隨著物流產(chǎn)業(yè)發(fā)展規(guī)模的不斷擴(kuò)大,城市道路中的物流配送車輛不斷增多,車輛的配送行為呈現(xiàn)出越來越復(fù)雜的特征�；谲壽E數(shù)據(jù)對(duì)物流車輛的配送行為特征進(jìn)行研究,可以真實(shí)地反映城市物流配送現(xiàn)狀,同時(shí)幫助物流企業(yè)更好地監(jiān)控車輛配送行為,高效配置各類物流資源,解決城市物流設(shè)施布局分散及功能不明確等問題,提高物流配送效率。本文基于物流配送車輛的軌跡數(shù)據(jù),利用描述性統(tǒng)計(jì)方法、核密度分析、空間自相關(guān)分析及聚類算法等方法,從配送時(shí)空特征、配送空間模式及配送區(qū)域特征三個(gè)角度對(duì)車輛的配送行為特征進(jìn)行挖掘。主要研究工作如下:(1)從物流配送車輛的角度,對(duì)車輛的配送時(shí)空特征進(jìn)行挖掘。借助箱形圖及互補(bǔ)累積分布函數(shù)圖并結(jié)合無標(biāo)度特性,從配送時(shí)間、配送距離以及配送范圍三個(gè)角度初步分析了配送車輛的時(shí)空統(tǒng)計(jì)規(guī)律。使用折線圖及核密度分析的方法并結(jié)合配送車輛的通行有效時(shí)段,分析了物流配送車輛的時(shí)空分布特征。結(jié)果表明,10:00-12:00以及14:00-16:00為配送出行的高峰時(shí)段,配送車輛集中分布在京通快速路及朝陽區(qū)物流集散中心附近,配送車輛裝貨、卸貨以及進(jìn)出京的比例較大。(2)從城市出行區(qū)的角度,對(duì)車輛的配送空間模式進(jìn)行挖掘。...

【文章頁數(shù)】：94 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1技術(shù)路線

北京交通大學(xué)碩士專業(yè)學(xué)位論文101.3.2技術(shù)路線本文的技術(shù)路線如圖1-1所示。圖1-1技術(shù)路線Fig.1-1Frameworkofthisarticle

圖2-1研究區(qū)域Fig.2-1Studyarea

北京交通大學(xué)碩士專業(yè)學(xué)位論文142.2軌跡數(shù)據(jù)預(yù)處理及路網(wǎng)拓?fù)?.2.1軌跡數(shù)據(jù)預(yù)處理由于現(xiàn)實(shí)環(huán)境往往復(fù)雜多變，采集GPS數(shù)據(jù)的設(shè)備往往受到環(huán)境、設(shè)備本身故障、信號(hào)中斷[47]等影響，從而造成獲取的數(shù)據(jù)發(fā)生大量缺失、冗余以及重復(fù)。數(shù)據(jù)清洗是數(shù)據(jù)預(yù)處理過程中的主要環(huán)節(jié)，可以糾正或刪....

圖2-2處理

數(shù)據(jù)準(zhǔn)備15導(dǎo)致設(shè)備將已傳輸?shù)臄?shù)據(jù)重新傳入，造成收集的數(shù)據(jù)中含有大量重復(fù)信息。這些重復(fù)信息極大地占用了數(shù)據(jù)儲(chǔ)存空間，影響數(shù)據(jù)的讀取效率。對(duì)于這類重復(fù)數(shù)據(jù)，使用Duplicates函數(shù)對(duì)其進(jìn)行遍歷，將所有字段數(shù)據(jù)內(nèi)容都相同的數(shù)據(jù)看作重復(fù)數(shù)據(jù)，僅保留一條記錄。2.2.2路網(wǎng)拓?fù)潆娮拥?...

圖2-3道路緩沖區(qū)Fig.2-3Roadbufferzone算法的基本步驟如下：（1）結(jié)合道路寬度以及軌跡數(shù)據(jù)精度，確定緩沖區(qū)寬度，利用Arcpy中的控

數(shù)據(jù)準(zhǔn)備17圖2-3道路緩沖區(qū)Fig.2-3Roadbufferzone算法的基本步驟如下：（1）結(jié)合道路寬度以及軌跡數(shù)據(jù)精度，確定緩沖區(qū)寬度，利用Arcpy中的控件函數(shù)Arcpy.Buffer_analysis建立緩沖區(qū)區(qū)域；（2）利用Arcpy中的控件函數(shù)....

本文編號(hào)：4035228