基于校园WiFi探测的用户移动性研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究内容和方法 | 第11-12页 |
| 1.3 论文结构 | 第12-13页 |
| 第二章 相关研究及技术介绍 | 第13-24页 |
| 2.1 人类移动性研究 | 第13-15页 |
| 2.1.1 人类移动空间特性研究 | 第14页 |
| 2.1.2 人类移动时间特性研究 | 第14-15页 |
| 2.2 移动数据获取方式 | 第15-18页 |
| 2.2.1 基于GPS的移动数据获取方式 | 第15-16页 |
| 2.2.2 基于蜂窝移动网络的移动数据获取方式 | 第16-17页 |
| 2.2.3 基于WLAN的移动数据获取方式 | 第17-18页 |
| 2.3 轨迹数据挖掘 | 第18-19页 |
| 2.3.1 轨迹模式挖掘 | 第18-19页 |
| 2.3.2 轨迹分类 | 第19页 |
| 2.3.3 轨迹异常检测 | 第19页 |
| 2.4 移动位置预测研究现状 | 第19-21页 |
| 2.5 WEB开发技术研究 | 第21-23页 |
| 2.6 小结 | 第23-24页 |
| 第三章 移动性分析系统的设计与实现 | 第24-38页 |
| 3.1 WIBUPT系统设计 | 第24-27页 |
| 3.1.1 系统设计原则 | 第24页 |
| 3.1.2 系统设计思路 | 第24-25页 |
| 3.1.3 系统设计方案 | 第25-27页 |
| 3.2 WIBUPT系统数据采集过程 | 第27-28页 |
| 3.2.1 WiFi探针工作原理 | 第27-28页 |
| 3.2.2 WiFi探针部署分布 | 第28页 |
| 3.3 WIBUPT系统数据预处理 | 第28-33页 |
| 3.3.1 数据集特征 | 第29-31页 |
| 3.3.2 过滤监测点周围的固定设备 | 第31-32页 |
| 3.3.3 异常MAC检测 | 第32-33页 |
| 3.4 WIBUPT系统可视化分析及展示 | 第33-36页 |
| 3.4.1 WiFi探针显示模块 | 第34-35页 |
| 3.4.2 管理模块 | 第35-36页 |
| 3.4.3 移动性分析显示模块 | 第36页 |
| 3.5 小结 | 第36-38页 |
| 第四章 基于WIBUPT系统的用户移动性分析 | 第38-55页 |
| 4.1 数据分析指标定义 | 第38-39页 |
| 4.2 校园人流量统计分析 | 第39-43页 |
| 4.2.1 校园整体人流量统计分析 | 第39-41页 |
| 4.2.2 校园各楼宇人流量统计分析 | 第41-43页 |
| 4.2.3 外界事件对校园内人流量变化的影响 | 第43页 |
| 4.3 校园用户轨迹模式挖掘与分析 | 第43-51页 |
| 4.3.1 轨迹数据预处理 | 第44页 |
| 4.3.2 用户轨迹提取 | 第44-46页 |
| 4.3.3 轨迹模式挖掘 | 第46-48页 |
| 4.3.4 轨迹模式分析 | 第48-51页 |
| 4.4 用户移动轨迹分析 | 第51-53页 |
| 4.4.1 不同场所间的关联度分析 | 第51-52页 |
| 4.4.2 群体轨迹分析 | 第52-53页 |
| 4.5 小结 | 第53-55页 |
| 第五章 基于概率后缀树的用户位置预测 | 第55-66页 |
| 5.1 基于T-PST的位置预测原理 | 第55-56页 |
| 5.2 基于T-PST的位置预测算法 | 第56-61页 |
| 5.2.1 位置预测流程 | 第56-57页 |
| 5.2.2 位置预测模型构建 | 第57-60页 |
| 5.2.3 位置预测 | 第60-61页 |
| 5.3 实验结果与分析 | 第61-64页 |
| 5.3.1 数据集选择 | 第61页 |
| 5.3.2 基于Markov的位置预测算法 | 第61-63页 |
| 5.3.3 预测结果对比分析 | 第63-64页 |
| 5.4 小结 | 第64-66页 |
| 第六章 总结及展望 | 第66-68页 |
| 6.1 工作总结 | 第66-67页 |
| 6.2 不足与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |
