城市居民的職住地分布與通勤路線挖掘一直是城市研究中的熱點問題,在許多領域如交通流分析,城市規(guī)劃、出行特征分析和路徑推薦中具有重要意義。在傳統(tǒng)的城市研究中,居民職住地分布數(shù)據(jù)的主要來源是問卷調查。然而,大規(guī)模問卷調查存在耗時長、數(shù)據(jù)獲取成本高、調查準確度受到受訪者配合度影響大等問題。隨著交通信息化建設的逐步推進,越來越多的信息采集設備可以為城市研究提供數(shù)據(jù)來源。目前手機的迅速普及、數(shù)據(jù)挖掘和大規(guī)模計算技術的不斷發(fā)展和成熟,使得移動蜂窩網(wǎng)絡成為分析城市居民出行特征的理想探測器。本文通過對Cell-ID定位數(shù)據(jù)進行清洗、聚類,然后提取出居民職住地、恢復居民的通勤軌跡信息。本文的研究工作主要包含三部分內容。首先,針對Cell-ID定位數(shù)據(jù)的采樣特征及誤差特征進行分析,對無效冗余數(shù)據(jù)和噪聲數(shù)據(jù)進行清洗;其次,針對現(xiàn)有蜂窩網(wǎng)絡所提供的Cell-ID定位數(shù)據(jù)較低采樣率和定位不精確的問題,提出一種基于多天數(shù)據(jù)的兩步聚類算法,利用人們出行的規(guī)律性采用DBSCAN算法聚類出用戶的重要停留位置,隨后提取特征后對所有用戶的重要停留位置使用模糊C-Means算法進行再次聚類,從而完成居民職住地的識別,以實際的基站...

【文章頁數(shù)】：68 頁

【學位級別】：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 國內外研究現(xiàn)狀
        1.2.1 居民職住地分布信息獲取
        1.2.2 軌跡聚類
        1.2.3 軌跡融合
    1.3 本文的主要內容和章節(jié)安排
        1.3.1 本文的主要內容
        1.3.2 論文的章節(jié)安排
第2章 Cell-ID定位數(shù)據(jù)認識及預處理
    2.1 Cell-ID定位數(shù)據(jù)認識
        2.1.1 手機信令數(shù)據(jù)分類
        2.1.2 Cell-ID定位技術
    2.2 原始Cell-ID定位數(shù)據(jù)特征
        2.2.1 數(shù)據(jù)源概述
        2.2.2 基站分布特征
        2.2.3 定位誤差特征
        2.2.4 數(shù)據(jù)采樣特征
    2.3 Cell-ID定位數(shù)據(jù)預處理
        2.3.1 無效數(shù)據(jù)清洗
        2.3.2 漂移數(shù)據(jù)清洗
    2.4 實驗與結果分析
    2.5 本章小結
第3章 基于兩步聚類的職住地識別算法
    3.1 基于兩步聚類的職住地識別算法概述
    3.2 識別算法
        3.2.1 停留點識別
        3.2.2 用戶重要停留位置提取
        3.2.3 職住地識別
    3.3 實驗結果與分析
        3.3.1 職住地識別結果
        3.3.2 分區(qū)人口占比驗證
    3.4 本章小結
第4章 代表性通勤軌跡提取
    4.1 引言
    4.2 CATC算法介紹
        4.2.1 CATS
        4.2.2 CATC
    4.3 代表性通勤軌跡提取算法
        4.3.1 獲得軌跡相似度矩陣
        4.3.2 改進CATC的軌跡聚類算法
        4.3.3 軌跡融合
    4.4 實驗與分析
        4.4.1 實驗環(huán)境與數(shù)據(jù)集
        4.4.2 軌跡聚類
        4.4.3 軌跡融合
    4.5 本章小結
第5章 城市通勤空間特征分析
    5.1 居民通勤距離分布
    5.2 區(qū)域通勤流
    5.3 城市區(qū)域通勤特征
    5.4 本章小結
結論
致謝
參考文獻
攻讀碩士學位期間發(fā)表的論文及科研成果



本文編號：4031173