本文關(guān)鍵詞：移動(dòng)網(wǎng)絡(luò)環(huán)境下城市居民出行方式判別方法研究

  更多相關(guān)文章： 數(shù)據(jù)采集器 軌跡分段 決策樹(shù) 出行方式判別

【摘要】：交通對(duì)于城市的發(fā)展至關(guān)重要，它作為連接城市的紐帶，為城市發(fā)展輸送人流、物流，是城市前進(jìn)的主要?jiǎng)恿Αr(shí)代的發(fā)展，帶來(lái)了經(jīng)濟(jì)、技術(shù)的快速發(fā)展，同時(shí)在新形勢(shì)的要求下，城市的發(fā)展也面臨著與時(shí)俱進(jìn)的新問(wèn)題。新的交通模式——智能交通的實(shí)施勢(shì)在必行，21世紀(jì)將會(huì)是智能交通的世紀(jì)。 發(fā)展智能交通的關(guān)鍵獲得豐富的交通信息。交通信息作為智能交通中的基礎(chǔ)信息，服務(wù)于城市日常的交通管理、交通服務(wù)中，伴隨著城市發(fā)展的需要，越來(lái)越被人們所重視。其中居民出行方式是重要的交通信息庫(kù)之一，目前成為交通規(guī)劃領(lǐng)域的研究熱點(diǎn)。有效判別城市居民的出行方式，不僅能夠?yàn)楹笃谶M(jìn)行交通結(jié)構(gòu)劃分提供了可靠的數(shù)據(jù)來(lái)源和評(píng)價(jià)參考，同時(shí)對(duì)于解決城市擁堵，空間結(jié)構(gòu)優(yōu)化，城市能源消耗等問(wèn)題有著重要意義。 在城市居民出行方式判別方法研究進(jìn)程中，最關(guān)鍵的問(wèn)題之一是居民出行數(shù)據(jù)的獲取。隨著計(jì)算機(jī)、通信、信息技術(shù)的發(fā)展，智能手機(jī)的迅速普及，傳統(tǒng)的出行數(shù)據(jù)采集方法如調(diào)查問(wèn)卷、家訪(fǎng)、回想日志等已經(jīng)不能滿(mǎn)足交通管理的需求。人們開(kāi)始關(guān)注在新的技術(shù)背景和社會(huì)背景下利用新技術(shù)、新手段進(jìn)行出行數(shù)據(jù)的獲取。本論文在移動(dòng)網(wǎng)絡(luò)環(huán)境下提出了一種基于手機(jī)定位的出行信息采集方法，利用Java語(yǔ)言設(shè)計(jì)研發(fā)一款針對(duì)智能終端的數(shù)據(jù)采集器。該數(shù)據(jù)采集器安裝使用簡(jiǎn)單，采集的數(shù)據(jù)類(lèi)型廣泛，既包含靜態(tài)信息，又包含動(dòng)態(tài)信息。此外，在數(shù)據(jù)采集的同時(shí)，進(jìn)行了數(shù)據(jù)預(yù)處理，并對(duì)出行軌跡進(jìn)行預(yù)判別，與傳統(tǒng)的采集方法相比，，具有投資少、精度高、全天候?qū)崟r(shí)采集、數(shù)據(jù)預(yù)處理能力強(qiáng)大等優(yōu)勢(shì)。通過(guò)數(shù)據(jù)采集器進(jìn)行海量出行信息的實(shí)時(shí)提取，從而進(jìn)行出行方式判別研究。 在進(jìn)行出行方式判別研究中，本文不僅僅止步于傳統(tǒng)的模糊判別，力爭(zhēng)在一段出行軌跡上實(shí)現(xiàn)更精細(xì)的交通方式劃分。在不同交通方式預(yù)分類(lèi)的基礎(chǔ)上，結(jié)合數(shù)據(jù)采集方法，以及換乘點(diǎn)的數(shù)據(jù)特點(diǎn)，提出了演繹性時(shí)序聚類(lèi)分割算法進(jìn)行軌跡分段，理論和探索性方法結(jié)合使用，大大提高了對(duì)不同交通方式段提取的精度。此后，根據(jù)軌跡分段結(jié)果，深入分析城市居民出行方式特性，不依賴(lài)于輔助數(shù)據(jù)（如公交站點(diǎn)、公交線(xiàn)路、地鐵線(xiàn)路、道路網(wǎng)等）以及相關(guān)經(jīng)驗(yàn)知識(shí)，借助機(jī)器學(xué)習(xí)算法決策樹(shù)進(jìn)行出行方式的細(xì)致劃分，并通過(guò)測(cè)試數(shù)據(jù)對(duì)該判別方法進(jìn)行準(zhǔn)確度驗(yàn)證及結(jié)果分析。 最后，本文在探索理論方法研究的基礎(chǔ)上，構(gòu)建了出行方式判別模型，實(shí)現(xiàn)了在自主研發(fā)平臺(tái)i4People平臺(tái)中加入了出行方式判別模塊，為后期將研究成果付諸實(shí)踐打下了堅(jiān)實(shí)基礎(chǔ)。
【關(guān)鍵詞】：數(shù)據(jù)采集器 軌跡分段 決策樹(shù) 出行方式判別
【學(xué)位授予單位】：中國(guó)海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：P208;P204
【目錄】：

• 摘要5-7
• Abstract7-11
• 1 緒論11-23
• 1.1 研究背景11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)12-14
• 1.3 相關(guān)技術(shù)簡(jiǎn)介14-21
• 1.3.1 移動(dòng)網(wǎng)絡(luò)環(huán)境下的手機(jī)定位技術(shù)14-16
• 1.3.2 決策樹(shù)分類(lèi)技術(shù)16-19
• 1.3.3 i4People 平臺(tái)19-21
• 1.4 研究?jī)?nèi)容21
• 1.5 章節(jié)安排21-23
• 2 移動(dòng)網(wǎng)絡(luò)環(huán)境下的數(shù)據(jù)采集23-30
• 2.1 基于手機(jī)定位技術(shù)的出行數(shù)據(jù)采集器23-28
• 2.1.1 出行數(shù)據(jù)采集器系統(tǒng)結(jié)構(gòu)23-24
• 2.1.2 出行數(shù)據(jù)采集器工作流程24-28
• 2.1.3 出行數(shù)據(jù)庫(kù)搭建28
• 2.2 出行數(shù)據(jù)采集方案28-30
• 3 城市居民出行軌跡分段算法研究30-35
• 3.1 出行方式二值化30-31
• 3.2 演繹性時(shí)序聚類(lèi)分割31-33
• 3.3 軌跡段后處理33-34
• 3.4 出行軌跡分段精度34-35
• 4 基于決策樹(shù)的出行方式判別35-49
• 4.1 選取統(tǒng)計(jì)量36-44
• 4.2 基于決策樹(shù)的出行方式識(shí)別模型建立44-46
• 4.3 出行方式識(shí)別精度驗(yàn)證46-47
• 4.3.1 測(cè)試數(shù)據(jù)處理46
• 4.3.2 出行方式識(shí)別結(jié)果分析46-47
• 4.4 基于出行方式識(shí)別模型的人跡數(shù)據(jù)可視化47-49
• 5 總結(jié)創(chuàng)新與展望49-51
• 5.1 總結(jié)49-50
• 5.2 創(chuàng)新50
• 5.3 展望50-51
• 參考文獻(xiàn)51-54
• 附錄54-60
• 致謝60-61
• 個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果61-62

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉淼;張小寧;張紅軍;;基于手機(jī)信息的居民出行調(diào)查[J];城市道橋與防洪;2007年03期

2 楊飛,裘煒毅;基于手機(jī)定位的實(shí)時(shí)交通數(shù)據(jù)采集技術(shù)[J];城市交通;2005年04期

3 高宏偉;畢翔;齊琴;;基于gpsOne的手機(jī)定位導(dǎo)航研究[J];電腦應(yīng)用技術(shù);2007年02期

4 王桂芹;黃道;;決策樹(shù)算法研究及應(yīng)用[J];電腦應(yīng)用技術(shù);2008年01期

5 黎海濤,張平;蜂窩無(wú)線(xiàn)定位技術(shù)的發(fā)展及應(yīng)用[J];電信科學(xué);2001年09期

6 陳文,史金成;決策樹(shù)分類(lèi)技術(shù)研究[J];福建電腦;2005年08期

7 楊飛;;基于手機(jī)定位的交通OD數(shù)據(jù)獲取技術(shù)[J];系統(tǒng)工程;2007年01期

8 欒麗華,吉根林;決策樹(shù)分類(lèi)技術(shù)研究[J];計(jì)算機(jī)工程;2004年09期

9 曹長(zhǎng)瑞;;嵌入式系統(tǒng)中無(wú)線(xiàn)通信技術(shù)的設(shè)計(jì)與實(shí)現(xiàn)[J];科技致富向?qū)?2013年08期

10 王剛,郝波;蜂窩移動(dòng)通信系統(tǒng)中的定位技術(shù)[J];移動(dòng)通信;2002年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 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

本文編號(hào)：534965