數(shù)據(jù)融合下的移動通信流量模式應用研究
發(fā)布時間:2020-05-12 09:19
【摘要】:隨著移動電話的普及,它已廣泛深入人類的工作、學習、娛樂等各種日常生活,所產(chǎn)生的移動通信數(shù)據(jù),例如電話呼叫、短信、上網(wǎng)、位置等信息,在一定程度上體現(xiàn)了人類的活動規(guī)律。基于移動通信數(shù)據(jù)來探索人類活動規(guī)律,已引發(fā)業(yè)界關(guān)注,產(chǎn)生諸多研究熱點。本文第一部分工作對移動通信流量模式進行了觀察與分析。出于隱私保護的需要,匯聚網(wǎng)格區(qū)域中所有用戶的通信數(shù)據(jù),得到該網(wǎng)格區(qū)域的移動通信數(shù)據(jù)。我們對在地理空間上構(gòu)成一個行政省的1978個網(wǎng)格的移動通信流量模式分別進行了空間和時間兩個維度上的分析,得到以下兩個結(jié)論。首先,移動通信流量模式更多體現(xiàn)的是人員在流動過程中產(chǎn)生的活動規(guī)律(我們稱之為“動態(tài)”規(guī)律),卻無法全面反映人類在特定空間中特定活動的固有規(guī)律,我們稱為“靜態(tài)”規(guī)律。其次,在特定的物理空間中,在工作日、周末和節(jié)假日三個不同的時間區(qū)間內(nèi),人類的活動規(guī)律不盡相同。本文第二部分工作是基于上述流量模式的分析結(jié)果進行土地空間承載功能的識別,即土地用途的識別。由于土地的用途不僅會體現(xiàn)在人員的流動模式上,而且會反映在人類在該物理空間中開展的特定活動的規(guī)律上,因此,本文創(chuàng)新性地融合了移動通信流量和能夠體現(xiàn)土地上所發(fā)生的特定的人類活動規(guī)律的耗電量,進行土地用途識別。同時,在時間維度上,改進了只考慮工作日和周末的傳統(tǒng)方法,增加了“假期”時間區(qū)間。本文提出這種時空相結(jié)合的識別方法在公開數(shù)據(jù)集上的實驗結(jié)果顯示,與傳統(tǒng)方法相比,不僅能夠識別出更多的土地類型,而且每種土地類型的平均識別率達到85.5%。本文第三部分工作,進一步地進行了土地用途異常檢測。土地用途異常是指在土地空間上由于異常事件的發(fā)生,比如示威游行、交通堵塞,其流量模式短暫偏離了該土地用途的正常模式。本文提出一種檢測土地用途異常算法,定義每類土地所對應的流量模式的正常范圍,一旦流量模式偏離正常范圍,即可判斷土地用途發(fā)生了異常。在公開數(shù)據(jù)集上的實驗結(jié)果驗證了所提算法的檢測能力。
【圖文】:
圖2-1邋K-means算法的python實現(xiàn)逡逑Figure邋2-1邋Python邋implementation邋of邋K-means邋algorithm逡逑參數(shù)解釋如下:逡逑n_clusters:規(guī)定最終要形成的搨的數(shù)量以及相應的質(zhì)心數(shù)量。逡逑max_iter:邋k-means算法運行一次需要的最大迭代次數(shù)。逡逑n_init:邋k-means算法在不同的初始化質(zhì)心上的運行時間。逡逑init:初始化算法,默認為’k-mean++’。逡逑k-mean++’心上:以k-mean聚類方式來選擇初始化聚類中心加快收斂速度。逡逑方式來選擇初:從初始質(zhì)心的數(shù)據(jù)中隨機選擇k個觀測值(行)。逡逑precompute_distances:預計算的距離(可以使得計算更快但也需要更多的內(nèi)存)_。逡逑tol:聲明的慣性相對容差收斂。逡逑n_jobs:將總計算量切分成個njobs子任務。這是作品將成對矩陣分解成njobs逡逑甚至切片并并行計算它們。如果為-1,則使用所有CPU。如果給出1,則根本不使逡逑用并行計算代碼,這對于調(diào)試很有用。對于低于-1的n個任務,使用(ncpus+l邋+逡逑ri個任務)。因此,對于n個作業(yè)=-2,使用除了一個之外的所有CPU。逡逑
:*Jsr=a(>ii)2xj5:f=1(B£)2逡逑2.2.2邋Pearson相關(guān)度量逡逑Pearson相關(guān)度量是兩個變量之間的相關(guān)性在+1和-1之間的數(shù)值,如圖2-2所逡逑示,其中1表示兩個變量之間具有最高正相關(guān)性,,0表示這兩個數(shù)據(jù)之間沒有相關(guān)逡逑性,-1表示這兩個變量之間有最高的負相關(guān)性。該相似度共識定義為兩個變量之逡逑間的的協(xié)方差除以它們之間的偏差的乘積。Pearson相關(guān)性度量的公式表示如公式逡逑(1-5)所示:逡逑r邋=邐=卻=1(的(竽)邐(1.5)逡逑jsr=1(^-^)2jsr=1(^-n2邐n_1邐、Sx邋J邋Sy逡逑其中,是標準分,又是x的平均值,Sx是X的標準差。逡逑
【學位授予單位】:北京交通大學
【學位級別】:碩士
【學位授予年份】:2019
【分類號】:TP393.06
本文編號:2659995
【圖文】:
圖2-1邋K-means算法的python實現(xiàn)逡逑Figure邋2-1邋Python邋implementation邋of邋K-means邋algorithm逡逑參數(shù)解釋如下:逡逑n_clusters:規(guī)定最終要形成的搨的數(shù)量以及相應的質(zhì)心數(shù)量。逡逑max_iter:邋k-means算法運行一次需要的最大迭代次數(shù)。逡逑n_init:邋k-means算法在不同的初始化質(zhì)心上的運行時間。逡逑init:初始化算法,默認為’k-mean++’。逡逑k-mean++’心上:以k-mean聚類方式來選擇初始化聚類中心加快收斂速度。逡逑方式來選擇初:從初始質(zhì)心的數(shù)據(jù)中隨機選擇k個觀測值(行)。逡逑precompute_distances:預計算的距離(可以使得計算更快但也需要更多的內(nèi)存)_。逡逑tol:聲明的慣性相對容差收斂。逡逑n_jobs:將總計算量切分成個njobs子任務。這是作品將成對矩陣分解成njobs逡逑甚至切片并并行計算它們。如果為-1,則使用所有CPU。如果給出1,則根本不使逡逑用并行計算代碼,這對于調(diào)試很有用。對于低于-1的n個任務,使用(ncpus+l邋+逡逑ri個任務)。因此,對于n個作業(yè)=-2,使用除了一個之外的所有CPU。逡逑
:*Jsr=a(>ii)2xj5:f=1(B£)2逡逑2.2.2邋Pearson相關(guān)度量逡逑Pearson相關(guān)度量是兩個變量之間的相關(guān)性在+1和-1之間的數(shù)值,如圖2-2所逡逑示,其中1表示兩個變量之間具有最高正相關(guān)性,,0表示這兩個數(shù)據(jù)之間沒有相關(guān)逡逑性,-1表示這兩個變量之間有最高的負相關(guān)性。該相似度共識定義為兩個變量之逡逑間的的協(xié)方差除以它們之間的偏差的乘積。Pearson相關(guān)性度量的公式表示如公式逡逑(1-5)所示:逡逑r邋=邐=卻=1(的(竽)邐(1.5)逡逑jsr=1(^-^)2jsr=1(^-n2邐n_1邐、Sx邋J邋Sy逡逑其中,是標準分,又是x的平均值,Sx是X的標準差。逡逑
【學位授予單位】:北京交通大學
【學位級別】:碩士
【學位授予年份】:2019
【分類號】:TP393.06
【參考文獻】
相關(guān)期刊論文 前3條
1 楊忍;劉彥隨;龍花樓;陳呈奕;;基于格網(wǎng)的農(nóng)村居民點用地時空特征及空間指向性的地理要素識別——以環(huán)渤海地區(qū)為例[J];地理研究;2015年06期
2 邱劍南;侯淑濤;范永輝;于曉雷;;富錦市土地利用景觀格局遙感分析[J];測繪科學;2015年02期
3 甘甫平,王潤生,王永江,付正文;基于遙感技術(shù)的土地利用與土地覆蓋的分類方法[J];國土資源遙感;1999年04期
相關(guān)博士學位論文 前2條
1 司慧娟;青海省國土空間綜合功能分區(qū)與管制研究[D];中國地質(zhì)大學(北京);2018年
2 劉煒;土地利用/覆被變化信息遙感圖像自動分類識別與提取方法研究[D];西北農(nóng)林科技大學;2012年
相關(guān)碩士學位論文 前4條
1 楊秋源;基于城市數(shù)據(jù)的TOD區(qū)域挖掘[D];大連理工大學;2016年
2 于翔;基于城市公交刷卡數(shù)據(jù)和興趣點的城市功能區(qū)識別研究[D];浙江大學;2014年
3 劉怡;基于數(shù)據(jù)挖掘的城鎮(zhèn)存量建設(shè)用地識別研究[D];浙江大學;2012年
4 王娟;基于分形紋理的遙感影像土地覆蓋類型識別方法研究[D];遼寧工程技術(shù)大學;2007年
本文編號:2659995
本文鏈接:http://sikaile.net/guanlilunwen/ydhl/2659995.html
最近更新
教材專著