论文部分内容阅读
出租车作为城市交通重要组成部分,具有不间断、覆盖广等特点,其运营时无特定路线与站点,能够很好反映居民出行行为与城市交通运行状况。因此越来越多的学者利用出租车轨迹数据进行居民出行分析的研究,为更好的揭示人、车、路的关系提供了科学的技术手段。论文以出租车轨迹数据为基石,结合城市路网以及兴趣点POI(point of interest)数据,探索居民出行时空规律,提出改进欧氏距离的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法深度挖掘城市居民出行热点区域,构建了居民出行分析可视化系统,研析城市空间结构与居民出行规律之间的潜在关系。具体研究内容如下:(1)出租车轨迹数据预处理以及上下客数据分析。首先,研究了出租车轨迹数据、城市路网数据、POI数据的结构,针对出租车轨迹数据中存在数据错误、数据冗余等问题,提出出租车轨迹数据预处理方法;其次对偏离道路的轨迹数据进行地图匹配修正;最后由于出租车轨迹数据存在时间空间的连续性,对出租车出行轨迹进行识别,提出了出租车上下客数据分析模型,为居民出行时空分析与热点挖掘提供数据基础。(2)居民出行时空特征分析研究。以出租车轨迹数据为基础,关联城市路网与城市POI分布,在时间维度分析工作日与非工作日、春节假期等不同日期属性的出行量分布特征,研究居民出行平均速度、载客时间在24h不同时段的分布规律;在空间维度对居民出行区位、出行道路及城市POI分布状况进行分析,挖掘居民出行行为时空特征与空间结构的关联信息。(3)基于聚类算法的居民出行热点挖掘。首先对传统DBSCAN算法以及数据相似性距离度量方式进行研究;其次,针对传统DBSCAN算法计算效率低、内存要求高的不足,考虑轨迹数据的道路特征信息,提出了道路系数来表征数据道路属性对各维度数据间相似性的影响度,设计了利用道路系数改进欧氏距离的DBSCAN算法,经测试:改进的DBSCAN算法在聚类精度以及计算时间上明显优于传统DBSCAN算法;最后基于石家庄市出租车早晚高峰的上下客数据,论文通过改进的DBSCAN算法挖掘石家庄市早晚高峰热点区域,分析居民出行行为与城市资源配置之间的潜在关系。(4)开发了基于石家庄市出租车轨迹数据的居民出行分析可视化系统。系统设计了居民出行数据管理模块以及居民出行分析可视化模块,实现了出租车轨迹数据存储、处理、分析以及可视化等功能。综上所述,论文针对石家庄出租车轨迹数据进行了预处理与数据挖掘,研析了石家庄居民出行规律,基于道路系数改进欧氏距离的DBSCAN算法实现了热点区域分析的准确性和效率的提高。开发了居民出行分析可视化系统,可以为交通管理和交通规划提供服务。