| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第15-29页 |
| 1.1 快速发展的无线网络 | 第15-16页 |
| 1.2 移动轨迹的采集方法 | 第16-18页 |
| 1.2.1 GPS追踪 | 第16-17页 |
| 1.2.2 LBS用户位置分享数据 | 第17页 |
| 1.2.3 CDR话单 | 第17页 |
| 1.2.4 无线网络流量数据 | 第17-18页 |
| 1.3 移动行为分析的维度 | 第18-23页 |
| 1.3.1 移动轨迹构建 | 第18-20页 |
| 1.3.2 移动行为时空特性分析 | 第20-21页 |
| 1.3.3 移动行为建模与预测 | 第21-22页 |
| 1.3.4 移动行为与线上行为的关联性 | 第22-23页 |
| 1.4 用户移动性分析的意义 | 第23-24页 |
| 1.5 论文主要内容和创新点 | 第24-27页 |
| 1.6 论文结构 | 第27-29页 |
| 第二章 无线网络及其流量的产生与采集 | 第29-46页 |
| 2.1 2G/3G/4G融合组网 | 第29-31页 |
| 2.2 无线网络的移动性管理 | 第31-36页 |
| 2.2.1 服务区域 | 第31-32页 |
| 2.2.2 移动性管理状态 | 第32-33页 |
| 2.2.3 位置管理过程 | 第33-36页 |
| 2.3 无线网络流量的产生 | 第36-41页 |
| 2.3.1 用户面流量 | 第36-39页 |
| 2.3.2 控制面流量 | 第39-41页 |
| 2.4 无线网络流量的采集 | 第41-44页 |
| 2.4.1 流量采集系统硬件部署 | 第41页 |
| 2.4.2 流量采集系统软件实现 | 第41-44页 |
| 2.5 数据特征及数据预处理 | 第44-45页 |
| 2.5.1 数据特征 | 第44页 |
| 2.5.2 数据预处理 | 第44-45页 |
| 2.6 本章总结 | 第45-46页 |
| 第三章 跨服务域用户虚拟身份关联系统设计 | 第46-76页 |
| 3.1 概述 | 第46页 |
| 3.2 背景及问题 | 第46-48页 |
| 3.3 系统总体设计 | 第48-49页 |
| 3.3.1 问题定义 | 第48页 |
| 3.3.2 系统框架 | 第48-49页 |
| 3.4 实验数据 | 第49-51页 |
| 3.4.1 数据描述 | 第49-51页 |
| 3.4.2 热门应用的选取 | 第51页 |
| 3.5 用户信息提取 | 第51-60页 |
| 3.5.1 用户的身份信息提取 | 第52-54页 |
| 3.5.2 上网指纹信息提取 | 第54-56页 |
| 3.5.3 用户的身份信息提取结果分析 | 第56-58页 |
| 3.5.4 上网指纹信息分析 | 第58-60页 |
| 3.5.5 小结 | 第60页 |
| 3.6 用户信息相关性建模 | 第60-65页 |
| 3.6.1 IP地址时域特性建模 | 第61-64页 |
| 3.6.2 上网指纹信息建模 | 第64-65页 |
| 3.7 用户身份的关联和优化 | 第65-70页 |
| 3.7.1 精确关联方法 | 第65-66页 |
| 3.7.2 基于概率的关联方法 | 第66-70页 |
| 3.8 系统性能分析 | 第70-74页 |
| 3.8.1 实验部署 | 第70-71页 |
| 3.8.2 评估指标定义 | 第71页 |
| 3.8.3 性能评估 | 第71-74页 |
| 3.9 系统存在的问题 | 第74页 |
| 3.10 本章总结 | 第74-76页 |
| 第四章 基于上下文的用户移动行为的时空特性分析 | 第76-91页 |
| 4.1 概述 | 第76页 |
| 4.2 用户全网移动轨迹构建 | 第76-78页 |
| 4.2.1 移动轨迹构建方法 | 第77-78页 |
| 4.2.2 移动行为的上下文信息提取 | 第78页 |
| 4.3 用户移动性统计分析 | 第78-81页 |
| 4.3.1 回转半径 | 第78-79页 |
| 4.3.2 移动距离 | 第79-80页 |
| 4.3.3 信息熵 | 第80-81页 |
| 4.3.4 小结 | 第81页 |
| 4.4 基于上下文的时域预测模型的构建与分析 | 第81-84页 |
| 4.4.1 停留时间预测模型 | 第82页 |
| 4.4.2 模型评估的指标定义 | 第82-83页 |
| 4.4.3 时域特性分析 | 第83-84页 |
| 4.5 基于上下文的空域预测模型的构建与分析 | 第84-86页 |
| 4.5.1 下一位置预测模型 | 第84-85页 |
| 4.5.2 模型评估的指标定义 | 第85页 |
| 4.5.3 空域特性分析 | 第85-86页 |
| 4.6 基于上下文的时空预测模型构建与分析 | 第86-89页 |
| 4.6.1 每个时间窗的位置预测模型 | 第86-88页 |
| 4.6.2 模型评估指标定义 | 第88页 |
| 4.6.3 时空特性分析 | 第88-89页 |
| 4.7 本章总结 | 第89-91页 |
| 第五章 基于兴趣点的用户移动性预测模型 | 第91-114页 |
| 5.1 概述 | 第91-92页 |
| 5.2 问题描述 | 第92-94页 |
| 5.2.1 基本变量 | 第92-93页 |
| 5.2.2 模型框架 | 第93-94页 |
| 5.3 基于HMM的模型构建 | 第94-96页 |
| 5.4 用户的兴趣点提取及分析 | 第96-99页 |
| 5.4.1 兴趣点POIs提取 | 第96页 |
| 5.4.2 参数选取 | 第96-97页 |
| 5.4.3 兴趣点的特性分析 | 第97-98页 |
| 5.4.4 小结 | 第98-99页 |
| 5.5 基于熵的用户聚类及分析 | 第99-101页 |
| 5.5.1 基于熵的用户聚类 | 第100-101页 |
| 5.5.2 用户群POIs特征分析 | 第101页 |
| 5.6 时空预测模型构建及性能分析 | 第101-106页 |
| 5.6.1 基于HMM的时空预测模型 | 第101-103页 |
| 5.6.2 模型性能评估 | 第103-106页 |
| 5.7 下一位置预测模型构建及性能分析 | 第106-111页 |
| 5.7.1 基于HMM的下一位置预测模型 | 第106-109页 |
| 5.7.2 模型性能评估 | 第109-111页 |
| 5.8 不同用户群的对比分析 | 第111-113页 |
| 5.8.1 基于HMM的时空预测模型 | 第111页 |
| 5.8.2 基于HMM的下一位置预测模型 | 第111-112页 |
| 5.8.3 小结 | 第112-113页 |
| 5.9 本章总结 | 第113-114页 |
| 第六章 用户上网浏览行为的地理空间特性研究 | 第114-137页 |
| 6.1 概述 | 第114-115页 |
| 6.2 数据描述 | 第115-118页 |
| 6.2.1 选取的热门应用 | 第116页 |
| 6.2.2 应用的数据特征 | 第116-118页 |
| 6.3 用户行为提取及分析 | 第118-121页 |
| 6.3.1 位置提取 | 第118-119页 |
| 6.3.2 在线浏览行为提取 | 第119-121页 |
| 6.4 地理空间特性分析——区域维度 | 第121-127页 |
| 6.4.1 区域的在线浏览行为构建 | 第121页 |
| 6.4.2 区域的在线浏览模式挖掘 | 第121-124页 |
| 6.4.3 相似行为模式的区域聚类及特征分析 | 第124-127页 |
| 6.4.4 小结 | 第127页 |
| 6.5 地理空间特性分析——用户维度 | 第127-136页 |
| 6.5.1 基于多层网络的模型构建 | 第127-130页 |
| 6.5.2 Co-poi用户与co-interest用户的相关性 | 第130-132页 |
| 6.5.3 Co-interest用户的地理空间分布 | 第132-136页 |
| 6.6 本章总结 | 第136-137页 |
| 结束语: 总结与展望 | 第137-140页 |
| 参考文献 | 第140-149页 |
| 附录: 缩写词说明 | 第149-150页 |
| 致谢 | 第150-151页 |
| 攻读学位期间发表的学术论文目录 | 第151页 |