公交車、地鐵和出租車作為城市居民日常出行的主要公共交通工具,其軌跡數(shù)據(jù)和刷卡信息中蘊含著豐富的居民出行行為信息,通過對這些多元流數(shù)據(jù)進行挖掘,可發(fā)現(xiàn)居民出行的不同模式。居民出行模式挖掘的常用方法為聚類分析,而傳統(tǒng)聚類方法不適用于含有豐富時空信息的地理數(shù)據(jù),因此,需要對傳統(tǒng)方法進行時空擴展,以滿足研究需要。本文以深圳市的出租車軌跡數(shù)據(jù)和公交車及地鐵刷卡數(shù)據(jù)為實驗數(shù)據(jù)集,通過不同區(qū)域內(nèi)居民出行使用三種不同交通工具的數(shù)量和比例的統(tǒng)計,來探索性分析居民出行潛在的規(guī)律,然后利用基于鄰接關(guān)系的時空譜聚類方法來挖掘具體的居民出行模式,并從交通工具的使用關(guān)系、社會背景和出行移動三個方面來理解和分析居民出行模式。本文的主要研究工作如下:(1)譜聚類方法的時空擴展譜聚類可對任意形狀的樣本空間進行聚類分析,且聚類結(jié)果能收斂于全局最優(yōu),具有很好的應(yīng)用前景。本文對譜聚類方法的原理和離散化方法進行了總結(jié)性介紹,指出譜聚類算法的關(guān)鍵步驟為相似性矩陣的構(gòu)建,通過分析傳統(tǒng)譜聚類構(gòu)造相似矩陣的方法,發(fā)現(xiàn)僅利用歐式空間距離度量時空軌跡的相似性具有很大的局限性,因此,提出一種同時考慮時間序列相似性和空間鄰接距離的時空相似性矩陣的構(gòu)造方法,從而實現(xiàn)譜聚類的時空擴展。(2)多源軌跡數(shù)據(jù)的時空譜聚類多源軌跡數(shù)據(jù)分別來自于不同的公共交通工具,記錄了豐富的時空信息和居民出行規(guī)律,若將多源軌跡數(shù)據(jù)融合使用,并借助時空譜聚類方法,則可根據(jù)聚類分析結(jié)果來獲取更多有價值的潛在信息。鑒于多源軌跡數(shù)據(jù)間的相互獨立性,需要先根據(jù)各交通工具在居民出行中的實際使用情況,建立相同的度量標(biāo)準,分別計算各交通工具的出行使用量占總出行量的比例,即可把多源軌跡數(shù)據(jù)信息化歸到統(tǒng)一的比例度量體系下,再依次計算各交通方式條件下的時空相似性矩陣。最后結(jié)合圖像處理領(lǐng)域彩色圖像色彩合成原理,把三種交通數(shù)據(jù)類比成假彩色圖像色彩空間中的三個不同維度(RGB)信息,并參考彩色圖像灰度化的方法,實現(xiàn)多源軌跡數(shù)據(jù)時空相似性矩陣的融合,從而完成多源軌跡數(shù)據(jù)的時空譜聚類,為居民出行模式的挖掘奠定基礎(chǔ)。(3)居民出行模式的挖掘與分析利用基于鄰接距離的時空譜聚類方法,對多源軌跡數(shù)據(jù)進行時空聚類,通過對聚類結(jié)果的分析和挖掘,發(fā)現(xiàn)5種居民出行模式。為了更好地理解出行模式的特點,分別從不同模式下的交通工具使用關(guān)系、社會背景以及出行移動三個方面進行分析,從而發(fā)現(xiàn)在不同區(qū)域及居民出行模式下,公交車、地鐵和出租車之間的運營競爭及協(xié)同合作關(guān)系,以及不同社會背景區(qū)域內(nèi)的居民出行對交通工具的選擇差異性,并結(jié)合出行移動情況,說明各出行模式在不同空間區(qū)域的互動關(guān)系。
【學(xué)位單位】：武漢大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：F572.88;P208;TP311.13

【引證文獻】

相關(guān)博士學(xué)位論文 前1條

1 王朝暉;數(shù)字化城市管理時空數(shù)據(jù)挖掘及應(yīng)用[D];中國地質(zhì)大學(xué)(北京);2018年

相關(guān)碩士學(xué)位論文 前1條

1 丁浪;基于居民運動數(shù)據(jù)的杭州城市綠道評價及優(yōu)化策略研究[D];浙江大學(xué);2018年

本文編號：2818130