隨著城市化進程的快速發(fā)展,機動車的數(shù)量伴隨著人民生活水平的不斷提高而逐漸增多。機動車數(shù)量的增長在給人民生活水平帶來便利的同時也產(chǎn)生了一些交通問題。居民出行調(diào)查是交通調(diào)查的重要組成部分。傳統(tǒng)的居民出行調(diào)查大多采用人工調(diào)查的方式,得到的出行信息存在許多問題,被訪者的負擔較重、拒訪率高,需要消耗大量的時間和人力。為了克服上述采集方式的缺點,基于智能手機進行出行信息的采集應運而生,它為居民出行方式研究提供了新的技術(shù)手段。論文主要內(nèi)容包括幾個部分:(1)開展以智能手機和網(wǎng)絡調(diào)查技術(shù)為基礎的出行調(diào)查。(2)特征向量的選取。論文選擇了出行距離、出行時間、平均速度、加速度、95^th分位點速度、95^th分位點加速度這六種特征向量進行出行方式的識別。(3)基于GPS數(shù)據(jù)的出行方式識別方法提出。論文使用兩階段方法對出行方式進行識別。首先通過模糊算法識別出地鐵與步行的出行方式,然后將剩下的四類出行方式分別分類為機動車類以及非機動車類,得到識別精度89.5%;然后,在模糊識別算法的基礎上,使用支持向量機分類算法對自行車、電動車以及小汽車、公交車兩類易混淆的出行方式進行...

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究目的及意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 研究內(nèi)容與技術(shù)路線
2 數(shù)據(jù)采集
    2.1 基于智能手機的居民出行調(diào)查
        2.1.1 定位軟件介紹
        2.1.2 志愿者招募培訓
    2.2 數(shù)據(jù)采集
        2.2.1 出行數(shù)據(jù)采集流程
        2.2.2 社會經(jīng)濟屬性
        2.2.3 出行屬性統(tǒng)計分析
    2.3 本章總結(jié)
3 數(shù)據(jù)處理
    3.1 數(shù)據(jù)源描述
    3.2 特征描述
    3.3 特征選擇
    3.4 本章小結(jié)
4 出行方式識別
    4.1 模糊識別算法
        4.1.1 模糊識別的概念
        4.1.2 基于先驗知識的出行方式模糊識別方法
            4.1.2.1 出行方式的先驗知識
            4.1.2.2 模糊決策邏輯說明
            4.1.2.3 出行方式識別的模糊推理系統(tǒng)
            4.1.2.4 各種出行方式的隸屬度函數(shù)
    4.2 支持向量機算法
        4.2.1 支持向量機基本原理
        4.2.2 核函數(shù)及參數(shù)選擇
        4.2.3 支持向量機算法
    4.3 實例分析
        4.3.1 識別精度介紹[55]
        4.3.2 模糊識別算法識別
        4.3.3 支持向量機識別
        4.3.4 與其他分類算法的比較
    4.4 本章小結(jié)
5 結(jié)論與展望
    5.1 論文工作總結(jié)
    5.2 主要創(chuàng)新點
    5.3 研究局限性與未來展望
致謝
參考文獻
附錄A:家庭社會經(jīng)濟屬性
附錄B:出行信息表
攻讀學位期間的研究成果



本文編號：3838076