本文關(guān)鍵詞：手機GPS定位頻率對交通出行信息提取精度的影響研究

  更多相關(guān)文章： 手機GPS數(shù)據(jù) 定位頻率 出行信息 提取精度

【摘要】：城市的發(fā)展過程中,產(chǎn)生了一系列的“城市病”,比如交通擁堵、交通污染。只有通過對城市交通現(xiàn)狀、運行機理的深入剖析,才能掌握交通需求,科學(xué)合理的進行交通規(guī)劃和設(shè)計,從而引導(dǎo)交通系統(tǒng)的發(fā)展。但是傳統(tǒng)的居民出行調(diào)查在精度上存在諸多問題,因此需要新技術(shù)的引進——手機GPS,此技術(shù)不僅可以降低調(diào)查成本,還可以提高數(shù)據(jù)質(zhì)量。盡管現(xiàn)有對手機GPS數(shù)據(jù)的分析研究較為深入,多是對數(shù)據(jù)的挖掘,但是數(shù)據(jù)采集過程中的時間參數(shù)是影響數(shù)據(jù)質(zhì)量的重要因素,需要展開深入研究。本文對不同手機GPS定位頻率對交通出行信息提取影響進行了分析。基于單因素法則,通過設(shè)計不同多交通方式組合數(shù)據(jù)采集實驗以及數(shù)據(jù)預(yù)處理的過程,獲取了不同定位頻率下的GPS數(shù)據(jù)。根據(jù)樣本數(shù)據(jù)的特征和研究目的,選取了瞬時速度作為特征向量,并采用人工神經(jīng)網(wǎng)絡(luò)算法(ANN)和隨機森林算法(RF)識別了不同定位頻率出行數(shù)據(jù)的交通方式轉(zhuǎn)換點和交通方式。通過分析,不同交通方式轉(zhuǎn)換點的識別精度對定位頻率敏感性一致,隨著定位頻率的降低,精度降低。采樣時間間隔為5秒時,所有交通方式的轉(zhuǎn)換點查全率在90%以上,小于120秒誤差的準(zhǔn)確率在80%以上。在實際應(yīng)用中,出于對調(diào)查和數(shù)據(jù)存儲分析成本的考慮,采樣時間間隔可以在1～20秒內(nèi)進行取值。本文同時對步行、自行車、公交車、小汽車四種交通方式進行了識別,ANN算法和RF算法具有相似結(jié)論：當(dāng)ANN算法采樣時間間隔設(shè)置為1秒,RF算法設(shè)置為2秒時,非機動方式準(zhǔn)確率為85%以上,機動方式80%以上；隨著定位頻率降低,準(zhǔn)確率則會下降,出于以上同樣的目的,在實際應(yīng)用中采樣時間間隔取值范圍為1～10秒。
【關(guān)鍵詞】：手機GPS數(shù)據(jù) 定位頻率 出行信息 提取精度
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U491
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-20
• 1.1 研究背景10-11
• 1.2 研究意義11-12
• 1.3 國內(nèi)外研究現(xiàn)狀12-16
• 1.3.1 國外研究現(xiàn)狀12-14
• 1.3.2 國內(nèi)研究現(xiàn)狀14-15
• 1.3.3 文獻總結(jié)15-16
• 1.4 研究目標(biāo)與內(nèi)容16-17
• 1.4.1 研究目標(biāo)16
• 1.4.2 研究內(nèi)容16-17
• 1.5 擬解決的關(guān)鍵問題與技術(shù)路線17-18
• 1.5.1 擬解決的關(guān)鍵問題17-18
• 1.5.2 技術(shù)路線18
• 1.6 論文章節(jié)安排18-20
• 第2章 GPS定位頻率與出行軌跡信息20-26
• 2.1 手機GPS定位頻率20-21
• 2.1.1 GPS技術(shù)簡介20
• 2.1.2 手機GPS定位頻率20-21
• 2.2 出行軌跡信息的內(nèi)容和獲取方式21-24
• 2.2.1 出行軌跡信息的主要內(nèi)容21-22
• 2.2.2 出行軌跡信息獲取方式22-24
• 2.3 手機GPS定位頻率對出行軌跡信息的影響機理24-26
• 2.3.1 手機GPS定位頻率過高的影響24-25
• 2.3.2 手機GPS定位頻率過低的影響25-26
• 第3章 實驗設(shè)計、數(shù)據(jù)采集與預(yù)處理26-36
• 3.1 實驗設(shè)計26-31
• 3.1.1 實驗設(shè)備與軟件26-28
• 3.1.2 實驗線路與方式組合28-31
• 3.2 數(shù)據(jù)預(yù)處理31-36
• 3.2.1 原始數(shù)據(jù)31-32
• 3.2.2 數(shù)據(jù)稀疏化處理32-34
• 3.2.3 數(shù)據(jù)特征分析34-35
• 3.2.4 GPS數(shù)據(jù)與出行日志標(biāo)定35-36
• 第4章 出行軌跡信息提取方法研究36-45
• 4.1 出行信息提取方法綜述36-38
• 4.1.1 GIS輔助方法36-37
• 4.1.2 機器學(xué)習(xí)方法37
• 4.1.3 總結(jié)37-38
• 4.2 人工神經(jīng)網(wǎng)絡(luò)算法38-41
• 4.2.1 人工神經(jīng)網(wǎng)絡(luò)算法簡介38-39
• 4.2.2 人工神經(jīng)網(wǎng)絡(luò)算法模型構(gòu)建39-41
• 4.3 隨機森林算法41-43
• 4.3.1 隨機森林算法簡介41-42
• 4.3.2 隨機森林算法模型構(gòu)建42-43
• 4.4 算法可行性分析43-45
• 第5章 定位頻率對出行軌跡信息識別的影響研究45-68
• 5.1 定位頻率對出行軌跡信息提取精度的定性影響分析45-47
• 5.1.1 定位頻率對交通方式轉(zhuǎn)換點識別精度的定性影響45-46
• 5.1.2 定位頻率對交通方式識別精度的定性影響46-47
• 5.2 定位頻率對出行軌跡關(guān)鍵點識別的影響分析47-61
• 5.2.1 神經(jīng)網(wǎng)絡(luò)算法識別48-55
• 5.2.2 隨機森林算法識別55-61
• 5.3 定位頻率對交通方式識別的影響分析61-67
• 5.3.1 神經(jīng)網(wǎng)絡(luò)算法識別62-64
• 5.3.2 隨機森林算法識別64-67
• 5.4 總結(jié)67-68
• 結(jié)論與展望68-71
• 致謝71-72
• 參考文獻72-76
• 攻讀碩士學(xué)位期間發(fā)表的論文76

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李欣海;;隨機森林模型在分類與回歸分析中的應(yīng)用[J];應(yīng)用昆蟲學(xué)報;2013年04期

2 許宜申;顧濟華;陶智;吳迪;朱明誠;;基于改進BP神經(jīng)網(wǎng)絡(luò)的手寫字符識別[J];通信技術(shù);2011年05期

3 段玉三;;人工神經(jīng)網(wǎng)絡(luò)文獻綜述[J];科技風(fēng);2011年05期

4 方匡南;吳見彬;朱建平;謝邦昌;;隨機森林方法研究綜述[J];統(tǒng)計與信息論壇;2011年03期

5 姜桂艷;牛世峰;常安德;叢玉良;;GPS浮動車數(shù)據(jù)時間間隔優(yōu)化方法[J];吉林大學(xué)學(xué)報(工學(xué)版);2010年06期

6 張治華;;基于定位技術(shù)的居民出行調(diào)查方法[J];經(jīng)濟師;2010年03期

7 董一芬;;Levenberg-Marquardt神經(jīng)網(wǎng)絡(luò)算法研究[J];商場現(xiàn)代化;2009年07期

8 朱樹先;張仁杰;;BP和RBF神經(jīng)網(wǎng)絡(luò)在人臉識別中的比較[J];儀器儀表學(xué)報;2007年02期

9 張華偉;王明文;甘麗新;;基于隨機森林的文本分類模型研究[J];山東大學(xué)學(xué)報(理學(xué)版);2006年03期

10 謝承泮;;神經(jīng)網(wǎng)絡(luò)發(fā)展綜述[J];科技情報開發(fā)與經(jīng)濟;2006年12期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 朱海明;于春青;蔣寅;;GPS技術(shù)在天津市居民出行調(diào)查中的應(yīng)用[A];中國城市交通規(guī)劃2012年年會暨第26次學(xué)術(shù)研討會論文集公交優(yōu)先與緩堵對策[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 陳儉新;基于AML-BP算法的出行方式識別研究[D];鄭州大學(xué);2015年

2 廖思靜;基于智能手機的交通模式判別系統(tǒng)的設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2014年

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

4 張波;用于交通出行調(diào)查的GPS時空軌跡數(shù)據(jù)簡化與語義增強研究[D];華東師范大學(xué);2011年

，

本文編號：781801