移动对象轨迹序列模式挖掘

《移动对象轨迹序列模式挖掘》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、中图分类号：TP391论文编号：102871616-S015学科分类号：081200硕士学位论文移动对象轨迹序列模式挖掘研究生姓名朱江学科、专业计算机科学与技术研究方向数据管理与知识工程指导教师皮德常教授南京航空航天大学研究生院计算机科学与技术学院二О一六年一月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofComputerScienceandTechnologySequentialPatternMiningofMovingObjectsTrajectoriesAThe

2、sisinComputerScienceandTechnologybyZhuJiangAdvisedbyProfessorPiDechangSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringJanuary，2016南京航空航天大学硕士学位论文i南京航空航天大学硕士学位论文摘要随着全球定位系统（GlobalPositioningSystem，简称GPS）越来越普遍地运用，考虑到对移动对象（MovingObject）进行定位跟踪，通过GPS获取到移动对象的活动

3、轨迹，并对轨迹序列进行分析研究具有潜在的重大价值。序列模式挖掘（SequencePatternMining）作为数据挖掘的一种重要方法，备受关注。本文实验采用的数据集来自2008年五月的美国旧金山出租车移动数据，主要分布在旧金山湾地区，共包含536辆出租车的GPS坐标数据。（1）作为包含时间和空间两个方面的移动轨迹信息，GPS采集的数据具有数据量大、周期性、噪声干扰严重、缺失性等特点，如何对轨迹数据进行有效地预处理并得到有用的数据，将会直接影响到序列模式挖掘与匹配预测的正确性。本文从数据插值、数据聚类、数据归一化、数据特征表示以及灰色关联分析等方面对数据进行处理

4、，并通过对GPS轨迹停留点的检测与合并方法对轨迹点进行优化，使数据能够高效的进行特征提取，为后续算法提高可靠的轨迹序列。（2）面对基于Apriori算法基本思想的AprioriAll算法、GSP算法以及SPADE算法等以及基于模式增长的算法，包括Freespan算法、Prefixspan算法等，通过对几种算法进行对比分析，本文吸取了模式增长方式不产生候选序列的优点，同时通过对候选序列更加有效地剪枝进行算法优化，有效地提高了模式挖掘算法的效率以及正确性。（3）面对序列模式匹配不准确这一难题，本文提出了FreSeqMatching匹配算法，利用提出的序列类、序列焦点

5、的定义，结合相似度分析的概念，通过对匹配效果及时反馈以及支持度等条件进行及时调整，结合模式挖掘算法，有效地提高了序列模式匹配的精度以及移动对象轨迹预测的准确率。关键词：移动对象，数据表示，时间序列，模式挖掘，特征表示，模式匹配，移动行为预测i移动对象轨迹序列模式挖掘AbstractAstheGPS(GlobalPositioningSystem)hasbecomemoreandmorewidelyused,inconsiderationofusingmovingobjectstolocatetracking,itisofsignificantvaluetoana

6、lysisthebehaviortrajectoryofmovingobjectsgainedbyGPSequipment.Asanimportantmethodofdatamining,sequencepatternmininghasbeenpaidmuchattentionto.ThedatasetusedinthisexperimentcomesfromthetaximobiledatafromSanFranciscoAmericainMay2008,whichwasdistributedmainlyintheSanFranciscobayarea,con

7、tainingabout536taxiGPScoordinatedata.Firstly,duetothemovementaboutthetwoaspectsoftimeandspacetrajectoryinformation,GPSdatahaslotscharacteristics,suchas,largevolumeofdata,periodiccharacteristics,seriousnoiseinterference,missingdataandsoon.Themethodhowtoeffectivelypreprocessthetrajecto

8、rydataandgai