共查询到10条相似文献，搜索用时 78 毫秒
1.
《武汉大学学报(信息科学版)》2016,(9)
现有的关于出租车GPS轨迹大数据的研究均没有考虑出租车司机本身的非运营行为(如出租车加油(气)、就餐、交接班)的特征和需求。根据出租车轨迹大数据,研究了出租车短时非运营行为特征,从轨迹数据中提取出租车短时非运营行为,利用平面线要素核密度分析其时空分布,并采用Ripley’s K函数分析了武汉市徐东大街区域的短时非运营行为与加气站的空间相关性。实验结果表明,分析出租车短时非运营行为时空分布能有效地揭示出租车司机群体的短时非运营行为需求,以及需求与现有公共资源不匹配引发的资源低效配置现状,为公共资源优化调整提供科学有效的辅助决策支撑。 相似文献
2.
3.
城市活动事件(如文化、娱乐、体育等事件)的规模与影响力是城市经济文化发展的重要体现,其发生的全过程对城市现实空间与赛博空间都会产生巨大影响,从现实空间与赛博空间对城市活动事件的演化感知、动态建模与时空分析,具有重要的理论研究与应用价值。提出了一种结合现实空间交通数据与赛博空间社交媒体数据的城市活动事件时空建模分析方法,从事件进行中的交通轨迹,探测识别与事件显著相关的城市时空区域和交通流,分析现实空间事件热度的时空变化;从事件发生全过程的社交媒体数据中,探测分析赛博空间事件热度的时空变化;通过将现实空间和赛博空间的融合,建立城市活动事件时空模型,刻画事件全过程中城市地理空间与城市行为空间的时空演变特征。以2015年周杰伦"魔天伦2.0"世界巡回演唱会(武汉站)事件为例,采用武汉市出租车GPS轨迹数据和微博数据,对演唱会的事前、事中、事后实现城市地理空间与行为空间全过程建模与时空演变分析,并与单一数据源事件刻画模型进行比较,结果显示本方法能更合理地结合现实空间和赛博空间刻画城市活动事件。 相似文献
4.
众源车辆轨迹加油停留行为探测与加油站点提取 总被引：1，自引：1，他引：0
针对当前加油站点信息采集成本高、更新周期长等问题,提出了运用车辆轨迹数据提取加油站点的方法。首先,从轨迹运动特征、几何模式等方面分析个体和群体加油行为轨迹特征。其次,基于Stop/Move模型,集成加油轨迹运动特征提出速度序列线性聚类算法提取加油停留轨迹。最后,运用Delaunay三角网层次聚类加油停留轨迹线,综合运用傅里叶形状识别、语义约束等方法识别、提取加油站点。运用北京市7d的出租车轨迹数据进行试验分析,共提取482个加油站,正确率为93.1%,且位置精度高。 相似文献
5.
6.
利用轨迹大数据进行城市道路交叉口识别及结构提取 总被引：4，自引：4，他引：0
交叉口是城市交通路网生成、更新的重要组成部分。本文基于车辆时空轨迹大数据,提出了一种城市交叉口自动识别方法。该方法首先通过轨迹跟踪识别轨迹数据中包含的车辆转向点对;然后基于距离和角度的生长聚类方法进行转向点对的空间聚类,并采用基于局部点连通性的聚类方法识别交叉口;最后利用交叉口范围圆和转向点对提取城市各级别路网下的交叉口结构。以武汉市出租车轨迹大数据为例,对武汉市城区内189个交叉口进行了探测。试验结果表明,本文所提方法可以准确地从轨迹大数据中识别出城市交叉口及其结构。 相似文献
7.
车辆尾气是道路交通二氧化碳（CO2）排放的重要来源，目前的研究主要集中在区域CO2排放清单的计算和分析上，鲜有从微观层面上进行CO2排放的反演分析。采用微观尾气排放模型对出租车行程轨迹的CO2排放量进行定量反演，进而从点、线、面3个粒度对武汉市出租车行程轨迹CO2排放的时空模式进行分析。研究结果表明，利用出租车轨迹可以有效地反演出租车CO2排放量，并发现其在不同日期和时段具有明显的规律性。通过时空聚类技术发现了点粒度下的出租车CO2排放的类簇数目存在一定的时空变化规律，采用数据场模型展示了线粒度下的道路线段出租车CO2排放强度存在明显的时空分布规律，利用时空自相关技术揭示了面粒度下的区域出租车CO2排放量具有较高的时空正相关性。研究成果可以为城市减排措施制定等提供辅助支持。 相似文献
8.
目前,基于GPS轨迹探测城市交通状态的研究缺乏对不同行驶方向的交通拥堵精细感知。针对此问题,本文提出一种基于出租车GPS轨迹的转向级交通拥堵事件探测方法。该方法首先在分析出租车运营行为特征的基础上,采用特征聚类方法滤选出能够反映真实交通状态的有效轨迹段;然后基于滤选后轨迹分析当前道路交通运行状态,探测城市路网中轻度、中度、重度3种不同强度的交通拥堵事件;最后基于拥堵事件轨迹分析交叉口不同转向的拥堵时间、拥堵强度和拥堵距离等转向级精细交通拥堵状态。试验结果表明,本文方法不仅能有效探测路网中不同强度的拥堵事件,而且能实现交叉口转向级拥堵事件的精细分析。 相似文献
9.
《测绘科学》2020,(2)
为了利用轨迹数据提取城市居民出行特征,该文首先从出租车全球定位系统(GPS)轨迹数据中提取上下客事件,利用数理统计的方法对其时间分布特征进行研究;继而针对城市内数据不均匀分布的特性,提出了一种基于OPTICS聚类的改进方法,通过将原始聚类结果进行局部密度峰值的计算,实现了出租车上下客事件热点区域中心的进一步提取。最后,以成都市为实证对象,结合成都市电子地图及用地布局规划图探讨了居民出行时空特征与城市空间结构的相互关系,并对其成因做出了简要的分析,证明了该文所提出方法的有效性。实验结果表明:居民在工作日和休息日的出行特征呈现出明显的差异,且受到城市功能区域分化的影响。 相似文献
10.
《测绘科学》2021,(2)
为了利用轨迹数据提取城市居民出行特征,该文首先从出租车全球定位系统(GPS)轨迹数据中提取上下客事件,利用数理统计的方法对其时间分布特征进行研究;继而针对城市内数据不均匀分布的特性,提出了一种基于OPTICS聚类的改进方法,通过将原始聚类结果进行局部密度峰值的计算,实现了出租车上下客事件热点区域中心的进一步提取。最后,以成都市为实证对象,结合成都市电子地图及用地布局规划图探讨了居民出行时空特征与城市空间结构的相互关系,并对其成因做出了简要的分析,证明了本文所提出方法的有效性。实验结果表明:居民在工作日和休息日的出行特征呈现出明显的差异,且受到城市功能区域分化的影响。 相似文献