發(fā)布時間：2021-06-24 05:36

　　隨著我國經(jīng)濟社會的快速發(fā)展以及城鎮(zhèn)化進程的不斷深入,城市機動車的擁有量也在迅速增長,但受限于城市道路交通空間資源的有限性和道路規(guī)劃建設(shè)方面投入的局限性,城市交通發(fā)展滯后于機動車快速增長態(tài)勢,使得城市交通運行壓力日趨嚴(yán)重,城市交通道路問題也愈發(fā)明顯�；诔鞘谐鲎廛嘒PS軌跡數(shù)據(jù)進行時空分析,可以識別城市交通出行特征,通過探測其與路網(wǎng)結(jié)構(gòu)的相關(guān)性,為有效緩解城市交通壓力,優(yōu)化城市交通規(guī)劃與管理提供基礎(chǔ)支撐。本文以線性街道為分析單元,對成都市三環(huán)線以內(nèi)2014年8月18日至8月24日共計14000輛出租車GPS軌跡數(shù)據(jù)進行去除噪聲點、冗余以及地圖匹配等數(shù)據(jù)預(yù)處理操作,利用成都市街道上下客統(tǒng)計量以及動態(tài)變化量挖掘城市出租車交通時空特征,依據(jù)Bisect K-means方法對街道進行聚類,隨后利用城市路網(wǎng)交通鄰近、中介、直達三種網(wǎng)絡(luò)中心性指標(biāo)與街道內(nèi)上下客活動密度進行相關(guān)性分析。主要研究內(nèi)容總結(jié)如下:（1）出租車軌跡時空特征分析。利用工作日與休息日的聚合方式和以一小時作為時間間隔進行分析發(fā)現(xiàn),休息日出租車活動時間分布曲線相較于工作日較為平滑,工作日晚高峰從18點出現(xiàn)明顯增長趨勢,而休息日則出現(xiàn)在... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線圖

出租車軌跡時空特征及與街道網(wǎng)絡(luò)中心性相關(guān)分析——以成都市為例18圖3-1研究區(qū)示意圖3.2數(shù)據(jù)源與數(shù)據(jù)結(jié)構(gòu)出租車GPS軌跡數(shù)據(jù)來源于DataCastle交通線路通達時間預(yù)測算法競賽（https://www.pkbigdata.com/），數(shù)據(jù)量為18.2GB，包含成都市超過1.4萬輛出租車約4億條軌跡記錄，數(shù)據(jù)時間從2014年08月18日至08月24日，軌跡記錄時間段為每日6:00至23:59，為期一周，數(shù)據(jù)內(nèi)容包括出租車ID、經(jīng)緯度坐標(biāo)、載客狀態(tài)（1代表搭乘，0代表空駛）以及記錄時間點。路網(wǎng)數(shù)據(jù)來自于山西省測繪地理信息院提供的成都市基礎(chǔ)地理數(shù)據(jù)，成都市行政區(qū)劃數(shù)據(jù)與來自于地理國情監(jiān)測云平臺。表3-1出租車GPS軌跡數(shù)據(jù)結(jié)構(gòu)ID經(jīng)度X緯度Y載客狀態(tài)（0空駛，1搭乘）記錄時間1104.03720330.65089402014/8/187:47:391104.03720330.65073602014/8/187:48:09

出租車軌跡時空特征及與街道網(wǎng)絡(luò)中心性相關(guān)分析——以成都市為例20GPS軌跡點之間的速度作為識別參數(shù)，當(dāng)相鄰GPS軌跡點之間的速度大于設(shè)定閾值時，則被識別為噪聲點進行去除。另一種是利用濾波技術(shù)，過濾數(shù)據(jù)中的噪聲以及離散值，常用的濾波技術(shù)有中值濾波、均值濾波、卡爾曼濾波[56]。算法原理是利用被濾波點周圍m個相鄰點（包含被濾波點本身）的中值（均值），對被濾波點的坐標(biāo)進行重新定位，達到修改噪聲點位置的目的，卡爾曼濾波能夠包含沒有直接測量的軌跡點狀態(tài)變量，因此目前大多數(shù)研究學(xué)者都利用卡爾曼濾波器對噪聲點進行平滑處理，卡爾曼濾波基于統(tǒng)計信息，對噪聲點偏移位置進行遞歸修改，利用測量值與估測值之間產(chǎn)生的誤差，獲取最優(yōu)位置，并以此為依據(jù)，對后續(xù)噪聲點位置進行修改，因其在減小GPS定位誤差方面的合理性及高效性，卡爾曼濾波已經(jīng)成為目前最為常用的濾波手段。本文通過遍歷出租車軌跡數(shù)據(jù)坐標(biāo)，計算相鄰點之間的距離，并與容忍距離進行比較，若與前后相鄰點距離和大于二倍容忍距離則視為噪聲點去除。圖3-2去除噪聲示意圖3.3.2去除數(shù)據(jù)冗余對出租車GPS軌跡數(shù)據(jù)進行預(yù)處理主要是為了提取出租車運行特征等有效信息，出租車運行期間所產(chǎn)生的大量停留點數(shù)據(jù)以及包含錯誤信息的誤差數(shù)據(jù)對出租車城市交通時空特征的分析并不具備積極意義，因此需要去除冗余數(shù)據(jù)。依據(jù)城市出租車運行特點與規(guī)律，去除城市出粗車GPS冗余數(shù)據(jù)的工作主要包含：①本文研究區(qū)域為成都市三環(huán)線以內(nèi)，區(qū)域外數(shù)據(jù)對出租車時空特征分析研究作用

【參考文獻】：
期刊論文
[1]K-means聚類算法的改進與應(yīng)用[J]. 劉建花.  太原師范學(xué)院學(xué)報(自然科學(xué)版). 2020(01)
[2]改進的K-means算法研究[J]. 韓琮師,李旭健.  軟件. 2020(03)
[3]北京市出租車GPS軌跡數(shù)據(jù)統(tǒng)計特征分析[J]. 翟文龍,王海起,費濤,閆濱.  測繪與空間地理信息. 2020(02)
[4]出租汽車GPS數(shù)據(jù)的空間分布特征及應(yīng)用——以廣州市為例[J]. 蘇躍江,吳德馨,李曉玉.  城市交通. 2020(01)
[5]基于權(quán)重的地圖匹配算法研究[J]. 何汶黛,干瑞杰,付茂洺,朱紅軍.  中國民航飛行學(xué)院學(xué)報. 2020(01)
[6]基于道路幾何特征的地圖匹配方法研究[J]. 劉峰,郭陽,鄭辛,李殿茜.  導(dǎo)航定位與授時. 2020(01)
[7]中國可持續(xù)交通發(fā)展策略研究[J]. 任浩博,何建平,孟林秀,杜勝品.  人民交通. 2020(01)
[8]交通數(shù)據(jù)的時空并置模糊擁堵模式挖掘[J]. 王曉旭,王麗珍,王家龍.  清華大學(xué)學(xué)報(自然科學(xué)版). 2020(08)
[9]國土空間規(guī)劃背景下我國交通規(guī)劃轉(zhuǎn)型思考[J]. 李潭峰,郝媛,姚偉奇.  交通運輸研究. 2019(06)
[10]淺析城市交通規(guī)劃和城市規(guī)劃之間的協(xié)調(diào)關(guān)系[J]. 沈奕君.  智能城市. 2019(22)

碩士論文
[1]基于浮動車GPS數(shù)據(jù)的城市熱點區(qū)域劃分與路徑引導(dǎo)研究[D]. 朱睿智.北方工業(yè)大學(xué) 2019
[2]出租車城市交通時空特征分析[D]. 徐海洋.南京大學(xué) 2019
[3]被動遷居后城市低收入原住民就業(yè)和通勤時空特征研究[D]. 姚遠.安徽建筑大學(xué) 2019
[4]基于出租車數(shù)據(jù)的城市居民出行時空特征研究[D]. 姜海林.武漢大學(xué) 2018
[5]考慮出租車影響的城市道路交通流建模與仿真[D]. 王輝.蘭州交通大學(xué) 2018
[6]多源軌跡數(shù)據(jù)時空聚類及居民出行模式分析[D]. 岳夢雪.武漢大學(xué) 2017
[7]基于出租車軌跡點的居民出行熱點區(qū)域與時空特征研究[D]. 馬云飛.南京師范大學(xué) 2014
[8]基于復(fù)雜網(wǎng)絡(luò)理論的城市路網(wǎng)特性研究[D]. 王雪.長安大學(xué) 2014
[9]基于復(fù)雜網(wǎng)絡(luò)理論的社區(qū)結(jié)構(gòu)挖掘與人類行為模式特征分析[D]. 陳傳梓.浙江大學(xué) 2011



本文編號：3246483