性延时分流方法作为参照对象,对FPO方法的性能进行验证。实验结果表明,FPO方法具有良好的分流性能,平均相对完成时间更低,且能够保证用户体验。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前19条
1 焦锋,刘群,邢文建;客户机/服务器下的数据缓存技术[J];辽宁工程技术大学学报;2005年02期
2 王渤;;交通大数据之用[J];中国公路;2018年18期
3 李震;;一种基于双口RAM的环形数据缓存系统[J];计算机技术与发展;2010年01期
4 丁锐;赵千川;;无线网络定位系统的数据缓存模块的封装[J];计算机应用与软件;2011年09期
5 刘波;王晓彤;张冬明;葛伟琪;;一种面向雷达应用可重构系统中的数据缓存结构和管理机制[J];上海交通大学学报;2017年05期
6 薛国凤;张健;;基于FPGA的数据缓存与转发系统设计[J];微计算机信息;2010年20期
7 王彦士;王伟;刘朝辉;魏峻;黄涛;;支持透明集成的数据缓存机制[J];计算机研究与发展;2015年04期
8 王欣;周南;邱小彬;;JCS数据缓存技术在动态Web系统中的应用[J];中山大学学报(自然科学版);2009年S1期
9 余粉香;万刚;刘广社;;基于数据缓存的影像数据库的设计与实现[J];测绘科学技术学报;2006年06期
10 龚华明;阴躲芬;;基于T~*树的RFID数据缓存的研究与实现[J];计算机与数字工程;2013年12期
11 梁娟;张钦宇;杨凌;;一种HARQ数据缓存区分配及使用控制策略[J];通信技术;2010年08期
12 曹丽娟;谢强;丁秋林;;基于分布式数据缓存技术的Web-OLAP系统研究[J];计算机应用;2008年02期
13 焦锋,郭向军,徐英杰;基于Cache网络数据的数据缓存技术研究[J];辽宁工程技术大学学报;2004年03期
14 凌飞;李晓宁;;财经在线包装系统的数据缓存库建设[J];现代电视技术;2013年11期
15 赵辉;;数据缓存在图书馆站开发中的应用[J];甘肃科技纵横;2007年03期
16 艾志国;刘萍;涂亚平;;基于Web应用程序中的数据缓存技术初探[J];计算机与信息技术;2006年Z1期
17 刘波;肖建;曹鹏;杨苗苗;;面向媒体处理可重构系统中数据缓存结构和缓存管理策略优化[J];东南大学学报(自然科学版);2014年06期
18 吴建明;罗小虎;;利用缓存实现异构数据单向同步方案的研究[J];荆门职业技术学院学报;2007年12期
19 赵保亮;刘继;王武昌;;列车轮对超声波探伤中的数据缓存技术研究[J];城市轨道交通研究;2011年03期
中国重要会议论文全文数据库 前3条
1 石磊;陈晓敏;朱岩;李昆;;基于SDRAM的高速数据缓存的FPGA控制实现[A];第二十三届全国空间探测学术交流会论文摘要集[C];2010年
2 邓可学;;队列管理和SDRAM控制器的FPGA设计[A];全国第十三次光纤通信暨第十四届集成光学学术会议论文集[C];2007年
3 韩波;杨林山;马豹;;一种卫星相机数据实时检测系统的实现方法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
中国重要报纸全文数据库 前6条
1 建行上海市分行 潘焕成;“大数据”力推银行经营可持续发展[N];上海金融报;2017年
2 会记;2018中国大数据应用大会论坛集汇(二)[N];电子报;2018年
3 中国外汇交易中心副总裁 许再越 中汇信息技术有限公司总经理助理 卢艳民;推进银行间市场数据治理 促进IT基础设施能力升级(下篇)[N];金融时报;2018年
4 刘险峰;安全的大数据才是靠谱的大数据[N];人民邮电;2018年
5 本报记者 曾晓新;机票价格变化的秘密[N];中国民航报;2018年
6 ;面向铝/铜板带材智能制造的工业大数据平台技术[N];世界金属导报;2019年
中国博士学位论文全文数据库 前3条
1 鲍叙言;面向数据分流的机会网络及关键技术研究[D];北京邮电大学;2018年
2 苗艳超;数字视频服务关键技术研究[D];中国科学院研究生院(计算技术研究所);2004年
3 叶凡;无线网络中移动数据缓存若干问题的研究[D];中国科学技术大学;2010年
中国硕士学位论文全文数据库 前10条
1 李秀;基于校园数据中心的数据治理与应用[D];西安科技大学;2018年
2 赵建峰;基于Spark医疗信息大数据交互统计分析研究[D];江西财经大学;2019年
3 李育桥;云平台下数据访问优化技术的研究与实现[D];电子科技大学;2019年
4 霍建东;中频信号回放模块硬件电路设计[D];电子科技大学;2019年
5 王方苏;移动环境中基于能耗最小化的数据卸载优化策略研究[D];广西大学;2019年
6 吴潮兵;基于用户移动行为规律的数据分流方法研究[D];南京大学;2019年
7 马骁;大数据环境下的医疗数据生命周期的研究和实现[D];北京邮电大学;2019年
8 王海红;流感信息采集与预测预警平台的研究与应用[D];湖南大学;2015年
9 魏陶琳;税务数据管税平台下数据质量审计系统的设计与实现[D];西安电子科技大学;2017年
10 文宇轩;基于Disruptor的高效ETL系统研究与实现[D];湖南大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978