本文選題：移動軌跡數(shù)據(jù)　切入點：聚類分析　出處：《寧夏大學》2017年碩士論文　論文類型：學位論文

【摘要】：社會的快速發(fā)展使得人們的生活越來越便捷,人們對出行的需求也越來越高。出租車因為其便捷,成為人們出行時通常會選擇的交通工具之一。在人群聚集的區(qū)域,人們通常會遇到打車難的問題,而大部分出租車卻因為搭載不到乘客而長時間處于空載狀態(tài),于是在人群聚集的區(qū)域因為人群疏導不及時經(jīng)常會出現(xiàn)踩踏事件,同時因為大量的出租車在道路上游蕩尋找乘客而造成交通擁堵的問題。GPS軌跡數(shù)據(jù)的出現(xiàn)能夠為解決這些問題提供新的方法和思路,由于移動定位技術(shù)的快速發(fā)展,使得GPS軌跡數(shù)據(jù)的途徑越來越多。出租車是用來收集GPS軌跡數(shù)據(jù)最常使用的工具,分析和挖掘出租車移動GPS軌跡數(shù)據(jù)不僅能夠幫助本文了解人群聚集熱點區(qū)域的分布,也能更加有效地提取和預(yù)測出載客熱點區(qū)域。聚類方法是本文提取日常出行熱點區(qū)域的主要研究方法。通過仿真實驗對比三種在基于軌跡數(shù)據(jù)的熱點區(qū)域提取中應(yīng)用最為廣泛的聚類算法:K-Means、DBSCAN和Single-Link,本文選擇DBSCAN聚類算法對人群聚集熱點區(qū)域進行提取和分析。通過對不同日期相同時間段以及相同日期不同時間段人群聚集熱點區(qū)域的分布和規(guī)律進行挖掘后,發(fā)現(xiàn)相同時間段之間熱點區(qū)域存在較高的覆蓋率,而不同時間段之間熱點區(qū)域的區(qū)域存在較大的差異,從而通過提取相同時間段熱點區(qū)域重復(fù)的載客點位置數(shù)據(jù),并將聚類結(jié)果作為預(yù)測結(jié)果,并計算不同熱點區(qū)域的推薦度,推薦度越高,則表明載客成功概率越高。最后實現(xiàn)出租車載客熱點推薦系統(tǒng)為用戶推薦推薦度最高的熱點區(qū)域,從而提高出租車司機的載客成功概率。
[Abstract]:The rapid development of society makes people's life more and more convenient, and people's demand for travel is also increasing. Because of its convenience, taxi becomes one of the means of transportation that people usually choose when they travel. People usually have trouble getting a taxi, but most taxis are out of traffic for a long time because they can't pick up passengers, so stampedes often occur in crowded areas because the crowds are not moving in time. At the same time, because a large number of taxis loitering on the road looking for passengers causing traffic congestion. The appearance of GPS track data can provide new methods and ideas for solving these problems. Because of the rapid development of mobile positioning technology, Taxi is the most commonly used tool to collect GPS trajectory data. The analysis and mining of taxi mobile GPS trajectory data can not only help this paper understand the distribution of the hot areas where people gather. Clustering method is the main research method to extract the daily travel hot spot area. Through the simulation experiment, three kinds of hot spot area extraction based on trajectory data can be compared. The most widely used clustering algorithms are: K-Meansn DBSCAN and Single-Link. in this paper, we select DBSCAN clustering algorithm to extract and analyze the hot spots of crowd clustering. After mining the distribution and rules of the domain, It is found that there is a high coverage rate of hot spots in the same time period, but there are great differences in the hot spot areas in different time periods, so the repeated passenger location data of hot spots in the same time period can be extracted. The higher the recommendation degree is, the higher the success probability of carrying passengers is. Finally, the hot spot recommendation system of taxi is the hot area with the highest recommendation degree. In order to improve the taxi driver's success probability of carrying passengers.
【學位授予單位】：寧夏大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：U495;TP311.13

【參考文獻】

相關(guān)期刊論文 前10條

1 呂紹仟;孟凡榮;袁冠;;基于軌跡結(jié)構(gòu)的移動對象熱點區(qū)域發(fā)現(xiàn)[J];計算機應(yīng)用;2017年01期

2 張仕學;李石君;余偉;任洪偉;;突發(fā)事件人群異常聚集熱點區(qū)域預(yù)測[J];中國安全科學學報;2015年09期

3 王亮;胡琨元;庫濤;吳俊偉;;基于多尺度空間劃分與路網(wǎng)建模的城市移動軌跡模式挖掘[J];自動化學報;2015年01期

4 常凱;王愛平;;基于功能區(qū)劃分的出租車熱點區(qū)域發(fā)現(xiàn)方法研究[J];電腦知識與技術(shù);2013年25期

5 劉奎恩;肖俊超;丁治明;李明樹;;軌跡數(shù)據(jù)庫中熱門區(qū)域的發(fā)現(xiàn)[J];軟件學報;2013年08期

6 劉震;付俊輝;趙楠;;基于移動通信數(shù)據(jù)的用戶移動軌跡預(yù)測方法[J];計算機應(yīng)用與軟件;2013年02期

7 夏英;溫海平;張旭;;基于軌跡聚類的熱點路徑分析方法[J];重慶郵電大學學報(自然科學版);2011年05期

8 劉良旭;樂嘉錦;喬少杰;宋加濤;;基于軌跡點局部異常度的異常點檢測算法[J];計算機學報;2011年10期

9 胡成;李偉;姚曉暉;;為了這樣的災(zāi)難不再發(fā)生——城市人群聚集風險的監(jiān)測與預(yù)警[J];科技智囊;2011年01期

10 彭曲;丁治明;郭黎敏;;基于馬爾可夫鏈的軌跡預(yù)測[J];計算機科學;2010年08期

相關(guān)博士學位論文 前2條

1 袁冠;移動對象軌跡數(shù)據(jù)挖掘方法研究[D];中國礦業(yè)大學;2012年

2 鄧中偉;面向交通服務(wù)的多源移動軌跡數(shù)據(jù)挖掘與多尺度居民活動的知識發(fā)現(xiàn)[D];華東師范大學;2012年

相關(guān)碩士學位論文 前10條

1 張海波;基于移動通信數(shù)據(jù)的區(qū)域內(nèi)群體行為分析和預(yù)測[D];電子科技大學;2016年

2 黃揚超;西單商業(yè)區(qū)人群聚集風險預(yù)測[D];首都經(jīng)濟貿(mào)易大學;2016年

3 石立興;基于CDRs大數(shù)據(jù)的用戶移動性分析[D];中國科學技術(shù)大學;2015年

4 林海標;移動軌跡挖掘算法設(shè)計與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

5 李衢伶;基于GPS軌跡的出租車載客路徑智能推薦[D];湖南科技大學;2014年

6 楊雨;面向GPS的移動對象軌跡模式挖掘研究[D];東北大學;2014年

7 劉盼盼;基于空間聚類和Weka平臺的出租車載客熱點區(qū)域挖掘研究[D];吉林大學;2014年

8 黃詩瑤;聚類分析在移動通信用戶行為分析中的研究與應(yīng)用[D];廣東工業(yè)大學;2013年

9 張用川;基于手機定位數(shù)據(jù)的用戶出行規(guī)律分析[D];昆明理工大學;2013年

10 趙越;基于數(shù)據(jù)挖掘的移動軌跡預(yù)測方法[D];吉林大學;2009年

，

本文編號：1610026