导读:本文包含了移动轨迹论文开题报告文献综述及选题提纲参考文献，主要关键词:个体移动轨迹,滑动窗口,航空流,京沪空中廊道
移动轨迹论文文献综述
高伟,路紫,董雅晴[1]（2019）在《个体移动轨迹—滑动窗口方法与航空流异常变化识别——以京沪空中廊道为例》一文中研究指出航空流异常变化识别是解释空中廊道拥堵和空域资源充分利用以及航空流重新分配的一个重要基础性课题。该文设计了个体移动轨迹—滑动窗口方法,选取京沪空中廊道内全部航线和机场为研究对象,从FlightAware系统中获得1日17 h全部航班的航迹点数据,识别了异常流量密度、异常区域和异常移动轨迹。研究认为:1)利用移动描述符(飞行弧)在时态数据流支持下所设计的方法,能实现个体移动点的分时段分配和时空一体化表达。2)依据该方法识别的京沪空中廊道航空流异常流量密度(峰值高点以及运动)、异常区域(约束区域和空闲区域)、异常移动轨迹(速度变化与绕飞、方向变化与盘旋),不仅揭示出时空路径中的航空流隐藏信息以及时空运动规律,而且支持了航线更改决策制定。(本文来源于《地理与地理信息科学》期刊2019年06期）
方华强,颜寒祺,陈波,程承旗[2]（2019）在《基于自编码网络的移动轨迹异常检测》一文中研究指出移动轨迹异常检测是指从一群轨迹中寻找偏离一般模式的轨迹。基于聚类的异常检测依赖成对轨迹的距离计算,其计算实时性差且异常检测准确率低。提出面向移动轨迹异常检测的自编码网络,该模型对一般模式的轨迹有鲁棒的向量化表达能力,能够重构出与原始轨迹相近的输出;而对于偏离一般模式的轨迹敏感,重构后的输出与原始轨迹的差异大。根据该差异可直接检测异常,无需计算轨迹间的距离。以出租车轨迹为研究对象,试验结果表明该模型有更高的F Score,并且在数据量较大时检测时间低于参照方法,因此在高动态、大数据量的场景具有更好的适用性。(本文来源于《地理信息世界》期刊2019年05期）
刘亚萍,于杰,王富强[3]（2019）在《中国赴东盟旅游流重心移动轨迹及旅游市场态分析》一文中研究指出本文引入重心模型及旅游市场态模型,分析2002年—2016年中国赴东盟旅游流重心移动轨迹及旅游市场态变化特点。结果表明:(1)中国赴东盟旅游流重心主要集聚在泰国湾和磅逊湾区域,旅游流重心大体呈现先向南移动,再向北折回,此后又向南移动的规律。中国游客早期主要集中流向"新马泰"3个旅游市场成熟的东盟国家。(2)泰国、新加坡、马来西亚和越南在金牛市场和明星市场波动;柬埔寨、缅甸由瘦狗市场上升为幼童市场;老挝、菲律宾、印度尼西亚在瘦狗市场和幼童市场波动。(3)中国赴东盟旅游流重心移动轨迹与东盟各国旅游市场态变化相互印证,两者变化规律相一致;中国赴东盟旅游流重心轨迹移动方向受旅游市场增长率影响。(本文来源于《旅游科学》期刊2019年04期）
刘菊,陈璨,许珺[4]（2019）在《基于众包的古琴名人时空信息采集与移动轨迹时空分析》一文中研究指出古琴是中华民族的古老乐器,知名的古琴名人流传至今,但是由于古代历史书籍匮乏、记录不完整性以及古今地名歧义性等原因,导致无法收集完整的古琴名人移动轨迹数据。本文基于众包思想,构建基于WebGIS的古琴名人时空信息采集系统,着重解决古琴名人轨迹数据库和知识数据库的构建。基于众包数据,古琴名人时空信息采集系统对古琴名人轨迹进行可视化查询,动态展示古琴名人的二维与叁维轨迹,并结合古琴知识图谱,实现古琴名人相关信息的智能化查询。古琴名人轨迹点时空核密度分析结果显示古琴名人移动轨迹与中国历史人口迁移趋势一致,且古琴名人倾向于停留在具有浓厚文化气息的历史名城与山水之地,从而有利于古琴文化的传承与发展。本文所采用的方法不仅可用于古琴名人,同样适用于其他历史名人或移动物体的轨迹采集。(本文来源于《地球信息科学学报》期刊2019年06期）
王欣[5]（2019）在《基于神经网络对鼠标移动轨迹的情绪识别》一文中研究指出情绪是当今每个人在生活中不可忽视的一部分,所以人们的情绪状态的识别非常重要。针对情绪识别问题,传统的方法主要是对人们的外在行为指标或人们的生理信号进行个体情绪识别研究。但是这些信号的收集过程比较困难,需要志愿者的高度配合或是需要高成本的可穿戴设备进行数据收集。在目前人工智能发展盛况空前的背景下,本文基于神经网络提出了多种对鼠标运动轨迹的情绪识别的方法。对人们在使用计算机时的情绪状态进行识别,具有一定的商业价值。对于互联网企业而言,可以提供令客户更加满意的服务。本文具体研究内容及结果如下:1.在建立数据库时,本文采用的是征集志愿者人为收集的方法。收集到的数据先经Excel软件应用VBA程序做批量处理,之后送入matlab软件中做矩阵变换处理。最后生成规范统一的数据集。2.在构建BP神经网络模型时,本文创新性地采用了积分变换和统计分析两种特征提取方法。经过训练和测试之后统计不同状态下的情绪识别正确率,实验结果表明:对于不同个体的情况,两种方法的结果互有高低,且都有不错的效果。但是在某些极端的情况下,对于个体操作鼠标习惯差异较大时,其结果就显得不尽人意了。这也是后续研究中所需要解决的一大问题。3.在完成浅层BP神经网络的实验后,本文还引入了深度神经网络模型。本文采用了叁种不同的网络模型:CNN、ResNet以及RNN。在Keras深度学习框架中分别进行训练和测试,最后实验结果表明:卷积神经网络模型与残差网络模型均能得到不错的结果,且残差网络模型的效果是本文所有模型中最好的,最高的测试结果能够达到98%的识别正确率,更好的地方在于其结果都相对BP神经网络模型更加稳定。但是对于循环神经网络而言,其结果表明这个模型不适用于解决本文中的研究内容。总的来说,本文前叁个模型已经可以达到预期的效果,对于收集人们鼠标移动轨迹来识别计算机使用者的情绪状态的方法是有效的。(本文来源于《江西财经大学》期刊2019-06-01）
闫聪聪[6]（2019）在《人员移动轨迹追踪系统的设计与实现》一文中研究指出人员移动轨迹追踪系统是本人实习公司开发的一款安防领域项目。主要应用于全国司法系统、公安系统、监狱系统、刑侦系统等领域。近年来,随着“智慧公安”和“平安城市”的提出,在国家公安部、科技部、信息部多次强调“科技强警”的大环境下,重点人员移动轨迹系统应运而生。本论文设计并最终实现了人员移动轨迹追踪系统,为各重点单位提供业务支持。目前,本系统作为公司视频智能平台下的一个系统己完成第一期设计并投入使用。系统探讨整合了现有的视频监控设备和业务系统,利用深度学习等先进技术手段,建立统一的目标监控跟踪与轨迹描述分析系统。通过数据处理、存储管理、数据筛选、可视化交互分析等技术,帮助分析人员快速实现多维筛选,聚焦关键线索,实现高效信息发掘,将数据对象之间的相关性以图形化的方式进行描述和展现。系统基于人脸识别技术,将注册阶段用户提供的人脸照片识别为唯一的人脸特征码,与监控视频抓取到的人员进行关联,经过数据加工处理,得到相关人员的出现位置、出现时间等结构化信息,结合目标区域建筑底图,监控描点、移动路径等基础信息的配置,对目标人员的行动轨迹以数据可视化手段进行轨迹复现,同时对途经点位拍摄的视频片段进行历史回放,从而完成对目标人员的行径、行为进行追踪观察。系统使用IntelliJ IDEA进行客户端和服务端接口设计。客户端采用AngularJS、D3.js等技术,以谷歌浏览器网页的方式展现界面;服务端则基于JDK1.8和Spring Boot进行接口开发。利用Nginx的反向代理技术,解决跨域问题和前后端数据通信问题。采用MySQL数据库对数据进行持久化存储,结合Ehcache轻量级缓存机制提升系统性能。本人参与设计与开发该系统的人员追踪模块、区域查询模块、人员管理模块和数据配置模块四个模块,其中数据配置模块又包括描点配置等五个子模块。软件架构和编码设计合理,结构稳定,支持扩展,较好地满足了软件开发思想,内测阶段稳定运行,目前己上线版本运行良好,在后续的产品迭代过程中将继续遵循软件工程方法论,不断完善产品功能。(本文来源于《北京交通大学》期刊2019-06-01）
杨鹏程[7]（2019）在《移动轨迹预测算法研究》一文中研究指出随着移动互联网和各种移动终端的普及,基于位置的服务已经成为人类生活方式的一部分。各种移动终端设备产生了大量用户轨迹数据,蕴含着巨大的商业价值,对用户轨迹数据进行信息挖掘已经成为研究热点。本文研究重点是基于用户GPS轨迹,对用户的位置以及用户行为进行预测。这个问题分为两子问题,首先是对用户原始轨迹进行停留点提取,得到用户停留点序列以及停留点权重;然后基于用户停留点序列和对应的停留点权重对用户位置和用户行为进行预测。目前有关用户行为预测的研究中,部分侧重于挖掘轨迹之外的用户信息,但是包含这些信息的数据较少,不易获得。其实轨迹本身还蕴含着很多可用信息,目前挖掘这些信息能够对预测提供更有用的帮助,所以不少研究也在进行轨迹数据信息挖掘。但是用户速度、停留时间等行为特征在时序上表现出的规律性不强,如果直接对用户的多个行为特征同时进行预测,将会导致计算复杂高。另外现有的预测任务,位置与行为分开预测,忽略了用户行为与用户位置之间的相关关系,使得预测效果不佳。本文的主要工作如下:挖掘用户轨迹信息,实现同时对用户位置与用户行为进行预测。在停留点提取阶段,使用启发式阈值法和逻辑回归算法相结合的方法,实现停留点提取的同时,得到停留点权重——用户行为的体现,表示多种用户行为信息的概括性特征,解决了行为特征分散导致规律性不强的问题。在预测阶段把停留点和对应的停留点权重合并,得到新的元素序列,实现用户位置和用户行为在预测中能够相互影响的效果。然后基于该数据对新元素进行向量化,最后使用LSTM(Long Short-Term Memory)对用户位置以及用户行为进行预测。为了能够便捷快速地得出启发式阈值法的基本处理单元以及逻辑回归模型的样本,本文基于地理网格对空间区域进行划分,并针对空间划分导致的停留点割裂问题,提出轨迹归并算法。另外为了适应网格划分,特征提取等操作,提出一种轨迹预处理算法。最终通过实验,验证了算法的可实现性,在预测性能上有较大提升。(本文来源于《北京邮电大学》期刊2019-05-20）
陈浩,许长辉,张晓平,王静,宋现锋[8]（2019）在《基于隐马尔科夫模型和动态规划的手机数据移动轨迹匹配》一文中研究指出针对手机数据属性信息少、时空采样率较低、采样不均匀、定位精度低的特点,该文提出了一种基于隐马尔科夫模型和动态规划的移动轨迹匹配方法(HMM-DP4MT)。该方法通过设定搜索半径以提高计算效率;结合轨迹距离和方向信息计算发射概率,基于不同搜索半径和定位标准差的匹配结果确定参数最优值;利用Manhattan距离代替欧氏距离,建立了融合最短路径距离和道路等级的转移概率模型,分析了道路等级约束对匹配结果的影响;基于动态规划搜索移动轨迹在拓扑路网中的全局最大似然匹配路径。利用同步采集的手机数据和GPS轨迹数据进行验证,结果表明,模型在简单路网区域和较复杂路网区域的精确率和召回率均高于85%,在极端复杂路网的精确率和召回率略低,但仍高于75%,能够满足交通应用对用户移动路径精确度的需求。(本文来源于《地理与地理信息科学》期刊2019年03期）
何志林,王春红,李向丽[9]（2019）在《一种基于MN移动轨迹预测的MAP选择算法》一文中研究指出移动IPv6是未来IP网络进行移动管理的关键技术,而移动锚点(MAP)选取算法对层次移动IPv6的性能有着重要影响。通过研究移动节点MN的移动特征在时间和空间上的相关性及连贯性,以此为基础提出了通过MN移动产生的轨迹来进行判定的一类MAP的选择算法。该算法综合考虑了MN的移动特征、移动速度及网络拓扑结构等因素,通过对MN移动轨迹进行预测来选取适当的MAP。实验使用NS2作为仿真平台,主要从负载分担、切换时延及丢包率叁个方面对最大距离矢量(F-MAP)和基于轨迹预测(PT-MAP)两种MAP选择方案进行了性能分析比较。仿真结果表明,该算法能够有效地改善网络资源的使用情况,提升不同层次的MAP的利用效率并降低其负荷,从而降低切换的延迟情况以及丢包情况,改善MNIPv6的综合能力。该算法可更好地满足实际应用的需求。(本文来源于《计算机技术与发展》期刊2019年09期）
徐振强,王家耀,崔晓杰[10]（2019）在《移动轨迹数据发布中的隐私度量框架研究》一文中研究指出在移动轨迹数据发布场景中,由于攻击者所拥有的背景知识及攻击模型的差异,使得无法对不同隐私保护机制的隐私保护度和数据可用性进行统一评价。针对该问题,提出了一个顾及用户、攻击者和隐私保护机制的度量框架。定义了一个融合攻击者背景知识和攻击方法等因素的隐私度量指标U_m,使得不同的隐私保护机制在统一度量下能够进行有效性比较,有助于数据发布方选择合适的隐私保护机制以获取隐私保护和数据可用性之间的均衡。在两个真实轨迹数据集上进行的实验验证了该框架以及度量指标的有效性。(本文来源于《测绘科学技术学报》期刊2019年02期）
移动轨迹论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
移动轨迹异常检测是指从一群轨迹中寻找偏离一般模式的轨迹。基于聚类的异常检测依赖成对轨迹的距离计算,其计算实时性差且异常检测准确率低。提出面向移动轨迹异常检测的自编码网络,该模型对一般模式的轨迹有鲁棒的向量化表达能力,能够重构出与原始轨迹相近的输出;而对于偏离一般模式的轨迹敏感,重构后的输出与原始轨迹的差异大。根据该差异可直接检测异常,无需计算轨迹间的距离。以出租车轨迹为研究对象,试验结果表明该模型有更高的F Score,并且在数据量较大时检测时间低于参照方法,因此在高动态、大数据量的场景具有更好的适用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
移动轨迹论文参考文献
[1].高伟,路紫,董雅晴.个体移动轨迹—滑动窗口方法与航空流异常变化识别——以京沪空中廊道为例[J].地理与地理信息科学.2019
[2].方华强,颜寒祺,陈波,程承旗.基于自编码网络的移动轨迹异常检测[J].地理信息世界.2019
[3].刘亚萍,于杰,王富强.中国赴东盟旅游流重心移动轨迹及旅游市场态分析[J].旅游科学.2019
[4].刘菊,陈璨,许珺.基于众包的古琴名人时空信息采集与移动轨迹时空分析[J].地球信息科学学报.2019
[5].王欣.基于神经网络对鼠标移动轨迹的情绪识别[D].江西财经大学.2019
[6].闫聪聪.人员移动轨迹追踪系统的设计与实现[D].北京交通大学.2019
[7].杨鹏程.移动轨迹预测算法研究[D].北京邮电大学.2019
[8].陈浩,许长辉,张晓平,王静,宋现锋.基于隐马尔科夫模型和动态规划的手机数据移动轨迹匹配[J].地理与地理信息科学.2019
[9].何志林,王春红,李向丽.一种基于MN移动轨迹预测的MAP选择算法[J].计算机技术与发展.2019
[10].徐振强,王家耀,崔晓杰.移动轨迹数据发布中的隐私度量框架研究[J].测绘科学技术学报.2019