天堂乐fun88 - 轻松学习从此开始!    

体育下注

Java1234官方群25:
Java1234官方群25:838462530
           Java最新职位
()
乐天堂fun88

领取微信扫码登录Java实现视频教程

Java1234至尊VIP(特价活动)
当前位置: 主页 > Java文档 > 大数据云计算 >

基于数据挖掘的移动用户出行轨迹预测 PDF 下载


分享到:
时间:2020-10-11 08:01来源:http://www.51qzml.com 作者:转载  
基于数据挖掘的移动用户出行轨迹预测 PDF 下载
失效链接处理
基于数据挖掘的移动用户出行轨迹预测 PDF 下载


本站整理下载:
链接: 
提取码:pylo 
 
 
相关截图:
 
主要内容:

1 引言
移动用户行为具有很强的时空规律性,用户群体
间的移动行为具有很高的相似性[1]。基于地理位置的服
务与推荐已经成为当前的研究的热点,如:乔岩磊等
扫描二维码
与作者交流
[Abstract] 
[Key words]
人[2]利用高斯混合模型拟合连续时间下地点之间的转移
概率推测用户的位置,但没有对不同群体用户的语义
位置特点进行区别性对待,不能有效反应不同群体用
户的出行特征。廖文芳[3]根据移动用户的出行位置信
息进行社交平台的设计,但并没有考虑到利用用户在
不同位置的逗留时长来反映用户在特定位置的停留偏
好。姚迪等人[4]将用户时空轨迹数据转换成特定的语义
研究与探讨
2019年第5期 93
信息,以此推测用户的偏好和需求,但没有区分不同
群体用户的停留时长和偏好。邱运芬等人[5]提出一种语
义和概率的人群分类方法,根据语义位置分配情况获
取用户对语义空间的访问向量,采用聚类的方法对用
户进行人群的划分,结果表明,同类用户在语义位置
空间的访问概率向量相似。研究者[3-8]从不同的角度研
究地理位置的服务和推荐,包括用户的位置推测、用
户出行群体特点,但并没有综合采用不同语义位置的
停留偏好和停留时长来反映不同群体的出行偏好,同
时,研究者并没有根据个体用户的实时出行轨迹来预
测个体的未来轨迹。
因此,本文在借鉴相关研究的基础上,针对传统
用户预测没有考虑到用户群体分类的问题,提出一种
基于移动轨迹的用户位置预测方法:在用户轨迹语义
化的基础上,结合语义位置的概率向量采用聚类的方
法对人群进行划分;在此基础上,采用关联规则挖掘
不同群体的频繁模式;最后,结合实时出行数据动态
更新贝叶斯网络实现移动用户出行轨迹的实时预测。
2 出行轨迹的相关研究
2.1 移动用户出行的时空序列模型
移动用户出行的时空序列模型,是基于移动用户
的时空数据进行数据挖掘的模型,通过对用户移动周
期规律和相关参数的估计,能够获得移动用户在不同
时间下位置概率分布的信息[6-7],以此挖掘用户的行为
模式与时间的关系。
假设移动用户的出行时空序列为:Tri={(L1, 
t1), (L2, t2), …, (Li, ti), …, (Ln, tn)},其中,
(Li, ti)表示用户在某个时间内出现在基站位置,那
么,用户在不同时间的位置概率分布可表示为:
P=(Xt
=l|t∈[ti ,ti+△t]) (1)
公式(1)表示,在特定的时间段内,用户在不同位
置下的分布概率,相比于位置数据,移动用户出行的时
空序列模型更能体现用户的出行偏好以及出行规律。
2.2 移动用户语义位置模型
在获取移动用户出行的时空序列后,能够根据
用户在某一个位置的逗留时间,获取用户停留点。
但是仅仅以地理轨迹的停留点来分析用户的出行规
律似乎意义不大,因此,不少学者采用语义轨迹来
反映用户的活动行为模式,通过语义位置对地理位
置进行功能性的描述,推测用户在不同时间的不同
行为特征以及其周边的环境信息,这些信息能够有
效表征用户的语义位置。移动用户停留点的语义位
置轨迹可用图1表示:
图1 某用户停留点语义位置轨迹表示
2.3 移动模式挖掘模型
移动用户的行为具有群体的特征,移动用户出行
的频繁模式,在一定程度上反映了移动用户出行行为
具有一定的相似性[8]。在获取移动用户一段时间的语义
位置轨迹的基础上,通过关联规则的相关算法就能挖
掘用户在一段时间的出行规律。某一个用户在一段时
间的语义位置轨迹如表1、表2所示。
从表1、表2可知,<家,公司,餐馆,公园>是一
种用户的语义位置轨迹模式,可以预测到用户在一周
内去家、公司、餐馆、公园的频率为1/7,也就是一周
中用户有一天会先去公司、然后去餐馆、公园。
2.4 轨迹预测模型
移动用户的出行位置是不断变换的,如果将用
户在移动过程中经过的语义位置轨迹视为一个个的状
态,那么可以通过状态更新的方式对用户的位置进行
预测。语义位置轨迹是从地理位置提取高层的信息,
使用语义位置轨迹能够更好预测用户的轨迹。而相似
用户的语义位置轨迹,更能够解决位置预测中“新地
点”的问题,当一个用户达到一个新的地点,无法通
过自己的历史轨迹数据进行预测时,此时可以使用与
之相似的用户轨迹数据进行预测。

 

------分隔线----------------------------
锋哥公众号


锋哥微信


关注公众号
【Java资料站】
回复 666
获取 
66套java
从菜鸡到大神
项目实战课程