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(guò)浮動(dòng)車獲取的海量動(dòng)態(tài)實(shí)時(shí)GPS數(shù)據(jù)運(yùn)用數(shù)據(jù)挖掘技術(shù)研究居民出行時(shí)空特征,分析其出行的移動(dòng)模式、時(shí)空分布等。居民出行時(shí)空分析對(duì)于緩解城市交通擁堵、進(jìn)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?jī)r(jià)值。本文以浮動(dòng)車GPS數(shù)據(jù)為研究對(duì)象,在進(jìn)行數(shù)據(jù)挖掘處理的基礎(chǔ)上,設(shè)計(jì)了城市的熱點(diǎn)區(qū)域劃分算法,在此基礎(chǔ)上對(duì)出租車尋客路徑引導(dǎo)算法進(jìn)行了研究和驗(yàn)證。全文研究?jī)?nèi)容如下:1、本文首先對(duì)獲取的浮動(dòng)車GPS數(shù)據(jù)進(jìn)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(bǔ)歷史缺失數(shù)據(jù),提取乘客的上下車點(diǎn)數(shù)據(jù),并采用基于ST-Matching算法進(jìn)行地圖匹配,提高了地圖匹配精度,減少了計(jì)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(jì)的K-Means聚類算法對(duì)城市熱點(diǎn)區(qū)域進(jìn)行劃分。首先基于高斯核函數(shù)對(duì)空間數(shù)據(jù)進(jìn)行計(jì)算得到其密度分布,設(shè)置密度閡值進(jìn)行密度估計(jì),將城市劃分為高密度區(qū)與低密度區(qū),進(jìn)而提取高密度區(qū)的極大密度點(diǎn)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(diǎn)與高密度區(qū)極值點(diǎn)距離進(jìn)行判斷是否單獨(dú)聚為一類,進(jìn)行迭代計(jì)... 

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 熱點(diǎn)區(qū)域劃分
        1.2.2 路徑引導(dǎo)算法
        1.2.3 問(wèn)題提出
    1.3 研究?jī)?nèi)容
第二章 浮動(dòng)車數(shù)據(jù)預(yù)處理
    2.1 數(shù)據(jù)源簡(jiǎn)介
    2.2 GPS數(shù)據(jù)預(yù)處理
        2.2.1 浮動(dòng)車數(shù)據(jù)清洗
        2.2.2 浮動(dòng)車數(shù)據(jù)修補(bǔ)
        2.2.3 上下車點(diǎn)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(diǎn)區(qū)域劃分研究
    3.1 基于核密度估計(jì)的K-Means聚類算法
        3.1.1 K-Means聚類
        3.1.2 核密度估計(jì)算法研究
        3.1.3 基于核密度估計(jì)的K-Means聚類算法
    3.2 聚類算法評(píng)價(jià)指標(biāo)
    3.3 實(shí)例驗(yàn)證
        3.3.1 平臺(tái)搭建
        3.3.2 數(shù)據(jù)預(yù)處理
        3.3.3 城市熱點(diǎn)區(qū)域劃分評(píng)價(jià)
    3.4 本章小結(jié)
第四章 基于城市熱點(diǎn)區(qū)域劃分的路徑引導(dǎo)研究
    4.1 熱點(diǎn)路徑聚類研究
        4.1.1 LCS相似性度量
        4.1.2 基于LCS(最長(zhǎng)公共子序列)相似度的DBSCAN聚類
        4.1.3 熱點(diǎn)路徑提取
    4.2 空載出租車路徑引導(dǎo)研究
        4.2.1 行程時(shí)間估計(jì)模型
        4.2.2 出租車尋客路徑引導(dǎo)模型研究
    4.3 實(shí)例驗(yàn)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(xiàn)
附錄A
在學(xué)期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]城市出行熱點(diǎn)區(qū)域的出租車調(diào)度點(diǎn)配置[J]. 劉家良,孫立雙.  中國(guó)科技論文. 2018(09)
[2]基于出租車軌跡數(shù)據(jù)的城市熱點(diǎn)出行區(qū)域挖掘[J]. 鄭林江,趙欣,蔣朝輝,鄧建國(guó),夏冬,劉衛(wèi)寧.  計(jì)算機(jī)應(yīng)用與軟件. 2018(01)
[3]眾源地理空間數(shù)據(jù)的城市熱點(diǎn)區(qū)域探測(cè)[J]. 滕巧爽,孫尚宇,秘金鐘.  測(cè)繪科學(xué). 2018(05)
[4]尺度驅(qū)動(dòng)的空間聚類理論[J]. 李志林,劉啟亮,唐建波.  測(cè)繪學(xué)報(bào). 2017(10)
[5]城市交通熱點(diǎn)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(jìn)展. 2017(09)
[6]停留點(diǎn)空間聚類在景區(qū)熱點(diǎn)分析中的應(yīng)用[J]. 張文元,談國(guó)新,朱相舟.  計(jì)算機(jī)工程與應(yīng)用. 2018(04)
[7]基于軌跡結(jié)構(gòu)的移動(dòng)對(duì)象熱點(diǎn)區(qū)域發(fā)現(xiàn)[J]. 呂紹仟,孟凡榮,袁冠.  計(jì)算機(jī)應(yīng)用. 2017(01)
[8]Spark平臺(tái)上基于K-Means算法的熱點(diǎn)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(bào). 2016(06)
[9]局部子空間聚類[J]. 劉展杰,陳曉云.  自動(dòng)化學(xué)報(bào). 2016(08)
[10]基于密度的軌跡時(shí)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(bào). 2015(10)

博士論文
[1]海量低頻浮動(dòng)車數(shù)據(jù)道路匹配及行程時(shí)間估算[D]. 李宇光.武漢大學(xué) 2013
[2]智能交通系統(tǒng)中的時(shí)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(shí)時(shí)計(jì)算關(guān)鍵技術(shù)研究[D]. 許四平.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院) 2018
[2]基于城市生活圈的房地產(chǎn)估價(jià)模型研究[D]. 宋雁南.內(nèi)蒙古大學(xué) 2018
[3]基于信號(hào)周期的間斷流行程時(shí)間短時(shí)預(yù)測(cè)[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(shí)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(shí)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(diǎn)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(dòng)模式挖掘[D]. 李高峰.東南大學(xué) 2015
[8]基于出租車軌跡點(diǎn)的居民出行熱點(diǎn)區(qū)域與時(shí)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(hào)：3648568