發(fā)布時(shí)間：2020-10-20 15:26

　　 進(jìn)入21世紀(jì)以來(lái),隨著城市人口和私家車的日益增長(zhǎng),城市交通系統(tǒng)的正常運(yùn)行正面臨著巨大的問題和挑戰(zhàn)。解決交通擁堵問題已成為交通相關(guān)研究者的重要課題,大數(shù)據(jù)作為一種新的技術(shù)支持被相關(guān)研究者引入到交通智能化的工作中,為解決現(xiàn)代城市道路交通問題提供了新的選擇。在對(duì)交通數(shù)據(jù)進(jìn)行充分理解的基礎(chǔ)上,采用大數(shù)據(jù)技術(shù)相關(guān)理論方法建立相應(yīng)的數(shù)學(xué)模型,對(duì)城市道路交通存在的問題進(jìn)行分析,對(duì)其中存在的問題進(jìn)行分析,進(jìn)而提出改進(jìn)的方向和方法,使大數(shù)據(jù)技術(shù)能夠更好地為解決城市道路交通中存在的問題提供技術(shù)支持。主要工作如下:(1)對(duì)當(dāng)前大數(shù)據(jù)技術(shù)分析方法體系的基本理論進(jìn)行了闡述,對(duì)大數(shù)據(jù)技術(shù)方法體系中的數(shù)據(jù)處理方法和數(shù)據(jù)分析方法進(jìn)行了概括,并就其中經(jīng)典方法或算法的基本思想和特點(diǎn)進(jìn)行了重點(diǎn)的分析。(2)針對(duì)在公交IC卡數(shù)據(jù)分析時(shí)遇到的數(shù)據(jù)篩選和處理問題,受大數(shù)據(jù)處理分析方法之一位圖法的啟發(fā),設(shè)計(jì)了針對(duì)乘客構(gòu)成分析的大數(shù)據(jù)分類處理統(tǒng)計(jì)方法,并在公交IC卡數(shù)據(jù)的基礎(chǔ)上以該方法對(duì)乘客構(gòu)成進(jìn)行了分析,分析結(jié)果表明該方法具有一定的有效性和便捷性,也證明了大數(shù)據(jù)方法思想具有較強(qiáng)的可擴(kuò)展能力。(3)針對(duì)章貢區(qū)交通環(huán)境越發(fā)惡劣這一變化趨勢(shì),將DEA評(píng)價(jià)模型與大數(shù)據(jù)技術(shù)方法相結(jié)合,對(duì)章貢區(qū)部分路網(wǎng)中各公交線路的運(yùn)營(yíng)服務(wù)水平進(jìn)行了評(píng)價(jià),并建立了路網(wǎng)站點(diǎn)優(yōu)化模型,對(duì)其中評(píng)分結(jié)果最低的三條線路進(jìn)行站點(diǎn)位置分布的優(yōu)化,在獲得站點(diǎn)優(yōu)化方案后,再次對(duì)路網(wǎng)公交線路的運(yùn)營(yíng)及服務(wù)水平進(jìn)行了評(píng)價(jià),并就其優(yōu)化的方向和效果進(jìn)行了分析。(4)針對(duì)城市道路交通狀態(tài)判別這一問題,通過對(duì)大量歷史數(shù)據(jù)空間幾何分布特征的分析,采用FCM聚類算法對(duì)交通狀態(tài)進(jìn)行判別。在分析傳統(tǒng)FCM算法不足的基礎(chǔ)上,利用對(duì)數(shù)據(jù)不同屬性更加敏感的馬氏距離代替?zhèn)鹘y(tǒng)方法中的歐氏距離,對(duì)馬氏距離存在的缺點(diǎn)進(jìn)行針對(duì)性的摒除,建立了改進(jìn)的FCM算法模型;對(duì)狀態(tài)判別結(jié)果進(jìn)行確定時(shí)使用了非整數(shù)化處理方法,從而使算法的判別結(jié)果與實(shí)際情況之間的差距減小,有效地避免了傳統(tǒng)方法對(duì)相似數(shù)據(jù)在兩種鄰近狀態(tài)下的誤判。
【學(xué)位單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U495;TP311.13
【部分圖文】：

公交出行人次的性別分布

圖 3.2 公交出行人次的年齡分布 之間的乘客所占據(jù)的比例最大，約占總出行0 歲之間的乘客�？愋头植嘉粸榈谒摹⑽逦�，處理方式同上，可以得到不：圖 3.3 公交出行人次的IC卡類型分布

23圖 3.3 公交出行人次的IC卡類型分布占據(jù)了絕大多數(shù)據(jù)出行人次，超過了總出行人約占總出行人次的 15%。行時(shí)間分布情況標(biāo)識(shí)位為最后五位，在采用了相同的處理方法情況：
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡秋娜;劉思捷;陸秋瑜;;基于GMM聚類和SVM的用戶負(fù)荷行業(yè)分類辨識(shí)方法[J];廣東電力;2017年12期

2 陳龍;凌宏偉;周晉冬;;應(yīng)用公交大數(shù)據(jù)評(píng)估和規(guī)劃公交專用車道[J];交通與運(yùn)輸(學(xué)術(shù)版);2017年02期

3 肖智;朱安明;;基于優(yōu)化權(quán)重RAM-DEA模型的工業(yè)行業(yè)效率評(píng)價(jià)[J];科技管理研究;2018年01期

4 王曉麗;賈東明;;GCOA算法——一種新的智能優(yōu)化算法[J];價(jià)值工程;2017年22期

5 潘大勝;陳志福;覃煥昌;;基于模糊關(guān)聯(lián)迭代分區(qū)的挖掘優(yōu)化方法研究[J];科學(xué)技術(shù)與工程;2016年24期

6 薛慶增;;大數(shù)據(jù)方法在航空發(fā)動(dòng)機(jī)性能監(jiān)控中的應(yīng)用[J];科技資訊;2016年02期

7 余肖生;胡孫枝;;基于SNM改進(jìn)算法的相似重復(fù)記錄消除[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2016年04期

8 王蔚;邵磊;楊青;;基于大數(shù)據(jù)體系下的城市住宅區(qū)養(yǎng)老模式研究[J];住區(qū);2016年01期

9 陶志偉;張莉;;基于馬氏距離的分段矢量量化時(shí)間序列分類[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2016年03期

10 薛曉東;張立佧;薛飛;;大數(shù)據(jù)下公共服務(wù)的特點(diǎn)及趨勢(shì)[J];電子科技大學(xué)學(xué)報(bào)(社科版);2015年06期

相關(guān)博士學(xué)位論文 前1條

1 李燁;航空公司效率評(píng)價(jià)的改進(jìn)DEA模型及應(yīng)用[D];大連理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前6條

1 龐敏;基于AHP-DEA模型的常規(guī)公交線路評(píng)價(jià)[D];北京交通大學(xué);2017年

2 賈雨晴;多分類logistics回歸排序集抽樣方法及其應(yīng)用[D];華中師范大學(xué);2017年

3 覃華;大數(shù)據(jù)驅(qū)動(dòng)的車聯(lián)網(wǎng)信息物理融合系統(tǒng)的分析與設(shè)計(jì)方法[D];廣東工業(yè)大學(xué);2016年

4 張開;基于誤判成本的決策樹C5.0算法的優(yōu)化分析[D];山西大學(xué);2014年

5 劉寰;基于手機(jī)數(shù)據(jù)的城市交通路網(wǎng)預(yù)測(cè)與路徑選取[D];北京交通大學(xué);2014年

6 耿學(xué)貴;基于IC卡的公交客流時(shí)間規(guī)律研究[D];昆明理工大學(xué);2012年

本文編號(hào)：2848849