基于位置的服务PDF电子书下载

查看更多关于的内容

第1章 绪论 1

1.1 基于位置的服务的背景 1

1.2 LBS的典型应用 1

1.2.1 道路网络中基于地理空间距离的邻近检测 1

1.2.2 时间感知道路网络中基于时间距离和移动边缘计算的临近检测 3

1.2.3 由GPS轨迹进行兴趣点推荐 4

1.2.4 时间相关道路网络中的成本最优路径查询 6

1.2.5 时间感知道路网络中带约束的节能路径规划 7

1.3 本书贡献总结 8

1.4 本书章节安排 10

第2章 相关研究 11

2.1 基于位置的服务 11

2.1.1 LBS相关内容 11

2.1.2 LBS的位置管理 11

2.2 连续空间查询处理 12

2.3 邻近（临近）检测 13

2.3.1 道路网络中的通信模型 13

2.3.2 欧几里得空间的邻近检测解决方案 14

2.3.3 道路网络空间的邻近检测解决方案 15

2.3.4 时间感知道路网络空间的临近检测解决方案 15

2.4 POI推荐 16

2.4.1 聚类算法 16

2.4.2 相似性度量 16

2.4.3 位置识别和推荐 17

2.4.4 利用时间信息的推荐 18

2.4.5 利用地理信息的推荐 18

2.5 时间相关道路网络中成本最优的路径查询 18

2.5.1 传统路线规划问题 19

2.5.2 静态道路网络中的路线规划 19

2.5.3 传统的时间相关的路径查找问题 19

2.5.4 节能路径规划 19

2.5.5 其他路径规划工作 20

2.5.6 与其他成本最优路径规划问题的比较 20

2.6 时间感知道路网络中带约束的节能路径查找 20

2.6.1 传统路线规划问题和静态道路网络中的路线查询 20

2.6.2 无旅行时间预算约束的时间感知路径查找 21

2.6.3 最低能耗路径规划 21

2.6.4 适用于WCSPP的方法 21

2.6.5 工作的新颖性 21

2.7 本章小结 22

第3章 道路网络中基于地理空间距离的邻近检测 23

3.1 邻近检测问题定义 23

3.2 固定半径移动检测方法 24

3.2.1 客户端-服务器通信模型 25

3.2.2 安全移动区域 25

3.2.3 剪枝引理 26

3.2.4 服务器端和客户端算法 28

3.2.5 FRMD的通信成本分析 29

3.3 自动调整方法 31

3.3.1 RMDRN／CMDRN方法 31

3.3.2 基于半径的应激移动检测方法 32

3.4 服务器端计算成本优化 33

3.4.1 通知策略的优化 33

3.4.2 每对节点间网络距离的计算 33

3.4.3 触发时间技术 34

3.5 实验 34

3.5.1 实验设置 34

3.5.2 FRMD实验 35

3.5.3 自动调整方法性能实验 36

3.5.4 服务器端计算成本优化实验 38

3.5.5 现实世界中移动物体的实验 39

3.6 结论 40

3.7 本章小结 40

第4章 时间感知道路网络中基于移动边缘计算的临近检测 41

4.1 问题陈述 41

4.1.1 定义和符号 41

4.1.2 问题设定 43

4.2 基于MEC的临近检测体系架构 43

4.3 算法：基于时间的移动区域检测方法 44

4.3.1 时间感知网络中的移动区域 45

4.3.2 剪枝引理 45

4.3.3 客户端和服务器端算法 47

4.4 服务器端计算成本优化 49

4.4.1 线下点到点网络距离预计算 49

4.4.2 使用OpenMP进行并行计算 49

4.5 实验 49

4.5.1 实验设置 49

4.5.2 TMRBD实验 50

4.5.3 MEC对通信时延的减少实验 52

4.5.4 MEC影响通信成本的实验 53

4.5.5 服务器端计算成本优化技术的实验 54

4.6 结论 55

4.7 本章小结 56

第5章 基于GPS轨迹的兴趣点推荐 57

5.1 问题定义和框架概述 57

5.2 兴趣点推荐模型框架详述 58

5.2.1 数据预处理 58

5.2.2 提取语义POI 59

5.2.3 挖掘受欢迎度效应 60

5.2.4 挖掘时间效应 61

5.2.5 挖掘地理效应 64

5.2.6 统一推荐计分函数 65

5.3 实验 66

5.3.1 实验设置 67

5.3.2 预处理 68

5.3.3 DTBJ-Cluster与DJ-Cluster的比较 69

5.3.4 PTG-Recommend框架的性能评估 70

5.4 结论 74

5.5 本章小结 74

第6章 时间相关道路网络中成本最优的路径查找 75

6.1 问题表述 75

6.1.1 问题设置和定义 75

6.1.2 油耗和行驶时间函数 78

6.1.3 通行费函数 80

6.2 算法 80

6.2.1 计算ns的每个后代节点的最早到达时间λi 81

6.2.2 计算候选节点的最新到达时间θi 82

6.2.3 对候选节点进行拓扑排序 82

6.2.4 计算最低成本 83

6.2.5 回溯成本最优路径 85

6.2.6 时间复杂度分析 87

6.3 实验 88

6.3.1 实验数据集 89

6.3.2 简化的通行费函数 89

6.3.3 实验目的和角度 89

6.3.4 参数的默认值和实验设置 90

6.3.5 实验结果 91

6.4 结论 98

6.5 本章小结 98

第7章 时间感知道路网络中带约束的节能路径规划 99

7.1 问题表述 99

7.2 算法 101

7.2.1 预处理 102

7.2.2 作为基准的蛮力求解法 102

7.2.3 通用动态规划解决方案：标签设置算法 103

7.2.4 近似算法ECScaling 105

7.2.5 贪心算法 111

7.3 实验 112

7.3.1 实验设置 113

7.3.2 算法评估 114

7.4 结论 118

7.5 本章小结 118

第8章 总结与展望 119

8.1 总结 119

8.2 展望 120

8.2.1 从某地到推荐POI的最佳路径查找 121

8.2.2 从GPS轨迹挖掘语义模式 121

8.2.3 动态道路网络中的多偏好路径查找 122

8.2.4 基于校园WiFi轨迹的学习成绩预测 123

参考文献 124

查看更多关于的内容