| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 位置预测国内外研究现状 | 第12-15页 |
| 1.3 本文的研究内容和章节安排 | 第15-17页 |
| 第二章 位置数据分析相关方法 | 第17-27页 |
| 2.1 室内位置数据来源 | 第17-19页 |
| 2.2 位置预测方法 | 第19-23页 |
| 2.2.1 线性回归预测方法 | 第20页 |
| 2.2.2 神经网络预测方法 | 第20-21页 |
| 2.2.3 马尔科夫预测方法 | 第21-22页 |
| 2.2.4 频繁访问模式预测方法 | 第22-23页 |
| 2.3 相似度计算 | 第23-25页 |
| 2.3.1 欧氏距离 | 第23页 |
| 2.3.2 夹角余弦 | 第23-24页 |
| 2.3.3 杰卡德相似系数 | 第24-25页 |
| 2.3.4 最长公共子序列 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 Multisimi-马尔科夫室内行人位置预测算法 | 第27-45页 |
| 3.1 轨迹预处理 | 第27-34页 |
| 3.1.1 停留点提取 | 第28-29页 |
| 3.1.2 POI识别 | 第29-32页 |
| 3.1.3 POI运动模型 | 第32-33页 |
| 3.1.4 轨迹抽取 | 第33-34页 |
| 3.2 Multisimi相似度计算 | 第34-38页 |
| 3.2.1 扩充的移动轨迹序列 | 第35-36页 |
| 3.2.2 欧氏距离计算相似度 | 第36页 |
| 3.2.3 LCS方法计算相似度 | 第36-37页 |
| 3.2.4 匹配效率 | 第37-38页 |
| 3.3 二阶马尔科夫预测 | 第38-40页 |
| 3.3.1 概率冲突 | 第39-40页 |
| 3.4 实验与分析 | 第40-44页 |
| 3.4.1 数据集 | 第40页 |
| 3.4.2 数据清洗 | 第40-41页 |
| 3.4.3 实验过程及结果 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 人群密度预估及位置数据平台设计 | 第45-59页 |
| 4.1 区域人群密度预估 | 第45-50页 |
| 4.1.1 行人到达时间分析 | 第46-49页 |
| 4.1.2 实验与分析 | 第49-50页 |
| 4.2 位置数据平台设计 | 第50-58页 |
| 4.2.1 网络侧数据平台架构及需求 | 第50-52页 |
| 4.2.2 数据平台架构设计 | 第52-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间取得的研究成果 | 第67页 |