论文部分内容阅读
随着定位技术的发展以及移动计算的普及,与物体移动路径和位置相关的服务和产品成为了业界关注的焦点。如新兴的现代智能交通系统(IntelligentTransport System,ITS),利用安装在车辆上的感知器返回车辆的各种信息以帮助交通调度;又如各种基于位置的服务(Location-based Services,LBS),通过车辆上的移动设备返回信息,判断车辆的运动状况,实时为车辆的驾驶者提供相关的信息等服务。这些富于潜力的应用领域激发了学术界对移动对象轨迹的相关研究。目前与物体移动位置相关的研究工作主要关注于车辆而不是个人。然而在日常生活中,将个人作为运动单位有着更广阔的应用空间。本文提出了一整套关于个人连续轨迹挖掘和预测的系统。该系统综合考虑了以下问题:个人运动状态的多样性,地理定位系统的准确性,个人手持移动设备有限的运算能力,个人移动路径的私密性,系统的可重用性等。针对这些问题,本文提出了以下解决方案。首先,移动电话和便携式GPS接收器被用作数据采集和处理。运行在移动电话的上的数据采集程序可以依据用户的运动状况自动调整数据采集的频率。多个数据过滤算法被用来去除原始数据中的噪声,以得到合理的个人路径信息。其次,本文提出了连续路径模式挖掘算法(CRPM)。该算法可以容忍各种实际干扰在原始路径中造成的差异,以挖掘出更长的路径模式。第三,本文提出了一种新颖的C/S(客户端/服务器端)体系构架。该构架在保证用户路径信息不被泄露的情况下,使得服务器端承受大部分运算压力,有效地减轻了对个人手持设备的运算压力。第四,本文提出一种基于预测树的路径预测算法。该算法不仅有效地减轻了实时路径预测的运算量,而且提高了路径预测的准确度。通过对17名用户提供的真实路径的实验表明,连续路径模式挖掘算法可以挖掘出比传统序列挖掘算法更长的路径模式,连续路径预测算法为个人路径的实时预测提供了有效而可靠的解决方案。