[发明专利]一种基于大数据系统的导航与位置服务的方法

说明书

本发明涉及一种基于大数据系统的导航与位置服务的方法，首先，利用网络聚合平台mashup结合分布式日志收集系统Flume以及分布式消息订阅系统Kafka进行数据收集；其次，对原始数据进行数据预处理和去重操作；最后对获得的数据分别进行统计分析，GIS展示、聚类分析、服务推荐、以及RICK算法处理，生成路线图模型，进行路线推荐。本发明方法中，位置数据的来源取自互联网中，数据量众多且不同于其他专利和系统中直接使用传感器的方式，并且结合用户数据进行聚类等数据挖掘，根据用户分析结果、时间、位置对用户进行服务推荐、路线推荐，解决了现有的推荐方法准确率低、速度慢的缺陷，并可使用在景区导航等特殊领域。

技术领域

本发明涉及移动位置服务技术领域，具体涉及一种基于大数据系统的导航与位置服务的方法。

背景技术

位置服务(Location based service，简称LBS)是近年来新兴的移动计算服务。随着室内外无缝定位技术和增强系统技术的发展，定位精度不断提高，在日常的生产、生活过程中，大众对位置服务的需求也日趋增长。车联网(Internet of vehicles，简称IOV)、移动社交网络、微博等新兴互联网应用日新月异，一方面，内置在手机、车载导航等移动设备中的GPS，Wi-Fi等定位设备可以直接获得移动对象任意时刻准确的位置信息，并经过各种途径发布这些采集的位置信息，比如，移动社交网络的一些新型应用可以发布任意时刻用户所处的位置信息；另一方面，近期得到广泛应用的可穿戴设备等传感设备采集到的加速度、光学影像等数据经过处理后也可以准确地确定使用者的位置信息。在这种环境下，各种应用所使用的数据集在体量和复杂性上均已达到了“大”数据的层次，并逐步形成了位置大数据。其特点是数据体量大，信息碎片化，准确性较低，半结构化等，数据来源混杂、数据异构性大、数据价值密度低，实时性强但时空标识定义欠严格或欠精确。

在以上位置大数据特点影响下，基于位置数据的大数据服务将面临的如下几个方面的问题与挑战：

1)位置大数据具有典型的体量大、更新速度快、多元性和价值密度低等大数据特性。因此过去那些性能、容量、扩展性等受限，且管理复杂的集中式数据计算模式已不再适用于对具有这样一些特性的大数据进行存储与处理，因此亟需设计一种去中心化/自组织的分布式位置服务大数据系统原型架构，涵盖数据传输、存储、处理、分享、检索、分析及可视化等不同阶段，实现位置大数据的高效管理。

2)在位置大数据环境下，大规模数据对象的使用必然导致用户并发控制问题的存在。与传统网络服务应用层并发控制机制不同，在位置服务大数据系统中，用户的并发控制涉及服务访问、接口访问、数据访问等多个不同的层次，因此，需要在构建位置服务大数据系统过程中，研究层次化并发实时大容量用户访问方法，实现高效的用户并发访问处理过程。

3)在多源信息与位置服务融合方面，位置信息多源异构的特点使得信息在挖掘过程中存在着关联分析困难、价值难以挖掘的问题。为此，研究针对文本、图、表等多维信息挖掘处理算法，并基于智慧城市多样化数据及位置实现数据挖掘分析是本课题面临的主要难题之一。

4)位置大数据既直接包含用户的隐私信息，又隐含了用户的个性习惯、健康状况、社会地位等其他敏感信息。位置大数据的不当使用，会给用户各方面的隐私带来严重威胁。因此，在构建位置大数据系统过程中，亟需设计针对用户数据的安全保护机制，支撑位置大数据系统的正常运行。

然而，现有方法被证明准确率低、异常检测不完整、处理效率低下，目前为止还没有研究出针对该问题高效的、成熟的解决方案。