- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于移动终端上网数据的移动模式分析及轨迹预测.pdf
第 12卷第 2期 复 杂 系 统 与 复 杂 性 科 学 Vo1.12 No.2
2015 年 6 月 C0MPLEX SYSTEMSAND COMPLEX ITY SCIENCE Jun. 2015
文章编号 :1672—3813(2015)02—0053—07;DOI:10.13306/j.1672—3813.2015.02.008
基于移动终端上网数据的移动模式分析及轨迹预测
卢 扬,赵志丹,蔡世民
(电子科技大学计算机科学与工程学院,成都 611731)
摘要 :基于某城 市用户移动终端使用某运 营商流量上 网产生的数据分析用户移动模
式及轨迹预测。实证发现个体上 网时的移动行为具有阵发性、异质性、弱时间规律性
以及短 时间内的地点停留特性。基于实证结果 ,本文提 出了动态贝叶斯 网络 、基于相
似度 的马尔科夫模型等多种轨迹预测模 型及 它们的混合模型,并取得 了较好的预测
结 果 。
关键词 :人类动力学;移动计算;移动模式分析 ;轨迹预测
中图分类号 :N94:059 文献标识码 :A
MobilityPatternAnalysisandTrajectoryPredictionUsingMobileGPRSData
LU Yang,ZHA0 Zhidan,CAIShimin
(SchoolofComputerScienceandEngineering,UniversityofElectronicScienceandTechnologyofChina,Chengdu,611731,China)
Abstract:In thisarticle,weanalyzedusers mobilitypatternsandproposedseveralpredictorsto
solvethenextlocationpredictionproblem withusers mobileGPRSdata.ItiSfoundthatindivid—
ualSmobilebehaviorsarebursting,heterogeneous,weaklyregularin temporal—spacialaspect,
andindividualstendtostayinthesamelocation in ashortintervaltime.Furthermore,basedon
theseempiricalresults,ablendingmodelisdeveloped to improvethepredictionaccuracy,over—
comingallmodelswithstandalonefeature.
Keywords:humandynamics;mobilecomputing;mobilitypatternanalysis;trajectoryprediction
0 引言
人们的生活总是处于不断移动 中,而去过 的地方一定程度上可以折射 出人们的生活方式和人际关系网络。
移动轨迹预测是移动位置信息研究的一个热点问题LI]。基于移动位置信息的研究将有效地帮助人们进行城市
交通规划 ]、预测交通的拥挤_l3]、疾病传播口。。]、提高 LBS推荐的准确度_】、有效定点投放广告L1n等。
随着移动终端的普及和移动 网络的部署 ,我们有更多渠道去收集大量用户 的移动信息,并利用这些移动信息
对用户未来移动位置进行实时、准确的预测。当前 的大部分研究数据都是基于 LBS应用 口 ¨]、WlFI信息u 、
GPS[1417-193以及手机通话收集[14,20-22]的用户移动轨迹信息,它们普遍存在轨迹信息稀疏且离散 的问题。轨迹一
天平均只有十几条记录,且用户的移动模型大不相 同,使得现有模型难以进行有效的预测。其他还有采用用户的
社交关系辅助轨迹预测_1。卜],一定程度上提高了预测准确度 。
文档评论(0)