Slugging共乘出行下的位置預(yù)測(cè)與群體發(fā)現(xiàn)方法研究

發(fā)布時(shí)間：2020-07-09 12:24

【摘要】：隨著我國(guó)經(jīng)濟(jì)的迅猛發(fā)展,機(jī)動(dòng)車保有量飛速增長(zhǎng),城市交通擁堵、環(huán)境污染、能源消耗等問題日益嚴(yán)峻。共乘出行方式以其能夠緩解交通堵塞、提高道路承載力的優(yōu)勢(shì)越來(lái)越得到大家的關(guān)注。因此,如何從眾多出行者的出行信息中挖掘出潛在的共乘群體,是目前研究共乘出行的熱點(diǎn)問題。本文針對(duì)共乘群體發(fā)現(xiàn)進(jìn)行深入研究,提出了在Slugging共乘出行下運(yùn)用位置預(yù)測(cè)技術(shù)發(fā)現(xiàn)潛在共乘群體的方法。首先,采用基于條件約束的停留點(diǎn)提取算法識(shí)別出行停留信息,并用停留點(diǎn)聚類算法對(duì)存在異常的停留點(diǎn)進(jìn)行處理,提取出行停留點(diǎn)軌跡,進(jìn)而構(gòu)建出行者的位置軌跡模型,還原出行者在現(xiàn)實(shí)世界的活動(dòng),同時(shí)引入POI數(shù)據(jù)集,挖掘地理位置隱含的語(yǔ)義信息,將基于地理空間的位置軌跡映射到語(yǔ)義空間,構(gòu)建出行者的語(yǔ)義軌跡模型。然后,提出了P-PPM(PrefixSpan-Prediction by Partial Matching)位置預(yù)測(cè)算法,基于位置軌跡建立PPM預(yù)測(cè)模型,并運(yùn)用序列模式挖掘技術(shù)挖掘語(yǔ)義軌跡的頻繁語(yǔ)義模式,基于頻繁語(yǔ)義模式定義語(yǔ)義移動(dòng)規(guī)則,進(jìn)而根據(jù)其置信度修正位置預(yù)測(cè)的結(jié)果。最后,設(shè)計(jì)了基于位置預(yù)測(cè)的共乘群體發(fā)現(xiàn)算法,提出了基于位置預(yù)測(cè)的Slugging共乘群體發(fā)現(xiàn)方法,通過分析出行者的軌跡信息,預(yù)測(cè)不同出行者的目的地,進(jìn)而發(fā)現(xiàn)有相似出行活動(dòng)的群體,推薦形成共乘群體。采用Geolife數(shù)據(jù)集和覆蓋北京60%區(qū)域的POI數(shù)據(jù)集,對(duì)位置預(yù)測(cè)相關(guān)參數(shù)α、minsup進(jìn)行分析,選取預(yù)測(cè)效果最優(yōu)的參數(shù)值,同時(shí)對(duì)比P-PPM位置預(yù)測(cè)算法與傳統(tǒng)位置預(yù)測(cè)算法各項(xiàng)評(píng)價(jià)指標(biāo)的優(yōu)異,以及不同的位置預(yù)測(cè)算法應(yīng)用到基于位置預(yù)測(cè)的共乘群體發(fā)現(xiàn)中,對(duì)潛在共乘群體發(fā)現(xiàn)效果的影響。實(shí)驗(yàn)結(jié)果表明,P-PPM位置預(yù)測(cè)算法在預(yù)測(cè)精度、預(yù)測(cè)覆蓋度方面優(yōu)于傳統(tǒng)的馬爾科夫位置預(yù)測(cè)算法和PPM位置預(yù)測(cè)算法;基于P-PPM位置預(yù)測(cè)模型的共乘群體發(fā)現(xiàn)可以更好地發(fā)現(xiàn)潛在共乘群體。
【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)】：U491
【圖文】：

出行行為,日志記錄,軌跡,偏移噪聲

行者的出行軌跡信息，還有大量的偏移噪聲信息。在出行特征識(shí)別模型建立的階段，首先需要明確識(shí)別和挖掘的目標(biāo)，其次確定識(shí)別和挖掘算法，利用測(cè)試數(shù)據(jù)進(jìn)行學(xué)習(xí)并生成模型，最后對(duì)模型進(jìn)行評(píng)價(jià)，進(jìn)一步改進(jìn)。2.2.2 停留點(diǎn)提取本文重點(diǎn)研究出行行為中的停留位置特征，出行者出行途中的停留位置體現(xiàn)了出行者的興趣點(diǎn)，通過識(shí)別停留信息，挖掘不同停留位置之間的聯(lián)系，進(jìn)而發(fā)現(xiàn)出行者潛在的出行行為偏好。常見的反映出行行為的數(shù)據(jù)是出行者的 GPS 軌跡數(shù)據(jù)，GPS 數(shù)據(jù)通過GPS采集設(shè)備記錄，以GPS日志的形式存儲(chǔ)起來(lái)，日志記錄是由一系列 GPS點(diǎn)組成，表示為：P={p1,p2,…,pn}[52]。每個(gè) pi記錄了出行者所在的緯度 lat、經(jīng)度 lon、采集時(shí)間 t等信息，可采用三元組描述為 pi=(lat,lon,t)，這些點(diǎn)按時(shí)間順序連接起來(lái)構(gòu)成了一條 GPS軌跡，如圖 2.9 所示，左邊表示的是 GPS 日志記錄。

軌跡圖,軌跡,框標(biāo),碩士學(xué)位論文

長(zhǎng)安大學(xué)碩士學(xué)位論文緯度，lon表示經(jīng)度，R 表示地球半徑。存在偏移、信號(hào)消失等問題，因而會(huì)大大制約停留位置，或者被重復(fù)識(shí)別為同一個(gè)停留點(diǎn)的現(xiàn)象[53]黑框標(biāo)定的為出現(xiàn)偏移的軌跡點(diǎn)，右邊黑框標(biāo)定了慮到真實(shí)交通環(huán)境下相同移動(dòng)路徑會(huì)被錯(cuò)誤地構(gòu)異常狀態(tài)的停留點(diǎn)進(jìn)行修正。然而在所有的停留點(diǎn)常停留點(diǎn)，因此，為了消除異常停留點(diǎn)，減小異常實(shí)停留點(diǎn)與異常停留點(diǎn)合并，用其中心坐標(biāo)作為最

示意圖,聚類,指針,示意圖