近年來,隨著中國城鎮(zhèn)化腳步的加快,大量人口涌入城市,導(dǎo)致諸如北京、上海等特大城市的客運(yùn)流量極具增加,而城市軌道系統(tǒng)因?yàn)槠涓咚佟⒏咝А踩奶攸c(diǎn),已經(jīng)成為了特大城市居民最主要的交通出行方式。為了應(yīng)對(duì)日益增加的出行流量,軌道線路急劇增加,城市軌道網(wǎng)絡(luò)變得越來越復(fù)雜,一些異�？土魇录陌l(fā)生可能會(huì)對(duì)軌道系統(tǒng)產(chǎn)生嚴(yán)重的影響,并在軌道網(wǎng)絡(luò)中快速擴(kuò)散,嚴(yán)重影響居民的正常出行及人身安全。現(xiàn)階段雖然有大量針對(duì)交通異�？土鞯目梢暬芯�,但是大多數(shù)研究只針對(duì)道路路網(wǎng),即使存在一些軌道異常客流的可視化研究,但重點(diǎn)基本集中在異常站點(diǎn),而忽略了軌道線路上各個(gè)站點(diǎn)間異常的區(qū)間斷面流量。此外,現(xiàn)有研究也較少通過可視化的方式在社交媒體數(shù)據(jù)中挖掘軌道異�？土魇录脑颉ａ槍�(duì)上述問題,論文基于軌道刷卡數(shù)據(jù)及微博數(shù)據(jù),提出了一套交互式軌道異�？土骺梢暬治龇椒āＴ摲椒ú粌H可以針對(duì)異常站點(diǎn)以及異常區(qū)間相關(guān)的時(shí)空數(shù)據(jù)進(jìn)行整理、分析和可視化展示,還可以幫助用戶快速發(fā)現(xiàn)引起軌道異常客流事件的具體誘因。總體來說,論文主要包括以下三個(gè)方面的研究?jī)?nèi)容:（1）提出了一種軌道異�？土鞫嗑S時(shí)空數(shù)據(jù)可視化方法。該可視化方法可以交互式的呈現(xiàn)軌道系統(tǒng)... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 交通時(shí)空數(shù)據(jù)可視化研究現(xiàn)狀
        1.2.2 社交媒體數(shù)據(jù)可視化研究現(xiàn)狀
        1.2.3 小結(jié)
    1.3 本文主要研究工作與論文組織
        1.3.1 研究工作
        1.3.2 論文組織
第2章 軌道異�？土鞫嗑S時(shí)空數(shù)據(jù)可視化
    2.1 引言
    2.2 可視化任務(wù)及方案概述
        2.2.1 可視化任務(wù)概述
        2.2.2 可視化方案概述
    2.3 數(shù)據(jù)處理及分析
        2.3.1 北京軌道刷卡數(shù)據(jù)及預(yù)處理
        2.3.2 區(qū)間斷面流量估算
        2.3.3 基于ST-DBSCAN的擴(kuò)散關(guān)系獲取
    2.4 可視化設(shè)計(jì)
        2.4.1 異常客流檢測(cè)
        2.4.2 三維分層圖設(shè)計(jì)—異�？土黩�(yàn)證
        2.4.3 動(dòng)態(tài)異常擴(kuò)散圖設(shè)計(jì)—異常擴(kuò)散可視化
    2.5 案例分析
        2.5.1 案例一:北工大西門地鐵站異常客流案例分析
        2.5.2 案例二:西二旗地鐵站異�？土靼咐治�
    2.6 本章小結(jié)
第3章 多視圖交互探索軌道異常原因
    3.1 引言
    3.2 可視化任務(wù)及方案概述
        3.2.1 可視化任務(wù)概述
        3.2.2 可視化方案概述
    3.3 數(shù)據(jù)處理及分析
        3.3.1 微博數(shù)據(jù)介紹
        3.3.2 檢索關(guān)鍵詞獲取
        3.3.3 微博數(shù)據(jù)預(yù)處理
        3.3.4 基于LDA的微博主題詞提取
    3.4 可視化設(shè)計(jì)
        3.4.1 主題詞云圖設(shè)計(jì)—高頻主題詞匯探索
        3.4.2 主題螺旋圖設(shè)計(jì)—高頻主題詞匯歷史出現(xiàn)頻率探索
        3.4.3 主題時(shí)間軸設(shè)計(jì)—高頻主題詞匯與異常站點(diǎn)時(shí)間關(guān)聯(lián)性探索
        3.4.4 視圖整合設(shè)計(jì)—微博原文中異常事件誘因探索
    3.5 案例分析
        3.5.1 案例一:北工大西門地鐵站異�？土魇录T發(fā)原因分析
        3.5.2 案例二:西單地鐵站異�？土魇录T發(fā)原因分析
    3.6 本章小結(jié)
第4章 軌道異常客流可視化分析系統(tǒng)及案例分析
    4.1 引言
    4.2 系統(tǒng)概述
    4.3 系統(tǒng)平臺(tái)搭建
    4.4 系統(tǒng)案例分析
        4.4.1 案例一:北京地鐵一號(hào)線異�？土魇录梢暬到y(tǒng)分析
        4.4.2 案例二:奧森公園附近三個(gè)站點(diǎn)異常客流事件可視化系統(tǒng)分析
        4.4.3 案例三:朝陽區(qū)多站點(diǎn)異�？土魇录梢暬到y(tǒng)分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間所取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]軌道交通車站大客流事件的形成、傳播及對(duì)策[J]. 朱煒.  城市交通. 2013(03)
[2]城市公共交通出行方式選擇行為研究[J]. 殷煥煥,武平,趙紅征.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2013(02)
[3]基于遺傳聚類算法的出行行為分析[J]. 鮮于建川,雋志才.  計(jì)算機(jī)應(yīng)用研究. 2009(03)



本文編號(hào)：3156485