| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 研究难点和内容 | 第11-12页 |
| 1.3 本文的贡献 | 第12-13页 |
| 1.4 论文结构 | 第13-16页 |
| 第二章 相关理论技术基础 | 第16-24页 |
| 2.1 轨迹数据获取技术现状 | 第16-17页 |
| 2.2 位置预测技术研究现状 | 第17-19页 |
| 2.2.1 基于线性回归模型的位置预测 | 第17页 |
| 2.2.2 基于频繁模式挖掘的位置预测 | 第17页 |
| 2.2.3 基于Markov模型的位置预测 | 第17-18页 |
| 2.2.4 基于神经网络的位置预测 | 第18页 |
| 2.2.5 各预测模型比较 | 第18-19页 |
| 2.3 相关理论基础 | 第19-23页 |
| 2.3.1 DBSCAN聚类 | 第19-20页 |
| 2.3.2 AP聚类 | 第20页 |
| 2.3.3 PrefixSpan算法 | 第20-21页 |
| 2.3.4 Markov模型 | 第21页 |
| 2.3.5 LSTM模型 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于变阶Markov的位置预测 | 第24-40页 |
| 3.1 预测模型框架设计 | 第24-25页 |
| 3.2 数据预处理 | 第25-28页 |
| 3.2.1 基于速度的噪声点过滤 | 第26-27页 |
| 3.2.2 基于区域一致性停留点提取 | 第27页 |
| 3.2.3 基于DBSCAN的轨迹提取 | 第27-28页 |
| 3.2.4 轨迹转换 | 第28页 |
| 3.3 基于位置向量的用户聚类 | 第28-29页 |
| 3.4 变阶Markov模型 | 第29-33页 |
| 3.4.1 基于字典树的Markov设计 | 第29-31页 |
| 3.4.2 基于频繁序列的动态阶数确定 | 第31-33页 |
| 3.4.3 基于时间滑动窗口设计 | 第33页 |
| 3.5 基于变阶Markov的位置预测算法评估 | 第33-39页 |
| 3.5.1 实验条件 | 第33-34页 |
| 3.5.2 基于位置数据预处理性能评估 | 第34-35页 |
| 3.5.3 基于变阶Markov的位置预测性能评估 | 第35-38页 |
| 3.5.4 复杂度分析 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于LSTM的位置预测 | 第40-52页 |
| 4.1 预测模型框架设计 | 第40-42页 |
| 4.2 特征向量提取 | 第42-46页 |
| 4.2.1 基于Word2Vec的位置向量提取 | 第42-44页 |
| 4.2.2 基于天气及时间周期的特征向量整合 | 第44-45页 |
| 4.2.3 基于滑动窗口的轨迹划分 | 第45-46页 |
| 4.3 基于LSTM神经网络的位置预测 | 第46-47页 |
| 4.4 基于LSTM的位置预测结果评估 | 第47-50页 |
| 4.4.1 实验条件 | 第47页 |
| 4.4.2 基于LSTM的位置预测性能评估 | 第47-48页 |
| 4.4.3 与变阶Markov模型位置预测对比 | 第48-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 原型系统的设计与验证 | 第52-62页 |
| 5.1 位置预测服务器端架构 | 第52-53页 |
| 5.2 数据存储Mysql设计 | 第53-56页 |
| 5.3 模块设计与实现 | 第56-59页 |
| 5.3.1 数据预处理模块 | 第56-57页 |
| 5.3.2 变阶Markov模块 | 第57-58页 |
| 5.3.3 LSTM模型模块 | 第58页 |
| 5.3.4 数据库服务模块 | 第58-59页 |
| 5.4 系统验证 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 结束语 | 第62-64页 |
| 6.1 本文主要工作与贡献 | 第62-63页 |
| 6.2 未来研究工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文 | 第70页 |