论文部分内容阅读
据最近的报告统计,人类生活约有80%以上的时间位于室内空间中,比如办公楼、购物商场、机场、地铁等。随着RFID、Wi-Fi、蓝牙等室内定位技术的发展,获取室内空间中的移动对象位置和轨迹数据已成为可能。同时,如何有效地管理和利用室内移动对象轨迹数据,进而开发面向室内空间的位置服务技术,已成为目前学术界和工业界都共同关注的一个热点问题。本文基于室内移动对象数据管理的发展背景,研究室内移动对象轨迹相似性度量及其在室内位置个性化推荐中的应用问题。室内移动对象轨迹数据背后往往蕴含着丰富的用户行为信息,例如用户的兴趣爱好、位置偏好及移动模式等,因此,挖掘和分析室内移动对象轨迹数据并应用于室内空间位置服务具有重要的实际价值。本文围绕室内位置服务的需求,重点研究了两个内容,即室内移动对象轨迹相似性度量和室内位置个性化推荐。总体而言,本文的主要工作和贡献可以归纳为如下几点：(1)针对室内移动对象轨迹的特点,提出了一种语义扩充的室内移动对象轨迹相似性度量方法。该方法考虑了室内应用场景的特点,将位置的语义属性引入到轨迹相似性度量中,并设计了一种室内位置语义分类树SC tree来描述位置之间的语义关系。在此基础上,论文提出了室内分层移动模式的概念,并设计了一种室内分层移动模式抽取算法用于计算轨迹间的语义相似度。此外,论文基于室内轨迹的空间特性,提出了利用特征点对轨迹进行化简的方法,并设计了室内轨迹空间相似度的度量算法,最终实现了面向室内空间的语义与空间相结合的移动对象轨迹相似度度量。(2)基于室内移动对象轨迹相似性的度量方法,提出了一种基于用户轨迹聚类的室内位置个性化推荐算法。该算法采用了协同过滤的推荐思路,首先提出了一种基于轨迹相似性度量的用户聚类算法,然后对于查询用户产生其候选推荐位置集,并计算用户之间的相似性；然后依据用户对位置的历史访问数据提出了一种室内空间中用户-位置的隐式评分算法,以此度量用户对于位置的兴趣偏好程度。最后,我们提出了用户对位置的兴趣度预测方法,实现查询用户对候选推荐位置的兴趣度预测,并依据得分对候选推荐位置过滤完成位置推荐。