本文關(guān)鍵詞：基于大數(shù)據(jù)平臺的城市地鐵交通模式研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟(jì)的快速發(fā)展和城市人口的不斷增加,城市正在不斷地擴(kuò)大,地鐵網(wǎng)絡(luò)作為城市交通方式發(fā)揮著越來越重要的作用。每個人在空間里的移動看似是隨機(jī)且沒有規(guī)律的,然而對于一個較大規(guī)模人群的移動例如地鐵網(wǎng)絡(luò)中人群的移動卻存在著特定的模式。為了研究智能交通、傳染病傳播等問題,可以從個體行為移動性出發(fā),挖掘人類移動模式。交通網(wǎng)絡(luò)作為一種復(fù)雜網(wǎng)絡(luò),可以很好的用來研究人類移動性,因此對于大規(guī)模人群移動中隱藏的特定的模式可以通過交通網(wǎng)絡(luò)例如地鐵網(wǎng)絡(luò)進(jìn)行研究,從而挖掘城市地鐵交通模式,用來支持城市規(guī)劃、交通規(guī)劃、公共衛(wèi)生、社交網(wǎng)絡(luò)等的相應(yīng)的決策。因此,對于城市地鐵交通模式的研究是至關(guān)重要的。隨著社會和互聯(lián)網(wǎng)的發(fā)展以及云時代的來臨,大數(shù)據(jù)得到人們的廣泛關(guān)注,對于大數(shù)據(jù)的研究和應(yīng)用也日益成熟起來。對于交通網(wǎng)絡(luò)例如地鐵網(wǎng)絡(luò)的研究其基礎(chǔ)是交通數(shù)據(jù)以及交通數(shù)據(jù)的采集方法和處理方法。隨著城市智能交通系統(tǒng)的發(fā)展,新的追蹤技術(shù),例如全球定位系統(tǒng)、交通傳感器等,得以應(yīng)用使得人類在大城市的移動性可以以高分辨率被追蹤,也必然會產(chǎn)生大規(guī)模的交通數(shù)據(jù)。對于城市交通大數(shù)據(jù),可以使用大數(shù)據(jù)平臺對其進(jìn)行處理和計算。本文主要是針對上海交通大數(shù)據(jù),基于Hadoop大數(shù)據(jù)平臺對上海市民一卡通乘車數(shù)據(jù)進(jìn)行處理。本文搭建了Hadoop大數(shù)據(jù)平臺,進(jìn)行Hadoop單機(jī)/偽分布式安裝配置以及集群安裝配置,并可以Web查看節(jié)點信息以及追蹤任務(wù)進(jìn)度等。將交通大數(shù)據(jù)放在HDFS系統(tǒng)上進(jìn)行分析處理,本文所搭建的Hadoop大數(shù)據(jù)平臺具有很強(qiáng)大的計算處理能力,可以很好的對本文的大規(guī)模實驗數(shù)據(jù)上海市民一卡通乘車數(shù)據(jù)進(jìn)行處理。本文首先構(gòu)建地鐵站點一卡通乘客接觸矩陣,表示上海313個站點之間的客流量交互。研究地鐵交通模式主要從社區(qū)分析和行為穩(wěn)定性分析來進(jìn)行研究,根據(jù)該矩陣,來進(jìn)行社區(qū)發(fā)現(xiàn)和行為熵測定。社區(qū)分析方面,不同于直觀地域上的上海地區(qū)區(qū)域,根據(jù)客流量重新定義新的社區(qū)概念,表示社區(qū)的狀態(tài),社區(qū)發(fā)現(xiàn)對于理解復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)并從中獲取有用的信息或者模式是非常重要的,本文通過經(jīng)典的社區(qū)發(fā)現(xiàn)算法將上海地鐵站點劃分為不同的社區(qū),并挖掘社區(qū)之間的交互模式,社區(qū)內(nèi)部聯(lián)系緊密,外部稀疏。從地鐵線站點角度來看,若干條地鐵線可能處于相同的社區(qū),從區(qū)域角度來看,若干個地區(qū)可能關(guān)聯(lián)到同一個社區(qū)�？梢詫⑵鋺�(yīng)用于功能區(qū)檢測,預(yù)警檢測等方面。行為分析方面,本文主要是基于乘客乘坐地鐵的統(tǒng)計量來分析其行為穩(wěn)定性,本文使用行為熵來測度人類行為,基于大數(shù)據(jù)平臺Hadoop計算上海地鐵一卡通乘客每天的行為熵,發(fā)現(xiàn)乘客行為熵的值具有一定的周期性,即乘客行為穩(wěn)定性具有一定的周期性。這兩方面的分析結(jié)果對于城市規(guī)劃、交通規(guī)劃等相應(yīng)的決策起到了至關(guān)重要的作用。
【關(guān)鍵詞】：復(fù)雜網(wǎng)絡(luò) 社區(qū)發(fā)現(xiàn) 行為穩(wěn)定性分析 行為熵 交通模式
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U29-39;TP311.13
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-16
• 1.1 研究背景及意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.3 主要研究內(nèi)容14-15
• 1.4 論文組織結(jié)構(gòu)15-16
• 第2章 相關(guān)知識及技術(shù)16-26
• 2.1 動態(tài)數(shù)據(jù)驅(qū)動DDDAS16-18
• 2.1.1 DDDAS概述16-17
• 2.1.2 DDDAS建模框架17-18
• 2.2 Tableau簡介18-20
• 2.3 大數(shù)據(jù)簡介20-25
• 2.3.1 Hadoop21-22
• 2.3.2 MapReduce22-23
• 2.3.3 HDFS23-25
• 2.4 本章小結(jié)25-26
• 第3章 實驗數(shù)據(jù)26-41
• 3.1 實驗數(shù)據(jù)26-30
• 3.2 大數(shù)據(jù)平臺搭建以及配置30-38
• 3.2.1 掛載固態(tài)硬盤30
• 3.2.2 Hadoop單機(jī)/偽分布式安裝配置30-32
• 3.2.3 Hadoop集群安裝配置32-34
• 3.2.4 Web節(jié)點展示34-38
• 3.3 實驗數(shù)據(jù)處理38-40
• 3.4 本章小結(jié)40-41
• 第4章 社區(qū)分析41-51
• 4.1 構(gòu)建接觸矩陣41-43
• 4.2 社區(qū)發(fā)現(xiàn)43-46
• 4.3 結(jié)果展示及分析46-50
• 4.4 本章小結(jié)50-51
• 第5章 行為分析51-57
• 5.1 行為熵介紹51
• 5.2 行為熵測定51-52
• 5.3 結(jié)果展示及分析52-56
• 5.4 本章小結(jié)56-57
• 第6章 總結(jié)與展望57-59
• 6.1 總結(jié)57-58
• 6.2 展望58-59
• 參考文獻(xiàn)59-65
• 作者簡介及在學(xué)期間所取得的科研成果65-66
• 致謝66-67

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 陸化普;孫智源;屈聞聰;;大數(shù)據(jù)及其在城市智能交通系統(tǒng)中的應(yīng)用綜述[J];交通運(yùn)輸系統(tǒng)工程與信息;2015年05期

2 周云;黃柯棣;胡德文;;動態(tài)數(shù)據(jù)驅(qū)動應(yīng)用系統(tǒng)的概念研究[J];系統(tǒng)仿真學(xué)報;2009年08期

  本文關(guān)鍵詞：基于大數(shù)據(jù)平臺的城市地鐵交通模式研究，由筆耕文化傳播整理發(fā)布。

本文編號：445315