云計算環(huán)境下時空軌跡頻繁模式挖掘研究.pdf

1、ResearchonTrajectoryFrequentPatternsinCloudComputingEnvironmentAThesisSubmittedtoNanjingNormalUniversityFortheAcademicDegreeofMasterofEngineeringBYChuanyunChenAdvisedbyProfessorGenlinJiSchoolofComputerScienceandTechnolog

2、yNanjingNormalUniversityMarch2015南京師范大學碩士學位論文摘要摘要隨著信息技術的迅速發(fā)展，GPS以及帶有定位功能的移動終端應用到各個領域中，此外，移動互聯(lián)網的迅速崛起進一步推動了基于位置服務的發(fā)展，使得大量的時空軌跡數(shù)據不斷產生。對海量的時空軌跡數(shù)據進行模式挖掘對于理解移動對象的運動模式具有重要意義。每天產生的海量軌跡數(shù)據對于時空軌跡挖掘的效率問題是一個很大的挑戰(zhàn)。云計算提供了一種新的并行計算模型，為挖掘

3、海量數(shù)據提供了一種高效的解決辦法。本文利用MapReduce分布式并行編程框架實現(xiàn)海量時空軌跡數(shù)據挖掘，研究云計算環(huán)境下時空軌跡頻繁模式挖掘算法，取得的主要成果如下：1提出了基于停留點的興趣區(qū)域發(fā)現(xiàn)方法。在時空軌跡數(shù)據中有些坐標點有著重要的意義，例如用戶到某商業(yè)中心購物，那么時空軌跡中位于商業(yè)中心內的采樣點就有了具體的含義，如何通過時空軌跡中的坐標點發(fā)現(xiàn)感興趣的區(qū)域(如商業(yè)中心)對于理解用戶行為具有重要的意義。本文提出了基于時空軌跡中的

4、停留點發(fā)現(xiàn)更有意義的興趣區(qū)域從而挖掘出更有意義的頻繁模式。首先將地理空間劃分為一個個網格空間，然后計算每個網格單元中軌跡停留點的個數(shù)，對于大于一定閾值的網格則認為是興趣網格，然后對興趣網格進行合并從而發(fā)現(xiàn)興趣區(qū)域。2提出了基于網格劃分的子軌跡頻繁模式并行挖掘方法。隨著定位技術的廣泛使用，每天產生海量的時空軌跡數(shù)據，單機環(huán)境下很難快速有效地挖掘出其中的頻繁模式，利用并行環(huán)境提高時空軌跡挖掘效率是一種有效地解決辦法。本文利用軌跡數(shù)據的空間特

5、性，首先通過網格對地理空間進行劃分，則軌跡落到不同的網格單元中，然后并行地處理每個網格中的軌跡數(shù)據，同時為了避免網格劃分過程中，同一個模式中的軌跡落入到相鄰網格中的情況，每個處理節(jié)點同時處理相鄰網格中的軌跡，最后挖掘出軌跡中頻繁模式。3提出了基于后綴樹的軌跡頻繁模式并行挖掘方法。時空軌跡數(shù)據是移動對象在時間維上的空間位置序列，頻繁的位置序列體現(xiàn)了移動對象的出行習慣。提出通過后綴樹并行挖掘時空軌跡中的頻繁位置序列。首先根據地理空間中的興趣