面向災害應急的手機信令數(shù)據(jù)快速聚類及受災人口計算方法
發(fā)布時間:2020-11-18 13:54
近幾年,我國災害事故和突發(fā)事件頻發(fā)趨勢越來越顯著,給國家?guī)砹司薮蟮慕?jīng)濟損失,給人民群眾的生命和財產(chǎn)安全造成了極大危害。災害發(fā)生時及時展開緊急救援,減少人員傷亡是應急救援的第一要務,合理分配救援的人力、物力是實施高效救援的前提。有序和高效地進行地理信息的統(tǒng)一獲取、快速處理和及時提供,可以讓我們充分掌握應急區(qū)域的現(xiàn)場情況,合理部署軍隊、武警等專業(yè)救援力量。根據(jù)應急指令奔赴現(xiàn)場開展應急救援,能提高應急救援的效率,最大限度地挽救人民群眾的生命和財產(chǎn)安全。為了解決應急條件下如何計算受災人口的問題,本文構建了基于手機信令數(shù)據(jù)的應急條件下受災人口計算模型,通過對聚類算法的研究,提出了基于DBSCAN與k-means結合的聚類算法,將聚類算法應用于應急條件下受災人口的計算,提高了應急條件下受災人口計算的效率,并以洪澇災害為例,將通過本文方法得到的受災人口數(shù)據(jù)進行應用。(1)根據(jù)手機信令數(shù)據(jù)的獲取方式,結合手機信令數(shù)據(jù)的時空特征,對手機信令數(shù)據(jù)進行格式處理、數(shù)據(jù)清洗等一系列預處理,得到質量較高的海量手機信令數(shù)據(jù),并對手機信令數(shù)據(jù)進行空間化處理。(2)根據(jù)密集型點數(shù)據(jù)的處理方法,提出了基于DBSCAN與k-means結合的聚類算法,并且從運行時間、聚類質量、聚類點位精度三個方面進行分析。(3)將DBSCAN與k-means結合的聚類算法應用于應急條件下受災人口的計算,并且對使用聚類算法計算災區(qū)人口的結果進行分析,主要從計算時間和準確性兩個方面進行分析。(4)針對現(xiàn)有的人口計算模型已經(jīng)無法滿足應急條件下計算受災人口的需求,提出了應急條件下受災人口的計算模型,將聚類算法、應急條件下受災人口的計算模型作為理論支撐,設計并實現(xiàn)了原型系統(tǒng)。利用本文方法可以在災害發(fā)生的第一時間快速、高效地對災區(qū)的受災人口進行估算,并將其應用于災害救援等級評估等方面,為應急救援決策提供科學的建議。
【學位單位】:東華理工大學
【學位級別】:碩士
【學位年份】:2019
【中圖分類】:X4;TP311.13
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景
1.2 研究目的及意義
1.3 國內(nèi)外研究現(xiàn)狀
1.3.1 災害應急的發(fā)展現(xiàn)狀
1.3.2 手機信令數(shù)據(jù)的研究現(xiàn)狀
1.3.3 聚類方法的研究現(xiàn)狀
1.4 論文的研究內(nèi)容及技術路線
1.5 章節(jié)安排
2 手機信令數(shù)據(jù)基本原理及時空特征
2.1 手機信令數(shù)據(jù)的概念
2.2 手機信令數(shù)據(jù)的來源
2.3 手機信令數(shù)據(jù)的時空特征分析
2.4 手機信令數(shù)據(jù)的一般處理流程
2.4.1 格式處理
2.4.2 數(shù)據(jù)清洗
2.4.3 數(shù)據(jù)等時間間隔化處理
2.5 本章小結
3 手機信令數(shù)據(jù)聚類方法
3.1 現(xiàn)有的聚類算法
3.1.1 聚類分析
3.1.2 經(jīng)典的聚類算法
3.1.3 聚類質量的評估方法
3.2 基于DBSCAN與 K-MEANS結合的聚類算法
3.2.1 聚類思想
3.2.2 算法過程
3.2.3 算法的優(yōu)劣
3.3 參數(shù)的確定方法
3.3.1 DBSCAN參數(shù)的確定
3.3.2 cluterNum的確定
3.4 聚類結果與分析
3.4.1 聚類結果
3.4.2 結果分析
3.5 本章小結
4 基于手機信令數(shù)據(jù)的應急條件下受災人口計算方法
4.1 傳統(tǒng)的人口數(shù)據(jù)獲取方法
4.2 應急條件下受災人口的計算方法及特點
4.3 基于手機信令數(shù)據(jù)的受災人口計算方法
4.3.1 顧及地理條件約束的受災人口計算模型
4.3.2 受災人口的計算方法
4.4 實驗及結果分析
4.4.1 數(shù)據(jù)源
4.4.2 研究區(qū)域
4.4.3 權重的確認
4.4.4 結果分析
4.5 本章小結
5 系統(tǒng)實現(xiàn)及應用
5.1 背景
5.2 系統(tǒng)定位
5.3 系統(tǒng)功能
5.3.1 系統(tǒng)概述
5.3.2 開發(fā)環(huán)境
5.3.3 功能組成
5.3.4 系統(tǒng)詳細功能
5.4 系統(tǒng)應用效果
5.5 本章小結
6 結論與展望
6.1 結論
6.2 展望
致謝
參考文獻
在攻讀學位期間取得的科研成果
【參考文獻】
本文編號:2888790
【學位單位】:東華理工大學
【學位級別】:碩士
【學位年份】:2019
【中圖分類】:X4;TP311.13
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景
1.2 研究目的及意義
1.3 國內(nèi)外研究現(xiàn)狀
1.3.1 災害應急的發(fā)展現(xiàn)狀
1.3.2 手機信令數(shù)據(jù)的研究現(xiàn)狀
1.3.3 聚類方法的研究現(xiàn)狀
1.4 論文的研究內(nèi)容及技術路線
1.5 章節(jié)安排
2 手機信令數(shù)據(jù)基本原理及時空特征
2.1 手機信令數(shù)據(jù)的概念
2.2 手機信令數(shù)據(jù)的來源
2.3 手機信令數(shù)據(jù)的時空特征分析
2.4 手機信令數(shù)據(jù)的一般處理流程
2.4.1 格式處理
2.4.2 數(shù)據(jù)清洗
2.4.3 數(shù)據(jù)等時間間隔化處理
2.5 本章小結
3 手機信令數(shù)據(jù)聚類方法
3.1 現(xiàn)有的聚類算法
3.1.1 聚類分析
3.1.2 經(jīng)典的聚類算法
3.1.3 聚類質量的評估方法
3.2 基于DBSCAN與 K-MEANS結合的聚類算法
3.2.1 聚類思想
3.2.2 算法過程
3.2.3 算法的優(yōu)劣
3.3 參數(shù)的確定方法
3.3.1 DBSCAN參數(shù)的確定
3.3.2 cluterNum的確定
3.4 聚類結果與分析
3.4.1 聚類結果
3.4.2 結果分析
3.5 本章小結
4 基于手機信令數(shù)據(jù)的應急條件下受災人口計算方法
4.1 傳統(tǒng)的人口數(shù)據(jù)獲取方法
4.2 應急條件下受災人口的計算方法及特點
4.3 基于手機信令數(shù)據(jù)的受災人口計算方法
4.3.1 顧及地理條件約束的受災人口計算模型
4.3.2 受災人口的計算方法
4.4 實驗及結果分析
4.4.1 數(shù)據(jù)源
4.4.2 研究區(qū)域
4.4.3 權重的確認
4.4.4 結果分析
4.5 本章小結
5 系統(tǒng)實現(xiàn)及應用
5.1 背景
5.2 系統(tǒng)定位
5.3 系統(tǒng)功能
5.3.1 系統(tǒng)概述
5.3.2 開發(fā)環(huán)境
5.3.3 功能組成
5.3.4 系統(tǒng)詳細功能
5.4 系統(tǒng)應用效果
5.5 本章小結
6 結論與展望
6.1 結論
6.2 展望
致謝
參考文獻
在攻讀學位期間取得的科研成果
【參考文獻】
相關期刊論文 前9條
1 萬金紅;陳必真;;洪澇災情評估研究綜述[J];防災科技學院學報;2015年04期
2 杜翠鳳;余藝;蔣超;;基于空間密度聚類的移動用戶熱點區(qū)域識別方法[J];移動通信;2015年16期
3 張惠;沈亮;李寶磊;戴鵬程;;手機數(shù)據(jù)在交通規(guī)劃中的應用研究[J];互聯(lián)網(wǎng)天地;2015年05期
4 鈕心毅;丁亮;宋小冬;;基于手機數(shù)據(jù)識別上海中心城的城市空間結構[J];城市規(guī)劃學刊;2014年06期
5 熊偉;;關于轉變測繪地理信息行政管理職能的思考[J];測繪與空間地理信息;2013年04期
6 冉斌;;手機數(shù)據(jù)在交通調(diào)查和交通規(guī)劃中的應用[J];城市交通;2013年01期
7 何壽清;王挺;;基于手機定位服務的地震災情速報和搜救技術探討[J];華南地震;2012年04期
8 周紅芳;王鵬;;DBSCAN算法中參數(shù)自適應確定方法的研究[J];西安理工大學學報;2012年03期
9 楊柳;張俊芝;;聚類算法分析及其性能比較[J];中國新技術新產(chǎn)品;2012年07期
本文編號:2888790
本文鏈接:http://sikaile.net/kejilunwen/anquangongcheng/2888790.html
最近更新
教材專著