基于室内位置信息的时空行为分析与应用
文献类型：学位论文
| 作者 | 承达瑜 |
| 答辩日期 | 2021-12 |
| 文献子类 | 博士后出站报告 |
| 授予单位 | 中国科学院地理科学与资源研究所 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 裴韬 |
| 关键词 | 室内定位 预处理 可视化分析 E-DBSCAN 个性化推荐 |
| 学位名称 | 博士后 |
| 英文摘要 | 在城市生活中，人们80%以上的时间都处在住宅、办公室、商场等室内环境中。室内空间是一个复杂且多元的小型生态系统，反映了各种人群属性和空间结构的相互关联性。对室内空间进行深入研究，可以帮助人类认识自身的行为习惯，揭示其行为模式，从而优化空间结构部署，有利于城市建设与管理。 地理位置数据连接着物理空间和信息空间中的人和事，是分析人们时空行为的重要数据源。近年来，随着移动智能设备的普及与室内定位技术的发展，可在商场、机场、地铁站及其他公共空间获取人们精准的位置数据。这些位置数据记录了人在室内空间的移动情况，蕴含丰富的语义信息，反映了人的行为、兴趣、位置偏好和移动模式等信息。利用室内位置数据获得更深层次、更多元化的信息，挖掘出位置信息背后的规律具有十分重要的应用价值和理论意义。 基于现有的轨迹大数据的处理、挖掘方法，结合室内空间与定位数据的特点，从数据的预处理、行为模式分析及应用三个层次开展研究，构建室内位置大数据的数据预处理、索引、检索、聚类、分类分析、模式挖掘等完整的理论方法与技术体系。主要工作如下： （1）室内定位数据预处理方法研究。根据室内环境与定位数据特点提出结合滑动窗口算法的数据分层方法、改进的启发式滤波方法以及基于时间阈值与上下文信息的语义轨迹序列提取方法等室内数据预处理方法，并使用Hadoop平台与Spark计算框架实现相关算法，为室内轨迹挖掘与时空行为分析奠定基础。 （2）基于可视化方法的时空行为分析。可视化分析是利用人类视觉认知的高通量特点，以图形的形式表现数据信息的内在规律。通过分析室内人群的时空分布、移动模式及相关兴趣点（Point of Interesting，POI）之间的对比、关联分析的需求，从数据结构、可视化方法、展示图件及用户交互四个层次研究时空行为可视化分析模型，为室内群体的行为模式分析提供直观高效的分析方法。 （3）基于轨迹聚类方法的时空行为分析。依据室内用户语义轨迹定义，将时空轨迹转换为语义轨迹；将语义轨迹中POI类型、位置及用户在POI中的停留时间作为编辑距离计算的权重，研究室内语义轨迹之间的相似度计算方法；在此基础上结合DBSCAN算法，提出一种E-DBSCAN的聚类方法，从而实现用户行为的分析。以某商场的用户定位数据来验证方法的正确性，并基于聚类结果，分析出五类购物行为模式。 （4）室内POI个性化推荐研究。针对个性化推荐的数据稀疏性问题，结合室内POI之间的引力模型研究物品相似度计算的方法；通过改进传统的协同过滤算法，研究融合室内轨迹与引力模型的室内POI推荐算法。实验表明，该方法与USG、PMF、cos_ItemCF模型相比，具有更好的推荐性能和更高的推荐准确率。 |
| 语种 | 中文 |
| 页码 | 139 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/194289]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 承达瑜. 基于室内位置信息的时空行为分析与应用[D]. 中国科学院地理科学与资源研究所. 中国科学院地理科学与资源研究所. 2021. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。