隨著交通信息獲取手段的更新,交通流數(shù)據(jù)越發(fā)豐富,為研究城市居民出行規(guī)律的發(fā)掘提供了新的視角和思路,軌跡數(shù)據(jù)的廣泛應(yīng)用也為廣義交通流研究注入了新活力。面對(duì)城市交通需求的多樣性、交通網(wǎng)絡(luò)的復(fù)雜性、交通行為的協(xié)同性,我們?cè)桨l(fā)地認(rèn)識(shí)到交通流時(shí)空模式挖掘在“人-車(chē)-路-地”耦合的復(fù)雜交通系統(tǒng)研究中的重要性。本文以北京市交通運(yùn)行指數(shù)和出租車(chē)OD流為例,以時(shí)間維度下宏觀交通流短時(shí)預(yù)測(cè)和空間維度下微觀交通流模式挖掘?yàn)槁淠_點(diǎn),分別開(kāi)展了基于聚類(lèi)的交通運(yùn)行指數(shù)短時(shí)預(yù)測(cè)和OD流空間聚類(lèi)算法的相關(guān)應(yīng)用研究,提出了兩套基于聚類(lèi)的交通流分析方法:1)一種顧及時(shí)間衰減因子的模式序列匹配預(yù)測(cè)算法。通過(guò)聚類(lèi)算法識(shí)別交通流擁堵模式,并基于交通流模式的時(shí)間相關(guān)性與序列鄰近關(guān)系實(shí)現(xiàn)動(dòng)態(tài)預(yù)測(cè)。本文將該方法用于北京市全路網(wǎng)交通運(yùn)行指數(shù)短時(shí)預(yù)測(cè),預(yù)測(cè)精度優(yōu)于基線模型,且具有可解釋性。2)一種基于向量約束的OD流聚類(lèi)算法。通過(guò)定義OD流事件點(diǎn)和OD流向量來(lái)表達(dá)OD流的高維特征,利用兩步聚類(lèi)實(shí)現(xiàn)OD數(shù)據(jù)在流空間上的模式挖掘。本文將該方法用于北京市出租車(chē)OD流模式識(shí)別,利用該方法得到了新的交通流社區(qū)及具有代表性流動(dòng)趨勢(shì)的不規(guī)則形狀交通流... 

【文章來(lái)源】：北京建筑大學(xué)北京市

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 短時(shí)交通流預(yù)測(cè)研究現(xiàn)狀
        1.2.2 基于軌跡數(shù)據(jù)的交通流研究現(xiàn)狀
        1.2.3 聚類(lèi)在交通流分析上的應(yīng)用現(xiàn)狀
    1.3 研究?jī)?nèi)容
        1.3.1 基于聚類(lèi)的交通運(yùn)行指數(shù)短時(shí)預(yù)測(cè)
        1.3.2 出租車(chē)OD流的空間模式挖掘
    1.4 論文框架
第2章 相關(guān)研究
    2.1 廣義交通流
        2.1.1 廣義交通流概述
        2.1.2 交通運(yùn)行指數(shù)
        2.1.3 出租車(chē)OD流
        2.1.4 研究對(duì)象小結(jié)
    2.2 模式序列匹配算法
        2.2.1 模式發(fā)現(xiàn)
        2.2.2 匹配預(yù)測(cè)
    2.3 OD流聚類(lèi)算法
第3章 基于改進(jìn)模式序列匹配的交通運(yùn)行指數(shù)預(yù)測(cè)研究
    3.1 顧及時(shí)間衰減因子的改進(jìn)模式序列匹配算法
    3.2 實(shí)驗(yàn)與分析
        3.2.1 數(shù)據(jù)預(yù)處理
        3.2.2 交通運(yùn)行指數(shù)模式聚類(lèi)
        3.2.3 確定匹配搜索窗口大小
        3.2.4 對(duì)比分析
    3.3 本章小結(jié)
第4章 基于向量約束的交通OD流聚類(lèi)算法研究
    4.1 基于向量約束的OD流聚類(lèi)算法
        4.1.1 定義
        4.1.2 參數(shù)
        4.1.3 聚類(lèi)過(guò)程
    4.2 實(shí)驗(yàn)與分析
        4.2.1 基于幾何約束的出租車(chē)OD流聚類(lèi)
        4.2.2 出租車(chē)OD流聚類(lèi)空間簇分析
        4.2.3 出租車(chē)OD流聚類(lèi)幾何簇分析
    4.3 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]地理流的空間模式：概念與分類(lèi)[J]. 裴韜,舒華,郭思慧,宋辭,陳潔,劉亞溪,王席.  地球信息科學(xué)學(xué)報(bào). 2020(01)
[2]基于改進(jìn)模式序列匹配的交通運(yùn)行指數(shù)預(yù)測(cè)研究[J]. 郭小剛,張健欽,盧劍,陸浩,李卓航.  北京建筑大學(xué)學(xué)報(bào). 2019(04)
[3]出租車(chē)軌跡數(shù)據(jù)挖掘進(jìn)展[J]. 吳華意,黃蕊,游蘭,向隆剛.  測(cè)繪學(xué)報(bào). 2019(11)
[4]短時(shí)交通流預(yù)測(cè)模型綜述[J]. 趙宏,翟冬梅,石朝輝.  都市快軌交通. 2019(04)
[5]K-means算法聚類(lèi)中心選取[J]. 張朝,郭秀娟,張坤鵬.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2019(04)
[6]基于K-means的手肘法自動(dòng)獲取K值方法研究[J]. 吳廣建,章劍林,袁丁.  軟件. 2019(05)
[7]一種出租車(chē)載客軌跡空間聚類(lèi)方法[J]. 楊樹(shù)亮,畢碩本,Nkunzimana A,黃銅,萬(wàn)蕾.  計(jì)算機(jī)工程與應(yīng)用. 2018(14)
[8]尺度驅(qū)動(dòng)的空間聚類(lèi)理論[J]. 李志林,劉啟亮,唐建波.  測(cè)繪學(xué)報(bào). 2017(10)
[9]北京對(duì)外交通樞紐乘客OD時(shí)空分布特征[J]. 楊格格,宋辭,裴韜,周成虎,舒華,張加.  地球信息科學(xué)學(xué)報(bào). 2016(10)
[10]我國(guó)大城市交通擁堵特征與國(guó)際治理經(jīng)驗(yàn)借鑒探討[J]. 趙鵬軍,萬(wàn)海榮.  世界地理研究. 2016(05)

碩士論文
[1]電力價(jià)格短期預(yù)測(cè)方法研究[D]. 邱懷志.哈爾濱工業(yè)大學(xué) 2017
[2]基于交通擁堵指數(shù)的交通擁堵模式聚類(lèi)分析[D]. 劉思寧.北京交通大學(xué) 2016



本文編號(hào)：3194542