共查询到10条相似文献，搜索用时 15 毫秒
1.
出租车载客数据可以用于研究居民的出行特征,提取城市的交通热点区域,但对城市交通热点区域的交互关系研究相对较少。本文以纽约市的出租车行程记录数据为数据源,利用交通小区划分结合出租车载客数据提取城市交通热点区域,基于复杂网络的方法对不同日期类型和天气情况的城市交通热点区域空间交互网络进行研究并进行社区发现。结果表明,热点区域受城市核心区的影响而聚集在核心区域周围,城市内社区的形成可以克服地形和行政区域等因素的影响。研究结论有望为城市规划、城市交通管理、出租车调度、以及人们的出行等提供信息参考。 相似文献
2.
利用共享单车大数据的城市骑行热点范围提取 总被引：1，自引：0，他引：1
共享单车成为市民出行不可或缺的一种代步方式,也对城市交通运行管理和规划发展带来压力和挑战。本文利用Python程序获取了2017年9月20日ofo单车的全天候位置数据,通过Arc GIS传统分析工具进行了西安市用户骑行行为的时空间特征分析,提取了用户出行OD模型及城市骑行热点路段。结果发现,在城市轨道交通、城市产业分配、医院学校分布及时间维度的影响下,骑行存在不同空间特征。基于大数据分析提取热点,利用可视化表达数据集合与相关城市数据集综合分析,可为集中规划非机动车设施、更好地优化城市空间布局提供新思路。 相似文献
3.
交通拥堵是当代各大城市普遍面临的问题,如何通过各种技术手段发现城市交通的易拥堵路段并予以改善是城市交通相关部门以及学者关心的一个问题。通过各种GPS设备产生的历史轨迹数据对城市的研究逐渐受到重视,且取得一定的进展。文中总结运行车辆的4种通行状态:正常行驶、停靠/停泊、信号灯等待以及拥堵,分析这4种状态下运行车辆的速度特征,定义轨迹段平均速度和轨迹段速度方差两个数字特征用来描述运行车辆轨迹段的速度特征以及描述路段拥堵程度的拥堵指数,提出一种基于轨迹分段的拥堵检测的可视化方法,通过实验验证发现其可以较好地估计城市交通拥堵状况。 相似文献
4.
孟庆伟 《测绘与空间地理信息》2020,(3):141-145
为了合理分析城市公共交通发展现状并对其发展提供可参考的依据,本文利用地理信息系统空间分析和统计方法,在确立多个评价指标的基础上,对城市公共交通覆盖度情况进行不同角度、不同方面的评价。以沈阳市内部分区域为研究对象,提取研究区域基础地理数据,结合人口数据以及公共交通线网缓冲区,选取城市主次干道为边界划分分析单元,将人口密度与道路数据相结合,将评价体系与数据进行对比分析。根据评价指标,得到研究范围内城市公交资源的分布状况。实验结果表明,该方法能够较好地分析城市公共交通分布特征,为城市交通规划设计提供思路。 相似文献
5.
《武汉大学学报(信息科学版)》2021,(5)
城市交通热点是居民出行活动的体现,通过出租车的移动轨迹可以分析城市交通运行状况。目前,相关研究主要集中于GPS采样数据的起讫点(origin destination,OD)估计模型以及轨迹流的提取分析算法,而对交通热点的交互作用和时空模式的研究还很少。以中国江苏省南京市的出租车GPS数据为研究对象,通过轨迹流提取和地图匹配,基于宏观基本图模型构建交通运行状况指标,利用数据挖掘技术分析交通热点时空模式。通过研究发现:(1)南京市交通在早晚高峰时拥堵最严重,并且休息日的交通运行状况要优于工作日;(2)在工作日,停车场和办公楼附近最拥堵;在休息日,商场和居民小区附近最拥堵;(3)交通热点的时空交互特征主要表现在交叉路口附近,并具有显著的时空聚集性差异。上述研究结果可为交通管理部门针对不同时段和路段的交通运行状况进行治理提供帮助,并为建立现代化综合交通运输体系提供依据。 相似文献
6.
以南京市为研究区,利用骑行轨迹数据和街景图像数据,在结合城市路网分析骑行活动空间分布的基础上,从街景视角对骑行热点路段的视觉环境进行了精细化解读,以此深入理解骑行者对沿路街道环境的视觉偏好.首先提出了一种基于轨迹线的热点路段探测方法,用于寻找南京市骑行行为聚集的区域及其内部路段;然后利用图像语义分割技术量化热点路段的街道环境要素,并通过构建场景表达向量进一步分析不同街道的视觉环境特征以及场景类型;最后根据场景环境的相似特征,将南京市骑行热点路段定义为市区林荫道、市区主干道、郊区主干道、郊区小路、商业街区和景区林荫道6种类型. 相似文献
7.
交通拥堵检测是城市交通管理工作的重点和难点之一,现有的拥堵检测以路段为单位,不利于拥堵时空演变规律信息的提取,且检测内容大多只涉及拥堵程度,缺少对拥堵类型的识别。基于CART（classification and regression tree）分类树算法,提出一种以路段点为检测单元的拥堵点分类检测方法,该方法可根据路段平均行驶速度实时检测拥堵点及其类型。首先,将路段等距离划分后映射为路段点,根据时空维路况异常规则和异常模式,以路段点为单元分析了4种拥堵类型的时空演变模式;其次,在路段路况检测的基础上,提取路段点路况时空序列,根据不同类型的拥堵模式对路况时空序列进行分类标记;然后,选取4种速度指标作为样本属性集合,按照属性集合提取各路段点在各时段的速度,以此作为决策树学习的数据集;最后,基于CART分类树算法,采用交叉验证的方式训练出最优模型,使其达到最佳的泛化能力。与支持向量机（support vector machine, SVM）分类模型进行比较,实验结果表明,该方法在分类检测交通拥堵点时具有较高的正确率和召回率,且分类检测时效性较好。 相似文献
8.
当前,利用非结构化数据进行信息提取是地理信息领域的研究热点.针对这一热点,本文提出了基于中心向量的KNN分类方法.首先,对向量空间模型的特征项选择及权重计算方法进行了改进;其次,利用KNN算法对非结构化数据进行了分类与排序;最后,以与郑州市相关的200篇网络资源为非结构数据语料库进行验证.实验表明:该方法能够有效地提取非结构数据的城市属性信息,计算效率较高,实用性较强. 相似文献
9.
利用车载LiDAR点云数据提取城市道路边界 总被引：2，自引：1，他引：1
随着高精地图产业的兴起,精确提取道路边界点云数据成为研究的重点。本文首先将车载LiDAR扫描系统获取的城市道路数据根据采集轨迹进行分段,对每一段路段点云进行滤波处理;然后通过分析点云的高程与平面信息,采用点云分割算法分离路面与非路面点云,再对处理后的路面点云进行投影;最后运用边界特征估计提取算法获取道路边界点云。通过对两种典型路段进行试验分析表明,该方法用于提取城市道路边界点云效果较好,精确性与稳健性高,对今后道路边界线的提取起到借鉴作用。 相似文献
10.
通过数据挖掘手段获取聚集模式（即热点）等地理空间知识是地理信息智能化服务的基础和前提。点群聚集模式的提取本质上是热点及其边界（热点区）的探测。首先分析了使用空间聚类提取热点并以凸壳表达热点轮廓的不足，进而提出一种利用模糊密度聚类和双向缓冲区的热点区自动识别方法。该方法借鉴模糊集理论，通过计算对象之间的模糊隶属度改进基于密度的聚类算法，用以提取点群的聚集模式；在此基础上，将模糊隶属度作为对象间的影响程度，采用正负缓冲区建立热点边界。以郑州市城区的科研机构点为例进行实验，结果表明，提出的方法既能有效区分空间点的类型（噪声点与非噪声点），又能生成连续平滑的热点边界，总体效果优于对比方法。 相似文献