手機信令數(shù)據(jù)分析與移動對象軌跡數(shù)據(jù)分析-論文摘要合集

1、《基于電信位置數(shù)據(jù)的人群流量預(yù)測》盧光躍，李四維，趙宇翔，王天賜西安郵電大學(xué)學(xué)報摘要：將遺傳算法和支持向量回歸法結(jié)合起來，給出一種基于電信位置數(shù)據(jù)的人群流量預(yù)測方法。提取出電信位置數(shù)據(jù)中的人群流量時間序列，綜合考慮其不同時間點值的關(guān)聯(lián)性，用支持向量回歸方法對其進行預(yù)測，并使用遺傳算法對支持向量回歸方法的參數(shù)進行優(yōu)化。綜合考慮人群流量變化的橫向和縱向趨勢，同時考慮使用遺傳算法對SVR算法的參數(shù)進行尋優(yōu)，給出一種基于綜合特征和GA的SVR區(qū)域人群流量預(yù)測算法，即對原始電信位置數(shù)據(jù)進行預(yù)處理，提取出反映區(qū)域人群流量的時間序列，綜合考慮其橫向變化趨勢和縱向變化趨勢，建立基于GA與SVR的融合算法GA－SVR模型，對區(qū)域人群流量進行預(yù)測。2、《基于模式挖掘與匹配的移動軌跡預(yù)測方法》趙越，劉衍珩，余雪崗，魏達吉林大學(xué)學(xué)報(工學(xué)版)摘要：分析了移動軌跡預(yù)測的已有方案及各方案存在的問題，提出了一種全新的移動設(shè)備位置預(yù)測方法，即基于模式挖掘與模式匹配的移動用戶移動軌跡預(yù)測(Mpp)方法。在若干個實際WLAN用戶的移動跟蹤數(shù)據(jù)集上對Markov預(yù)測器和新預(yù)測器的預(yù)測精度進行了比較。實驗結(jié)果表明：該方法能夠達到比較理想的預(yù)測效果，與二階Markov預(yù)測器的預(yù)測效果基本持平。同時，該方法能夠?qū)崿F(xiàn)增量挖掘，預(yù)測精度和可靠性有了進一步提高，具有較高的實用價值。3、《基于移動通信數(shù)據(jù)的用戶移動軌跡預(yù)測方法》劉震，付俊輝，趙楠計算機應(yīng)用與軟件摘要：首先，將話單數(shù)據(jù)所反映的離散軌跡轉(zhuǎn)換為連續(xù)軌跡得到用戶行為模式，基于該行為模式提出了軌跡預(yù)測算法Match，實驗證明，使用該算法有85%的人類行為可以預(yù)測。通過對歷史相似軌跡進行合并，更加準(zhǔn)確地刻畫了用戶的真實軌跡，進一步提高了預(yù)測準(zhǔn)確率。并得出結(jié)論：在以天為單位的尺度上，人類的行為有30%是自相似的。4、《基于移動網(wǎng)絡(luò)信令數(shù)據(jù)的實時人流量統(tǒng)計方法》吳松，雒江濤，周云峰，林舉廳計算機應(yīng)用研究摘要：結(jié)合GIS技術(shù)實現(xiàn)了自定義區(qū)域?qū)崟r人流量智能化統(tǒng)計。經(jīng)過北京移動信令處理平臺應(yīng)用，該方法較為有效，能對北京市各區(qū)域?qū)崟r人流量進行較為準(zhǔn)確的統(tǒng)計。首先在客戶端后臺Web頁面利用GIS畫出一指定區(qū)域;然后選定待測用戶進入該區(qū)域，選定某一時間在信令處理平臺DB的區(qū)域駐留表中查找待測用戶是否在指定區(qū)域;最后利用客戶端前臺Web查看區(qū)域統(tǒng)計的實時人流量與數(shù)據(jù)庫中統(tǒng)計數(shù)值是否一致。5、《基于手機信令定位數(shù)據(jù)的居民出行時空分布特征提取方法》李祖芬，于雷，高永摘要：為了得到可靠的居民出行時空分布特征，并為城市交通規(guī)劃提供準(zhǔn)確的出行現(xiàn)狀數(shù)據(jù)，基于手機信令定位數(shù)據(jù)設(shè)計了提取居民出行時空分布特征的方法。通過對重復(fù)冗余的手機數(shù)據(jù)進行處理、運用地理信息系統(tǒng)將手機數(shù)據(jù)映射至所研究的交通區(qū)域、劃分交通小區(qū)、定義出行識別、建立OD矩陣及繪制出行期望線等出行數(shù)據(jù)挖掘，得到了居民的出行時空分布特征。6、《基于手機信令的城市群通道出行特征提取方法研究》章玉綜合運輸摘要：探索城市群通道出行特征對于優(yōu)化通道資源具有重要意義。為獲取城際通道多方式、多時段、高樣本量的出行特征數(shù)據(jù)，基于手機信令數(shù)據(jù)識別城市群通道出行的原理，研究了通道出行特征指標(biāo)提取方法。以成渝城市群中重慶至合川通道為例，利用手機信令數(shù)據(jù)分析了通道出行特征和時空規(guī)律。提取通道內(nèi)出行特征指標(biāo)的核心是對通道出行用戶的判定，不同于城市內(nèi)居民出行時間和距離，城際通道出行用戶判定的難點是對過境行為的識別以及對區(qū)域停留時間閾值下多次出行的判斷。7、《基于手機信令數(shù)據(jù)的交通OD提取方法改進》胡永愷，宋璐，張健，冉斌交通信息與安全摘要：從手機信令數(shù)據(jù)中提取交通OD量化指標(biāo)需要經(jīng)過出行端點識別和出行端點匹配2個步驟。為了克服現(xiàn)有研究中基站覆蓋范圍假設(shè)與實際出入較大的情況，筆者改進了出行端點匹配方法。首先分析了傳統(tǒng)交通小區(qū)和基于蜂窩小區(qū)聚類交通小區(qū)2種交通小區(qū)劃分方法各自的特點和適用條件；對于使用傳統(tǒng)方式劃分的交通小區(qū)，提出了縮小基站可能覆蓋范圍的方法，使用用戶最大可能活動范圍，排除用戶不可能達到的區(qū)域，結(jié)果表明該方法可提高部分出行端點匹配精度。對使用蜂窩小區(qū)聚類劃分的交通小區(qū)，將聚類流程進行了簡化，去掉了部分不能顯著提高精度的流程，結(jié)果表明簡化后未明顯降低匹配精度。8、《基于手機信令的大范圍人流移動分析》唐小勇，周濤，陸百川 重慶交通大學(xué)學(xué)報(自然科學(xué)版)摘要：從移動通信系統(tǒng)獲取手機信令數(shù)據(jù)，根據(jù)重慶手機信令數(shù)據(jù)特點，提出了數(shù)據(jù)預(yù)處理、基站小區(qū)定位、出行鏈識別、分區(qū)統(tǒng)計及結(jié)果擴樣方法，獲取居住人口分布、通勤崗位分布、跨區(qū)人流OD(origin-destination)。此方法具有覆蓋范圍廣、分析樣本大、實施成本低、可長期連續(xù)監(jiān)測的優(yōu)勢，可為城市規(guī)劃提供了一種全新的數(shù)據(jù)獲取手段。在重慶市城鄉(xiāng)總體規(guī)劃(2007—2020年)深化工作中，基于重慶聯(lián)通手機信令數(shù)據(jù)，分析重慶主城與區(qū)縣及各區(qū)縣之間的人流交換，定量地評價城市間聯(lián)系度及城市區(qū)位優(yōu)勢，以此為基礎(chǔ)開展客流需求預(yù)測，作為優(yōu)化城鎮(zhèn)體系結(jié)構(gòu)、調(diào)整區(qū)域發(fā)展戰(zhàn)略，規(guī)劃布局鐵路與公路網(wǎng)的依據(jù)。9、《基于興趣點與導(dǎo)航數(shù)據(jù)的手機信令數(shù)據(jù)出行方式識別》鐘舒琦，鄧如豐，鄧紅平，蔡銘中山大學(xué)學(xué)報(自然科學(xué)版)摘要：文章針對手機信令數(shù)據(jù)，設(shè)計了一套用戶出行特征分析的框架，包括數(shù)據(jù)清洗、軌跡點分析、出行鏈提取、興趣點分析與出行方式識別;基于興趣點、路網(wǎng)數(shù)據(jù)與導(dǎo)航數(shù)據(jù)將用戶的出行方式劃分為駕車、公交、步行與騎行四種模式。結(jié)果表明，結(jié)合興趣點與導(dǎo)航數(shù)據(jù)后，用戶出行方式的識別正確率得到明顯提升，與僅使用導(dǎo)航數(shù)據(jù)的識別算法相比，所提出的結(jié)合興趣點與導(dǎo)航數(shù)據(jù)的算法正確率提升超過10%，具有較高的識別準(zhǔn)確率。10、《基于手機定位數(shù)據(jù)的個體出行行為特征分析綜述》陳旭，鄭浩毅 綜合運輸摘要：本文綜述已有基于手機數(shù)據(jù)分析個體出行行為特征的研究，分析當(dāng)前研究的不足與待研究的問題，提出可從完善已有個體出行信息采集內(nèi)容、探索基于精細化數(shù)據(jù)的模型改進以及多源數(shù)據(jù)融合等方面進一步研究，以更全面、更準(zhǔn)確的信息反應(yīng)個體出行行為特征，為交通規(guī)劃等領(lǐng)域的建設(shè)提供依據(jù)。11、《基于信令數(shù)據(jù)的人流時空分布和移動模式研究》黃建華，孟偉強，吳飛霞 計算機工程與應(yīng)用針對采用手機信令數(shù)據(jù)研究移動模式存在的數(shù)據(jù)稀疏、分布不均和信號漂移異常等問題，提出從數(shù)據(jù)量和數(shù)據(jù)分布兩個層面解決數(shù)據(jù)稀疏和分布不均勻的數(shù)據(jù)預(yù)處理方法；提出基于主活動區(qū)域的人流時空分布算法來解決現(xiàn)有研究在考慮時段差異上的不足，并以上海市為例，對比分析了不同功能區(qū)在工作日和周末的人流時空分布規(guī)律；深入分析基于居住地的人類日常移動模式，提出了基于時空的柵格停留點抽取算法。實驗結(jié)果表明該算法可以更準(zhǔn)確地抽取出對用戶有特殊意義的停留點，獲取更簡潔明了的用戶移動模式。人流時空分布計算方法、用戶主活動區(qū)域判定算法、人流時空分布計算、12、《基于手機信令和導(dǎo)航數(shù)據(jù)的出行方式識別方法》杜亞朋，雒江濤，程克非，唐剛 計算機應(yīng)用研究摘要：基于手機信令識別居民出行方式對于智慧交通規(guī)劃具有重要意義。通過結(jié)合信令和導(dǎo)航地圖數(shù)據(jù)，利用聚類算法以及時間關(guān)聯(lián)性算法，實現(xiàn)步行、駕車、公共交通等出行方式的識別。結(jié)果表明，結(jié)合導(dǎo)航地圖數(shù)據(jù)后識別正確率得到明顯提高，與只利用手機信令的識別方法相比，整體準(zhǔn)確率提升超過15。，具有較高的識別準(zhǔn)確率，同時算法執(zhí)行時間為187s，效率較高。整體而言，該識別算法適合在實際工程環(huán)境中使用。13、《基于手機信令大數(shù)據(jù)獲取城市居民OD特征的新方法》唐語灝 信息通信摘要：文章選擇某區(qū)域信令數(shù)據(jù)為實例，介紹了通過手機信令數(shù)據(jù)處理實現(xiàn)出行調(diào)查的思路。通過對信令數(shù)據(jù)的抽取、清洗和加載后得出符合基本條件的數(shù)據(jù)，經(jīng)交通出行模型的進行二次處理，從而得到出行OD矩陣和居民出行期望線等核心數(shù)據(jù)。14、《手機信令數(shù)據(jù)在交通樞紐客流監(jiān)測中的應(yīng)用——以重慶市為例》章玉 交通運輸研究摘要：根據(jù)樞紐和基站的分布特性劃分了監(jiān)測范圍，采用手機信令數(shù)據(jù)實現(xiàn)了在站客流、全日客流和集散時間的實時監(jiān)測，并分析了不同節(jié)假日期間交通樞紐的運行特征。最后，通過交通樞紐的歷史客流數(shù)據(jù)對本文提出的監(jiān)測指標(biāo)進行了驗證。結(jié)果顯示，利用手機信令數(shù)據(jù)監(jiān)測的交通樞紐客流量準(zhǔn)確率達到90%以上，可用于綜合客運樞紐的客流實時監(jiān)測和預(yù)警。15、《向手機信令數(shù)據(jù)的交通樞紐人流量短時預(yù)測算法》林培群，雷永巍，張孜，陳麗甜哈爾濱工業(yè)大學(xué)學(xué)報摘要：為實現(xiàn)對重點區(qū)域人群聚集動態(tài)的有效掌握，保障區(qū)域人群的及時疏運，預(yù)防群體性安全事故的發(fā)生，以廣州市火車站樞紐區(qū)域為例，通過對海量手機信令數(shù)據(jù)進行信息處理，結(jié)合地理信息系統(tǒng)將手機信令數(shù)據(jù)映射至研究區(qū)域，實現(xiàn)區(qū)域人流量的實時統(tǒng)計，同時分析了大都市火車站樞紐區(qū)域春運人流量變化情況，得出春運期間區(qū)域人流量存在周期性變化的規(guī)律，以此為基礎(chǔ)，構(gòu)建了以平均絕對百分比誤差最小的k值自適應(yīng)計算模型，設(shè)計了基于手機信令數(shù)據(jù)的城市交通樞紐人流量k近鄰預(yù)測算法，并以節(jié)假日與非節(jié)假日兩種不同交通模式環(huán)境進行算法測試．結(jié)果表明：所建立的預(yù)測算法在兩種模式下其平均絕對百分比誤差PMAPE分別在6%與5%以內(nèi)，均能夠較為準(zhǔn)確地對區(qū)域人流量進行預(yù)測。16、《基于手機信令數(shù)據(jù)的城市區(qū)域間交通流分析及可視化》曹仲，李付琛，楊皓斐計算機與現(xiàn)代化摘要：本文提出一種Spark和MongoDB相結(jié)合的技術(shù)方案對手機信令數(shù)據(jù)進行處理，并生成手機用戶交通出行軌跡，然后進行城市區(qū)域間交通流的分析。以北京市海淀行政區(qū)和三里屯商業(yè)區(qū)為例，分析區(qū)域間交通流量的吸引和發(fā)生關(guān)系，最后使用OpenLayers提供的JavaScript類庫將研究結(jié)果進行可視化。17、《上海顧村公園櫻花節(jié)大客流特征及預(yù)警研究--基于手機信令數(shù)據(jù)的探索》方家，王德，謝松燦，王燦城市規(guī)劃摘要：本文最后通過可預(yù)測節(jié)日顧村公園在園人數(shù)的站點和時段(文中簡稱“標(biāo)志時站”)的選擇，明確了標(biāo)志時站手機信令數(shù)據(jù)(節(jié)日比平日的)增率與顧村公園在園人數(shù)增率的關(guān)系；提出基于節(jié)日顧村公園在園人數(shù)預(yù)測的三級預(yù)警方案。研究證明，手機信令數(shù)據(jù)在人流預(yù)警與跟蹤識別方面，具有較強的現(xiàn)實意義，可實現(xiàn)從被動監(jiān)測到主動預(yù)測，從監(jiān)控到預(yù)警的轉(zhuǎn)變。關(guān)鍵詞：手機信令數(shù)據(jù)；顧村公園；櫻花節(jié)；大客流18、《基于手機大數(shù)據(jù)的大型場館不同功能區(qū)客流特征及預(yù)警研究》姚遠孫楊世佳科技視界摘要：本文以上海國家會展中心為例，基于上海市手機信令數(shù)據(jù)，總結(jié)會議期的客流出行特征，對大型場館不同功能區(qū)的客流時空分布規(guī)律進行分析。在此基礎(chǔ)上，提出相關(guān)大客流預(yù)警方案。研究發(fā)現(xiàn)，進館客流、出館客流、進出館人數(shù)、進出館人次均呈現(xiàn)周期性規(guī)律。研究證明，手機大數(shù)據(jù)在客流特征、客流預(yù)警方面具有較強的現(xiàn)實意義，完成從被動監(jiān)測到主動管理、從監(jiān)控到預(yù)警的轉(zhuǎn)變。19、《基于手機信令數(shù)據(jù)的機場巴士線路優(yōu)化研究》肖赟，徐滿滿，王志輝合肥學(xué)院學(xué)報摘要:以手機信令數(shù)據(jù)為基礎(chǔ)，利用Python大數(shù)據(jù)挖掘技術(shù)，分析了合肥新橋國際機場旅客出行軌跡分布。以合肥市主城區(qū)為底圖，通過地理信息系統(tǒng)劃分了42個交通小區(qū)，計算了各交通小區(qū)客流需求規(guī)模。根據(jù)機場巴士特性，提出了線路覆蓋率的優(yōu)化目標(biāo)，確定了線路里程和非直線系數(shù)等約束條件，建立了機場巴士線路優(yōu)化模型。以“逐條布設(shè)、整體優(yōu)化”的方式，規(guī)劃了4條機場巴士路線，通過GIS緩沖區(qū)分析，計算了線路評價指標(biāo)。關(guān)鍵詞:手機信令數(shù)據(jù);地理信息系統(tǒng);機場巴士;線路優(yōu)化20、《基于手機信令數(shù)據(jù)居民出行鏈提取算法》肖志權(quán)，張子民，毛曦，樊文平北京測繪摘要：研究居民出行鏈不僅能夠準(zhǔn)確預(yù)測交通狀況而且對城市規(guī)劃有著重要的意義。經(jīng)典DBSCAN算法以距離衡量不能完全聚類時空大數(shù)據(jù)，本文以北京市手機信令數(shù)據(jù)為基礎(chǔ)在經(jīng)典DBSCAN聚類算法的基礎(chǔ)上擴展時間維度提取用戶出行鏈，實驗表明該算法能夠解決相同地點不同時間停留點判讀問題，通過與經(jīng)典出行鏈提取算法對比表明該算法具有可行性，并且在職住停留點提取方面比較符合實際情況。關(guān)鍵詞：手機信令數(shù)據(jù)；聚類；出行鏈；停留點21、《基于手機信令數(shù)據(jù)的快遞人員辨識方法》方珊珊，陳艷艷，劉小明，魏攀一摘要:提出一種基于樸素貝葉斯分類法(NaiveBayesianClassifer，NBC)的城市快遞人員辨識方法．首先，通過相關(guān)問卷調(diào)查，研究快遞派送人員的手機信令發(fā)生規(guī)則．然后，依據(jù)北京市移動用戶手機通信信令數(shù)據(jù)，利用問卷調(diào)查數(shù)據(jù)和手機信令數(shù)據(jù)2種數(shù)據(jù)源中同時包含的通信數(shù)據(jù)屬性，建立通信數(shù)據(jù)與調(diào)查數(shù)據(jù)中類別變量(快遞人員/非快遞人員)之間的貝葉斯概率關(guān)系，以此為基礎(chǔ)構(gòu)建NBC模型并對其進行訓(xùn)練．最后，使用未參與訓(xùn)練的樣本數(shù)據(jù)測試標(biāo)定后模型的準(zhǔn)確性，測試結(jié)果顯示快遞人員的預(yù)測成功率達到88。3%．結(jié)果表明:該方法具有較高的精度，可以滿足實際應(yīng)用需求．關(guān)鍵詞:城市配送;快遞人員識別;樸素貝葉斯分類法;22、《手機信令與出租車GPS數(shù)據(jù)融合車源定位方法》王璞，魯恒宇，譚倩，熊雨沙哈爾濱工業(yè)大學(xué)學(xué)報摘要:為揭示居民出行行為與城市交通擁堵的內(nèi)在關(guān)聯(lián)，并為緩解城市交通擁堵提供技術(shù)支持，利用高覆蓋率、低精度的手機數(shù)據(jù)和低覆蓋率、高精度的出租車GPS數(shù)據(jù)，構(gòu)建了數(shù)據(jù)驅(qū)動的車源定位方法．利用手機數(shù)據(jù)獲取出行需求信息，利用出租車GPS數(shù)據(jù)獲取交通狀態(tài)信息;提出基于數(shù)據(jù)融合的出行OD估計方法，進行交通流分配，對城市道路車流來源及城市擁堵源進行動態(tài)定位．結(jié)果表明:道路車流主要來自于少量車源小區(qū)，且擁堵狀態(tài)下這些小區(qū)更加集中;同時受居民通勤行為的影響，城市全局擁堵源在早晚高峰表現(xiàn)出不同的特征．利用數(shù)據(jù)融合的車源定位可以用于揭示擁堵形成的內(nèi)在機理及演化規(guī)律，輔助制定有針對性的擁堵緩解策略．關(guān)鍵詞:城市交通;車源定位;數(shù)據(jù)融合;手機數(shù)據(jù);出租車GPS23、《基于手機信令數(shù)據(jù)的區(qū)域通道出行特征研究》李淑慶，石路源摘要：針對傳統(tǒng)OD調(diào)查耗時長、費用高、精度低等問題，提出利用手機信令數(shù)據(jù)建立用戶特征提取模型，從用戶不同出行狀態(tài)觸發(fā)附近基站產(chǎn)生的時空軌跡數(shù)據(jù)，判定用戶狀態(tài)與時空特征。研究區(qū)域通道客流出行次數(shù)、方向不均勻性、出行方式等特征指標(biāo)，并在重慶主城－合川－江津三個區(qū)域通道進行實例分析。應(yīng)用結(jié)果表明，該方法基于重慶移動手機信令數(shù)據(jù)，可定量分析三個區(qū)域通道之間的出行特征；相較于傳統(tǒng)OD調(diào)查，具有費用低和可行性高等優(yōu)點，可以為未來區(qū)域鐵路網(wǎng)與公路網(wǎng)的規(guī)劃布局提供依據(jù)。關(guān)鍵詞：交通運輸規(guī)劃與管理；手機信令；通道出行特征；大數(shù)據(jù)；交通調(diào)查24、《基于手機信令數(shù)據(jù)的軌道交通客群特征研究》周圍，施澄，鈕心毅，劉嘉偉綜合運輸摘要：根據(jù)手機信令數(shù)據(jù)的通訊特征，提出了測度地下軌道交通站點客流的原理與技術(shù)方法，并通過基站識別軟件實測數(shù)據(jù)來匹配軌道交通各站點與其進出口附近的地上與地下基站，確保準(zhǔn)確性。在此基礎(chǔ)上，以杭州市為例，將手機信令測得的數(shù)據(jù)與IC卡數(shù)據(jù)相比較，結(jié)果顯示，兩者擬合程度較高，說明該方法測度軌道交通客流有效性強。進一步充分利用手機信令可準(zhǔn)確識別軌道用戶的優(yōu)勢，根據(jù)乘客在軌道交通系統(tǒng)內(nèi)外部的活動信息，繼續(xù)探究該方法在軌道交通乘客職住地分布以及各站點換乘客流量等方面的應(yīng)用，為優(yōu)化軌道交通規(guī)劃設(shè)計與運營管理提供支撐。關(guān)鍵詞：軌道交通客群；手機信令數(shù)據(jù)；空間活動特征；職住分布；換乘客流25、《地鐵客流來源分布特征研究--以南京地鐵為例》于泳波，侯佳，程曉明摘要：基于手機信令數(shù)據(jù)、軌道AFC數(shù)據(jù)、城市用地屬性數(shù)據(jù)，聯(lián)合分析城市地鐵客流來源分布特征。首先通過地鐵軌跡匹配軌道出行路徑，其次針對地鐵重點指標(biāo)，以AFC數(shù)據(jù)分析出的結(jié)果為標(biāo)桿數(shù)據(jù)進行校核，最后結(jié)合城市用地數(shù)據(jù)分析地鐵客流來源范圍與用地性質(zhì)的特征。結(jié)果表明，地鐵站點半徑5km范圍內(nèi)的客流來源占93.5%；超過60%的地鐵站點，其90%的客流來源于站點半徑5km范圍；來源于商務(wù)用地的客流其主要分布在站點半徑2km范圍內(nèi)；而來源與住宅區(qū)的客流，其在各個范圍的占比隨半徑的增大而降低；來源于村莊、水域耕地的客流，其在各個范圍的占比隨半徑的增大和增大。研究結(jié)果可為城市地鐵線網(wǎng)規(guī)劃、常規(guī)公交線網(wǎng)優(yōu)化提供決策依據(jù)。關(guān)鍵詞：手機信令數(shù)據(jù)；地鐵客流來源；用地屬性；智能交通26、《基于手機信令數(shù)據(jù)的機場航空旅客分類識別研究--以石家莊正定國際機場為例》姚海芳，馮天楠，劉勁松地理與地理信息科學(xué)摘要：傳統(tǒng)航空旅客出行行為研究存在樣本量少、時效性差、行為軌跡不連續(xù)等問題。該文以石家莊正定國際機場為例，根據(jù)航空旅客手機信令數(shù)據(jù)的當(dāng)日組合特征，構(gòu)建航空旅客分類識別規(guī)則，并利用河北聯(lián)通2018年7月2日-15日的手機信令數(shù)據(jù)對航空旅客進行分類和驗證。結(jié)果表明：利用該規(guī)則識別出的航空旅客數(shù)量精度約為82.76%；在11小類航空旅客中，出港去省外且當(dāng)日不返回旅客、省外進港且當(dāng)日不出港旅客、省外進港且飛往省外的中轉(zhuǎn)旅客分別約占航空旅客總數(shù)量的48.87%、30.88%和13.61%，其他類型航空旅客占比較小(6.64%)。該研究為后續(xù)利用手機信令數(shù)據(jù)追溯航空旅客出行軌跡、刻畫機場腹地的時空變化特征、優(yōu)化機場與腹地之間公共資源配置奠定了基礎(chǔ)。關(guān)鍵詞：手機信令數(shù)據(jù)；航空旅客；分類；石家莊正定國際機場27、《基于手機信令數(shù)據(jù)的大型足球賽事球迷當(dāng)日空間行為特征研究》申卓，王德人文地理摘要：利用手機信令數(shù)據(jù)，以2014年3月上海申花與杭州綠城、上海上港對上海申鑫兩場足球賽為研究對象，分析和歸納了觀賽球迷的分布特征、活動特征，并進一步探索了球迷的行為對于球場周邊商業(yè)體的影響，以此來分析大型賽事球迷的空間行為特征，希望能夠?qū)ξ磥淼某鞘邢嚓P(guān)設(shè)施規(guī)劃起到一定的指導(dǎo)作用。研究表明，球迷的分布涵蓋市域、呈現(xiàn)類圈層結(jié)構(gòu)。球迷的出發(fā)時間與球賽開始時間相關(guān)，大部分球迷的出行目的較為明確。球迷對于球場周邊一定距離范圍內(nèi)的商業(yè)體有影響，且商業(yè)體距離球場越遠，影響越弱。最后，對于手機信令數(shù)據(jù)在大型活動或特定人群特征分析方面的應(yīng)用提出了一些討論思考。關(guān)鍵詞：手機信令數(shù)據(jù)；足球賽；空間影響；球迷；活動28、《基于手機信令數(shù)據(jù)的城市通勤出行特征研究》丁鵬程，楊明，鄭長江，朱健交通科技與經(jīng)濟摘要：通勤交通出行特征是研究城市交通規(guī)劃的重要數(shù)據(jù)基礎(chǔ)，如何有效提取通勤出行特征成為研究城市居民通勤出行的關(guān)鍵。文章通過分析手機信令數(shù)據(jù)特性和通勤出行特征，利用手機信令數(shù)據(jù)挖掘的相關(guān)技術(shù)，建立通勤出行特征提取模型并進行實例研究，與傳統(tǒng)的居民出行調(diào)查分析進行對比，驗證利用手機信令數(shù)據(jù)進行通勤出行特征研究的可行性。關(guān)鍵詞：手機信令數(shù)據(jù)；通勤；出行特征；數(shù)據(jù)挖掘29、《基于手機信令大數(shù)據(jù)的城市居民出行OD預(yù)測》孫卓，劉即明，閻妮數(shù)學(xué)的實踐與認識摘要：為得到具有客觀性、動態(tài)性的居民出行起止點間交通出行量(ODtrips)，以中國移動手機信令大數(shù)據(jù)為基礎(chǔ)，闡述了手機信令數(shù)據(jù)的來源與構(gòu)成，針對城市居民出行目的，通過數(shù)據(jù)分析，設(shè)置10分鐘為劃分出行活動的閾值，提出基于手機信令數(shù)據(jù)獲得的OD矩陣的原理與方法，應(yīng)用數(shù)據(jù)挖掘技術(shù)，對貴陽市居民出行OD矩陣進行了預(yù)測．為進一步加強大數(shù)據(jù)與城市智能交通系統(tǒng)的融合，將得到的城市居民出行OD矩陣應(yīng)用到真實的城市公交線網(wǎng)中。最后通過MicroCity平臺，將數(shù)據(jù)結(jié)果實現(xiàn)可視化．分析結(jié)果表明：與傳統(tǒng)OD調(diào)查方式相比，利用手機信令大數(shù)據(jù)獲得的OD矩陣客觀性、動態(tài)性較強，信息采集分析周期短，更容易與城市智能交通系統(tǒng)融合，應(yīng)用可視化平臺，可實時反映出城市公交運營狀態(tài)，為城市智能規(guī)劃和調(diào)度提供重要參考。關(guān)鍵詞：出行OD矩陣；城市智能交通系統(tǒng)；公交線網(wǎng)30、《基于手機信令數(shù)據(jù)的高速公路服務(wù)區(qū)客流特征研究》于泉，孫瑤摘要：為了提高我國高速公路服務(wù)區(qū)的服務(wù)水平和質(zhì)量，建立了服務(wù)區(qū)客流特征研究體系。首先對手機信令數(shù)據(jù)進行數(shù)據(jù)提取、處理及分析，然后從用戶職住分布、用戶行為軌跡、用戶行為特征3個角度對服務(wù)區(qū)客流特征進行可視化研究和科學(xué)分析，并以運營商提供的京滬高速公路馬駒橋服務(wù)區(qū)連續(xù)8周的手機信令數(shù)據(jù)作為該研究體系的實驗案例。案例分析結(jié)果表明，該服務(wù)區(qū)服務(wù)設(shè)施現(xiàn)狀水平不能充分滿足用戶多樣化的需求，應(yīng)針對用戶需要合理增設(shè)及配置服務(wù)設(shè)施，提升服務(wù)區(qū)服務(wù)水平；也證明了服務(wù)區(qū)客流特征研究體系可以有效挖掘服務(wù)區(qū)現(xiàn)存問題，明確服務(wù)區(qū)發(fā)展方向，能為制定更為完善的服務(wù)區(qū)改善措施提供決策依據(jù)。關(guān)鍵詞：高速公路服務(wù)區(qū)；手機信令數(shù)據(jù)；用戶職住分布；用戶行為軌跡；用戶行為特征；服務(wù)水平31、《基于大數(shù)據(jù)分析的客流走廊判別方法研究》王嘯君摘要：在軌道交通規(guī)劃、公共交通規(guī)劃類項目中，面臨的一個核心難點是對現(xiàn)有公交走廊的判斷以及對走廊客流量的調(diào)查收集。簡要介紹常規(guī)公交調(diào)查并分析其調(diào)查成果，發(fā)現(xiàn)僅采用常規(guī)的公交調(diào)查手段，總體抽樣率較低，并且難以對一個城市做到相對全面的客流調(diào)查。在常規(guī)調(diào)查基礎(chǔ)上，介紹通過手機信令數(shù)據(jù)分析的手段，采用多種方式擬合之后，判斷研究出城市的主要客流走廊，其成果可為后續(xù)規(guī)劃設(shè)計提供充足依據(jù)。32、《基于手機信令數(shù)據(jù)的大客流監(jiān)控應(yīng)用研究》胡忠順，王進，朱亮摘要：首先分析處理全市用戶位置的大數(shù)據(jù)所需的架構(gòu)、特點以及當(dāng)前存在的問題，然后從各個數(shù)據(jù)源的應(yīng)用場景和算法特征分析能覆蓋2G/3G/4G用戶各種應(yīng)用場景的數(shù)據(jù)源算法。為了更好地驗證所采用的基于手機信令數(shù)據(jù)的各種算法對大客流監(jiān)控能力的提升，結(jié)合試驗結(jié)果給出中國電信應(yīng)用項目場景的成功案例，便于基于手機信令數(shù)據(jù)的大客流監(jiān)控在電信信息化的應(yīng)用實施進行參考。最后對基于基站的定位在高密度人群等大客流監(jiān)控中的位置和角色以及對此可能帶來的變化進行了探討。關(guān)鍵詞：手機信令數(shù)據(jù)算法平均定位精準(zhǔn)度大客流監(jiān)控33、《大型集會的人群監(jiān)測與態(tài)勢預(yù)警分析》陳思文，卞陽東，胡風(fēng)，王潮摘要：以上海外灘踩踏事件為例，提出大型集會人群監(jiān)測與人流態(tài)勢分析急需解決的問題：人群統(tǒng)計及景區(qū)內(nèi)部的人流密度、流向和流速分析，以及大型集會內(nèi)部局部區(qū)域人流走走停停和對沖等異動的判斷，分析當(dāng)前三大類主要技術(shù)手段存在的先天性缺陷?；谑謾C信令與基站拜訪位置寄存器提出相應(yīng)的算法和對策建議，為未來各類大型集會對人流態(tài)勢研判和預(yù)警、應(yīng)急響應(yīng)和疏導(dǎo)提供支持。關(guān)鍵詞：人群監(jiān)測；態(tài)勢預(yù)警；拜訪位置寄存器；外灘踩踏事件；大型集會34、《基于手機信令數(shù)據(jù)的城市人群時空行為密度算法研究》史宜，楊俊宴摘要：手機信令數(shù)據(jù)可以量化反映城市不同地段人群的時空分布狀態(tài)，具有高取樣率和高更新率的特點，對認知城市空間環(huán)境與人群行為模式的互動關(guān)系具有突出優(yōu)勢。針對手機信令既有處理計算的方法在數(shù)據(jù)結(jié)構(gòu)和精確性方面的局限，將手機信令數(shù)據(jù)與城市空間形態(tài)數(shù)據(jù)相關(guān)聯(lián)，提出基于三維活動空間的行為密度計算方法。以上海為案例，分別從時間維度和空間維度對上海公園綠地的手機用戶時空分布進行計算，并結(jié)合調(diào)研實測對計算結(jié)果進行檢驗。結(jié)果表明該算法不僅可以實現(xiàn)城市綠地等具體景觀地段的時空行為密度計算，同時也提升了中小尺度下基于手機數(shù)據(jù)進行個體行為密度計算的精確性，對于城市大數(shù)據(jù)應(yīng)用于城市景觀設(shè)計的方法創(chuàng)新具有一定的借鑒作用。關(guān)鍵詞：風(fēng)景園林；行為密度；手機信令數(shù)據(jù)；大數(shù)據(jù)；基于手機信令數(shù)據(jù)的人群行為密度計算方法（1以基站為單元進行手機信令數(shù)據(jù)匯總2以基站坐標(biāo)劃定信令小區(qū)范圍3基于三維活動空間面積進行個體行為密度計算）35、《一種基于手機信令的時空密度軌跡點識別算法》陳略，熊宸，蔡銘計算機工程摘要：由于手機信令具有的數(shù)據(jù)量大、時空序列性、采樣頻率不均、定位精度低、基站振蕩等特點，傳統(tǒng)的聚類方法應(yīng)用于手機信令數(shù)據(jù)存在密度分布不均、時空開銷大、聚類效果不佳等問題。本文提出了一種基于手機信令的時空密度軌跡點識別算法，將手機信令數(shù)據(jù)網(wǎng)格化，通過時空聯(lián)結(jié)流程聯(lián)結(jié)網(wǎng)格簇以降低手機信令特性產(chǎn)生的空間不確定性并減少計算數(shù)據(jù)量，通過定義時空移動能力，計算網(wǎng)格簇的時空密度以判斷停留區(qū)域。本文通過實驗室自行開發(fā)的信令采集app采集的帶有移動停留標(biāo)簽的軌跡數(shù)據(jù)驗證了算法的有效性和效率，該算法適用于挖掘手機信令數(shù)據(jù)的停留區(qū)域，對復(fù)雜軌跡的停留區(qū)域挖掘有較好的效果。關(guān)鍵詞：時空聯(lián)結(jié)；時空移動能力；時空密度；停留區(qū)域36、《基于手機信令數(shù)據(jù)的人口高精度時空分布特征研究--以天津市小白樓CBD片區(qū)為例》陳偉，翟國方，張義杰摘要：利用手機信令數(shù)據(jù)，借助Python語言編程和GIS對天津市小白樓CBD片區(qū)的人員規(guī)模變化趨勢、分地塊人數(shù)極值時空分布、駐留與流動人員時空分布進行了分析。結(jié)果顯示：區(qū)域人員規(guī)模遵循“平穩(wěn)降低(0：00-4：00)---快速升高(5：00-8：00)---平穩(wěn)升高(9：00-17：00)---快速降低(19：00-23：00)”總體變化趨勢；在720個時間段內(nèi)，6：00-18：00時間段出現(xiàn)人數(shù)最大值地塊的數(shù)量占比達到87．91%，超過95%的地塊在晚間出現(xiàn)人數(shù)最小值，其中在1：00出現(xiàn)的人數(shù)最小值地塊數(shù)量最多；駐留、流動人員數(shù)量的變化趨勢呈現(xiàn)出白天和夜間的總規(guī)模略有變化但相對較平緩，全天的流動人員規(guī)模遠大于駐留人員規(guī)模，白天的流動人員規(guī)模遠大于夜間流動人員規(guī)模，夜間駐留人員規(guī)模大于白天駐留人員規(guī)模等顯著特征。關(guān)鍵詞：人口時空分布；高精度；Python語言37、《ICTs視角下的旅游流和旅游者時空行為研究進展》楊敏，李君軼，徐雪陜西師范大學(xué)學(xué)報(自然科學(xué)版)摘要：信息和通訊技術(shù)(InformationandCommunicationsTechnologies，ICTs)對旅游和旅游者產(chǎn)生了巨大影響。游客在旅游過程中使用通訊網(wǎng)絡(luò)、互聯(lián)網(wǎng)和物聯(lián)網(wǎng)會產(chǎn)生大量的具有地理標(biāo)簽的數(shù)據(jù)，這些大數(shù)據(jù)為大規(guī)模即時旅游流和游客時空行為研究提供了可能。本文在梳理國內(nèi)外有關(guān)旅游流和旅游者時空行為研究的基礎(chǔ)上，發(fā)現(xiàn)：(1)在研究驅(qū)動力方面，海量、非結(jié)構(gòu)化的大數(shù)據(jù)為旅游流和旅游時空行為研究提供新視角，數(shù)據(jù)和問題共同驅(qū)動來發(fā)現(xiàn)知識成為未來旅游流和旅游者時空行為研究的重要特征；(2)在研究方法上，利用地理信息系統(tǒng)的空間分析方法進行旅游熱點分析、網(wǎng)絡(luò)分析并進行可視化，最終從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律、發(fā)現(xiàn)知識，提升對旅游者行為的認識，進而推進旅游者時空行為理論的完善；(3)在數(shù)據(jù)來源上，除傳統(tǒng)數(shù)據(jù)外，手機數(shù)據(jù)、UGC數(shù)據(jù)將成為研究旅游者時空行為的重要數(shù)據(jù)源，可根據(jù)研究的實際情況選擇不同的數(shù)據(jù)源及其組合；(4)在研究主題方面，目前主要集中在旅游者時空分布規(guī)律、旅游流空間網(wǎng)絡(luò)結(jié)構(gòu)發(fā)現(xiàn)等方面，對于隱藏在旅游者時空行為規(guī)律背后的原因、過程和機制探究不足，因果分析、過程和機制研究是未來的重點方向；(5)未來的研究熱點可能有基于大數(shù)據(jù)的游客時空行為建模全過程體系化研究、數(shù)據(jù)標(biāo)準(zhǔn)化和數(shù)據(jù)挖掘方法研究、數(shù)據(jù)融合與同化研究、大數(shù)據(jù)下旅游者隱私和倫理問題研究、旅游者時空體驗研究等。關(guān)鍵詞：大數(shù)據(jù)；旅游流；旅游者時空行為；信息和通信技術(shù)；手機數(shù)據(jù)；社交媒體38、《基于手機信令數(shù)據(jù)的特大城市人口時空分布及其社會經(jīng)濟屬性估測---以北京市為例》海曉東，劉云舒，趙鵬軍，張輝北京大學(xué)學(xué)報(自然科學(xué)版)摘要：提出應(yīng)用手機信令數(shù)據(jù)，基于空間模式單元(SpatialPatternUnit)進行人口動態(tài)分布估測和人口屬性識別的方法，并以北京為例開展實例研究。以手機信令數(shù)據(jù)為主，結(jié)合大樣本問卷調(diào)查數(shù)據(jù)和騰訊熱力圖數(shù)據(jù)，對人口布局進行分時段估測，分析人口分布的時空間動態(tài)特征；采用大樣本問卷調(diào)查數(shù)據(jù)，以人口社會經(jīng)濟屬性和通勤出行特征等關(guān)鍵指標(biāo)，對調(diào)查的種子空間單元進行模式分類和識別，運用機器學(xué)習(xí)的方法進行全域地域空間的人口屬性估測識別，最后對估測結(jié)果進行對比和驗證。所提方法和研究結(jié)果可以為監(jiān)測人口布局動態(tài)、針對人口屬性布局商業(yè)服務(wù)和合理規(guī)劃城市設(shè)施等提供決策支撐。關(guān)鍵詞：人口時空分布；人口屬性估測；動態(tài)監(jiān)測；機器學(xué)習(xí)；39、《基于手機數(shù)據(jù)的城市內(nèi)部就業(yè)人口流動特征及形成機制分析---以武漢市為例》劉耀林，方飛國，王一恒武漢大學(xué)學(xué)報·信息科學(xué)版摘要：城市內(nèi)部就業(yè)人口流動作為城市群體的主要移動形式，分析其特征及形成機理對城市規(guī)劃、交通預(yù)測等具有重要意義。基于武漢市手機信令數(shù)據(jù)，識別職住人口分布與流動，構(gòu)建城市內(nèi)部就業(yè)流動網(wǎng)絡(luò)。運用網(wǎng)絡(luò)分析、可達性計算、邏輯回歸等方法，分析城市內(nèi)部就業(yè)流動的特征及其形成機制。研究表明，武漢市內(nèi)部就業(yè)流動在數(shù)量上分布不均衡，大量就業(yè)流動集中于少數(shù)街道間。在空間上，就業(yè)流動隨距離、可達時間增加而減少，并依地形、文化形成若干聯(lián)系緊密的就業(yè)社區(qū)；以就業(yè)流出地居住人口、流入地工作人口度量的就業(yè)勢能是驅(qū)動就業(yè)流動的最主要因素，而文化差異、空間不鄰近、可達性差阻礙就業(yè)流動的發(fā)生。此外，不同產(chǎn)業(yè)特色對就業(yè)流動影響不同，商業(yè)、科教阻礙就業(yè)外流，工業(yè)吸引外來就業(yè)。關(guān)鍵詞：就業(yè)人口流動；網(wǎng)絡(luò)分析；可達性；邏輯回歸40、《一種基于手機信令的通勤OD訓(xùn)練方法》唐小勇，周濤，陸百川，高志剛摘要：針對基站定位精度低、信令采樣間隔長、軌跡不連續(xù)的手機信令，提出一種職住及通勤OD(origin-destination)計算框架.對用戶單日手機軌跡按時間排序，標(biāo)識每個軌跡點的進出時間及停留時間，剔除長距離漂移軌跡點，對鄰近軌跡點進行空間聚合.將全天劃分為多個時窗，疊加用戶多日軌跡，計算穩(wěn)定指數(shù)并識別用戶在各時窗內(nèi)的多日穩(wěn)定點.綜合工作日與節(jié)假日穩(wěn)定點判斷用戶居住地、工作地.采用基于常住人口的擴樣方法，對街道通勤OD矩陣進行擴樣.模型結(jié)果與重慶主城常住人口分布、2014年居民出行調(diào)查結(jié)果吻合.關(guān)鍵詞：城市交通；通勤；手機信令；職住分布；大數(shù)據(jù)；交通調(diào)查41、《手機數(shù)據(jù)在交通調(diào)查和交通規(guī)劃中的應(yīng)用》冉斌摘要：手機作為一種理想的交通探測器，為居民出行信息分析提供了很好的技術(shù)選擇。將手機數(shù)據(jù)映射至交通分析單元，并經(jīng)信息預(yù)處理、匹配分析、交通模型分析處理、數(shù)據(jù)去噪、擴樣等一系列海量數(shù)據(jù)運算處理，最終可獲得居民出行特征數(shù)據(jù)。利用長期歷史手機話單數(shù)據(jù)，可分析常住人口和就業(yè)人口分布、通勤出行特征、大區(qū)間OD、特定區(qū)域出行特征、流動人口出行特征等。手機信令數(shù)據(jù)能夠較完整地識別手機用戶的出行軌跡，可進一步應(yīng)用于分析城市人口時空動態(tài)分布、特定區(qū)域客流集散、查核線斷面或關(guān)鍵通道客流、軌道交通客流特征、出行時耗、出行距離、出行強度、道路交通狀態(tài)等。根據(jù)天津手機話單數(shù)據(jù)應(yīng)用案例及上海手機信令數(shù)據(jù)應(yīng)用案例，驗證了技術(shù)可行性。關(guān)鍵詞：交通規(guī)劃；交通調(diào)查；出行特征；手機數(shù)據(jù)；手機話單數(shù)據(jù)；手機信令數(shù)據(jù)42、《一種基于手機定位數(shù)據(jù)的出行行程識別方法》張健欽，仇培元，徐志潔，杜明義摘要：提出并實現(xiàn)了一種基于手機定位軌跡數(shù)據(jù)的出行行程識別方法．通過速度對軌跡點進行劃分，將低于一定速度閾值以下的軌跡點合并為候選停留位置，再利用距離閾值和時間閾值對候選停留位置進行合并，從而確定出真正的停留點，繼而自動統(tǒng)計出行次數(shù)和出行時間．該方法解決了手機定位數(shù)據(jù)的定位漂移和抖動的問題，行程識別精度高，識別結(jié)果可為交通規(guī)劃工作提供相關(guān)數(shù)據(jù)，并具有比傳統(tǒng)交通調(diào)查方法更低的成本和更短的數(shù)據(jù)更新周期。關(guān)鍵詞：手機定位；時空數(shù)據(jù)挖掘；行程識別；出行調(diào)查；交通GIS43、《從大規(guī)模短期規(guī)則采樣的手機定位數(shù)據(jù)中識別居民職住地》許寧，尹凌，胡金星武漢大學(xué)學(xué)報---信息科學(xué)版摘要：使用大規(guī)模手機定位數(shù)據(jù)獲取居民職住地分布是大數(shù)據(jù)趨勢下城市研究的新興技術(shù)。然而，現(xiàn)有的研究主要使用了長期不規(guī)則稀疏采樣的手機通話數(shù)據(jù)，對短期規(guī)則采樣的手機定位數(shù)據(jù)缺乏嘗試?；诖笠?guī)模短期規(guī)則采樣的手機定位數(shù)據(jù)，提出了一種居民職住地識別的方法。這是首次從大規(guī)模短期規(guī)則采樣的手機定位數(shù)據(jù)中進行居民職住地識別的嘗試，并對識別結(jié)果進行了較全面的驗證。該研究成果為職住平衡等相關(guān)城市問題研究探討了一種新型大規(guī)模數(shù)據(jù)源的可行性，在低成本大幅度提高相關(guān)研究的樣本代表性和分析結(jié)果可靠性上具有重要意義。關(guān)鍵詞：手機定位數(shù)據(jù)；時空數(shù)據(jù)挖掘；職住平衡；通勤距離；深圳市44、《基于多源數(shù)據(jù)的公交客運廊道識別方法》溫馨，陳龍摘要：針對現(xiàn)有廊道識別方法存在的不足，提出一種融合多源數(shù)據(jù)精確識別公交客運廊道的方法，對城市既有公交客運走廊起訖點進行準(zhǔn)確識別。首先，通過手機信令數(shù)據(jù)刻畫居民的全方式出行規(guī)律，從公交IC和GPS數(shù)據(jù)中提取居民的現(xiàn)狀公交出行鏈；其次，構(gòu)建公交客運廊道判別模型，利用需求客流因子和供給客流因子對城市公交客運走廊的客流集聚效應(yīng)進行量化分析；最后，以融合了多源數(shù)據(jù)的總客流因子為判斷標(biāo)準(zhǔn)，鎖定公交客運廊道的最佳起訖點。研究表明：采用多源數(shù)據(jù)可以實現(xiàn)對乘客出行特征的精準(zhǔn)描述，以此得出的廊道判別結(jié)果較常規(guī)判斷方法更貼近乘客實際出行需求，可為城市客運走廊戰(zhàn)略規(guī)劃提供理論支持。關(guān)鍵詞：公交數(shù)據(jù)；手機信令；廊道識別；客流因子；集聚效應(yīng)45、《基于公交OD數(shù)據(jù)的居民公交出行特征研》蘆方強，陳學(xué)武，胡曉健摘要：已有研究在應(yīng)用“四階段法”進行公共交通需求預(yù)測時，缺少對居民公交出行分布規(guī)律及變化特征的分析。文中通過從濰坊、常州、上虞、蚌埠和湖州五個典型城市居民出行調(diào)查數(shù)據(jù)庫中提取出公交OD出行的有效數(shù)據(jù)，運用圖形處理及模型標(biāo)定等方法進行深入的數(shù)據(jù)挖掘，研究了居民出行時間消耗特征、出行時間分布特征和出行空間分布特征。指出：①公交出行的可容忍時間與建成區(qū)面積及公交分擔(dān)率密切相關(guān)；②由于城市發(fā)展?fàn)顟B(tài)、經(jīng)濟發(fā)展水平及人們出行規(guī)律的不同，都會造成出行時間分布的差異；③分析同一城市不同時期居民出行空間分布時，應(yīng)具體分析各區(qū)之間的出行聯(lián)系強度。居民公交出行時空分布特征的研究，可以為城市公共交通需求預(yù)測及公交線網(wǎng)規(guī)劃提供定量的參考依據(jù)及理論支持，該項研究的結(jié)論和分析方法可供其他城市借鑒和使用。關(guān)鍵詞：公交OD數(shù)據(jù)；公交出行；時間消耗；時間分布；空間分布46、《基于混合遺傳算法的機場巴士線路優(yōu)化》周和平，賈贊星，柳伍生摘要：以提高機場巴士旅客運送效率為目的，以乘客總體消耗時間最小為目標(biāo)，綜合考慮其他各種約束條件，構(gòu)建了機場巴士線路優(yōu)化模型．根據(jù)模型特點，采用爬山算法得到初始解，以減少尋優(yōu)時間；同時采用直接排列的編碼方法即節(jié)點法進行編碼，構(gòu)建混合的遺傳算法求解．通過一個簡單算例驗證了所提出模型與求解方法是可行和有效的，可為實際規(guī)劃與理論研究提供參考。關(guān)鍵詞：機場巴士；線路優(yōu)化；混合遺傳算法；爬山算法47、《基于手機定位信息的地鐵乘客出行路徑辨識方法》賴見輝，陳艷艷，鐘園，吳德倉，袁奕芳摘要:針對復(fù)雜軌道網(wǎng)絡(luò)環(huán)境的下出行路徑選擇問題，傳統(tǒng)方法采用理論推算往往與實際偏差較大?；谑謾C定位信息的出行路徑辨識方法，利用手機用戶在無線通信網(wǎng)絡(luò)中產(chǎn)生的信令事件數(shù)據(jù)，根據(jù)其在地鐵中的正常位置更新規(guī)則得到出行路徑，針對信令數(shù)據(jù)存在缺失的情況，以用戶的其他信令事件數(shù)據(jù)及K短路校核法，對路徑的有效性進行檢測，進而得到實際出行路徑。實測結(jié)果表明，用該方法得到的用戶出行路徑與真實路徑偏差較小。關(guān)鍵詞:CellID定位;地鐵;出行路徑48、《基于手機基站數(shù)據(jù)的混合地圖匹配算法研究》何兆成，陳展球，范秋明，褚俊飛摘要：基于移動通信的交通信息采集是智能交通系統(tǒng)中新興的應(yīng)用技術(shù)之一，將車載手機定位到電子地圖上是其應(yīng)用的基礎(chǔ)，而地圖匹配技術(shù)則是解決車載手機定位的關(guān)鍵.本文通過對車載手機行駛在不同的路網(wǎng)時所產(chǎn)生的基站切換數(shù)據(jù)信息，分析得到車載手機實際運行時基站切換的基本規(guī)律；并結(jié)合電子地圖的數(shù)據(jù)結(jié)構(gòu)特點，對使用基站切換數(shù)據(jù)進行地圖匹配時需解決的難點問題展開研究；在使用基站切換對代替道路穩(wěn)定切換序列的方法的基礎(chǔ)上，提出了結(jié)合切換對和基站源址的混合地圖匹配算法.此算法可以縮小待選路段集，有效處理交叉口和平行路段等復(fù)雜情況，提高匹配準(zhǔn)確率.最后,選取廣州大學(xué)城為實地測試區(qū)域，驗證了此算法的可行性.關(guān)鍵詞：智能交通；基站切換對；混合地圖匹配算法；交通信息采集；地圖匹配49、《基于手機信令的道路交通流量狀態(tài)識別及預(yù)測》胡斌杰，詹益旺摘要：提出了一種基于手機信令的道路交通流量狀態(tài)識別與預(yù)測方法，能夠基本上滿足智能交通建設(shè)的數(shù)據(jù)廣域、全面、實時、動態(tài)的要求，并提供路況擁堵查詢、統(tǒng)計預(yù)警分析等功能應(yīng)用，是一種可靠的實時交通信息采集方式。由于其自身具備投資少、維護成本低的優(yōu)點，可在短時間向二三線城市大范圍推廣應(yīng)用。關(guān)鍵詞：手機信令，道路狀態(tài)識別，實時交通50、《基于手機信令數(shù)據(jù)的居民出行空間效應(yīng)》倪玲霖，張帥超，陳喜群浙江大學(xué)學(xué)報(工學(xué)版）摘要：為了揭示居民出行的影響因素和空間效應(yīng)，從需求源把握交通流的產(chǎn)生和演變規(guī)律，以杭州市移動手機信令數(shù)據(jù)為基礎(chǔ)，根據(jù)交通小區(qū)間的通行時間構(gòu)建了空間權(quán)重矩陣，建立居民OD出行量影響的空間自相關(guān)模型，分析邊際效應(yīng)和政策涵義．結(jié)果表明，常住人口、高等級商業(yè)數(shù)量以及公交車站的數(shù)量與出行量呈正相關(guān)，而起點高等級醫(yī)院數(shù)量和居民出行感知距離與出行量呈負相關(guān)．隨著起點高等級醫(yī)院數(shù)量增多，該區(qū)域的居民出行量下降；隨著區(qū)域間感知距離的增加，區(qū)域間的出行量減少．起點自相關(guān)、終點自相關(guān)和OD空間自相關(guān)都對出行量具有重要影響，實測數(shù)據(jù)驗證了考慮空間效應(yīng)的必要性．關(guān)鍵詞：居民出行；空間自相關(guān)模型；手機信令數(shù)據(jù)；空間效應(yīng)51、《基于手機信令數(shù)據(jù)的居民工作日出行鏈判別方法》董路熙，賈梅杰，劉小明，譚墍元摘要:針對大數(shù)據(jù)時代手機的普及和移動網(wǎng)絡(luò)在人們生活中的滲透，豐富的手機信令大數(shù)據(jù)可為城市管理者重現(xiàn)大部分居民的日常出行、時空活動分布，提出了一種基于手機信令數(shù)據(jù)的居民工作日出行鏈判別方法。通過數(shù)據(jù)的時空特性，對“噪聲”數(shù)據(jù)進行預(yù)處理，根據(jù)手機基站切換順序構(gòu)造出行網(wǎng)絡(luò)中的主體部分，計算出行網(wǎng)絡(luò)中的邊權(quán)值，從而提取居民的工作日典型出行鏈信息。以深圳市手機信令數(shù)據(jù)為例，將計算結(jié)果與已知深圳市居民出行調(diào)查數(shù)據(jù)進行比較，結(jié)果表明，此方法可以簡便有效識別出工作日出行鏈。關(guān)鍵詞:手機信令數(shù)據(jù);基站切換;邊權(quán)值;出行鏈52、《基于手機信令數(shù)據(jù)的南京旅游客源市場空間劃分研究》徐菲菲，王旭，徐俐，胡明星摘要：信息技術(shù)的高速發(fā)展為旅游研究提供了新的數(shù)據(jù)和方法。該文運用數(shù)據(jù)驅(qū)動的客源市場研究方法，采用手機信令大數(shù)據(jù)，更新獲取游客數(shù)量、來源地等信息，確立了一套基于手機信令數(shù)據(jù)的客源市場劃分方法，彌補了現(xiàn)有旅游客源市場空間劃分方法的不足。將該方法用于南京市旅游客源市場的實證分析，發(fā)現(xiàn)南京客源市場基本呈現(xiàn)空間遞減規(guī)律和時間波動規(guī)律，并識別出300km和1600km距離為客源波動線，呈現(xiàn)出明顯的東部指向、近域指向等特征。將研究結(jié)果與抽樣調(diào)查得到的統(tǒng)計數(shù)據(jù)相比，發(fā)現(xiàn)兩者高度吻合，從而在理論和實踐上驗證了數(shù)據(jù)驅(qū)動的旅游客源市場研究方法的有效性和合理性。最后提出數(shù)據(jù)驅(qū)動的客源市場研究的不足和未來研究展望，對南京智慧旅游建設(shè)具有一定的實踐意義。關(guān)鍵詞：旅游客源市場；手機信令；大數(shù)據(jù)；南京53、《基于移動信令數(shù)據(jù)的城市熱點識別方法》彭大芹，羅裕楓，江德潮，劉艷林重慶郵電大學(xué)學(xué)報(自然科學(xué)版)摘要:城市熱點的識別對于探索解決引導(dǎo)性的人群疏散、規(guī)避交通擁堵等問題提供新途徑，并為基于位置服務(wù)(locationbasedservices，LBS)如商鋪選址、旅游導(dǎo)航等提供重要的科學(xué)參考，具有重要的應(yīng)用價值。隨著個人手機終端的普及與發(fā)展，手機已經(jīng)成為研究用戶行為特征的一種理想的探測器。提出了將手機信令數(shù)據(jù)融合興趣點(pointofinterest，POI)數(shù)據(jù)來挖掘城市的熱點區(qū)域并進行功能類型標(biāo)定，重點通過手機信令數(shù)據(jù)研究人流的出行行為和在蜂窩的駐留時長情況來識別活躍蜂窩，并進一步通過基于密度的聚類算法判別熱點區(qū)域。選取了重慶市較場口一定范圍區(qū)域作為研究區(qū)域，數(shù)據(jù)來源于重慶某移動運營商提供的用戶手機信令數(shù)據(jù)，通過實驗實例驗證分析，證明了該方法可快速識別出城市熱點區(qū)域，并具有較高的準(zhǔn)確性。關(guān)鍵詞:城市熱點;信令數(shù)據(jù);駐留點;活躍蜂窩;興趣點(POI);功能類型54、《基于智能手機大數(shù)據(jù)的交通出行方式識別研究》李喆，孫健，倪訓(xùn)友摘要:智能手機時代所產(chǎn)生的大數(shù)據(jù)能夠為交通研究者帶來大量信息，基于智能手機采集交通出行大數(shù)據(jù)，再利用基于粒子群的支持向量機模型進行交通出行方式識別研究。在分析數(shù)據(jù)特點的基礎(chǔ)上提出用于建模的特征變量，之后使用粒子群算法優(yōu)化支持向量機參數(shù)，并基于成都市的實證數(shù)據(jù)進行模型的訓(xùn)練與出行方式識別研究。研究結(jié)果表明，該模型識別正確率為95.1%，高于決策樹、BP神經(jīng)網(wǎng)絡(luò)、基于網(wǎng)格搜索的支持向量機模型，且該模型在時間效率方面具有明顯的優(yōu)越性，因而在出行方式識別方面具有良好的現(xiàn)實意義。關(guān)鍵詞:粒子群;支持向量機;出行方式識別;智能手機大數(shù)據(jù);模式識別55、《面向城市交通規(guī)劃的多源手機信令數(shù)據(jù)相關(guān)性研究》張曉春，于壯，段冰若，高永摘要：隨著智能手機的普及，基于手機信令數(shù)據(jù)獲取城市交通出行和人口活動信息成為了一種常用手段.但在實際應(yīng)用中，絕大部分的信令數(shù)據(jù)分析都是基于單個運營商的數(shù)據(jù).由于無法確定不同運營商數(shù)據(jù)之間是否存在顯著差異，也就無法保證基于單個運營商數(shù)據(jù)的計算結(jié)果能夠滿足城市交通分析的精度要求.針對這一問題，本文使用某城市2個運營商5個工作日的信令數(shù)據(jù)，分別計算了交通規(guī)劃中常用的人口分布和交通出行信息.計算結(jié)果發(fā)現(xiàn)，在使用算法一致的前提下，2個運營商的人口和交通出行結(jié)果十分相似，特別是居民移動人口分布和出行OD矩陣基本沒有差距，相關(guān)系數(shù)在0.9以上，且當(dāng)時間和空間尺度發(fā)生變化時仍然保持較高的相似性.但是，從城市停留人口分布的計算結(jié)果來看，由于2個運營商設(shè)置的位置更新周期的差異，導(dǎo)致計算的停留人口分布相關(guān)系數(shù)較低，在0.7左右。關(guān)鍵詞：城市交通；手機信令；數(shù)據(jù)挖掘；相關(guān)性分析56、《基于高斯分析的馬爾可夫位置預(yù)測方法》喬巖磊，杜永萍，趙東玥計算機技術(shù)與發(fā)展摘要：針對基于馬爾可夫模型在真實時間上進行位置預(yù)測時，需要通過對時間進行等值劃分來確定位置轉(zhuǎn)移時間點，從而導(dǎo)致預(yù)測結(jié)果粗糙的問題，提出一種基于高斯分析的馬爾可夫位置預(yù)測方法。該方法首先利用高斯混合模型擬合連續(xù)時間下地點之間的轉(zhuǎn)移概率，從而發(fā)現(xiàn)可能的位置轉(zhuǎn)移時間點，并將這些時間點作為馬爾可夫模型的狀態(tài)轉(zhuǎn)移點，建立馬爾可夫模型;然后通過用戶在這些時間點的轉(zhuǎn)移概率流向，計算用戶位于某一位置的概率值，從而得到最終的位置預(yù)測結(jié)果。在數(shù)據(jù)集GeoLife上的實驗結(jié)果表明，該方法相對于傳統(tǒng)馬爾可夫模型和高斯混合模型的預(yù)測準(zhǔn)確率分別提升了約10%和12%。關(guān)鍵詞：位置預(yù)測；基于位置的服務(wù)；軌跡數(shù)據(jù)；時間序列57、《基于GPS軌跡數(shù)據(jù)的混合多步Markov位置預(yù)測》李昇智，喬建忠，林樹寬，楊迪東北大學(xué)學(xué)報(自然科學(xué)版)摘要:隨著移動設(shè)備和定位技術(shù)的廣泛應(yīng)用，基于位置服務(wù)成為研究熱點，位置預(yù)測是其重要研究內(nèi)容．基于GPS軌跡數(shù)據(jù)，對位置預(yù)測方法進行研究．Markov模型可以較好地表示時序數(shù)據(jù)，因此可較好地用于位置建模和預(yù)測。在基于Markov建模的位置預(yù)測中，1階Markov模型存在軌跡信息利用不充分、預(yù)測準(zhǔn)確率低的問題;而多階Markov模型存在狀態(tài)空間急劇膨脹的問題。針對這些問題，提出了基于混合多步Markov模型的位置預(yù)測方法，在將原始GPS軌跡轉(zhuǎn)化為區(qū)域軌跡的基礎(chǔ)上，對各多步模型進行融合，提出了基于Adaboost框架的各多步模型影響系數(shù)的生成方法，在保證狀態(tài)空間不變的情況下提高了預(yù)測準(zhǔn)確性．真實數(shù)據(jù)集上的實驗驗證了所提位置預(yù)測方法的有效性。關(guān)鍵詞：位置預(yù)測；混合多步Markov模型；區(qū)域軌跡；Markov模型的影響系數(shù)；地圖區(qū)域劃分58、《基于出行方式及語義軌跡的位置預(yù)測模型》章靜蕾，石海龍，崔莉計算機研究與發(fā)展摘要：現(xiàn)有位置預(yù)測方法的研究多集中于對軌跡數(shù)據(jù)的挖掘和分析，而在如何通過軌跡數(shù)據(jù)中含有的信息內(nèi)容以及外源數(shù)據(jù)以提高位置預(yù)測精確度方面的研究尚不深入，有很大研究空間．提出了一種挖掘語義軌跡信息并結(jié)合出行方式的未來位置預(yù)測模型，該模型首先可實現(xiàn)根據(jù)語義軌跡進行相似用戶挖掘，并結(jié)合個人語義軌跡和相似用戶位置軌跡得到頻繁模式集合，最后結(jié)合2個集合對目標(biāo)軌跡得到未來位置預(yù)測候選集；然后可實現(xiàn)對未來出行方式進行識別，同時結(jié)合歷史出行方式和位置軌跡數(shù)據(jù)，建立Markov模型對未來位置進行預(yù)測得到候選集，最后結(jié)合前一部分的候選集得到最終未來位置結(jié)果．此模型不僅能結(jié)合語義軌跡挖掘相似用戶的行為活動，還可同時融合出行方式的外源數(shù)據(jù)克服位置軌跡的局限性．實驗驗證表明：該模型能對日常生活中的軌跡位置數(shù)據(jù)進行預(yù)測并達到86%的精確度，同時在不同的頻繁模式支持度下，其精確度都比未結(jié)合出行方式模型時平均高出5%，因此本模型對位置預(yù)測結(jié)果的提高具有有效性．關(guān)鍵詞：出行方式識別；頻繁模式挖掘算法；語義軌跡；位置軌跡；位置預(yù)測59、《基于數(shù)據(jù)挖掘的移動用戶出行軌跡預(yù)測》劉麗嫻，樊學(xué)寶摘要：為了解決移動用戶出行軌跡預(yù)測的問題，首先利用用戶出行軌跡數(shù)據(jù)進行語義化建模，然后根據(jù)語義位置和訪問概率對用戶群進行分類，再次，利用關(guān)聯(lián)規(guī)則挖掘不同群體的頻繁模式，最后，結(jié)合實時出行數(shù)據(jù)動態(tài)更新貝葉斯網(wǎng)絡(luò)實現(xiàn)移動用戶出行軌跡的實時預(yù)測。經(jīng)過實驗表明，該算法能夠在一定程度上反映用戶出行的目的和偏好，并具有很好的擴展性。關(guān)鍵詞：語義化建模；關(guān)聯(lián)規(guī)則；貝葉斯網(wǎng)絡(luò)；軌跡預(yù)測60、《手機移動支付用戶的位置預(yù)測》鐘裕濱摘要：手機移動支付普及迅速，在一個商場中精確定位手機用戶位置所在商店，進而可將線下商店實體商品推薦與線上移動支付結(jié)合起來，有效提高用戶的選擇商品的效率并減少商家廣告費用，提高收入。利用手機用戶在移動支付時產(chǎn)生的數(shù)據(jù)進行挖掘，如wifi信號列表及強度、經(jīng)緯度等，運用XGBoost算法與隨機森林算法分別進行訓(xùn)練預(yù)測用戶所在商店，運用加權(quán)算法進行模型融合，最終預(yù)測準(zhǔn)確率達91.98%。61、《蜂窩網(wǎng)中基于位置預(yù)測的切換算法》王夢冉，喬少杰，于珊珊計算機科學(xué)摘要：為了滿足未來移動網(wǎng)絡(luò)蜂窩小、切換頻繁、支持規(guī)模用戶和多媒體應(yīng)用的需求，對位置預(yù)測與越區(qū)切換進行深入分析，提出了基于位置預(yù)測的越區(qū)切換方案HDLP(HandoverDecisionbasedonLocationPrediction)，其基本思想是：(1)從移動用戶的大量歷史移動軌跡數(shù)據(jù)中挖掘頻繁軌跡；(2)根據(jù)挖掘出的頻繁軌跡集合生成運動規(guī)則；(3)將運動規(guī)則運用于判決蜂窩移動通信的越區(qū)切換中。對所提算法進行仿真的結(jié)果表明，與傳統(tǒng)的切換方案相比較，本算法減少了不必要的越區(qū)切換次數(shù)，降低了錯誤切換率，提高了切換的準(zhǔn)確率，進而在一定程度上降低了通信代價，提高了通信系統(tǒng)的容量以及QoS。關(guān)鍵詞：位置預(yù)測，越區(qū)切換，頻繁軌跡，運動規(guī)則62、《基于聚類和時間權(quán)重的協(xié)同過濾位置預(yù)測算法》田繼偉，王勁松，石凱，薛玉岱，岳欣天津理工大學(xué)學(xué)報摘要：校園無線網(wǎng)絡(luò)產(chǎn)生大量用戶位置數(shù)據(jù)，它使掌握用戶行為軌跡、預(yù)測用戶位置成為可能.協(xié)同過濾廣泛用于預(yù)測和推薦系統(tǒng)中，但現(xiàn)有研究存在數(shù)據(jù)稀疏性和不適用于處理時空數(shù)據(jù)的缺點.本文提出基于聚類和時間權(quán)重的協(xié)同過濾位置預(yù)測算法.首先利用DBSCAN聚類算法對用戶進行聚類，緩解數(shù)據(jù)稀疏性.然后在簇內(nèi)計算用戶-位置評分矩陣時引入時間權(quán)重，使用戶近期的位置簽到對預(yù)測有更大貢獻.與傳統(tǒng)協(xié)同過濾方法相比，該方法準(zhǔn)確率提高9.1%，召回率提高5.2%，F(xiàn)1-SCORE提高7%.關(guān)鍵詞：協(xié)同過濾；時空數(shù)據(jù)；DBSCAN聚類；時間權(quán)重；位置預(yù)測63、《基于改進隨機森林算法的LBSN用戶短期位置預(yù)測模型》袁健，蔣宇，孫悅摘要：針對已有的基于LBSN的用戶短期位置預(yù)測模型性能較低的現(xiàn)狀，提出了一種基于改進隨機森林算法的LBSN用戶短期位置預(yù)測模型SPMLIＲFA．該模型對隨機森林算法進行改進并應(yīng)用于LBSN用戶在短期內(nèi)的位置預(yù)測問題中，SPMLIＲFA模型的主要思想是將用戶的位置預(yù)測問題抽象為對給定的候選位置的分類問題來實現(xiàn)．該模型將時間因素，空間因素，個人社交因素和社交群體的簽到地點熱門因素特征進行量化，通過計算特征量化值的Fisher比值來衡量特征的重要程度，訓(xùn)練樣本則按照特征重要程度劃分的比例來采樣，再將該樣本作為隨機森林的訓(xùn)練集，生成模型后分類預(yù)測位置．實驗結(jié)果表明，SPMLIＲFA在用戶短期位置預(yù)測問題上有著較好的泛化性和準(zhǔn)確率。關(guān)鍵詞：基于位置的社交網(wǎng)絡(luò)：LBSN：用戶位置預(yù)測：隨機森林算法：Fisher比64、《基于Adaboost-Markov模型的移動用戶位置預(yù)測方法》楊震，王紅軍計算機應(yīng)用摘要:針對Markov模型在位置預(yù)測中存在預(yù)測精度不高及匹配稀疏等問題，提出了一種基于Adaboost-Markov模型的移動用戶位置預(yù)測方法。首先，通過基于轉(zhuǎn)角偏移度與距離偏移量的軌跡劃分方法對原始軌跡數(shù)據(jù)進行預(yù)處理，提取出特征點，并采用密度聚類算法將特征點聚類為用戶的各個興趣區(qū)域，把原始軌跡數(shù)據(jù)離散化為由興趣區(qū)域組成的軌跡序列;然后，根據(jù)前綴軌跡序列與歷史軌跡序列模式樹的匹配程度來自適應(yīng)地確定模型階數(shù)k;最后，采用Adaboost算法根據(jù)1～k階Markov模型的重要程度為其賦予相應(yīng)的權(quán)重系數(shù)，組成多階融合Markov模型，從而實現(xiàn)對移動用戶未來興趣區(qū)域的預(yù)測。在大規(guī)模真實用戶軌跡數(shù)據(jù)集上的實驗結(jié)果表明，與1階Markov模型、2階Markov模型、權(quán)重系數(shù)平均的多階融合Markov模型相比，Adaboost-Markov模型的平均預(yù)測準(zhǔn)確率分別提高了20．83%、11．3%以及5．38%，且具有良好的普適性與多步預(yù)測性能。關(guān)鍵詞：位置預(yù)測；興趣區(qū)域；Adaboost算法；多階融合Markov模型；權(quán)重系數(shù)；自適應(yīng)65、《基于用戶移動行為相似性聚類的Markov位置預(yù)測》林樹寬，李昇智，喬建忠，楊迪東北大學(xué)學(xué)報(自然科學(xué)版)摘要:由于采集點丟失或出現(xiàn)新用戶等原因，GPS軌跡數(shù)據(jù)往往具有稀疏性，使得基于單個用戶數(shù)據(jù)的位置預(yù)測準(zhǔn)確率較低．針對這種情況，提出了基于移動行為相似性和用戶聚類的Markov位置預(yù)測方法．首先，基于Voronoi圖和原始GPS軌跡進行區(qū)域劃分，位置預(yù)測基于區(qū)域軌跡進行;其次，提出了同時考慮用戶轉(zhuǎn)移特性和用戶區(qū)域特性的移動行為相似性計算方法;再次，根據(jù)移動行為相似性對用戶進行聚類，并在聚類的用戶組上采用一階Markov模型進行位置預(yù)測，提高了位置預(yù)測的準(zhǔn)確性．真實GPS軌跡數(shù)據(jù)上的實驗表明了所提出方法的有效性。關(guān)鍵詞：移動行為相似性；轉(zhuǎn)移概率矩陣；區(qū)域向量；聚類概率向量；位置預(yù)測66、《一種基于用戶移動行為相似性的位置預(yù)測方法》李昇智，喬建忠，林樹寬計算機科學(xué)摘要：隨著移動通信技術(shù)和車載定位系統(tǒng)的發(fā)展和廣泛應(yīng)用，基于位置服務(wù)越來越受到人們的關(guān)注。位置預(yù)測技術(shù)是其重要組成部分，并有著廣泛的應(yīng)用。在實際應(yīng)用中，由于采集點丟失或新用戶出現(xiàn)等，GPS軌跡數(shù)據(jù)往往具有稀疏特性，使得基于單個用戶數(shù)據(jù)的位置預(yù)測的準(zhǔn)確率較低。針對這種情況，文中提出了基于移動行為相似性和用戶聚類的Markov位置預(yù)測方法。首先，為使預(yù)測的位置具有物理意義，提出了基于Voronnoi圖的區(qū)域劃分方法，并基于區(qū)域軌跡進行位置預(yù)測；其次，提出了同時考慮用戶轉(zhuǎn)移特性和用戶區(qū)域特性的移動行為相似性計算方法；再次，根據(jù)移動行為相似性對用戶進行聚類，并在聚類的用戶組上采用一階Markov模型進行位置預(yù)測，提高了位置預(yù)測的準(zhǔn)確性。在真實GPS軌跡數(shù)據(jù)上的實驗表明了所提方法的有效性。關(guān)鍵詞:移動行為相似性；轉(zhuǎn)移概率矩陣；區(qū)域向量；位置預(yù)測67、《基于用戶行為序列特征的位置預(yù)測模型》胡錚，劉奕杉，朱新寧，于建港摘要:針對現(xiàn)有位置預(yù)測研究中忽略用戶行為序列特性、預(yù)測精度提升受限的問題，提出了基于用戶行為序列特征的位置預(yù)測模型．首先以人工提取的方式構(gòu)建用戶行為的序列特征，融合到位置預(yù)測模型中，構(gòu)造了基于行為序列特征的循環(huán)神經(jīng)網(wǎng)絡(luò)模型(BCP-RNN);借助ＲNN模型循環(huán)結(jié)構(gòu)的特點，自動學(xué)習(xí)行為序列特征，并引入位置預(yù)測模型，構(gòu)造了3層對稱循環(huán)神經(jīng)網(wǎng)絡(luò)模型(TS-RNN)．實驗結(jié)果證明，引入行為序列特征的BCP-RNN和TS-RNN模型，其預(yù)測性能均高于現(xiàn)有的位置預(yù)測模型，驗證了行為序列特征對挖掘用戶移動模式的重要性．相較于人工提取行為序列特征的BCP-RNN模型，TS-RNN不僅節(jié)省了人工特征提取的成本，還彌補了人工分析的片面性造成的偏差，具有更高的預(yù)測性能．關(guān)鍵詞：位置預(yù)測；位置語義；行為序列特征68、《基于K-Means和時間匹配的位置預(yù)測模型》胡燕，朱曉瑛，馬剛鄭州大學(xué)學(xué)報(工學(xué)版)摘要:隨著移動服務(wù)的發(fā)展，越來越多的移動端服務(wù)基于對象的位置進行推送和推薦，因此位置預(yù)測技術(shù)顯得越來越重要．由于對象位置信息存在采集不連續(xù)或?qū)ο笮袨椴灰?guī)律等因素，導(dǎo)致位置預(yù)測成為一項非常有挑戰(zhàn)的工作．為了提高位置預(yù)測的準(zhǔn)確性，提出一種基于K-Means算法和時間匹配的位置預(yù)測模型．該模型使用K-Means算法對歷史位置點進行聚類，劃分多個對象運動區(qū)域，針對對象運動區(qū)域進行預(yù)測．按照對象的作息時間將一天時間劃分為多個時間段，運用筆者提出的軌跡建模算法和軌跡更新算法形成用戶運動軌跡，形成對象運動軌跡，再使用時間匹配原則進行位置預(yù)測．筆者最后利用真實的數(shù)據(jù)實現(xiàn)該模型，實驗證明:未使用該模型的位置預(yù)測準(zhǔn)確率為39．7%;使用該模型后算法和時間匹配的位置預(yù)測模型預(yù)測準(zhǔn)確率達到60．3%，準(zhǔn)確率提高了20%左右．關(guān)鍵詞：位置預(yù)測；K-Means算法；時間匹配；聚類69、《面向位置預(yù)測的動態(tài)軌跡模式挖掘》鄧佳，王永利，董振江計算機應(yīng)用研究摘要:針對海量的用戶軌跡數(shù)據(jù)進行研究，提出一種動態(tài)分析移動對象軌跡模式、預(yù)測軌跡位置的方法(PRED)。首先使用改進的模式挖掘模型，提取軌跡頻繁模式(簡稱T-模式);然后提出DPTUpdate算法，設(shè)計蘊涵時空信息的快捷數(shù)據(jù)結(jié)構(gòu)———DPT(dynamicpatterntree)，存儲和查詢移動物體的T-模式，并提出Prediction算法計算最佳匹配度，得到移動對象軌跡的預(yù)測位置。基于真實數(shù)據(jù)集進行對比實驗，結(jié)果證明，PRED方法可提供動態(tài)分析的能力，平均準(zhǔn)確率達到72%、平均覆蓋率達到92．1%，與已有方法相比，其預(yù)測效果有顯著提升。關(guān)鍵詞：軌跡模式；時空數(shù)據(jù)挖掘；模式樹；位置預(yù)測70、《基于LSTM的移動對象位置預(yù)測算法》高雅，江國華，秦小麟，王鐘毓摘要：移動對象位置預(yù)測是基于位置服務(wù)的重要組成部分?，F(xiàn)有的移動對象位置預(yù)測算法有基于馬爾可夫鏈的算法、基于隱馬爾可夫模型的算法、基于神經(jīng)網(wǎng)絡(luò)的算法等，然而這些算法都無法解決移動對象軌跡數(shù)據(jù)中位置過多帶來的維數(shù)災(zāi)難問題。為了解決