共查询到19条相似文献，搜索用时 203 毫秒
1.
城市人群的出行特征通过车辆轨迹数据隐含的行为信息可以体现,但传统的单维度模型将不再适用于轨迹数据隐含的多维信息的挖掘.本文将海口市中心城区根据路网划分区域,使用能够挖掘多维信息的非负稀疏约束下张量分解基于"滴滴出行"轨迹数据,从时空维度挖掘居民出行规律并进行区域功能特征识别.结果表明:居民出行时间符合工作日,休息日的早... 相似文献
2.
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
3.
以2015年5月11-17日北京市3万多辆出租车3.85亿条轨迹点数据为研究对象,对非载客段数据点进行剔除,使用R语言从居民出行距离、轨迹段持续时间、分时段出行量、出行方向及平均速度五个角度进行统计特征分析,并通过拟合得到浮动车行驶距离与持续时长所遵循的指数分布,进而发现距离衰减效应、工作日与周末的日律性,并以此分析乘客出行距离、出行时间的潜在规律。 相似文献
4.
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.
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
7.
8.
针对现有出租车轨迹数据挖掘中时间序列邻近度量方法存在的问题,提出一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,进而研究城市人群出行行为的时空差异。以南京市为例,结合电子地图对出行模式的空间分布特征进行分析,证明了本文所提出的方法的有效性。实验结果表明:在空间分布上,工作日出租车出行模式按照平均出行频次由高到低排序,从城市中心向四周扩散,呈中心环状分布,出行模式区域界限较为明显,同类出行模式分布区域对应相似的功能。提出了一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,有效地分析城市人群出行行为的时空差异。 相似文献
9.
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
11.
Urban system is shaped by the interactions between different regions and regions planned by the government, then reshaped by human activities and residents’ needs. Understanding the changes of regional structure and dynamics of city function based on the residents’ movement demand are important to evaluate and adjust the planning and management of urban services and internal structures. This paper constructed a probabilistic factor model on the basis of probabilistic latent semantic analysis and tensor decomposition, for purpose of understanding the higher order interactive population mobility and its impact on urban structure changes. First, a four-dimensional tensor of time (T)?×?week (W)?×?origin (O)?×?destination (D) was constructed to identify the day-to-day activities in three time modes and weekly regularity of weekday/weekend pattern. Then we reclassified the urban regions based on the space clustering formed by the space factor matrix and core tensor. Finally, we further analysed the space–time interaction on different time scales to deduce the actual function and connection strength of each region. Our research shows that the application of individual-based spatial–temporal data in human mobility and space–time interaction study can help to analyse urban spatial structure and understand the actual regional function from a new perspective. 相似文献
12.
轨迹数据作为典型的时空大数据，具有较高的研究和应用价值。然而现有的轨迹数据挖掘主要聚焦于轨迹的空间特征，而较少关注轨迹数据语义的深度分析。本文面向智慧旅游服务的需求，重点探讨了旅游轨迹的轨迹停留点语义的自动标注问题。首先，针对POI短文本的特点，提出了基于《同义词词林》进行短文本语义扩展的方法对POI短文本进行特征扩展；同时，在顾及POI短文本的关键词集中、类别词分散等特征基础上，提出了改进TF-IDF的POI自动分类方法；其次，在POI分类的基础上，采用Native Bayes方法对轨迹停留点进行语义标注。结果表明，基于改进TF-IDF方法的POI自动分类可以达到约83%的精度，能够较好地实现POI的分类；而在POI自动分类基础上，基于Native Bayes的轨迹语义标注可以达到74%的精度，较好地实现了旅游轨迹停留点自动语义标注的目标。 相似文献
13.
14.
结合室内轨迹数据的特点,研究了室内移动对象语义轨迹序列处理方法,以及利用LDA主题模型与用户历史轨迹进行室内商场用户分类的方法。提出了通过关联规则分析挖掘用户语义位置模式的方法,并以北京某大型商场的实际用户轨迹数据为例,对所提出的方法进行了实验验证。 相似文献
15.
城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。 相似文献
16.
Vania Bogorny Hercules Avancini Bruno Cesar de Paula Cassiano Rocha Kuplich Luis Otavio Alvares 《Transactions in GIS》2011,15(2):227-248
Enormous quantities of trajectory data are collected from many sources, such as GPS devices and mobile phones, as sequences of spatio‐temporal points. These data can be used in many application domains such as traffic management, urban planning, tourism, bird migration, and so on. Raw trajectory data, as generated by mobile devices have very little or no semantics, and in most applications a higher level of abstraction is needed to exploit these data for decision making. Although several different methods have been proposed so far for trajectory querying and mining, there are no software tools to help the end user with semantic trajectory data analysis. In this article we present a software architecture for semantic trajectory data mining as well as the first software prototype to enrich trajectory data with both semantic information and data mining. As a prototype we extend the Weka data mining toolkit with the module Weka‐STPM, which is interoperable with databases constructed under OGC specifications. We tested Weka‐STPM with real geographic databases, and trajectory data stored under the Postgresql/PostGIS DBMS. 相似文献
17.
信息技术的快速发展带来了"大数据"时代的到来,使得城市时空行为研究面临变革。传统的城市时空行为研究方法并不能涵盖居民空间移动的复杂性和工作生活的移动性。随着智能手机的普及,微博也成为人们日常生活中常用的社交网络。本文通过获取新浪微博的签到数据,应用GIS软件分析北京地区居民行为的时空间关系。研究发现:工作日的热点要比周末集中很多,上下班高峰期多条地铁线路客流量较大,北京地区办公地区比居住地更加集中。 相似文献
18.
地理本体描述了地理信息科学领域内不同层次和不同应用方向上的地理空间概念的详细内涵和层次关系。研究和探讨了基于地理本体的空间数据组织方法,将地理实体与地理本体建立映射关联,把地理本体系统中的实例用面向对象的方法进行组织和表达,从而满足兼容空间数据管理和语义共享要求,解决语义异构导致的不同应用领域间数据组织与共享的困难。并... 相似文献
19.
Trajectory similarity measurement is a basic and vital task in trajectory data mining, which has attracted extensive research in the past decades. Recent works focused on the sequence and hierarchy property of trajectories to construct similarity measurements. However, these methods ignore the user information on the visiting locations, such as semantic and time distribution. In light of this, a novel trajectory similarity measurement based on Node-Sequence Hierarchical Digraph (NSHD) framework is proposed in this article. We first propose a Time-Weighted Stay Point Detection (TWSPD) method to extract real visiting locations of users more accurately. Then, the nodes of digraph are obtained by clustering users' stay points and the edges of digraph are sequence information that users move between these nodes. An Advanced Earth Mover's Distance (AEMD) is proposed to measure the node similarity between users, considering visiting time distribution and semantic information simultaneously. Both node and sequence similarities are used to calculate the similarity score to obtain the final trajectory similarity measurement. Experiments on Geolife and T-Drive datasets show that our proposed method offers competitive performance with mean reciprocal rank values reaching 96.01 and 81.26%, which outperforms related trajectory similarity measurements by more than 10 and 15%. 相似文献