【摘要】：現(xiàn)階段城鎮(zhèn)化進(jìn)程的不斷加快、人們生活水平日益提高導(dǎo)致私家車數(shù)量的急劇增長(zhǎng),城市道路交通壓力不斷增大,急需對(duì)產(chǎn)生的大量交通數(shù)據(jù)進(jìn)行分析來(lái)指導(dǎo)市政道路規(guī)劃和提高城市管理水平,從繁雜的交通數(shù)據(jù)中發(fā)現(xiàn)城市運(yùn)行的規(guī)律。同時(shí)隨著無(wú)線通信技術(shù)和智能移動(dòng)終端的高速發(fā)展,移動(dòng)對(duì)象的軌跡數(shù)據(jù)采集變得更加便捷。出租車軌跡數(shù)據(jù)以其易收集、分布廣和數(shù)據(jù)量大的特點(diǎn),使得對(duì)出租車GPS軌跡數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘成為近幾年研究的熱點(diǎn)。當(dāng)前出租車行業(yè)存在空載率過(guò)高及打車難等問(wèn)題,因此為出租車用戶提供載客推薦服務(wù)具有重要研究意義。本文通過(guò)研究大量的出租車GPS數(shù)據(jù),對(duì)出租車載客停留點(diǎn)進(jìn)行了分析,利用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)軌跡數(shù)據(jù)中隱藏規(guī)律,對(duì)出租車載客熱點(diǎn)區(qū)域及推薦方法進(jìn)行了深入研究,為出租車用戶提供載客熱點(diǎn)推薦服務(wù)。本文研究的目的是最大限度的減少出租車空載巡游、減少城市交通污染、緩解交通壓力并為出租車運(yùn)營(yíng)管理提供有價(jià)值的參考。首先,對(duì)出租車GPS數(shù)據(jù)及路網(wǎng)數(shù)據(jù)進(jìn)行預(yù)處理,用于后期的數(shù)據(jù)分析與處理。使用ArcGIS平臺(tái)對(duì)路網(wǎng)進(jìn)行二次編輯,對(duì)獲取的路網(wǎng)數(shù)據(jù)進(jìn)行拓?fù)涮幚怼⑼晟茖傩宰侄尾⒔⒕W(wǎng)路數(shù)據(jù)集加以驗(yàn)證。采用適合于低頻采樣的地圖匹配方法,加入路網(wǎng)拓?fù)浜退俣燃s束條件,將車輛的位置信息與電子地圖上的路網(wǎng)信息進(jìn)行校對(duì)確定車輛在道路網(wǎng)中的實(shí)際位置。其次,利用統(tǒng)計(jì)分析方法,獲得了出租車載客停留點(diǎn)隨時(shí)間變化的規(guī)律,提出了一種基于粒子群的半監(jiān)督近鄰傳播算法(PSO-SAP),用于出租車候選載客熱點(diǎn)的發(fā)現(xiàn),并在ArcGIS平臺(tái)上集成PSO-SAP算法,對(duì)軌跡數(shù)據(jù)進(jìn)行時(shí)空分析,結(jié)合ArcGIS平臺(tái)實(shí)現(xiàn)熱點(diǎn)區(qū)域展示,分析出出租車不同時(shí)間段載客熱點(diǎn)區(qū)域的分布情況。最后,提出了結(jié)合出租車用戶的信任度為出租車用戶推薦載客概率大的熱點(diǎn)區(qū)域,實(shí)驗(yàn)表明推薦結(jié)果具有較高的準(zhǔn)確率。
[Abstract]:At present, with the continuous acceleration of urbanization, the increasing living standards of people lead to the rapid growth of the number of private cars, and the pressure of urban road traffic is increasing. It is urgent to analyze a large number of traffic data to guide municipal road planning and improve the level of urban management, and to find the law of urban operation from the complicated traffic data. At the same time, with the rapid development of wireless communication technology and intelligent mobile terminal, the trajectory data acquisition of mobile objects becomes more convenient. Taxi trajectory data has become a hot research topic in recent years because of its easy collection, wide distribution and large amount of data, which makes the data mining of taxi GPS trajectory data become a hot research topic in recent years. At present, there are some problems in taxi industry, such as high no-load rate and difficult taxi ride, so it is of great significance to provide passenger recommendation service for taxi users. In this paper, through the study of a large number of taxi GPS data, the taxi passenger stop point is analyzed, the hidden law in the track data is found by using data mining technology, and the hot spot area and recommendation method of taxi passenger are deeply studied. Provide hot spot recommendation service for taxi users. The purpose of this paper is to reduce taxi no-load cruise, reduce urban traffic pollution, relieve traffic pressure and provide valuable reference for taxi operation and management. First of all, the taxi GPS data and road network data are preprocessed for later data analysis and processing. The network is edited twice on ArcGIS platform, the data of road network is topologically processed, the attribute field is perfected and the network data set is established to verify it. The map matching method suitable for low frequency sampling is adopted, and the road network topology and speed constraints are added to calibrate the vehicle position information with the road network information on the electronic map to determine the actual position of the vehicle in the road network. Secondly, by using the statistical analysis method, the variation of taxi passenger stop with time is obtained, and a semi-supervised nearest neighbor propagation algorithm based on particle swarm optimization (PSO-SAP) is proposed, which can be used to discover the hot spots of taxi candidates. The PSO-SAP algorithm is integrated on ArcGIS platform, and the trajectory data are analyzed in time and space. Combined with ArcGIS platform, the hot spot area display is realized, and the distribution of taxi passenger hot spot area in different time periods is analyzed. Finally, a hot area with high probability of taxi user recommendation is proposed, which combines the trust degree of taxi users. The experimental results show that the recommendation results have high accuracy.
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP311.13;U491

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 石陸魁;張延茹;張欣;;基于時(shí)空模式的軌跡數(shù)據(jù)聚類算法[J];計(jì)算機(jī)應(yīng)用;2017年03期

2 杜勝蘭;李楓;黃長(zhǎng)青;劉子政;李默穎;栗法;王英;;基于軌跡數(shù)據(jù)的武漢大學(xué)學(xué)生行為規(guī)律分析[J];測(cè)繪地理信息;2017年01期

3 張俊濤;武芳;張浩;;利用出租車軌跡數(shù)據(jù)挖掘城市居民出行特征[J];地理與地理信息科學(xué);2015年06期

4 廖律超;蔣新華;鄒復(fù)民;李璐明;賴宏圖;;浮動(dòng)車軌跡數(shù)據(jù)聚類的有向密度方法[J];地球信息科學(xué)學(xué)報(bào);2015年10期

5 吳笛;杜云艷;易嘉偉;魏海濤;莫洋;;基于密度的軌跡時(shí)空聚類分析[J];地球信息科學(xué)學(xué)報(bào);2015年10期

6 張仕學(xué);李石君;余偉;任洪偉;;突發(fā)事件人群異常聚集熱點(diǎn)區(qū)域預(yù)測(cè)[J];中國(guó)安全科學(xué)學(xué)報(bào);2015年09期

7 王超;楊靜;張健沛;;基于軌跡位置形狀相似性的隱私保護(hù)算法[J];通信學(xué)報(bào);2015年02期

8 吳俊偉;朱云龍;庫(kù)濤;王亮;;基于網(wǎng)格聚類的熱點(diǎn)路徑探測(cè)[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2015年01期

9 鄭宇;;城市計(jì)算概述[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2015年01期

10 張健欽;仇培元;杜明義;;基于時(shí)空軌跡數(shù)據(jù)的出行特征挖掘方法[J];交通運(yùn)輸系統(tǒng)工程與信息;2014年06期

相關(guān)博士學(xué)位論文 前5條

1 甘海濤;半監(jiān)督聚類與分類算法研究[D];華中科技大學(xué);2014年

2 袁晶;大規(guī)模軌跡數(shù)據(jù)的檢索、挖掘和應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

3 袁冠;移動(dòng)對(duì)象軌跡數(shù)據(jù)挖掘方法研究[D];中國(guó)礦業(yè)大學(xué);2012年

4 張治華;基于GPS軌跡的出行信息提取研究[D];華東師范大學(xué);2010年

5 楊肖麗;城市化進(jìn)程中農(nóng)民工的遷移行為模式及其決定[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 宋樂怡;海量出租車軌跡數(shù)據(jù)分析與位置推薦服務(wù)[D];華東師范大學(xué);2015年

2 欒麗娜;基于GPS數(shù)據(jù)的城市出租車運(yùn)營(yíng)分析與數(shù)據(jù)挖掘[D];山東大學(xué);2015年

3 李衢伶;基于GPS軌跡的出租車載客路徑智能推薦[D];湖南科技大學(xué);2014年

4 劉盼盼;基于空間聚類和Weka平臺(tái)的出租車載客熱點(diǎn)區(qū)域挖掘研究[D];吉林大學(xué);2014年

5 潘梅;基于OpenStreetMap的移動(dòng)位置導(dǎo)航系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

6 齊林;基于GPS數(shù)據(jù)的出租車交通運(yùn)行特性研究及應(yīng)用[D];哈爾濱工業(yè)大學(xué);2013年

7 鄒珍;基于GPS的浮動(dòng)車數(shù)據(jù)與實(shí)地圖匹配的算法研究[D];武漢理工大學(xué);2013年

8 童曉君;基于出租車GPS數(shù)據(jù)的居民出行行為分析[D];中南大學(xué);2012年

9 尋峗;實(shí)時(shí)移動(dòng)路線推薦系統(tǒng)的研究與實(shí)現(xiàn)[D];上海交通大學(xué);2012年

10 譚川豫;移動(dòng)對(duì)象軌跡分析技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

，

本文編號(hào)：2485439