面向LBSN的移動(dòng)軌跡聚類方法研究.pdf

1、社交網(wǎng)絡(luò)的普及改變了世界傳播和分享信息的方式，給予互聯(lián)網(wǎng)新的內(nèi)涵。同時(shí)，伴隨著移動(dòng)定位、無(wú)線傳感等技術(shù)的不斷發(fā)展，基于位置的服務(wù)(LBS)在不斷發(fā)展中與社交網(wǎng)絡(luò)相互融合，最終形成了基于位置的社交網(wǎng)絡(luò)(LBSN)，將網(wǎng)絡(luò)中的每個(gè)個(gè)體賦予虛擬和現(xiàn)實(shí)的雙重身份?；鶖?shù)龐大的LBSN用戶產(chǎn)生和分享著海量的用戶軌跡數(shù)據(jù)，蘊(yùn)含著豐富的知識(shí)，迫切需要研究人員對(duì)其進(jìn)行有效分析。本文面向商務(wù)智能、交通預(yù)測(cè)、社群交互等領(lǐng)域中的輔助決策需求，以LBSN環(huán)境中產(chǎn)

2、生的用戶軌跡數(shù)據(jù)為研究對(duì)象，重點(diǎn)進(jìn)行軌跡聚類和用戶的行為模式發(fā)現(xiàn)。研究工作主要包括以下幾個(gè)方面:
　　 (1)在深入分析傳統(tǒng)移動(dòng)軌跡數(shù)據(jù)挖掘相關(guān)理論方法的基礎(chǔ)上，根據(jù)LBSN數(shù)據(jù)集的特點(diǎn)以及數(shù)據(jù)挖掘的需要，設(shè)計(jì)了一種利用城市路網(wǎng)以及LBSN用戶活動(dòng)位置和社交關(guān)系，對(duì)LBSN用戶軌跡數(shù)據(jù)進(jìn)行挖掘和分析的軌跡聚類挖掘框架。
　　 (2)針對(duì)現(xiàn)有的軌跡路網(wǎng)匹配方法面對(duì)海量數(shù)據(jù)計(jì)算效率低下的問(wèn)題，首先對(duì)軌跡數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)而引

3、入評(píng)分函數(shù)，通過(guò)對(duì)用戶影響力進(jìn)行排序找出其中的活躍用戶;在以上處理的基礎(chǔ)上使用ER-RNM算法以達(dá)到對(duì)LBSN用戶子軌跡和路網(wǎng)進(jìn)行快速、準(zhǔn)確、靈活匹配的目的。
　　 (3)針對(duì)現(xiàn)有子軌跡時(shí)空相似性度量方法缺乏領(lǐng)域知識(shí)且時(shí)間復(fù)雜較大的問(wèn)題，基于LBSN環(huán)境中用戶活動(dòng)特征，采用新的時(shí)間約束條件，滿足LBSN環(huán)境下用戶軌跡時(shí)間相似性度量的需要，并引入了時(shí)空相似性統(tǒng)一度量相乘的方法，提高了海量軌跡數(shù)據(jù)時(shí)空相似性搜索效率。