基于时空轨迹相似性的兴趣点推荐算法

针对现有兴趣点推荐中忽略用户轨迹间存在的依赖关系,未充分考虑轨迹间的时空间隔问题,该文提出一种基于时空轨迹相似性的兴趣点推荐算法G-IPRTS.该方法首先对轨迹预处理,将其转化为有意义的停留点轨迹.其次在停留点轨迹相似性处理中利用Geohash编码,以及时间维过滤提高轨迹相似性的精度和速度.同时在兴趣点推荐中引用熵权法构建兴趣点全局属性融合得分机制,与用户局部动态轨迹偏好相结合,进行Top-K兴趣点推荐.最后在两个真实数据集上进行实验比较与分析,实验结果表明该方法能够更好地提高轨迹相似性的处理,提升兴趣点推荐的性能.

一种室内导航网络众包构建方法

室内导航网络是室内位置服务的基础,传统人工测绘或基于CAD半自动提取等方法时效性较差。室内移动对象众包轨迹数据的出现为室内导航网络构建提供了一种新的解决方案。提出一种室内导航网络众包构建方法。首先提取出用于构建室内导航网络的廊道区域轨迹点;其次通过轨迹点生长融合聚类算法将廊道轨迹点转化为聚类点;最后通过聚类点连接生成室内导航网络。以某商城一楼2d的移动对象轨迹数据进行了实验。结果表明,本文方法提取的室内导航网络准确度较高,能够为室内空间结构快速变化检测和更新提供支持。

A parallel algorithm for detecting traffic patterns using stay point features and moving features

In order to detect the traffic pattern of moving objects in the city more accurately and quickly, a parallel algorithm for detecting traffic patterns using stay points and moving features is proposed. First, the features of the stay points in different traffic patterns are extracted, that is, the stay points of various traffic patterns are identified, respectively, and the clustering algorithm is used to mine the unique features of the stop points to different traffic patterns. Then, the moving features in different traffic patterns are extracted from a trajectory of a moving object, including the maximum speed, the average speed, and the stopping rate. A classifier is constructed to predict the traffic pattern of the trajectory using the stay points and moving features. Finally, a parallel algorithm based on Spark is proposed to detect traffic patterns. Experimental results show that the stay points and moving features can reflect the difference between different traffic modes to a greater extent, and the detection accuracy is higher than those of other methods. In addition, the parallel algorithm can increase the speed of identifying traffic patterns.

基于移动性相似用户的位置预测

随着定位技术的发展以及智能设备的普及,人们越来越喜欢在基于位置的社交平台发布自己的地理位置。而用户移动行为具有随机性、多样性和时序性,基于向量自回归的位置转移演化算法(LTE),很好地学习用户位置转移随时间、空间变化的规律,然而该算法未考虑相似用户对目标用户移动行为的影响。针对这一问题,提出基于移动性相似用户的位置预测算法。实验表明,该算法可以在一定程度上排除非相似用户对发现目标用户位置转移规律的干扰,具有较高的性能。

基于移动对象轨迹的室内导航网络构建方法

室内导航网络是行人导航、信息推荐和商业分析的基础。传统人工测绘或半自动提取的室内三维导航网络无法满足复杂室内空间结构高频变化需求。随着室内定位技术的不断发展,室内移动对象轨迹数据爆发式增长,为室内导航网络快速构建与变化监测更新提供了可能。本文提出一种基于移动对象轨迹的室内导航网络构建方法,在基于ST-DBSCAN的轨迹简化预处理基础上,提出了室内轨迹自适应栅格化算法,减弱栅格图像分辨率对导航网络提取的影响,有效避免廊道轨迹密度差异造成的导航网络拓扑连通失效,并通过CFSFDP自适应聚类算法自动识别楼层之间连通点,实现室内导航网络的快速构建。实验数据来源于上海图聚智能科技股份有限公司提供的某商城真实的室内移动对象轨迹数据,实验结果表明,与普适栅格化方法相比,本文提出的方法将导航网络构建准确率平均提高2.43%,拓扑正确度提高12.8%。