首页> 中文学位 >基于混合多步Markov模型的位置预测方法研究
【6h】

基于混合多步Markov模型的位置预测方法研究

代理获取

目录

声明

摘要

第1章 引言

1.1 研究背景

1.2 研究现状

1.2.1 基于位置服务的发展现状

1.2.2 位置预测的研究意义和研究现状

1.3 问题提出

1.4 本文研究内容

1.5 本文组织结构

第2章 预备知识和相关工作

2.1 无线定位技术

2.2 时空数据库

2.2.1 时空数据库的概念

2.2.2 时空数据库的索引

2.3 位置预测技术的相关工作

2.3.1 线性回归预测模型

2.3.2 基于神经网络的预测模型

2.3.3 基于频繁模式的位置预测

2.3.4 基于Markov模型的位置预测

2.4 本章小结

第3章 问题定义和系统框架

3.1 问题定义

3.2 系统框架

3.3 本章小结

第4章 基于混合多步Markov的位置预测方法

4.1 离线的数据处理

4.1.1 交通枢纽提取

4.1.2 区域划分及轨迹转换

4.2 线下模型训练

4.2.1 用户转移矩阵

4.2.2 基于用户转移矩阵的用户相似性计算

4.2.3 用户聚类

4.2.4 建立混合多步Markov模型

4.3 线上位置预测

4.4 本章小结

第5章 实验分析

5.1 实验设置

5.1.1 基本设置

5.1.2 实验数据集

5.2 评价方法的制定

5.3 位置预测性能评估

5.3.1 位置预测理论分析

5.3.2 位置预测准确性评估

5.3.3 各模块有效性评估

5.4 本章小结

第6章 结论

6.1 总结

6.2 未来工作

参考文献

致谢

攻读硕士学位期间的论文项目情况

展开▼

摘要

近年来,随着移动定位技术的成熟和流行,基于位置服务越来越受到人们的关注。位置预测技术是其中重要部分,并有着广泛的应用。目前,位置预测方法中较为常用的是基于Markov模型的预测方法,然而这类方法存在很多问题,例如:没有有效的划分区域、没有考虑用户特性以及只基于当前位置进行预测。因此,基于Markov模型的新的位置预测方法的研究迫在眉睫。
  本文以传统的基于Markov模型的位置预测理论为基础,并针对其中存在的问题加以改进。建立了包括离线数据处理、线下模型训练和线上位置预测的完整位置预测方案,使得预测准确率更高,系统适用范围更广。本文的主要贡献如下:
  首先,针对GPS数据远比其他数据更容易获取的特点,提出只基于用户历史GPS数据进行位置预测的方案,使得位置预测方法更符合实际、应用范围更广。
  其次,针对传统位置预测中将地图网格化的方法所存在的问题,提出一种新的划分方案,从GPS数据中提取兴趣点,并依据兴趣点将地图进行更有意义的划分。
  再次,针对传统Markov模型预测方法没有考虑用户特性的问题,提出一种聚类算法,将用户聚类为用户组并为每个用户组建立预测模型,实验证明可以有效的提高预测的准确率。
  最后,针对传统基于Markov模型的位置预测方法存在的问题,提出了建立混合多步Markov模型的方法,考虑了轨迹上的多个位置,并给出了每个位置对预测的影响系数。
  另外,因为用户每次的移动行为并不一定完全符合用户的习惯,所以提出一种贝叶斯方法,可以仅根据当前轨迹选择最符合该轨迹的模型进行预测。同时,解决了难以为新加入系统的用户和数据稀疏的用户进行预测的问题。
  通过理论分析和实验评估,证明了本文提出的基于混合多步Markov模型位置预测方法符合理论上的可行性和操作上的正确性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号