论文部分内容阅读
随着智能手机的普及以及移动通信的发展，移动社会化网络服务飞速发展，国内外出现了大量移动社交应用，许多传统的基于Web的社交网络也纷纷将注意力转向移动。基于地理位置的服务是移动社会化网络服务的核心。地理位置不仅是构成移动社会化网络关系的关键因素，也是提供个性化社会化网络服务的重要基础。因而，理解基于地理位置的社会化网络关系成为移动社会化网络服务研究的重点之一。用户在获取地理位置信息服务的同时，也会发布、分享用户数据。在现有移动终端、移动网络资源受限情况下，如何提供更好的地理位置信息服务体验、建立高效的数据分享机制，成为另一研究重点。
结合移动社会化网络服务发展趋势和应用现状，对移动社会化网络关系以及地理位置信息服务及分享的关键技术开展深入研究。研究内容主要包括：移动用户分组、移动用户社交亲近度、移动用户模型、移动终端缓存替代算法以及移动终端快速下载方法。论文的主要贡献和创新工作如下：
1)提出了一种基于网格的移动对象动态聚类算法。该算法首先将移动对象所在空间网格化，计算每个对象所属网格，针对每个网格，根据移动对象之间的空间相依性分别聚类，最后合并相邻网格内可达类。空间相依性考虑了移动对象之间的移动速度、方向及位置。算法采用一段时间内对象的平均速度和方向代替即时速度和方向，能够有效降低重新聚类次数。网格划分使其具有适合大规模并行计算优点。实验及分析表明，该算法能够体现移动对象的移动特性，对于移动对象的聚类具有较高性能。
2)根据用户的移动轨迹，研究移动用户的社交亲近度，提出了社交亲近度模型，可用于定量分析用户之间的社交远近关系。该模型首先将用户轨迹空间离散化，并将用户轨迹映射到该离散空间。然后根据相同时刻，用户之间的空间距离，计算用户之间的社交亲近度。根据亲近度，将其朋友分组，以控制分享内容。实验结果表明，该方法能够有效反映用户地理位置轨迹与用户之间的社交关系，平均分组正确率达91％。
3)提出了一种基于概率的移动模型。该模型首先将用户空间中道路交叉点作为顶点，按照Voronoi图将用户空间划分为多个区域，当用户运动到区域顶点时，根据用户在相邻区域内出现的概率选择路径。并对高斯-马尔可夫模型中移动速度进行改进，将用户上次经过该位置的速度作为速度预测的一个重要因素考虑进来。该模型在速度预测及位置预测方面，其性能均明显优于高斯-马尔可夫模型。
4)提出了一种基于移动模型的缓存替换策略。该策略考虑到数据对象的参考位置、有效范围以及客户端位置等重要因素来提高移动客户端缓存效率。实验结果表明，该算法优于现有缓存替换策略，能够有效提高移动客户端缓存命中率。
5)提出了一种多网关多线程混合传输协议。该方法采用多个网关同时接入，不同网关采用不同传输层协议，以及多线程下载的方法，实现混合协议下载，达到了提高移动终端下载速度的目的。在该过程中，采用启发式算法，根据线程下载速度自适应控制线程数量及连接网关，以使下载算法达到最优或次优。实验结果表明相比于普通HTTP/TCP下载，该方法能够提高下载速度1倍左右。