【摘要】：隨著城市化的快速推進,國民經(jīng)濟飛速發(fā)展,城市機動車保有量快速增長,如何解決城市中的交通問題也成為當今研究重點。同時,交通相關數(shù)據(jù)也被重視起來,大量的交通卡口數(shù)據(jù)通過安裝在道路路口的攝像頭等設備采集并進行研究分析。這些復雜多維的交通卡口數(shù)據(jù),對于數(shù)據(jù)分析系統(tǒng)的要求越來越高�，F(xiàn)有的數(shù)據(jù)分析系統(tǒng)主要針對當前用戶需求,本文通過和交通方面專家合作將交通問題進行分解,并提出運用原子交互的方式來解決現(xiàn)有和未來可能出現(xiàn)的交通問題�？梢暦治黾夹g結合了可視化、人機交互和自動分析技術使數(shù)據(jù)分析過程透明化能幫助人們可以從卡口數(shù)據(jù)中得到更多有用的信息。因此,本文提出運用可視分析技術來分析交通卡口數(shù)據(jù)。本文設計了一個基于Web平臺的可視分析系統(tǒng),主要對城市道路監(jiān)控卡口數(shù)據(jù)進行可視分析,通過交通信息提取并進行原子化來滿足研究人員的復雜需求,并通過類似流量密度圖,流量時序圖等可視分析工具對一個城市的交通狀況進行探索。本文還使用可視分析技術對基于神經(jīng)網(wǎng)絡模型的交通流量進行越策。本文的主要工作和成果如下:(1)車輛數(shù)據(jù)清理。數(shù)據(jù)可視分析的核心就是數(shù)據(jù),需要對數(shù)據(jù)進行清洗來達到最佳的可視效果。由于車牌遮擋或者天氣可見度低,卡口拍攝的圖片質量不佳,通過圖像處理得到的數(shù)據(jù)可能出現(xiàn)錯誤。本文在對數(shù)據(jù)進行可視分析前先將卡口數(shù)據(jù)轉換成軌跡數(shù)據(jù),從而對個別出錯車輛數(shù)據(jù)屬性進行修正。(2)交通問題分解。傳統(tǒng)的可視分析系統(tǒng),往往只滿足于當前的需求,可擴展性較差。本文提出了一個將交通問題分析任務進行分解的方法,它將每個分析任務分解成類別原子和數(shù)字原子,并將上述兩種原子與可視化原子組合進行可視分析,來滿足將來可能出現(xiàn)的研究人員需求。(3)神經(jīng)網(wǎng)絡預測交通流量過程可視化。本文還提出對神經(jīng)網(wǎng)絡進行交通流量預測過程可視化,通過可視化工具對神經(jīng)網(wǎng)絡訓練過程和結果進行可視分析,幫助研究人員構建更合理的神經(jīng)網(wǎng)絡結構來交通流量預測。(4)B/S架構下的可視分析系統(tǒng)。本系統(tǒng)采用了瀏覽器與服務器的模式設計方式,這種方式具有較強的可移植性,同時現(xiàn)階段有很多可視分析函數(shù)庫支持這種方式。通過服務器進行主要運算,降低研究人員使用可視分析系統(tǒng)的硬件需求。本系統(tǒng)以交通卡口數(shù)據(jù)為基礎,為了解決海量卡口數(shù)據(jù)的存儲問題,系統(tǒng)采用Mongodb作為數(shù)據(jù)分布式存儲平臺。通過將交通問題分解成原子再重組來滿足復雜的研究需求,并運用不同的可視分析工具探索城市交通問題。系統(tǒng)還設計了基于神經(jīng)網(wǎng)絡的交通流量預測可視分析模塊,幫助研究人員對流量預測這一熱門問題進行研究。
【圖文】：

圖 1-1 馬賽圖表示區(qū)域內流量的時空聚類特性1.2.2 道路交通可視分析交通是道路上機動車輛，非機動車輛和行人或乘客移動（例如地鐵交匯處）的通道。交通可以發(fā)生在城市地區(qū)、陸地、海洋、空中甚至地下。隨著交通系統(tǒng)的快速發(fā)展，交通已成為人類生活的重要組成部分，并對生活質量產(chǎn)生重大影響。例如，估計平均 40％的人每天至少在路上花費 1 小時。數(shù)據(jù)可視化通過視覺技術來表示數(shù)據(jù)集[15]，將各種類型的數(shù)據(jù)轉換為適當?shù)目梢暬问絹碚宫F(xiàn)，以便高效地完成數(shù)據(jù)理解和分析。數(shù)據(jù)可視化的優(yōu)勢在于將人的能力融入直觀的可視化界面，從而將機器智能與人類智能相結合。交通數(shù)據(jù)集通常是高維或時空的，因此可視化交通數(shù)據(jù)大多采用信息可視化技術。可視化和可視化分析對于高效率的數(shù)據(jù)驅動型智能交通研究非常重要。具體來說，交通數(shù)據(jù)可視化可以幫助理解移動對象（車輛）的行為并探索交通、社會、地理空間乃至經(jīng)濟模式。通常，分析系統(tǒng)由四部分組成：數(shù)據(jù)收集、數(shù)據(jù)預處理、數(shù)據(jù)查詢和數(shù)據(jù)分析。

城市地鐵系統(tǒng)的三種尺度描述
【學位授予單位】：浙江工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U495

【相似文獻】

相關期刊論文 前10條

1 降惠;;醫(yī)學大數(shù)據(jù)可視分析研究[J];軟件工程;2017年11期

2 ;《空間可視分析方法和應用》出版[J];測繪通報;2008年02期

3 趙穎;張卓;袁曉如;;數(shù)據(jù)可視分析挑戰(zhàn)賽三年回顧[J];網(wǎng)絡與信息安全學報;2018年02期

4 徐佳;魏景利;;食品安全大數(shù)據(jù)可視分析方法研究[J];現(xiàn)代食品;2018年06期

5 文斐;;可視分析是變現(xiàn)大數(shù)據(jù)價值最終一環(huán)[J];互聯(lián)網(wǎng)周刊;2016年21期

6 陳達;崔虎平;蘇亞龍;;多粒度時空對象可視分析體系初探[J];地理信息世界;2018年02期

7 徐葛培;;大數(shù)據(jù)可視分析視角下的礦產(chǎn)資源規(guī)劃研究[J];科技創(chuàng)新與應用;2017年26期

8 侯雪;肖丁;陳璞迪;宋禮;;用電行為數(shù)據(jù)可視分析系統(tǒng)[J];計算機應用;2018年S1期

9 孫國道;柳芬;蔣莉;梁榮華;;基于空間區(qū)域功能劃分的人群移動模式可視分析[J];計算機輔助設計與圖形學學報;2018年06期

10 沈漢威;張小龍;陳為;袁曉如;王文成;;可視化及可視分析專題前言[J];軟件學報;2016年05期

相關會議論文 前4條

1 袁曉如;;大數(shù)據(jù)可視分析——挑戰(zhàn)和機遇[A];大數(shù)據(jù)、云計算與地球物理應用研討活動論文摘要集[C];2014年

2 鄧超;宋金偉;孫瑞志;郭曉惠;史銀雪;袁鋼;孫忱;鄧雪峰;陸瑛;;基于熱力圖的卷煙市場數(shù)據(jù)可視分析系統(tǒng)[A];中國煙草學會學術年會優(yōu)秀論文集[C];2017年

3 鮑虎軍;;城市場景的多維表達與交互可視分析[A];浙江省信號處理學會2015年學術年會論文集[C];2015年

4 汪恭正;滕東興;熊金泉;王宏安;戴國忠;;基于交互歷史在線跟蹤機制的可視分析系統(tǒng)[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

相關重要報紙文章 前2條

1 記者 張靜　通訊員 李博;我國首款全球三維體可視分析軟件研發(fā)成功[N];中國氣象報;2013年

2 北京應用物理與計算數(shù)學研究所 吳明靜;勇于擔當 追求無限[N];科技日報;2011年

相關博士學位論文 前10條

1 鄧超;基于密度聚類與時空圖的市場數(shù)據(jù)可視分析方法研究[D];中國農(nóng)業(yè)大學;2018年

2 應申;空間可視分析的關鍵技術和應用研究[D];武漢大學;2005年

3 曹一冰;陸地邊界地理可視分析技術研究[D];解放軍信息工程大學;2015年

4 李少雄;基于偏序模式表示原理的多維混合數(shù)據(jù)可視分析研究[D];燕山大學;2017年

5 陳海東;不確定性可視化及分析方法研究[D];浙江大學;2015年

6 王慶;自我中心網(wǎng)絡的結構建模與研究[D];北京郵電大學;2017年

7 劉玉華;模型驅動的網(wǎng)絡數(shù)據(jù)的可視分析方法研究[D];華東師范大學;2017年

8 葉鵬;基于視覺感知的風格可視化研究[D];蘇州大學;2016年

9 胡華全;基于時變特征的天基網(wǎng)絡可視化方法研究[D];國防科學技術大學;2014年

10 孫國道;用戶行為數(shù)據(jù)的交互式可視挖掘方法研究[D];浙江工業(yè)大學;2015年

相關碩士學位論文 前10條

1 柳芬;基于數(shù)據(jù)融合的人群移動時空語義模式可視分析[D];浙江工業(yè)大學;2018年

2 曹帝胄;基于原子交互的交通卡口可視分析系統(tǒng)[D];浙江工業(yè)大學;2018年

3 陳萬烤;航空訂票服務器爬蟲檢測技術研究[D];杭州電子科技大學;2018年

4 劉汪洋;公共自行車數(shù)據(jù)的可視分析[D];杭州電子科技大學;2018年

5 王琦;針對電網(wǎng)暫態(tài)穩(wěn)定計算時序變量對的統(tǒng)計質量控制與可視分析[D];浙江大學;2018年

6 羅曉博;基于電子病歷的群組及治療方案可視分析[D];浙江大學;2018年

7 丁鐵成;基于出租車軌跡數(shù)據(jù)的城市道路相關性分析方法研究[D];合肥工業(yè)大學;2018年

8 劉明超;犯罪時空可視分析系統(tǒng)研究與實現(xiàn)[D];福州大學;2017年

9 梁翊濤;基于網(wǎng)絡數(shù)據(jù)的教育輿情情感可視分析研究[D];華東師范大學;2019年

10 郭宗超;基于社會化媒體營銷的微信公眾號推薦可視分析研究[D];華東師范大學;2019年

，

本文編號：2673925