移動(dòng)對象位置預(yù)測關(guān)鍵技術(shù)的研究.pdf

1、移動(dòng)對象位置預(yù)測已經(jīng)成為移動(dòng)對象位置管理中極其重要的研究課題。針對預(yù)測的許多方法被不斷的提出并改進(jìn)。近幾年,基于頻繁軌跡的預(yù)測方法開始發(fā)展起來,這種方法通過挖掘移動(dòng)對象歷史運(yùn)動(dòng)軌跡中的規(guī)律,并匹配當(dāng)前運(yùn)動(dòng)趨勢,來達(dá)到預(yù)測的目的。
　　 基于頻繁軌跡的預(yù)測方法是由數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則的挖掘技術(shù)演變拓展而來,由于該預(yù)測方法提出較新,所以尚存在很多不足。論文主要工作如下:
　　 (1)針對現(xiàn)有基于頻繁軌跡預(yù)測方法對數(shù)據(jù)庫掃描次數(shù)

2、過多的缺點(diǎn),提出了一種基于軌跡標(biāo)識(shí)列表的頻繁軌跡挖掘算法TidTraj,對移動(dòng)對象數(shù)據(jù)庫僅進(jìn)行一次掃描便可挖掘出頻繁軌跡集合,并在此基礎(chǔ)上出給出相應(yīng)的預(yù)測方法,從而在時(shí)間上提高了預(yù)測效率。在交通軌跡數(shù)據(jù)集上實(shí)驗(yàn)驗(yàn)證了算法的高效性。
　　 (2)針對基于AprioriTraj的預(yù)測方法沒有針對數(shù)據(jù)庫增量更新后預(yù)測的相應(yīng)策略,本文提出一種基于數(shù)據(jù)庫增量更新的頻繁軌跡挖掘算法TidTrajUP,用于預(yù)測過程。TidTrajUP算法只對

3、部分頻繁軌跡進(jìn)行挖掘,充分利用了原有的頻繁軌跡集,避免了冗余操作,提高了挖掘效率,最后通過對比實(shí)驗(yàn)驗(yàn)證算法的有效性。
　　 (3)為了提高預(yù)測結(jié)果的精確度,本文引入了時(shí)效因子的概念,考慮了時(shí)間推移對運(yùn)動(dòng)規(guī)則的影響。時(shí)效因子作為描述時(shí)間對運(yùn)動(dòng)規(guī)則效用的影響被加入到頻繁軌跡支持度的計(jì)算中,通過加入該參數(shù),支持度度量就能充分反映時(shí)效性對預(yù)測精度的影響。本文基于時(shí)效因子和軌跡標(biāo)識(shí)列表,提出了基于時(shí)效的頻繁軌跡挖掘算法AgTraj,以此作