【摘要】：進(jìn)行居民出行調(diào)查、分析居民出行特征和掌握居民出行規(guī)律是科學(xué)規(guī)劃和有效管理交通系統(tǒng)的重要環(huán)節(jié)。通過(guò)傳統(tǒng)的問(wèn)卷調(diào)查法來(lái)獲取居民出行數(shù)據(jù)極易受到調(diào)查對(duì)象主觀意識(shí)的影響,而通過(guò)GPS中記錄的地理位置及時(shí)間信息來(lái)獲取居民出行數(shù)據(jù)的方法能夠避免該不足,為交通建模以及交通運(yùn)行監(jiān)控平臺(tái)的搭建提供了全面可靠的數(shù)據(jù)支撐。因此利用GPS設(shè)備獲取出行軌跡數(shù)據(jù)來(lái)研究居民出行行為、掌握交通分布特征成為近年來(lái)學(xué)者們研究的熱點(diǎn)。其中,通過(guò)挖掘分析GPS軌跡數(shù)據(jù),獲得完整的出行鏈信息,進(jìn)行居民交通出行方式和出行目的的識(shí)別是研究出行行為的主要內(nèi)容。本文在獲得出行者的GPS軌跡數(shù)據(jù)基礎(chǔ)上,采用C4.5決策樹(shù)、BP神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等機(jī)器學(xué)習(xí)算法識(shí)別交通出行方式并結(jié)合地理位置信息識(shí)別出行目的。首先對(duì)所采集的數(shù)據(jù)利用一定的剔除規(guī)則進(jìn)行預(yù)處理,從中提取出行特征。為提高數(shù)據(jù)質(zhì)量,采用五點(diǎn)三次平滑法對(duì)軌跡數(shù)據(jù)的速度和加速度進(jìn)行平滑處理。其次,為從離散的軌跡數(shù)據(jù)中確定出行者的停留信息,利用設(shè)定的時(shí)間參數(shù)和距離參數(shù)提出了三維數(shù)據(jù)處理的時(shí)空聚類算法。根據(jù)居民停留位置和時(shí)間信息提取軌跡數(shù)據(jù)中的出行段,提取各出行段的特征參數(shù)并利用C4.5決策樹(shù)、BP神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林三種機(jī)器學(xué)習(xí)算法識(shí)別交通出行方式,結(jié)果表明隨機(jī)森林算法的效果最佳,準(zhǔn)確率最高可達(dá)到90%。最后為彌補(bǔ)以往基于規(guī)則判斷出行目的的局限性,利用高德地圖服務(wù),提取出行者停留區(qū)域周邊的POI信息并計(jì)算信息熵,結(jié)合時(shí)空聚類算法所獲得的停留時(shí)長(zhǎng)、停留開(kāi)始時(shí)間等特征,識(shí)別居民出行目的。研究結(jié)果表明,基于GPS數(shù)據(jù)對(duì)出行行為的研究能夠較好地應(yīng)用于出行方式的識(shí)別和出行特征的分析中,對(duì)于GPS軌跡數(shù)據(jù)在居民出行研究領(lǐng)域的推廣、分析居民出行行為規(guī)律、促進(jìn)城市交通系統(tǒng)的健康發(fā)展具有重要作用。本文有兩個(gè)主要?jiǎng)?chuàng)新點(diǎn):首先,為了將軌跡數(shù)據(jù)劃分為單一交通出行方式的出行段,設(shè)計(jì)了一種三維數(shù)據(jù)時(shí)空聚類算法識(shí)別出行者停留的位置和時(shí)間;其次,在識(shí)別交通出行方式中,使用了人們較少使用的隨機(jī)森林算法,得出的精度比C4.5決策樹(shù)、BP神經(jīng)網(wǎng)絡(luò)等算法的識(shí)別精度更高,并且在識(shí)別出行方式的類別中,加入了常常忽略的電動(dòng)自行車的識(shí)別,對(duì)其識(shí)別的準(zhǔn)確率高達(dá)88%。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP18;U491;P228.4
【圖文】：

出行方式識(shí)別歸納圖

一出行目的識(shí)別歸納圖

本文技術(shù)路線

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 楊超;朱榮榮;涂然;;基于智能手機(jī)調(diào)查數(shù)據(jù)的居民出行活動(dòng)特征分析[J];交通信息與安全;2015年06期

2 陳儉新;趙紅領(lǐng);李潤(rùn)知;李春雷;王宗敏;;基于移動(dòng)互聯(lián)網(wǎng)技術(shù)的出行模式識(shí)別方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年09期

3 何山;朱健梅;;基于BP神經(jīng)網(wǎng)絡(luò)的個(gè)體出行模式識(shí)別研究[J];公路工程;2014年05期

4 汪磊;左忠義;傅軍豪;;基于SVM的出行方式特征分析和識(shí)別研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2014年03期

5 杜潤(rùn)強(qiáng);黃佳進(jìn);鐘寧;黃智生;;手機(jī)軌跡中活動(dòng)停駐點(diǎn)識(shí)別[J];計(jì)算機(jī)科學(xué)與探索;2014年02期

6 蔡超;左小清;陳震霆;;一種手機(jī)定位數(shù)據(jù)的非運(yùn)動(dòng)數(shù)據(jù)聚類剔除方法[J];交通信息與安全;2010年04期

7 李德仁;王泉;;基于時(shí)空模糊本體的交通領(lǐng)域知識(shí)建模[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2009年06期

8 沈崢嶸;邵春福;;交通需求預(yù)測(cè)及其應(yīng)用研究[J];道路交通與安全;2006年06期

相關(guān)博士學(xué)位論文 前3條

1 周超然;基于大規(guī)模GPS軌跡數(shù)據(jù)的活動(dòng)鏈信息分析方法研究[D];吉林大學(xué);2017年

2 賴見(jiàn)輝;基于移動(dòng)通信定位數(shù)據(jù)的交通信息提取及分析方法研究[D];北京工業(yè)大學(xué);2014年

3 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

相關(guān)碩士學(xué)位論文 前9條

1 楊彪;基于智能手機(jī)GPS的大學(xué)生出行方式識(shí)別研究[D];江蘇大學(xué);2017年

2 周洋;基于智能手機(jī)的個(gè)體出行模式識(shí)別研究[D];東南大學(xué);2017年

3 苗壯;基于手機(jī)信令數(shù)據(jù)的數(shù)據(jù)清洗挖掘與居民職住空間分析[D];西南交通大學(xué);2017年

4 董超;北京市居民出行方式選擇研究[D];北京交通大學(xué);2017年

5 黃達(dá);基于移動(dòng)位置數(shù)據(jù)的城市交通狀態(tài)分析[D];北京交通大學(xué);2017年

6 孫瑞;基于軌跡和POI數(shù)據(jù)的熱點(diǎn)區(qū)域?qū)崟r(shí)預(yù)測(cè)[D];吉林大學(xué);2017年

7 李追日;基于手機(jī)定位數(shù)據(jù)的城市道路交通需求推估及分析[D];深圳大學(xué);2016年

8 王京;基于相關(guān)系數(shù)的軌跡停留點(diǎn)識(shí)別算法[D];華中師范大學(xué);2016年

9 閆彭;基于AGPS手機(jī)的交通方式識(shí)別研究[D];北京交通大學(xué);2012年

本文編號(hào)：2790377