本文選題：GPS浮動(dòng)車 + 地圖匹配��； 參考：《昆明理工大學(xué)》2017年碩士論文

【摘要】：隨著社會(huì)不斷發(fā)展,城市居民生活水平不斷提高,城市居民活動(dòng)更加頻繁,城市居民作為城市的重要組成部分,研究城市居民活動(dòng)規(guī)律對城市規(guī)劃具有重要意義。傳統(tǒng)采用問卷調(diào)查方式獲取城市居民信息的方法具有一定局限性,近年來,人們通過在浮動(dòng)車上安裝GPS設(shè)備來獲取城市居民活動(dòng)信息,GPS定位數(shù)據(jù)記錄了居民出行時(shí)間、出行地理位置等信息,為研究城市居民活動(dòng)規(guī)律提供了豐富的數(shù)據(jù)資源,論文利用GPS浮動(dòng)車數(shù)據(jù)對昆明市城市居民活動(dòng)規(guī)律進(jìn)行了研究。首先,數(shù)據(jù)預(yù)處理和地圖匹配。論文介紹了 GPS定位原理以及GPS定位數(shù)據(jù)結(jié)構(gòu),并對數(shù)據(jù)進(jìn)行了預(yù)處理和地圖匹配,由于數(shù)據(jù)量過大,匹配過程較慢,為此論文采用緩沖區(qū)分析與幾何匹配結(jié)合的方法將GPS定位數(shù)據(jù)匹配到相應(yīng)的道路上,結(jié)果表明該方法匹配效率較高,效果較好;其次,乘客上下車點(diǎn)及出行軌跡點(diǎn)提取。浮動(dòng)車載客狀態(tài)是研究城市居民活動(dòng)規(guī)律的重要參數(shù),論文利用出租車載客狀態(tài),通過編寫C#程序提取出了乘客上下車點(diǎn)和出行軌跡點(diǎn),并利用統(tǒng)計(jì)分析的方法對城市居民出行行程長度和行程時(shí)間進(jìn)行統(tǒng)計(jì)分析。最后,城市居民活動(dòng)熱點(diǎn)區(qū)域研究。論文在總結(jié)常用空間聚類算法的基礎(chǔ)上,采用模糊C-均值(FCM)聚類算法方法對城市居民活動(dòng)規(guī)律進(jìn)行研究,該算法具有效率高,聚類速度快的優(yōu)點(diǎn),但模糊C-均值聚類算法是一種局部最優(yōu)算法,并且聚類數(shù)目具有不確定性。針對上述缺點(diǎn),論文提出了一種改進(jìn)的(FCM)聚類算法,該算法采用自適應(yīng)距離范數(shù),給每一個(gè)簇添加自己的范數(shù)誘導(dǎo)矩陣,在聚類過程中通過引入分區(qū)系數(shù)(PC)、分類熵(CE)和XB指數(shù)三個(gè)指標(biāo)來確定最佳聚類數(shù)目,實(shí)驗(yàn)結(jié)果表明了改進(jìn)的模糊C-均值聚類算法可有效挖掘出城市居民活動(dòng)熱點(diǎn)區(qū)域。
[Abstract]:With the development of society, the living standard of urban residents is improving, and the activities of urban residents are more frequent. As an important part of the city, it is of great significance to study the law of urban residents' activities. The traditional method of obtaining information of urban residents by questionnaire survey has some limitations. In recent years, people have recorded the travel time of urban residents by installing GPS equipment in floating vehicles to obtain the information of urban residents' activities and GPS positioning data. Travel location and other information provide rich data resources for the study of urban residents' activities. This paper makes use of the GPS floating vehicle data to study the urban residents' activities in Kunming. First, data preprocessing and map matching. This paper introduces the principle of GPS positioning and the structure of GPS positioning data, and carries out the data preprocessing and map matching. Because of the large amount of data, the matching process is slow. In this paper, the method of combining buffer analysis with geometric matching is used to match the GPS location data to the corresponding roads. The results show that the method is more efficient and effective. Secondly, the point of passengers getting on and off and the point of travel trajectory are extracted. The state of floating vehicle is an important parameter to study the law of urban residents' activities. In this paper, by writing a C # program, we extract the points of passengers' embarkation and disembarkation and the point of travel trajectory by using the state of taxi carrying passengers. The travel length and travel time of urban residents are statistically analyzed by means of statistical analysis. Finally, the study on the hot spots of urban residents' activities. On the basis of summarizing the common spatial clustering algorithms, the fuzzy C- mean FCM-based clustering algorithm is used to study the urban residents' activity law. The algorithm has the advantages of high efficiency and fast clustering speed. But fuzzy C-means clustering algorithm is a kind of local optimal algorithm, and the number of clustering is uncertain. In order to overcome these shortcomings, an improved clustering algorithm is proposed in this paper. The algorithm uses adaptive distance norm to add its own norm induced matrix to each cluster. In the process of clustering, the best number of clusters is determined by introducing three indexes: partition coefficient (PC), classification entropy (CEC) and XB index. The experimental results show that the improved fuzzy C- means clustering algorithm can effectively mine the active hot areas of urban residents.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：C913.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁亮;鈕心毅;宋小冬;;基于移動(dòng)定位大數(shù)據(jù)的城市空間研究進(jìn)展[J];國際城市規(guī)劃;2015年04期

2 童曉君;向南平;朱定局;;基于出租車GPS數(shù)據(jù)的城市居民出行行為分析[J];電腦與電信;2012年Z1期

3 陳燕萍;宋彥;張毅;彭科;張芩;金鑫;;城市土地利用特征對居民出行方式的影響——以深圳市為例[J];城市交通;2011年05期

4 賴云波;孫棣華;廖孝勇;孫煥山;;基于道路緩沖區(qū)分析的地圖匹配算法[J];計(jì)算機(jī)應(yīng)用研究;2011年09期

5 黃玲;徐建閩;;基于浮動(dòng)車技術(shù)的動(dòng)態(tài)交通擁擠預(yù)測模型[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年10期

6 宋潔;李國燕;李娜娜;張永杰;;基于模糊邏輯的GPS/DR地圖匹配算法[J];計(jì)算機(jī)工程與科學(xué);2008年10期

7 李德仁;李清泉;楊必勝;余建偉;;3S技術(shù)與智能交通[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2008年04期

8 李艷紅;袁振洲;謝海紅;曹守華;吳先宇;;基于出租車OD數(shù)據(jù)的出租車出行特征分析[J];交通運(yùn)輸系統(tǒng)工程與信息;2007年05期

9 曹凱;唐進(jìn)君;劉汝成;;基于Fréchet距離準(zhǔn)則的智能地圖匹配算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年28期

10 宋殿霞;王艷;鄒光輝;;空間數(shù)據(jù)挖掘聚類算法研究[J];濱州學(xué)院學(xué)報(bào);2006年06期

相關(guān)會(huì)議論文 前2條

1 金曉哲;柴彥威;;歐美消費(fèi)者行為的地理學(xué)研究進(jìn)展[A];地理學(xué)會(huì)全面建設(shè)小康社會(huì)——第九次中國青年地理工作者學(xué)術(shù)研討會(huì)論文摘要集[C];2003年

2 王茂軍;柴彥威;;日本1970年代以來消費(fèi)者行為的地理學(xué)研究進(jìn)展[A];地理學(xué)會(huì)全面建設(shè)小康社會(huì)——第九次中國青年地理工作者學(xué)術(shù)研討會(huì)論文摘要集[C];2003年

相關(guān)博士學(xué)位論文 前2條

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

2 毛海哠;中國城市居民出行特征研究[D];北京工業(yè)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前7條

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

2 茍錫榮;基于GPS浮動(dòng)車的城市交通狀態(tài)時(shí)空分布規(guī)律研究[D];昆明理工大學(xué);2013年

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

4 周洋;基于GPS浮動(dòng)車的高速公路實(shí)時(shí)路況系統(tǒng)的研究[D];南昌航空大學(xué);2012年

5 張朋東;基于浮動(dòng)車數(shù)據(jù)的城市居民出行行為規(guī)律研究[D];中南大學(xué);2012年

6 賴云波;公交浮動(dòng)車到達(dá)時(shí)間實(shí)時(shí)預(yù)測研究[D];重慶大學(xué);2011年

7 王瑞;城市居民出行調(diào)查若干問題研究[D];長安大學(xué);2006年

，

本文編號(hào)：1856625