欢迎来到天天文库
浏览记录
ID:35070646
大小:4.23 MB
页数:69页
时间:2019-03-17
《基于路网感知的时空轨迹聚类算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、iOrm单位代码;iM分类号;i070游学号;剝訓B*^laiKMM一a。wfiya?aw>^laJl。l—winn—rr!n,""J11)■s??l?yjNorthUniversityOfOima硕±学位论文基于路闕感知的时空轨迹聚类算法研究硕古研究生S遣指导教师—宋义爱.;图书分类号TP311密级非密UDC硕士学位论文基于路网感知的时空轨迹聚类算法研究翟婷指导教师(姓名、职称)宋文爱申请学位级别工学学术型硕士专业名称软件工程论文提交
2、日期2016年5月31日论文答辩日期2016年5月21日学位授予日期________年______月______日论文评阅人李海芳教授、杨秋翔教授答辩委员会主席李茹教授2016年5月31日原创性声明本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体,均已在文中明痛方式标明。本声明的法律责任由本人承担。>/主论文作者签名
3、:需為日期:关于学位论文使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定,其中包括:①学校有权保管、并向有关部口送交学位论文的原件与复印件;②学校可采用影印、缩印或其吃复制手段复制并保存学位论文;⑤学校可允许学位论文被查阅或借阅:④学校可W学术交流为目的,复制赠送和交换学位论文(保密学位论文在解密;⑤学校可W公布学位论文的全部或部分内容后遵守此规定)。走签名:带气日期:导师签名:日期:中北大学学位论文基于路网感知的时空轨迹聚类算
4、法研究摘要近年来全球定位技术、无线通信技术与移动互联网技术的不断发展,促进了各种可定位设备(如卫星电话、移动电话、GPS接收器)的广泛应用,在提高了移动对象时空轨迹数据获取便捷性的同时,也大大的降低了获取成本。与普通时空数据挖掘不同,时空轨迹数据中隐含着被研究对象的移动特征,时空轨迹挖掘目的是发现个体或群体的行为模式。轨迹记录了对象随时间变化的移动情况,由众多的采样点按时间顺序组成,每个采样点都包含有时间、空间、速度、语义等属性。传统挖掘方法以点间距离判断对象间的相似性,时空轨迹则是由多个数据点
5、有序排列组成的,两条轨迹中采样点间的距离有的比较近,有的比较远,所以在判断轨迹相似时,单纯考虑点间距离已无法满足需要,需要判断点序列的相似性。由此可见研究时空轨迹挖掘比传统数据挖掘的复杂程度要高。时空轨迹数据研究有很高的应用价值,可应用到多个领域,如动物迁徙规律发现、基于位置的服务、交通管理与规划、移动对象行为模式发现等。本文主要围绕轨迹聚类框架、轨迹的相似性度量以及轨迹聚类算法展开研究。并在此研究的基础上,首先提出一种新的基于路网感知的时空轨迹聚类框架。其次在改进了基于路网的轨迹划分方法的基础
6、上,提出一种新的时空轨迹相似度量方法。最后,提出一种基于路网感知的时空轨迹聚类算法,NEASTT算法。考虑到以整条轨迹聚类和依据特征点划分轨迹片段的聚类方法中存在的不足,和移动对象在特定路网空间移动的特点以及轨迹数据包含的时间、空间、速度等属性特征,首先在路网空间内分割原始轨迹为轨迹片段,以轨迹片段为单位根据时空轨迹相似性度量方法度量轨迹片段间的时空距离,同路段内的时空相似轨迹片段聚集为聚类单元,再运用基于路网感知的时空轨迹聚类算法(NEASST算法)以聚类单元为单位,选择最优的相邻聚类单元进行
7、时空流聚类。最终得到的流聚类即为移动对象在一定时间范围内的高流量、强连续的运动路径。从实验结果可以得知,本文提出的基于路网的时空聚类框架及算法可以对时空轨迹进行有效的聚类,而且可以发现移动对象在某个时间范围内的运动代表路径。关键词:时空数据挖掘;移动对象轨迹;路网;时空轨迹聚类;基于位置的服务中北大学学位论文ResearchonAlgorithmofRoad-NetworkAwareSpatial-TemporalTrajectoryClusteringAbstractWiththedevelo
8、pmentinrecentyears,globalpositioningtechnology,wirelesscommunicationtechnologyandmobileinternettechnologypromotethevariouswaysofpositioningdevices(suchassatellitetelephones,mobilephones,GPSreceivers)widelyusedeverywhere.Itimprovesthespatial-temporalm
此文档下载收益归作者所有