隨著我國(guó)工業(yè)化和城市化進(jìn)程的持續(xù)加速,城市機(jī)動(dòng)車(chē)保有量迅猛增長(zhǎng),已成為影響和制約我國(guó)城市交通系統(tǒng)良性發(fā)展的關(guān)鍵因素。其高保有量一方面給交通運(yùn)輸、安全行駛和環(huán)境保護(hù)等帶來(lái)巨大壓力,另一方面,隨著信息處理、數(shù)據(jù)挖掘等技術(shù)的發(fā)展,也為動(dòng)態(tài)交通軌跡數(shù)據(jù)的采集、分析、處理以及相關(guān)產(chǎn)業(yè)的發(fā)展帶來(lái)了機(jī)遇。如何準(zhǔn)確采集與獲取私家車(chē)軌跡相關(guān)信息、包括車(chē)輛位置和行駛狀態(tài)等、分析及挖掘其特有的軌跡特征和移動(dòng)模式,能為探索車(chē)流動(dòng)態(tài)變化趨勢(shì)及交通流演變規(guī)律提供新的途徑,是城市智能交通系統(tǒng)和車(chē)聯(lián)網(wǎng)等應(yīng)用的重要研究議題。因此獲取私家車(chē)軌跡數(shù)據(jù)并進(jìn)行行為特征研究具有很重要的意義。本文主要是以城市私家車(chē)的出行軌跡為研究對(duì)象,基于聚類(lèi)的方法對(duì)其進(jìn)行行駛特征分析,以幫助人們理解私家車(chē)出行規(guī)律及其出行行為對(duì)城市交通流的影響。本文主要工作如下:本文選取深圳市部分私家車(chē)的歷史軌跡信息進(jìn)行分析,選取有價(jià)值的數(shù)據(jù)屬性。為了減小存儲(chǔ)空間、提高算法分析與實(shí)驗(yàn)的準(zhǔn)確性,對(duì)獲取的車(chē)輛軌跡原始數(shù)據(jù)進(jìn)行預(yù)處理。首先根據(jù)時(shí)間閾值和距離閾值檢測(cè)軌跡點(diǎn)中的漂移GPS數(shù)據(jù),將無(wú)效或冗余的數(shù)據(jù)去除,然后使用卡爾曼濾波對(duì)軌跡進(jìn)行校準(zhǔn),最后對(duì)比了校準(zhǔn)前后數(shù)據(jù)... 

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 移動(dòng)軌跡數(shù)據(jù)的分類(lèi)
        1.2.2 軌跡處理的方法
        1.2.3 軌跡數(shù)據(jù)特征分析方法的分類(lèi)
    1.3 本文研究?jī)?nèi)容
    1.4 論文構(gòu)成
第2章 相關(guān)研究
    2.1 聚類(lèi)分析的基本方法
        2.1.1 基于分區(qū)的聚類(lèi)算法
        2.1.2 基于分層的聚類(lèi)算法
        2.1.3 基于密度的聚類(lèi)算法
        2.1.4 基于網(wǎng)格的聚類(lèi)算法
        2.1.5 現(xiàn)有聚類(lèi)算法比較
    2.2 車(chē)輛軌跡分析的應(yīng)用
        2.2.1 路徑規(guī)劃
        2.2.2 位置/目的地預(yù)測(cè)
        2.2.3 移動(dòng)行為分析
        2.2.4 群組行為分析
        2.2.5 城市服務(wù)
    2.3 本章小結(jié)
第3章 基于幾何和卡爾曼濾波的軌跡數(shù)據(jù)處理
    3.1 引言
    3.2 城市私家車(chē)軌跡的獲取
    3.3 數(shù)據(jù)介紹
    3.4 數(shù)據(jù)處理
        3.4.1 無(wú)效、冗余數(shù)據(jù)去除
        3.4.2 基于幾何的漂移數(shù)據(jù)檢測(cè)
        3.4.3 基于卡爾曼濾波的軌跡校準(zhǔn)
    3.5 本章小結(jié)
第4章 基于TAD算法的城市中規(guī)律出行私家車(chē)的行駛特征分析
    4.1 引言
    4.2 TAD算法的主要思想
    4.3 TAD算法的詳細(xì)設(shè)計(jì)
        4.3.1 動(dòng)態(tài)鄰域半徑
        4.3.2 軌跡聚類(lèi)
        4.3.3 理解出行規(guī)律
    4.4 實(shí)驗(yàn)結(jié)果及分析
    4.5 本章小結(jié)
第5章 車(chē)輛規(guī)律出行檢測(cè)原型系統(tǒng)設(shè)計(jì)用戶(hù)實(shí)現(xiàn)
    5.1 引言
    5.2 相關(guān)技術(shù)
        5.2.1 Python
        5.2.2 JavaScript
        5.2.3 Tornado框架
        5.2.4 jQuery框架
    5.3 系統(tǒng)設(shè)計(jì)
    5.4 系統(tǒng)實(shí)現(xiàn)
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄A 攻讀學(xué)位期間所取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)聚類(lèi)算法研究[J]. 郭雯雯,邵全義.  無(wú)線互聯(lián)科技. 2018(04)
[2]我國(guó)私家車(chē)擁有量發(fā)展趨勢(shì)研究——以改革開(kāi)放后近二十年為例[J]. 王鵬橙.  科技風(fēng). 2018(03)
[3]基于出租車(chē)軌跡數(shù)據(jù)的城市熱點(diǎn)出行區(qū)域挖掘[J]. 鄭林江,趙欣,蔣朝輝,鄧建國(guó),夏冬,劉衛(wèi)寧.  計(jì)算機(jī)應(yīng)用與軟件. 2018(01)
[4]基于出租車(chē)軌跡數(shù)據(jù)的最優(yōu)路徑規(guī)劃方法[J]. 戚欣,梁偉濤,馬勇.  計(jì)算機(jī)應(yīng)用. 2017(07)
[5]時(shí)空軌跡分類(lèi)研究進(jìn)展[J]. 趙竹珺,吉根林.  地球信息科學(xué)學(xué)報(bào). 2017(03)
[6]Hadoop支持下海量出租車(chē)軌跡數(shù)據(jù)預(yù)處理技術(shù)研究[J]. 呂江波,張永忠.  城市勘測(cè). 2016(03)
[7]以數(shù)據(jù)為中心的智慧城市研究綜述[J]. 王靜遠(yuǎn),李超,熊璋,單志廣.  計(jì)算機(jī)研究與發(fā)展. 2014(02)

碩士論文
[1]深圳市交通擁堵問(wèn)題的對(duì)策研究[D]. 劉穎南.南京大學(xué) 2014
[2]基于實(shí)時(shí)信息的公交乘客出行路徑搜索算法研究[D]. 張春輝.北京交通大學(xué) 2013
[3]基于浮動(dòng)車(chē)數(shù)據(jù)的城市居民出行行為規(guī)律研究[D]. 張朋東.中南大學(xué) 2012
[4]基于手機(jī)定位數(shù)據(jù)的城市道路交通狀態(tài)探測(cè)[D]. 陳震霆.昆明理工大學(xué) 2012



本文編號(hào)：3648881