【摘 要】
：
电动出租车轨迹描述了电动出租车空间位置和其他属性随时间的变化,蕴含了大量的居民出行信息,也反映了电动出租司机的充电习惯和出行特征。本文通过轨迹数据可视分析方法对深圳电动出租车的轨迹数据进行研究,并开发出电动出租车轨迹数据可视分析系统,支持多维度、全方面分析电动出租车在深圳的推广运营情况,从而对电动出租车行业的健康发展提出建议。本文的研究内容主要包括以下几个方面:1.充电事件提取及可视分析。根据电动
论文部分内容阅读
电动出租车轨迹描述了电动出租车空间位置和其他属性随时间的变化,蕴含了大量的居民出行信息,也反映了电动出租司机的充电习惯和出行特征。本文通过轨迹数据可视分析方法对深圳电动出租车的轨迹数据进行研究,并开发出电动出租车轨迹数据可视分析系统,支持多维度、全方面分析电动出租车在深圳的推广运营情况,从而对电动出租车行业的健康发展提出建议。本文的研究内容主要包括以下几个方面:1.充电事件提取及可视分析。根据电动出租车司机的充电行为设计充电事件提取算法,并对提取出来的充电事件进行不同维度的统计分析。通过对充电事件的可视分析,帮助电动出租车司机合理规划充电时间,选择合适的充电站减少充电需要花费的等待时间。2.上下客热区提取及可视分析。首先从电动出租车的轨迹数据中提取出不同时段乘客的上下客点,然后通过参数自适应的聚类算法（DBSCAN）对提取出来的上下客点进行了聚类,生成上/下客热区。通过对上下客热区的可视分析,对司机寻客区域提出建议,减少司机不必要的寻客时间,有效地帮助司机提高收入。3.电动出租车轨迹可视分析系统开发。首先根据特定的清洗规则对电动出租车轨迹数据进行清洗,提高分析数据的质量。然后针对关注的重点特征进行提取,最后开发了电动出租车轨迹数据可视分析系统,将这些特征用多图表联动的形式展示出来,为多维度、全方面分析电动出租车的推广运营状况提供了有力支持。
其他文献
近几年来,在人脸识别领域,基于深度学习的人脸识别的性能比人类还要好,并且已经被广泛应用到很多现实场景中,如手机解锁、机场安检等。因此,研究真实世界中人脸识别模型的安全问题尤为重要。ArcFace作为性能堪比商业级人脸识别系统的开源模型,部分学者已经验证并实现了在真实世界中对该模型的白盒逃逸攻击,但暂未验证是否可以实现难度更高的白盒模仿攻击。本文为探究上述问题,以基于ArcFace模型的人脸验证系统
行人检测是计算机视觉领域的一项重要任务,其在车辆辅助驾驶、视频监控、智慧交通以及智能机器人等领域都有着巨大的研究价值和应用前景。近年来,基于卷积神经网络的行人检测算法快速发展,行人检测模型的性能不断提升。然而,高精度的行人检测模型往往存在模型体积较大、计算成本较高和检测实时性差等问题,难以适应行人检测各种应用场景的要求。本研究旨在提高行人检测算法的检测精度与速度,并结合模型压缩技术降低模型的部署成
中国移动通信技术的显著进步使得基于无线定位的位置服务（LBS）有了更大的发展空间。相较于GPS等卫星定位系统,基于无线网络的终端无线定位具有成本低、方便快捷的优势,并且在紧急救助、网络优化等领域以及疫情防控方面都有着突出的表现。本文主要研究基于指纹库和无线测量报告（MR）的室外用户定位问题,并设计开发出一个用户定位系统。具体地,本文针对指纹库定位中离线阶段指纹库的快速高效建立和在线阶段更加合理准确
在现代通信中,认知无线电展现出了其强大的生命力。将认知无线电与自组织网络相结合,既符合认知无线电的特点,也符合自组织网络的要求,于是认知自组网（Cognitive Radio Ad Hoc Networks,CRAHNs）的概念就此诞生。认知自组网由于其强大的适应性,可以被用在各种网络场景中,例如抗震救灾网络、物联网等。其动态的网络拓扑结构是影响其网络性能的重要因素。故而,研究认知自组网的网络拓扑
基于中餐图像识别的研究一直是计算机视觉领域的热门研究方向,未来将在智能家居、智慧医疗健康等领域具有很好的应用前景。随着深度学习的蓬勃发展,中餐图像识别发展迅速,但由于中餐图像的复杂性和背景噪音等问题,如何高效准确地提取中餐图像关键语义特征、对多目标中餐图像精确高效检测、基于图像对食物进行热量预测等问题仍然是一个巨大的挑战。针对这些问题,本文的主要研究工作如下:针对单目标中餐图像识别问题,提出一种基
第五代移动通信（5G）系统承诺为用户提供大容量、低时延和超高可靠的通信服务,然而在高速铁路、商用航空等高速移动场景下,5G给人们带来的实际体验却差强人意。究其原因,主要是由于通信终端或散射体高速移动所致的多普勒问题易造成严重的时间选择性衰落,进而恶化系统的误码性能并降低通信容量。针对以上问题,本文通过研究高速移动场景中的5G链路级增强技术,提出对抗多普勒扩展的有效方案以显著提升时变信道的通信质量。
随着我国通信技术的高速发展,通信网的规模不断扩大,复杂度也随之提高,网络中任何设备发生故障都可能导致与之关联的设备一同产生告警,从而引发越来越多的告警数据,这样的情况使得运营商网管人员无法及时且准确地定位故障,为通信网的维护带来很大困难。对通信网进行故障预测可以及时排查网络问题,提升网络运维效率,对通信网管理有着至关重要的意义。论文针对传统通信网故障预测方法缺乏灵活性、精度低的问题,将告警相关性分
随着无网络区域临时网络覆盖和热点区域补充网络覆盖的需求增加,地面蜂窝通信网络无法精确、及时地满足上述需求。凭借高移动性、灵活部署、高经济效益等优点,无人机网络有望突破传统地面蜂窝网络限制,为目标区域网络覆盖提供新的可能,因此近年来受到学术界和产业界的广泛关注。然而,无人机网络的小区平均吞吐量、边缘用户速率、平均用户速率等性能,难以通过理论分析和外场测试部署获得。为此,本文搭建了面向无人机通信组网的
钙钛矿纳米线腔内的激子-光子的强耦合作用由于具有较大的拉比劈裂能量和激子结合能,是制备室温极化激子的理想材料。尽管如此,仍需探索新的方法来促进激子-光子的耦合强度,以维持激子和光子的相干性。表面等离激元可以通过减小有效模式体积和增强局域电场的强度来增强激子-光子耦合。我们的工作探究了一种存在于由无机-有机钙钛矿纳米线,二氧化硅（SiO2）薄膜,以及银（Ag）薄膜组成的三明治式的杂化结构内的激子-光
近年来,深度学习图像分类算法发展迅速,并在实际应用中取得了巨大的成功。然而,有监督深度学习模型需要使用大量有标记数据和多轮迭代来进行训练。其高昂的标注成本严重限制了传统方法在全新类别的场景中的应用。更重要的是,针对这些特殊类别的大量标注样本可能很难或者不能获得,因此需要大样本数据来训练模型的条件从本质上限制了它们预测新出现的（例如,新出现的设备）或稀有（例如,稀有动物）类别的能力,从而使得原有模型