發(fā)布時間：2022-04-26 19:09

　　隨著智能交通系統(tǒng)（ITS）的不斷發(fā)展,人們出行更加便捷高效,并通過浮動車獲取的海量動態(tài)實時GPS數(shù)據(jù)運用數(shù)據(jù)挖掘技術(shù)研究居民出行時空特征,分析其出行的移動模式、時空分布等。居民出行時空分析對于緩解城市交通擁堵、進行更加合理的城市規(guī)劃、制定有效的交通管制措施都有重要的研究價值。本文以浮動車GPS數(shù)據(jù)為研究對象,在進行數(shù)據(jù)挖掘處理的基礎(chǔ)上,設(shè)計了城市的熱點區(qū)域劃分算法,在此基礎(chǔ)上對出租車尋客路徑引導(dǎo)算法進行了研究和驗證。全文研究內(nèi)容如下:1、本文首先對獲取的浮動車GPS數(shù)據(jù)進行數(shù)據(jù)預(yù)處理,包括去除噪聲數(shù)據(jù)、冗余數(shù)據(jù)、彌補歷史缺失數(shù)據(jù),提取乘客的上下車點數(shù)據(jù),并采用基于ST-Matching算法進行地圖匹配,提高了地圖匹配精度,減少了計算復(fù)雜度,為后文研究提供了數(shù)據(jù)基礎(chǔ)。2、提出一種基于核密度估計的K-Means聚類算法對城市熱點區(qū)域進行劃分。首先基于高斯核函數(shù)對空間數(shù)據(jù)進行計算得到其密度分布,設(shè)置密度閡值進行密度估計,將城市劃分為高密度區(qū)與低密度區(qū),進而提取高密度區(qū)的極大密度點作為K-Means聚類的初始質(zhì)心,并根據(jù)低密度區(qū)密度極值點與高密度區(qū)極值點距離進行判斷是否單獨聚為一類,進行迭代計... 

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 熱點區(qū)域劃分
        1.2.2 路徑引導(dǎo)算法
        1.2.3 問題提出
    1.3 研究內(nèi)容
第二章 浮動車數(shù)據(jù)預(yù)處理
    2.1 數(shù)據(jù)源簡介
    2.2 GPS數(shù)據(jù)預(yù)處理
        2.2.1 浮動車數(shù)據(jù)清洗
        2.2.2 浮動車數(shù)據(jù)修補
        2.2.3 上下車點提取與格式轉(zhuǎn)換
    2.3 地圖匹配
    2.4 本章小結(jié)
第三章 城市熱點區(qū)域劃分研究
    3.1 基于核密度估計的K-Means聚類算法
        3.1.1 K-Means聚類
        3.1.2 核密度估計算法研究
        3.1.3 基于核密度估計的K-Means聚類算法
    3.2 聚類算法評價指標
    3.3 實例驗證
        3.3.1 平臺搭建
        3.3.2 數(shù)據(jù)預(yù)處理
        3.3.3 城市熱點區(qū)域劃分評價
    3.4 本章小結(jié)
第四章 基于城市熱點區(qū)域劃分的路徑引導(dǎo)研究
    4.1 熱點路徑聚類研究
        4.1.1 LCS相似性度量
        4.1.2 基于LCS(最長公共子序列)相似度的DBSCAN聚類
        4.1.3 熱點路徑提取
    4.2 空載出租車路徑引導(dǎo)研究
        4.2.1 行程時間估計模型
        4.2.2 出租車尋客路徑引導(dǎo)模型研究
    4.3 實例驗證
    4.4 本章小結(jié)
第五章 結(jié)論與展望
    5.1 主要結(jié)論
    5.2 研究展望
參考文獻
附錄A
在學(xué)期間的研究成果
致謝


【參考文獻】：
期刊論文
[1]城市出行熱點區(qū)域的出租車調(diào)度點配置[J]. 劉家良,孫立雙.  中國科技論文. 2018(09)
[2]基于出租車軌跡數(shù)據(jù)的城市熱點出行區(qū)域挖掘[J]. 鄭林江,趙欣,蔣朝輝,鄧建國,夏冬,劉衛(wèi)寧.  計算機應(yīng)用與軟件. 2018(01)
[3]眾源地理空間數(shù)據(jù)的城市熱點區(qū)域探測[J]. 滕巧爽,孫尚宇,秘金鐘.  測繪科學(xué). 2018(05)
[4]尺度驅(qū)動的空間聚類理論[J]. 李志林,劉啟亮,唐建波.  測繪學(xué)報. 2017(10)
[5]城市交通熱點區(qū)域的空間交互網(wǎng)絡(luò)分析[J]. 秦昆,周勍,徐源泉,徐雯婷,羅萍.  地理科學(xué)進展. 2017(09)
[6]停留點空間聚類在景區(qū)熱點分析中的應(yīng)用[J]. 張文元,談國新,朱相舟.  計算機工程與應(yīng)用. 2018(04)
[7]基于軌跡結(jié)構(gòu)的移動對象熱點區(qū)域發(fā)現(xiàn)[J]. 呂紹仟,孟凡榮,袁冠.  計算機應(yīng)用. 2017(01)
[8]Spark平臺上基于K-Means算法的熱點路徑發(fā)現(xiàn)方法研究[J]. 崔艷超,周剛.  信息工程大學(xué)學(xué)報. 2016(06)
[9]局部子空間聚類[J]. 劉展杰,陳曉云.  自動化學(xué)報. 2016(08)
[10]基于密度的軌跡時空聚類分析[J]. 吳笛,杜云艷,易嘉偉,魏海濤,莫洋.  地球信息科學(xué)學(xué)報. 2015(10)

博士論文
[1]海量低頻浮動車數(shù)據(jù)道路匹配及行程時間估算[D]. 李宇光.武漢大學(xué) 2013
[2]智能交通系統(tǒng)中的時空數(shù)據(jù)分析關(guān)鍵技術(shù)研究[D]. 夏英.西南交通大學(xué) 2012

碩士論文
[1]支持回算的大數(shù)據(jù)實時計算關(guān)鍵技術(shù)研究[D]. 許四平.中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院) 2018
[2]基于城市生活圈的房地產(chǎn)估價模型研究[D]. 宋雁南.內(nèi)蒙古大學(xué) 2018
[3]基于信號周期的間斷流行程時間短時預(yù)測[D]. 侯正英.北方工業(yè)大學(xué) 2017
[4]基于DBSCAN的自適應(yīng)非均勻密度聚類算法研究[D]. 王實美.北京交通大學(xué) 2017
[5]城市道路汽車防碰撞系統(tǒng)障礙物識別算法及應(yīng)用研究[D]. 王洪峰.吉林大學(xué) 2016
[6]基于出租車軌跡的居民出行熱點路徑和區(qū)域挖掘[D]. 馮琦森.重慶大學(xué) 2016
[7]基于數(shù)據(jù)分析的城市移動模式挖掘[D]. 李高峰.東南大學(xué) 2015
[8]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
[9]WebGIS在煤礦安全監(jiān)控系統(tǒng)中的研究與應(yīng)用[D]. 鄧寧.東北大學(xué) 2013
[10]基于出租車GPS數(shù)據(jù)的居民出行行為分析[D]. 童曉君.中南大學(xué) 2012



本文編號：3648568