【摘要】：近年來(lái),城市計(jì)算和智能交通成為了交通領(lǐng)域的研究熱點(diǎn),其中用戶的出行行為分析以及行為建模是工作基礎(chǔ),可支持大量增值性研究,例如交通出行需求分析、交通流預(yù)測(cè)以及群體服務(wù)推薦等�，F(xiàn)有研究主要從GPS數(shù)據(jù)中挖掘有限、獨(dú)立的出行特征,存在忽視特征之間語(yǔ)義聯(lián)系、模型拓展性較差等問(wèn)題。因此,構(gòu)建能夠完整描繪用戶出行行為,理解出行特征之間聯(lián)系的出行模型具有很重要的意義。本文分析了用戶出行行為研究的現(xiàn)狀,從GPS數(shù)據(jù)中抽取包括出行時(shí)間、位置以及服務(wù)等不同類型對(duì)象,分析對(duì)象之間的關(guān)系類型與語(yǔ)義信息,構(gòu)造異質(zhì)出行網(wǎng)絡(luò)模型表示。在此基礎(chǔ)上,定義出行元路徑,對(duì)出行特征及其關(guān)系進(jìn)行表示與相似性分析,運(yùn)用機(jī)器學(xué)習(xí)方法自動(dòng)發(fā)現(xiàn)具有相似出行特征的用戶。實(shí)驗(yàn)結(jié)果表明,采用本文所提出的復(fù)合元路徑算法比一般的算法有更好的效果。主要研究工作如下:(1)結(jié)合用戶出行對(duì)位置敏感的特性,挖掘停留位置的語(yǔ)義信息,分析并進(jìn)行用戶出行特征數(shù)據(jù)提取。(2)研究異質(zhì)信息網(wǎng)絡(luò)理論,構(gòu)造異質(zhì)出行網(wǎng)絡(luò)模型。該模型從GPS數(shù)據(jù)中抽取包括出行時(shí)間、位置以及服務(wù)等不同類型對(duì)象,分析對(duì)象之間的關(guān)系類型。定義出行元路徑,表示星型網(wǎng)絡(luò)模式下的對(duì)象間語(yǔ)義關(guān)系,進(jìn)行出行特征分析。(3)采用元路徑定義特征相似性,運(yùn)用PathSim、SimRank與隨機(jī)游走方法構(gòu)造相似向量,確定度量方法。結(jié)合線性回歸技術(shù)自動(dòng)融合不同元路徑下的相似性度量結(jié)果,確定相似用戶。(4)采用10-折交叉驗(yàn)證方法對(duì)Geolife樣本數(shù)據(jù)集進(jìn)行相似度標(biāo)定。在1000對(duì)用戶數(shù)據(jù)集上,選取80%的數(shù)據(jù)輸入到分類器中進(jìn)行訓(xùn)練。使用測(cè)試集中的用戶對(duì)數(shù)據(jù),分別對(duì)單元路徑下相似性算法與復(fù)合多元路徑下相似性算法進(jìn)行查全率、查準(zhǔn)率與AUC(Area under the ROC curve)的驗(yàn)證。結(jié)果顯示,在各個(gè)指標(biāo)下,復(fù)合元路徑下相似算法遠(yuǎn)遠(yuǎn)好于單元路徑相似算法。
【圖文】：

地理論構(gòu)建個(gè)人行為模型，可以按照步驟詳細(xì)說(shuō)明用戶出行行為的變化，可以比較模擬個(gè)體日常出行的位置序列和行為活動(dòng)[46]。還可以通過(guò)對(duì)用戶出行軌跡使用聚類來(lái)提取興趣點(diǎn)，以便于將來(lái)建模反映用戶在出行地理位置上的偏好。例如，Jun Li，WZhang 等人[47]通過(guò)對(duì)廣州市主要多個(gè)區(qū)城市內(nèi)大規(guī)模多源數(shù)據(jù)進(jìn)行交通流可視化，2.2 所示。使用社區(qū)檢測(cè)和網(wǎng)絡(luò)分析方法，研究了用戶出行方式的空間和時(shí)間變化有文獻(xiàn)[48]中，Yu Hu 等人在研究日常交通流量狀況時(shí)，通過(guò)利用出行的早高峰、午和晚高峰時(shí)間交通流量，結(jié)合高斯數(shù)學(xué)模型構(gòu)建混合流量模型，來(lái)刻畫人群的日常如圖 2.3 所示，最終該模型對(duì)于不規(guī)律的出行流也有很好的效果。上述建模方式雖然可以清楚的發(fā)現(xiàn)用戶的出行偏好，但是在建模過(guò)程中對(duì)出行這一出行特征不夠重視，并且因?yàn)槌鲂杏脩糁g可能存在社交關(guān)系，沒有考慮出行之間可能會(huì)產(chǎn)生的相互影響作用。故建立的模型不能直觀描述出行用戶與用戶之間關(guān)關(guān)系，僅從整體上或者獨(dú)立個(gè)體的角度來(lái)進(jìn)行出行行為的分析與建模，僅使用了的出行行為特征，描述的出行情況比較單薄。

WennaZhang 等人[47]通過(guò)對(duì)廣州市主要多個(gè)區(qū)城市內(nèi)大規(guī)模多源數(shù)據(jù)進(jìn)行交通流可視化，如圖2.2 所示。使用社區(qū)檢測(cè)和網(wǎng)絡(luò)分析方法，研究了用戶出行方式的空間和時(shí)間變化。還有文獻(xiàn)[48]中，Yu Hu 等人在研究日常交通流量狀況時(shí)，通過(guò)利用出行的早高峰、午高峰和晚高峰時(shí)間交通流量，結(jié)合高斯數(shù)學(xué)模型構(gòu)建混合流量模型，來(lái)刻畫人群的日常出行。如圖 2.3 所示，最終該模型對(duì)于不規(guī)律的出行流也有很好的效果。上述建模方式雖然可以清楚的發(fā)現(xiàn)用戶的出行偏好，但是在建模過(guò)程中對(duì)出行服務(wù)這一出行特征不夠重視，并且因?yàn)槌鲂杏脩糁g可能存在社交關(guān)系，沒有考慮出行用戶之間可能會(huì)產(chǎn)生的相互影響作用。故建立的模型不能直觀描述出行用戶與用戶之間的相關(guān)關(guān)系，僅從整體上或者獨(dú)立個(gè)體的角度來(lái)進(jìn)行出行行為的分析與建模，，僅使用了單一的出行行為特征，描述的出行情況比較單薄。圖 2.1 用戶出行與社交關(guān)系[46]圖 2.2 公交流量網(wǎng)絡(luò)結(jié)構(gòu)[47]
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.3;U495

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 隋正偉;鄔陽(yáng);劉瑜;;基于簽到數(shù)據(jù)的用戶空間出行相似性度量方法研究[J];地理信息世界;2013年03期

相關(guān)碩士學(xué)位論文 前1條

1 檀聰;位置敏感的個(gè)性化交通出行服務(wù)推薦模型研究[D];長(zhǎng)安大學(xué);2017年

本文編號(hào)：2615363