基于轨迹相似度的伴随人员推荐

移动网络和智能终端的发展使得基于优质用户的伴随人员的推荐成为互联网发展的热点之一,而伴随人员的推荐算法则是至关重要的因素.针对以往基于地理位置的用户轨迹性相似推荐算法中需基于地理位置或基站数据,且数据稀疏时推荐结果不理想的问题,提出了基于IP场所的轨迹余弦相似度的伴随人员推荐,以更完善的IP场所数据代替地理位置数据,以一段时间的纵向日期和横向时刻分别计算余弦相似度以消除数据稀疏性问题.最后推荐出了相似度质量更高的伴随人员.

基于海量车牌识别数据的相似轨迹查询方法

车牌识别数据是一种具有数据量大、时空相关、位置可测等特征的车辆监测数据,基于此类数据的相似轨迹查询面临着诸多问题。该文给出一种基于"点伴随关系"的车辆相似轨迹定义,提出了一种多级任务并行的相似轨迹查询方法,并给出了基于MapReduce迭代计算模型的方法实现,可支持在海量车牌识别数据集中利用分布计算环境高效地完成相似轨迹查询。基于近千万条真实车牌识别数据的实验表明,相对于传统方法,该方法在保证相似轨迹查询结果准确的前提下具有更好的查询性能。