人們的出行活動所產(chǎn)生的軌跡數(shù)據(jù)蘊含著其隱藏的出行行為特征,通過對出行行為軌跡的研究,能分析出人們的出行習(xí)慣與需求,從而幫助企業(yè)研發(fā)出滿足人們出行活動的一系列產(chǎn)品與服務(wù)。傳統(tǒng)的居民出行行為數(shù)據(jù)一般通過人工訪談、調(diào)查問卷或不太精確的GPS定位技術(shù)獲得,獲取成本太高,且數(shù)據(jù)精度低。而滴滴出行作為網(wǎng)約車行業(yè)的佼佼者,不僅平臺服務(wù)覆蓋范圍廣,且GPS技術(shù)定位精度高,使得訂單的起訖點更接近用戶的真實位置。另外,“滴滴”提供的私家車接單服務(wù),進一步增加了用戶覆蓋率。這使得“滴滴”用戶能較為準(zhǔn)確的代表一個城市居民整體的真實出行行為,所以“滴滴”用戶行為可以代表城市人口,對其進行研究,可以為城市相關(guān)決策者提供更加準(zhǔn)確的決策參考依據(jù)。本文基于具有高精度定位技術(shù)、更接近用戶目的地的“滴滴出行”訂單軌跡數(shù)據(jù),對“滴滴”用戶的出行規(guī)律進行聚類可視化分析,旨在為“滴滴”司機、位置服務(wù)商、城市及土地規(guī)劃者提供一定的決策支持。首先,本文對原始“滴滴”訂單軌跡數(shù)據(jù)進行清洗、加工、提取工作,對應(yīng)用于不同需求的數(shù)據(jù)進行分類存儲,并爬取高德地圖的興趣點數(shù)據(jù)作為聚類可視化的數(shù)據(jù)基礎(chǔ);其次,對預(yù)處理后的“滴滴”訂單軌跡數(shù)據(jù)在不同時間段的出行量進行分描述性統(tǒng)計分析;接著對“滴滴”用戶的出行時間段、行駛時長進行K-Means聚類,探究用戶的熱點出行時間段及熱點行駛時長,為熱點區(qū)域研究做基礎(chǔ),并通過自適應(yīng)參數(shù)的密度聚類算法(DBSCAN)對“滴滴”用戶的出行熱點區(qū)域進行多指標(biāo)可視化分析;再次,結(jié)合興趣點(POI)數(shù)據(jù)提出了人群劃分模型,對高校學(xué)生、居民、上班族三種人群的出行行為規(guī)律進行研究,根據(jù)K-Means聚類及DBSCAN聚類結(jié)果,挖掘這三類人群的出行行為差異。最后,結(jié)合住宅區(qū)訂單及企業(yè)訂單進一步提取了“滴滴”用戶的通勤訂單,探究成都市上班族的通勤時間及職住情況,并將聚類分析結(jié)果在ArcGIS軟件中實現(xiàn)可視化,從而更直觀更準(zhǔn)確的分析出“滴滴”用戶中上班族的時空交互行為特征。本研究對揭示“滴滴”用戶時空交互模式及優(yōu)化成都市相關(guān)決策具有一定的理論和實踐價值。一方面,為“滴滴”司機提供優(yōu)質(zhì)訂單的接單時間和地點,使司機接單決策更高效;另一方面,對成都市職住平衡情況進行分析,幫助城市規(guī)劃者優(yōu)化土地利用決策,并通過對“滴滴”用戶的出行熱點區(qū)域的分析,為位置服務(wù)商如景區(qū)、娛樂場所的營銷活動提供一定的決策依據(jù)。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F724.6;F572;TP311.13
【部分圖文】：

其他日來說，周日的上車熱點個數(shù)較少�！暗蔚巍庇脩粝萝嚐狳c聚類個數(shù)明顯少于上車熱點聚類個數(shù)，且下車熱點區(qū)域分布比較分散。圖4.7 周一用戶上車熱點區(qū)域可視化 圖4.8 周一用戶下車熱點區(qū)域可視化

其他日來說，周日的上車熱點個數(shù)較少。“滴滴”用戶下車熱點聚類個數(shù)明顯少于上車熱點聚類個數(shù)，且下車熱點區(qū)域分布比較分散。圖4.7 周一用戶上車熱點區(qū)域可視化 圖4.8 周一用戶下車熱點區(qū)域可視化

第四章 “滴滴”用戶的出行時空可視化分析31圖4.9 周五用戶上車熱點區(qū)域可視化 圖4.10 周五用戶下車熱點區(qū)域可視化圖4.11 周六用戶上車熱點區(qū)域可視化 圖4.12 周六用戶下車熱點區(qū)域可視化圖4.13 周日用戶上車熱點區(qū)域可視化 圖4.14 周日用戶下車熱點區(qū)域可視化
【相似文獻】

相關(guān)期刊論文 前10條

1 涂華忠;林友洪;喬義然;;巴基斯坦恐怖主義研究動向的可視化分析[J];東南亞南亞研究;2017年04期

2 陳子優(yōu);;我國中醫(yī)藥立法可視化計量分析——作者合作分析[J];南方企業(yè)家;2018年04期

3 王錄通;陳俊;王錄安;周麗云;劉河;;基于CiteSpace可視化分析的創(chuàng)客教育研究[J];中國信息技術(shù)教育;2017年Z3期

4 游潔;拜爭剛;黃鵬;吳淑婷;鐘小玲;趙坤;王建成;楊克虎;;循證實踐理念和方法在中國管理領(lǐng)域研究現(xiàn)狀可視化分析[J];河南大學(xué)學(xué)報(醫(yī)學(xué)版);2017年02期

5 武同雁;;國外機構(gòu)知識庫研究的可視化分析[J];現(xiàn)代情報;2017年08期

6 哈燕;文軍萍;;核心素養(yǎng)問題研究:熱點與趨勢——基于2006年至2016年中國知網(wǎng)文獻的共詞可視化分析[J];現(xiàn)代基礎(chǔ)教育研究;2016年04期

7 張杰;;繩連兩球平衡問題可視化初探[J];中學(xué)教學(xué)參考;2017年11期

8 陳巧紅;;近十年國內(nèi)小型語料庫建設(shè)與應(yīng)用研究綜述——基于CNKI的文獻計量及可視化分析[J];青春歲月;2017年09期

9 李啟元;楊亞橋;;態(tài)勢可視化分析系統(tǒng)集成架構(gòu)研究[J];艦船電子工程;2009年03期

10 律瓊馨;劉智勇;;健康醫(yī)療大數(shù)據(jù)研究熱點與前沿的可視化分析[J];中國衛(wèi)生信息管理雜志;2019年06期

相關(guān)博士學(xué)位論文 前6條

1 侯劍華;工商管理學(xué)科演進與前沿?zé)狳c的可視化分析[D];大連理工大學(xué);2009年

2 于躍;基于三維地質(zhì)分析模型的水電工程復(fù)雜壩基處理分析研究[D];天津大學(xué);2010年

3 陳必坤;學(xué)科知識可視化分析研究[D];武漢大學(xué);2014年

4 高晶晶;基于量化組方研究的方劑寒熱屬性可視化分析平臺構(gòu)建[D];北京中醫(yī)藥大學(xué);2009年

5 劉芳;信息可視化技術(shù)及應(yīng)用研究[D];浙江大學(xué);2013年

6 楊珂;基于圖形處理器的數(shù)據(jù)管理技術(shù)研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 王也;國內(nèi)中文“冬奧會”研究的可視化分析[D];浙江師范大學(xué);2019年

2 竇丹;基于“滴滴”訂單軌跡數(shù)據(jù)的用戶行為可視化分析[D];西安電子科技大學(xué);2019年

3 王宗超;面向知識圖譜的可視化分析系統(tǒng)設(shè)計與實現(xiàn)[D];大連理工大學(xué);2019年

4 魏驪睿;基于社交數(shù)據(jù)的可視化分析系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2019年

5 王璐;基于微博簽到數(shù)據(jù)的可視化分析系統(tǒng)研究[D];長安大學(xué);2019年

6 丁鴻偉;巖爆實驗大數(shù)據(jù)壓縮算法及其可視化分析[D];北京建筑大學(xué);2019年

7 劉飛;城市交通軌跡的可視化分析技術(shù)研究[D];沈陽建筑大學(xué);2017年

8 楊沁柳;基于特定健康數(shù)據(jù)的可視化分析系統(tǒng)設(shè)計和實現(xiàn)[D];北京郵電大學(xué);2019年

9 呂詩琪;基于知識圖譜的我國英語教師專業(yè)發(fā)展研究可視化分析[D];內(nèi)蒙古師范大學(xué);2019年

10 李曉虎;近10年畜禽糞便研究可視化分析[D];內(nèi)蒙古大學(xué);2018年

本文編號：2841367