移动环境下基于轨迹挖掘的个性化推荐系统设计与实现

这是一篇关于移动轨迹数据,异常轨迹检测,轨迹聚类,个性化推荐的论文, 主要内容为由于信息技术的飞速发展以及信息内容的不断增多,使得“信息过载”问题越发严重。推荐系统因其能够帮助人们从繁杂的信息中发现感兴趣的内容而受到了各界人士的普遍关注,对其进行了深入的研究并应用于实际,效果显著。但是传统的推荐系统在进行推荐时,往往只考虑了用户对项目的偏好数据,而忽略了用户的轨迹数据特征。轨迹数据是对移动对象运动行为的序列化表示,通过分析和挖掘轨迹数据更能够反映出移动对象的运动规律以及行为模式,对提高个性化推荐系统的准确率以及用户的满意度有着非常重要的意义。因此,本文设计并实现了一种在移动环境下基于轨迹挖掘的个性化推荐系统,论文主要围绕以下内容进行研究:(1)研究使用基于时空Hausdorff距离的异常检测算法对轨迹数据进行预处理。在TRAOD(Trajectory Outlier Detection)算法的基础上,结合道路网络交通,同时考虑轨迹数据的时间特性对线段Hausdorff距离进行改进,从而提高异常轨迹检测的准确率与效率。用该算法去除轨迹中的异常数据,为下一步的轨迹聚类提供有效的数据。(2)研究使用基于路网约束的移动对象时空轨迹高效聚类算法(Spatio-Temporal Road-Network Aware Trajectory Clustering Algorithm,ST-NEAT)进行轨迹聚类分析,发现用户的运动规律和行为模式。该算法同时考虑轨迹数据的空间属性和时间属性,且能够获取用户不同时段的轨迹信息,不仅提高了聚类质量,而且有利于为用户提供不同时段的有针对性的推荐服务。(3)在上述理论技术的支持下,设计并实现了个性化的推荐系统,为用户提供朋友推荐、地点推荐以及其他一些辅助的个性化推荐功能,能够更加准确的为用户推荐与其相近的用户以及更符合其兴趣偏好的地点等内容。

船舶轨迹数据挖掘与可视化技术研究

这是一篇关于船舶轨迹,轨迹数据挖掘,轨迹聚类,轨迹预测,轨迹可视分析的论文, 主要内容为近年来,GNSS(Global Navigation Satellite System,全球卫星导航系统,包括北斗、GLONASS、GPS、Galileo等系统)技术迅速发展并得到广泛应用,已经成为国防军事、国民经济发展中必不可少的基础设施。随着世界海洋经济的迅速发展,各国海洋贸易中的船舶数量随之剧增,基于GNSS的船舶自动识别系统(Auto Identification System,AIS)已被世界各国广泛采用,由此产生的船舶轨迹数据数量已达到前所未有的水平,并呈现高速化、大型化、智能化的发展趋势。数据可视化与数据挖掘技术有机结合,从而有效、深入地揭示海量船舶轨迹数据中的隐含规律与潜在价值,并将挖掘结果准确、直观地呈现给用户,这更体现了卫星导航信息服务的价值所在,同时,也将对我国BDS(Bei Dou Navigation Satellite System,北斗卫星导航系统)、大洋航路建设、数字海战场及智能情报获取等新兴应用起到较为积极的推动作用。船舶轨迹数据挖掘与可视化技术研究已经成为数据挖掘领域的一个重要分支,近年来深受学术界的关注。但是,当前的众多研究主要以船舶轨迹聚类算法的实现与应用为导向展开,如利用AIS数据中船舶运动信息进行聚类分析等,对船舶轨迹数据的时空特性理解不深,导致对船舶轨迹数据的价值利用不够深入和全面。因此本文针对船舶轨迹数据的挖掘技术、船舶轨迹预测技术以及船舶可视化系统开发等方面开展研究,采用B/S架构,在分布式数据库存储与管理技术的基础上,通过微服务的方式实现了数据的管理、聚类分析、预测分析、可视化等功能,充分结合实验海域船舶AIS数据和北斗应用数据,设计并实现了“4层+5模块”架构的船舶轨迹数据挖掘与可视化系统。主要工作和贡献如下:1.系统阐述了船舶轨迹数据挖掘与可视化的技术理论,介绍了船舶轨迹数据的基本特征和开展数据挖掘的技术路线,总结归纳了船舶轨迹数据具有时序、空间、网络及多维的特征,既为提取船舶运动模式特征提供了丰富的信息,也为后续船舶轨迹数据挖掘技术研究奠定基础。2.为了更好地发现船舶的运动规律,提出了基于起始点、停留点以及特征点的轨迹特征点提取方法,并提出了船舶轨迹时空聚类模型,在聚类过程中同时考虑船舶轨迹包含的时间和空间信息,在空间聚类的基础上提出了船舶子轨迹段之间的时间距离的度量方法,并通过设置权重调整时空特征敏感度,使用DBSCAN算法对时空邻域密度进行聚类分析,挖掘船舶典型的时空运动模式。3.为了预测船舶轨迹的未来运动趋势,提出了包括航道边界多边形提取、航道多边形平滑处理、航道中心线等步骤在内的船舶轨迹预测模型,充分利用船舶轨迹的数据特征构建起航道网络,在此基础上实现航道级别的船舶轨迹预测。4.基于B/S结构,综合运用分布式数据库存储与管理技术,按照4个结构层次(功能层—服务层—框架层—功能层)和5个系统模块(管理—处理—聚类—预测—可视化)的总体架构,设计了船舶轨迹数据挖掘与可视化系统并进行了功能验证。结果表明,本文提出的顾及时间特征的船舶轨迹聚类算法和基于航道网的船舶轨迹预测算法能够直观、准确地反映船舶轨迹运动规律和运动趋势,可为海上交通监管、海上信息情报获取和海上战场环境分析等方面提供辅助决策和有力支撑。

基于TRACLUS算法的船舶轨迹分析系统的设计与实现

这是一篇关于AIS,TRACLUS,轨迹聚类,船舶航线,WebGIS,系统开发的论文, 主要内容为船舶自动识别系统(Automatic Identification System,AIS)在当今的航运业领域发挥着至关重要的作用,被用于维护海上交通安全,管理船舶运输等。船舶通过舰载AIS设备记录和传递航行数据,这些数据中包含着海量的船舶轨迹信息,区别于传统的对于AIS数据的利用,基于数据挖掘的手段可以从中提取出隐含的信息来分析船舶的航行特征、揭示船舶的行为规律,为海上交通管理和航线规划提供更多的技术手段和参考。本文在充分调研了国内外相关AIS数据挖掘研究与应用的文献的基础上,采用了一种基于分段与归组框架的轨迹聚类算法—TRACLUS算法作为主要研究方法,并深入探究了该算法的优势、基本原理、实现流程和参数评估等。算法分为轨迹分段和线段聚类两个主要部分,并通过生成代表性轨迹实现对分析结果主要特征信息的表达。该算法在针对轨迹的研究中,相比于其他算法,在会先对轨迹按照MDL原则进行近似划分,然后再用基于密度聚类的思想对分段后的轨迹子段聚类,从而能够从轨迹子段中发现更多公共子特征。在本文中,通过Python 3程序设计语言实现了该算法,并对算法进行扩展从而支持AIS轨迹的空间数据格式。为了更加方便直观的使用TRACLUS算法分析船舶轨迹,基于前后端分离的开发思想设计和实现了一个B/S架构的WebGIS原型系统。本文对系统的设计模式、开发框架和部署过程进行了介绍,并以地图的形式对算法各阶段分析结果以可视化形式展示。最后,通过一组英国某片海域的船舶轨迹数据在系统上进行实验测试,对比分析不同参数值对聚类结果造成的影响并总结参数选取的原则。实验结果显示系统和算法功能符合设计需求,且通过合理的参数可以得到理想的轨迹聚类效果。

社区矫正人员行为分析技术研究与实现

这是一篇关于社区矫正,轨迹分段,轨迹聚类,POI数据,异常出行模式的论文, 主要内容为随着电子监控技术和司法体制改革工作的开展,在社区矫正领域,电子监管技术得到了研究和应用。随着社区矫正服刑人员位置信息的累积,如何利用这些数据给社区矫正的工作提供帮助是一个很有意义的研究方向。面对此需求,本文对社区矫正领域的行为轨迹的处理在DBSCAN算法的基础上进行了一些改进来进行分段和聚类。该方法能够对社区矫正的人员出行轨迹进行识别和特征提取。并将其与POI数据结合分析其语义信息,给社区矫正的轨迹处理问题提供了一个新的处理方法。本文研究的主要内容如下:(1)将传统的结构性数据转换存储到图数据库neo4j中,实现了对其相关信息的转换存储,通过spring boot+maven搭建项目,将图数据信息使用D3进行了可视化,极大的便利了社区矫正管理人员的日常管理工作,也为以后社区矫正服刑人员之间的人际关系处理方法打下了基础。(2)对轨迹数据进行拟合,使得服刑人员的轨迹显得更真实,对异常采集数据进行处理,对其进行了区别显示。(3)对服刑人员的历史轨迹按天进行统计分析,将POI数据与轨迹数据结合赋予单纯的出行轨迹以语义信息,使得其出行模式与语义结合更有实际意义。对一般出行轨迹进行建模,将新到来的轨迹数据与一般出行轨迹模型对比,识别出异常轨迹,提醒管理人员该服刑人员的轨迹是否偏离其一般出行轨迹,提高管理人员处理问题的针对性。研究结果表明,本文的处理方法对出行方式较为规律的社区矫正服刑人员的出行模式识别准确率较高,对于不规律的出行轨迹识别还有待提高。

武汉市区黑碳气溶胶分布规律及潜在源区分析

这是一篇关于黑碳气溶胶,时空分布规律,轨迹聚类,武汉市,相关分析,潜在源区的论文, 主要内容为气溶胶是大气的重要组成部分,作为空气中的细小颗粒对人体健康造成重大威胁,同时它直接或间接对大气降水、空气中的化学反应、以及区域气候、全球变暖产生影响,因此在大气化学、云和降水物理学、气候学中受到广泛关注。而黑碳气溶胶(BC)作为大气气溶胶中重要的物质组成,在其中占有较大的比重,能够吸收太阳辐射,对降水、气候和区域环境空气质量产生影响。由于它在大气中的独特性质,因此成为大气科学研究领域中重点关注的内容。通过对城市黑碳气溶胶的研究,能够了解浓度变化的时空分布规律,揭示与气象要素的关系,帮助分析武汉市大气环境质量状况,明确黑碳气溶胶的来源,输送路径、特点,同时对地球辐射平衡、局部气候和空气环境质量变化以及人体健康具有重要作用。本文选取武汉市区10个采样点,利用AE-51型黑碳仪采集2015年7月至2016年6月期间的黑碳气溶胶浓度数据,并搜集同期气象资料和污染物数据,运用相关分析、线性回归等数理统计方法和HYSPLIT-4轨迹模型,进行时空分析、建模分析、轨迹模拟以及来源分析,以全面了解武汉市区黑碳气溶胶的浓度分布特征,讨论与主要污染物的同源性,总结它的主要来源、输送特点和方式,并提出相应的环境治理措施和建议。本文的主要研究结论包括:(1)2015年7月～2016年6月武汉市区黑碳气溶胶质量浓度日均值为(3911±2095)ng.m-3,范围在 1135～10742ng.m-3,81%分布在 2000～6000 ng·m-3区间;武汉市一年中黑碳气溶胶质量浓度月均值具有明显规律,呈单峰状分布,对各月黑碳平均质量浓度进行排序,大小关系依次为:1月>12月>2月>10月>3月>5月>11月>4月>9月>8月>6月>7月,其中黑碳气溶胶质量浓度在1月份最高,为(7403±2462)ng.m-3,7月最低,为(2354±768)ng·m-3;季节分布上,武汉市区黑碳气溶胶质量浓度最高值出现在冬季、最低值在夏季,而秋季和春季位于两者之间。同时与国内外城市相比,武汉市区黑碳气溶胶本底浓度处于中等偏下水平。(2)黑碳与PM2.5、PM10、CO、S02、N02呈正相关,与03呈负相关,相关系数分别为 0.863、0.657、0.647、0.518、0.466、-0.366,与 PM2.5、PM10、CO、SO2 等污染物较高的相关性说明武汉市区黑碳气溶胶主要来源是燃料燃烧源和以汽车尾气排放为代表的流动源;同时对黑碳和PM2.5、PM10、CO进行单个建模分析,发现采用三次曲线函数能够较好模拟黑碳与三者之间的数学关系,即拟合度最好;利用多元线性回归分析,可建立黑碳与 PM2.5、PM10、SO2 的回归方程:Y=1493.322+43.623X1-24.505X2+40.12X3。(3)在0.01的水平上,黑碳与温度、能见度、气压显著相关,其相关系数分别为:-0.626、-0.529、0.523。黑碳与温度、能见度、风速线性回归方程为:Y=7744.17-143.87X1-330.38X2+546.613X3。当温度较高、气压较低时,空气对流运动显著,容易形成降水,对黑碳的湿沉降作用增大,导致空气中的黑碳质量浓度较低。(4)武汉市典型黑碳污染事件主要受来自北方空气气团轨迹的影响,经过河南省、河北省等地区,污染物在其控制下易被输送至武汉市;轨迹聚类和浓度计算结果表明冬季轨迹上黑碳平均质量浓度在一年中最高,夏季最低,并且在春秋季受周边源的影响较大,而冬季和夏季污染源主要来自本地。PSCF分析结果显示武汉市PSCF值高于0.6的区域主要集中在湖南省东部与江西省西部交界处、河南省中部以及安徽省等地,即这些区域是武汉市黑碳气溶胶的潜在源区。针对武汉市黑碳气溶胶时空分布规律、污染特征以及来源分析结果,本文提出相应大气环境治理建议:实施区域与本地污染分区管理制度,加强中部地区联防联控协作;减少区域污染物排放量,加强PM10、CO、SO2等污染物监测能力,完善配套治理措施;深入贯彻落实武汉蓝天行动计划,积极开展大气督查和重点行业排污调查工作,落实各项大气治理举措;严格控制市区人口数量,积极开展各类环保教育活动,降低或减少人为活动导致的黑碳排放。

船舶轨迹数据挖掘与可视化技术研究

这是一篇关于船舶轨迹,轨迹数据挖掘,轨迹聚类,轨迹预测,轨迹可视分析的论文, 主要内容为近年来,GNSS(Global Navigation Satellite System,全球卫星导航系统,包括北斗、GLONASS、GPS、Galileo等系统)技术迅速发展并得到广泛应用,已经成为国防军事、国民经济发展中必不可少的基础设施。随着世界海洋经济的迅速发展,各国海洋贸易中的船舶数量随之剧增,基于GNSS的船舶自动识别系统(Auto Identification System,AIS)已被世界各国广泛采用,由此产生的船舶轨迹数据数量已达到前所未有的水平,并呈现高速化、大型化、智能化的发展趋势。数据可视化与数据挖掘技术有机结合,从而有效、深入地揭示海量船舶轨迹数据中的隐含规律与潜在价值,并将挖掘结果准确、直观地呈现给用户,这更体现了卫星导航信息服务的价值所在,同时,也将对我国BDS(Bei Dou Navigation Satellite System,北斗卫星导航系统)、大洋航路建设、数字海战场及智能情报获取等新兴应用起到较为积极的推动作用。船舶轨迹数据挖掘与可视化技术研究已经成为数据挖掘领域的一个重要分支,近年来深受学术界的关注。但是,当前的众多研究主要以船舶轨迹聚类算法的实现与应用为导向展开,如利用AIS数据中船舶运动信息进行聚类分析等,对船舶轨迹数据的时空特性理解不深,导致对船舶轨迹数据的价值利用不够深入和全面。因此本文针对船舶轨迹数据的挖掘技术、船舶轨迹预测技术以及船舶可视化系统开发等方面开展研究,采用B/S架构,在分布式数据库存储与管理技术的基础上,通过微服务的方式实现了数据的管理、聚类分析、预测分析、可视化等功能,充分结合实验海域船舶AIS数据和北斗应用数据,设计并实现了“4层+5模块”架构的船舶轨迹数据挖掘与可视化系统。主要工作和贡献如下:1.系统阐述了船舶轨迹数据挖掘与可视化的技术理论,介绍了船舶轨迹数据的基本特征和开展数据挖掘的技术路线,总结归纳了船舶轨迹数据具有时序、空间、网络及多维的特征,既为提取船舶运动模式特征提供了丰富的信息,也为后续船舶轨迹数据挖掘技术研究奠定基础。2.为了更好地发现船舶的运动规律,提出了基于起始点、停留点以及特征点的轨迹特征点提取方法,并提出了船舶轨迹时空聚类模型,在聚类过程中同时考虑船舶轨迹包含的时间和空间信息,在空间聚类的基础上提出了船舶子轨迹段之间的时间距离的度量方法,并通过设置权重调整时空特征敏感度,使用DBSCAN算法对时空邻域密度进行聚类分析,挖掘船舶典型的时空运动模式。3.为了预测船舶轨迹的未来运动趋势,提出了包括航道边界多边形提取、航道多边形平滑处理、航道中心线等步骤在内的船舶轨迹预测模型,充分利用船舶轨迹的数据特征构建起航道网络,在此基础上实现航道级别的船舶轨迹预测。4.基于B/S结构,综合运用分布式数据库存储与管理技术,按照4个结构层次(功能层—服务层—框架层—功能层)和5个系统模块(管理—处理—聚类—预测—可视化)的总体架构,设计了船舶轨迹数据挖掘与可视化系统并进行了功能验证。结果表明,本文提出的顾及时间特征的船舶轨迹聚类算法和基于航道网的船舶轨迹预测算法能够直观、准确地反映船舶轨迹运动规律和运动趋势,可为海上交通监管、海上信息情报获取和海上战场环境分析等方面提供辅助决策和有力支撑。

基于IPTV的大数据可视化系统设计与实现

这是一篇关于可视化,轨迹聚类,大数据,IPTV,微前端的论文, 主要内容为数字电视的逐步普及、终端设备的不断丰富,越来越多的用户选择交互式网络电视(Interactive Personality TV,IPTV)作为家庭互联网电视。IPTV为用户提供了直播、点播、游戏、会议等多样化的服务,数亿名用户在和IPTV交互过程中,产生了数量庞大的流量数据。为了帮助运营商了解用户体验,监控网络异常,优化CDN节点部署,需要对流量数据进行可视化分析。在大数据时代,数据可视化成为数据分析的重要一环,直接可视化存在可视化图形过于密集、可视化对象相互遮盖、GPU超负载,渲染卡顿的问题。本文设计并实现了基于IPTV的大数据可视化系统,通过大数据架构和轨迹聚类模型对原始数据进行聚类处理,并对处理后的数据集进行可视化展示,主要工作内容如下:1.针对数据量较大造成的图像过于密集、对象特征被隐藏、渲染卡顿的问题,提出基于参考中心的轨迹聚类算法TC-RC(Trajectory Clustering based on Reference Center)。该算法改进了轨迹聚类算法的轨迹间相似度公式并引入了参考中心的概念,使聚类结果更能代表整体运动趋势,有效降低了密度聚类算法的时间复杂度。2.基于大数据的可视化系统业务逻辑相对复杂,项目规模较大,存在页面渲染速度慢、前后端逻辑过耦合、可扩展性差的问题,针对以上问题论文提出了基于Node中间层的前端微服务架构。该架构利用Node中间层的逻辑处理能力,进行服务端渲染和请求代理,提高了页面渲染速度,借助single-SPA框架搭建前端微服务,增强了模块的独立性和组件的可复用性,开发效率显著提升。3.设计并实现了基于IPTV的大数据可视化系统,利用Hadoop分布式计算平台完成对海量数据的存储、计算和分析,通过B/S的方式对处理后的数据集进行可视化展示。

移动环境下基于轨迹挖掘的个性化推荐系统设计与实现

这是一篇关于移动轨迹数据,异常轨迹检测,轨迹聚类,个性化推荐的论文, 主要内容为由于信息技术的飞速发展以及信息内容的不断增多,使得“信息过载”问题越发严重。推荐系统因其能够帮助人们从繁杂的信息中发现感兴趣的内容而受到了各界人士的普遍关注,对其进行了深入的研究并应用于实际,效果显著。但是传统的推荐系统在进行推荐时,往往只考虑了用户对项目的偏好数据,而忽略了用户的轨迹数据特征。轨迹数据是对移动对象运动行为的序列化表示,通过分析和挖掘轨迹数据更能够反映出移动对象的运动规律以及行为模式,对提高个性化推荐系统的准确率以及用户的满意度有着非常重要的意义。因此,本文设计并实现了一种在移动环境下基于轨迹挖掘的个性化推荐系统,论文主要围绕以下内容进行研究:(1)研究使用基于时空Hausdorff距离的异常检测算法对轨迹数据进行预处理。在TRAOD(Trajectory Outlier Detection)算法的基础上,结合道路网络交通,同时考虑轨迹数据的时间特性对线段Hausdorff距离进行改进,从而提高异常轨迹检测的准确率与效率。用该算法去除轨迹中的异常数据,为下一步的轨迹聚类提供有效的数据。(2)研究使用基于路网约束的移动对象时空轨迹高效聚类算法(Spatio-Temporal Road-Network Aware Trajectory Clustering Algorithm,ST-NEAT)进行轨迹聚类分析,发现用户的运动规律和行为模式。该算法同时考虑轨迹数据的空间属性和时间属性,且能够获取用户不同时段的轨迹信息,不仅提高了聚类质量,而且有利于为用户提供不同时段的有针对性的推荐服务。(3)在上述理论技术的支持下,设计并实现了个性化的推荐系统,为用户提供朋友推荐、地点推荐以及其他一些辅助的个性化推荐功能,能够更加准确的为用户推荐与其相近的用户以及更符合其兴趣偏好的地点等内容。

社区矫正人员行为分析技术研究与实现

这是一篇关于社区矫正,轨迹分段,轨迹聚类,POI数据,异常出行模式的论文, 主要内容为随着电子监控技术和司法体制改革工作的开展,在社区矫正领域,电子监管技术得到了研究和应用。随着社区矫正服刑人员位置信息的累积,如何利用这些数据给社区矫正的工作提供帮助是一个很有意义的研究方向。面对此需求,本文对社区矫正领域的行为轨迹的处理在DBSCAN算法的基础上进行了一些改进来进行分段和聚类。该方法能够对社区矫正的人员出行轨迹进行识别和特征提取。并将其与POI数据结合分析其语义信息,给社区矫正的轨迹处理问题提供了一个新的处理方法。本文研究的主要内容如下:(1)将传统的结构性数据转换存储到图数据库neo4j中,实现了对其相关信息的转换存储,通过spring boot+maven搭建项目,将图数据信息使用D3进行了可视化,极大的便利了社区矫正管理人员的日常管理工作,也为以后社区矫正服刑人员之间的人际关系处理方法打下了基础。(2)对轨迹数据进行拟合,使得服刑人员的轨迹显得更真实,对异常采集数据进行处理,对其进行了区别显示。(3)对服刑人员的历史轨迹按天进行统计分析,将POI数据与轨迹数据结合赋予单纯的出行轨迹以语义信息,使得其出行模式与语义结合更有实际意义。对一般出行轨迹进行建模,将新到来的轨迹数据与一般出行轨迹模型对比,识别出异常轨迹,提醒管理人员该服刑人员的轨迹是否偏离其一般出行轨迹,提高管理人员处理问题的针对性。研究结果表明,本文的处理方法对出行方式较为规律的社区矫正服刑人员的出行模式识别准确率较高,对于不规律的出行轨迹识别还有待提高。