| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.1.1 社会感知 | 第9-10页 |
| 1.1.2 基于电信数据的挖掘 | 第10页 |
| 1.2 研究内容 | 第10-13页 |
| 1.2.1 研究路线图 | 第11-12页 |
| 1.2.2 手机位置数据分布式挖掘框架的实现 | 第12页 |
| 1.2.3 用户重要地点的发现 | 第12-13页 |
| 1.2.4 用户移动行为模式提取 | 第13页 |
| 1.2.5 海南外省游客移动分析 | 第13页 |
| 1.3 研究成果及意义 | 第13-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 手机位置数据挖掘的相关技术研究 | 第17-23页 |
| 2.1 社会感知计算 | 第17-18页 |
| 2.2 基于手机位置数据挖掘 | 第18-19页 |
| 2.3 分布式计算框架 | 第19-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 手机位置数据挖掘平台框架设计及实现 | 第23-43页 |
| 3.1 需求分析及框架介绍 | 第23-26页 |
| 3.2 平台使用的关键技术 | 第26-28页 |
| 3.3 基于PYTHON语言的脚本框架 | 第28-31页 |
| 3.3.1 脚本框架介绍 | 第28-29页 |
| 3.3.2 SparkContext类和SparkJob类介绍 | 第29-30页 |
| 3.3.3 SendMail类介绍 | 第30-31页 |
| 3.4 手机位置数据清洗模块 | 第31-42页 |
| 3.4.1 手机位置数据集 | 第32-33页 |
| 3.4.2 手机位置数据清洗流程 | 第33-34页 |
| 3.4.3 手机位置数据预处理 | 第34-38页 |
| 3.4.4 基站去震荡 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 用户移动模式的挖掘与分析 | 第43-65页 |
| 4.1 移动模式挖掘流程图 | 第43-44页 |
| 4.2 停留区域提取 | 第44-48页 |
| 4.2.1 停留点法 | 第44-45页 |
| 4.2.2 停留区域法 | 第45-46页 |
| 4.2.3 实验结果 | 第46-48页 |
| 4.3 路径生成 | 第48-51页 |
| 4.3.1 路径检索 | 第48-49页 |
| 4.3.2 OD分析 | 第49-51页 |
| 4.4 重要位置发现 | 第51-59页 |
| 4.4.1 居住地和工作地点发现 | 第51-53页 |
| 4.4.2 实验结果 | 第53-55页 |
| 4.4.3 典型通勤路线发现 | 第55-56页 |
| 4.4.4 一般重要位置发现 | 第56-59页 |
| 4.5 用户移动模式分析 | 第59-63页 |
| 4.5.1 Motif算法实现[75] | 第59-60页 |
| 4.5.2 实验及结果分析 | 第60-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 海南外省游客移动分析 | 第65-77页 |
| 5.1 层次分析方法 | 第65-66页 |
| 5.2 识别景区和旅店 | 第66页 |
| 5.3 识别游客的家 | 第66页 |
| 5.4 特征提取 | 第66-71页 |
| 5.4.1 游客入岛交通方式 | 第66-67页 |
| 5.4.2 游客在海南停留天数 | 第67-68页 |
| 5.4.3 游客的最大移动距离 | 第68-69页 |
| 5.4.4 游客的回转半径 | 第69页 |
| 5.4.5 游客游览过的城市数目 | 第69-70页 |
| 5.4.6 游客白天在景区时间的百分比 | 第70页 |
| 5.4.7 游客白天在旅店时间的百分比 | 第70-71页 |
| 5.5 旅游偏好 | 第71-72页 |
| 5.6 热点景区分析 | 第72-76页 |
| 5.6.1 归属地统计 | 第72-74页 |
| 5.6.2 停留时长 | 第74-75页 |
| 5.6.3 景区流量 | 第75-76页 |
| 5.7 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 攻读学位期间发表的学术论文目录 | 第87页 |