基于轨迹数据挖掘语义化位置感知计算的研究

《基于轨迹数据挖掘语义化位置感知计算的研究》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、浙江大学博士学位论文摘要普适计算是信息空间与物理空间的融合，在这个融合的空间中人们可以随时随地和透明地获得数字化服务。普适计算最大的特点在于具有上下文感知这一基本特性。上下文感知计算是指信息空间获得物理空间的上下文信息，从而察觉物理空间中状态的改变，然后自动触发相应操作或提供相应服务，从而主动适应用户需求的变化。位置感知计算是上下文感知计算中最重要的基础性课题之一，是指系统能够获取用户的位置信息，并根据环境中用户位置和空间关系的变化，进行位置上下文推理和融合，分析用户上下文历史和现状，预测用户未来状态，从而非侵入式地自动调整自己的状态和行为来适应系统和用户的

2、需求。如何基于位置上下文设计智能、．自然、高效的位置感知计算系统是普适计算领域亟待解决的重要问题。由于用户的运动通常具有很强的时空规律，分析用户历史运动数据(即轨迹数据)，从中挖掘用户运动规律，并结合用户当前上下文进行信息适应被认为是提高位置感知系统交互效率和智能化程度的有效手段。然而，轨迹数据分析和应用的现有工作主要存在两方面的问题：第一，现有轨迹数据挖掘算法主要针对规律性较强的时空数据，但是在普适计算环境下，轨迹数据具有异构性、不可靠性、不完整性等特点，现有挖掘算法无法适应这些特点。第二，现有轨迹数据分析主要集中在运动规律挖掘的层面上，没有提取出隐含在轨

3、迹数据中用户相关的深层次知识(如目的意图、生活习惯、社会关系)，导致挖掘结果抽象程度较低、难以表示用户高级语义。此外，现有工作缺乏针对基于轨迹挖掘的位置感知应用的设计指导方法。针对这些问题，本文提出基于轨迹数据挖掘的语义化位置感知计算方法，即在轨迹数据挖掘的基础上，提取用户的目的意图、行为规律和社会关系三方面的语义信息，并基于用户语义提供合理、高效的信息适应，从而解决位置感知系统可用性低和交互效率不高的问题。为此，本文着重从访问地点和运动模式挖掘，用户目的意图、行为规律和社会关系等高级语义的提取以及相应的信息适应方式浙江大学博士学位论文摘要等方面展开研究。主

4、要研究内容和成果包括以下几个方面：f1)在访问地点挖掘方面，本文提出了一种从GPS轨迹数据中挖掘语义化访问地点的方法。该方法首先根据轨迹数据的时序特性，采用一种结合基于时间的聚类算法和基于密度的聚类算法的层次化聚类算法从中挖掘出访问地点，然后结合机器学习技术和一个定制的POI数据库对访问地点的时间和空间特征分别进行分析，进而获取访问地点的分类语义。相比于现有的访问地点挖掘技术，该方法可获得语义化程度较高的访问地点信息。(2)在运动模式挖掘方面，本文提出了从两种不同定位技术(即GPS定位技术和蜂窝基站定位技术)获得的轨迹数据中分别挖掘运动模式的算法。在GPS轨

5、迹数据运动模式挖掘方面，算法对原始GPS轨迹数据进行路径分割、候选起点／终点提取、基于空间划分的抽象化等预处理，然后采用一种改进的PrefixSpan算法从抽象结果中挖掘出运动模式。该算法可在保持运动模式连续性的基础上极大程度地容忍轨迹数据的不确定性，从而获得更长、更完整的模式。在蜂窝基站轨迹数据运动模式挖掘方面，算法对原始GSM基站轨迹数据进行分割、窗口化、分组、聚类等预处理，然后采用关联规则挖掘算法从处理结果中挖掘出运动模式。该算法可克服蜂窝基站轨迹数据的不精确、振荡、交叠等一系列问题，从而有效地挖掘出运动模式。(3)在用户目的语义提取方面，本文提出了预

6、测用户未来运动行为的方法，包括一种用于改进位置预测性能的自适应多阶Markov模型，以及一种基于运动模式挖掘的目的地和未来路径联合预测方法。自适应多阶Markov模型可根据训练数据与输入数据的相关度，自动适配合适阶数的Markov模型进行预测，从而在提高预测性能的同时降低训练数据质量对预测结果的影响。联合预测方法基于前缀树数据结构对运动模式建立索引，然后通过模式匹配寻找候选运动模式，最后根据概率模型联合预测目的地和未来路径。该方法在预测更长的未来路径方面具有较强的优势。(4)在用户行为语义提取方面，本文提出了一种基于访问地点挖掘的日程行为规律建模及挖掘方法。

7、该方法采用地点偏好矩阵对用户日程行为进行建模，并浙江大学博士学位论文摘要对偏好矩阵进行聚类以获得其日程行为模式。在此基础之上，我们提出了一种基于日程行为模式的用户相似度计算方法，对用户间长期生活习惯的相似度进行度量。实验结果表明基于提出的相似度度量方法可有效地区分用户职业背景，从而证明了日程行为模式表示用户长期生活规律的有效性。(5)在用户关系语义提取方面，本文提出了一种针对移动社会网络的用户社会关系推理方法和一种针对基于位置社会网络的兴趣地点个性化推荐方法。在社会关系推理方面，基于语义化访问地点挖掘和接近数据对用户间的相遇模式进行分析，进而估计其可能的真实

8、社会关系类型。在兴趣地点个性化推荐方面，基于多用户轨