共查询到20条相似文献，搜索用时 93 毫秒
1.
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
2.
3.
出租车是居民出行的重要交通工具,其轨迹数据蕴含着丰富的居民出行信息。原始出租车轨迹数据因缺少语义信息无法直观反映居民出行规律。通过轨迹数据挖掘技术处理之后的出租车轨迹数据能够反映居民活动规律和行为模式,从而为城市规划决策提供参考依据。本文重点研究了基于语义的交互模式度量,通过出租车停留点推断其语义信息;然后根据语义信息构建语义交互矩阵,用以推断和描述行为目的交互模式;最后选取北京市中心为研究区域进行方法验证。结果表明,中心城区内不同类别的停留点聚集分布规律不同,围绕高校和商圈聚集较明显;工作日各类停留点的活跃度持续时间较非工作日长;工作日和非工作日行为目的交互模式差别显著,工作日以职住和工作交互为主,非工作日以休闲和居住交互为主。本文研究可以为城市规划管理、资源调度和应急管理提供一定的决策支持。 相似文献
4.
利用重力恢复与气候实验(gravity recovery and climate experiment, GRACE)时变地球重力场模型计算得到非洲奥卡万戈三角洲地区2003-01—2014-12的陆地水储量变化信息,分别采用主成分分析(principal component analysis, PCA)和独立成分分析(independent component analysis, ICA)提取质量变化信号,并与全球陆地数据同化系统(global land data assimilation system, GLDAS)的水文模型进行对比。结果显示,在奥卡万戈河流域东北部,水储量表现出很强的周期性变化,两种数据空间特征分布的信号出现在相同位置的成分GRACE-IC1和GLDAS-IC1对应的时间序列的相关系数达到0.85。奥卡万戈三角洲地区水储量从2003-01—2011-10呈现上升趋势,两种数据空间特征分布的信号出现在相同位置的成分GRACE-IC2和GLDAS-IC3对应的时间序列的相关系数达到0.81,说明GRACE反演结果与GLDAS水文模型反演结果在研究区域内具有很强的一致性。引入全球降水气候中心降水数据和Water GAP全球水文模型数据对研究区域陆地水储量变化的原因进行分析。实验结果表明,相对于传统的多项式拟合方法,ICA可以在较大区域内直接对特定位置质量变化信号的时空特征进行提取;对比GRACE数据两种方法分解结果的第3成分可以看出,在空间尺度和时间尺度上,ICA方法对信号的分解能力要优于主成分分析方法。 相似文献
5.
多层次空间同位模式自适应挖掘方法 总被引：1，自引：1，他引：0
空间同位模式挖掘旨在从空间数据中发现频繁发生在邻近位置的事件集合,对于揭示地理现象间的共生规律具有重要价值。由于地理现象的空间异质特质,空间同位模式也存在区域性分异的特点,在不同空间层次上的分析结果各异。然而,现有方法仅从全局视角挖掘空间同位模式,发现局部空间同位模式依然是一个亟待解决的难题。为此,本文基于由整体到局部的思想,提出了一种多层次空间同位模式自适应挖掘方法。首先,从全局视角提取频繁的空间同位模式,将全局不频繁的空间同位模式作为候选的局部空间同位模式;然后,通过对候选局部同位模式进行自适应聚类自动识别其局部分布区域,并在这些局部区域内度量候选模式的频繁程度;进而,提出了一种叠置推绎的方法,从频繁子模式的局部区域中进一步推绎获得超模式的局部分布区域,最终生成所有频繁的局部空间同位模式集合。通过试验分析与比较发现,本文方法不仅可以发现全局的空间同位模式,还能有效提取具有区域性分布特征的局部空间同位模式,可以从多个空间层次上反映地理事件间的共生规则。 相似文献
6.
提出一种使用非差非组合精密单点定位(PPP)估计和分析接收机DCB短时时变特征的方法。首先利用非差非组合PPP得到包含接收机DCB的重构电离层参数估值;然后通过IGS电离层GIMs格网模型内插剥离各历元站星斜向电离层距离延迟;最后通过最小二乘约束得到各历元接收机DCB解。由于格网本身精度(2～8 TECU)和插值精度限制,解算出来的接收机DCB并不能真实反映其短期时变特征。为此,提出利用站间单差或者历元间差分的方法还原其真实的变化态势。实验结果表明,所提出的方法能够正确估计接收机DCB,并能真实还原其短期时变特征,具有良好的适用性。 相似文献
7.
城市建筑物自动提取是高分辨率遥感影像理解的重要研究方向,其对于城市基础地理信息更新和城市生态保护均具有重要的应用价值和实际意义。然而由于城市场景的复杂性和建筑物形态的多样性降低了空间特征的综合表达能力,成为了制约城市建筑物自动提取的瓶颈问题。为此,本研究在综合分析城市建筑物不同模式空间特征的基础上,提出了一种多模式形态学序列特征和多源先验信息协同的城市建筑物高分遥感自动提取方法。该方法在提取高分遥感多模式形态学序列特征的基础上,引入多源先验信息构建自适应分割模型对其进行自适应分割与信息融合,从而实现城市建筑物信息的自动提取。实验结果表明,本文方法能够准确且自动的提取城市建筑物信息,结果的准确性均优于DMPs和DAPs算法。 相似文献
8.
《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
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.
本文选取CMONOC位于云南省域的4个测站坐标序列作为试验对象,利用多通道奇异谱分析（MSSA）对序列进行缺失数据的插补及季节性信号的提取。试验结果表明,MSSA迭代插补精度在水平方向优于1.5 mm,在垂直方向上优于4 mm,表现均好于三次样条插值,而且当序列的缺失率升高、连续性减弱时依然不失其优越性;对比MSSA及最小二乘拟合两种方法提取季节性信号的效果并对其残差序列及功率谱进行分析,发现MSSA能够有效提取不同周期信号且更加适用于振幅不恒定的时变季节信号。 相似文献
11.
AbstractDetecting and describing movement of vehicles in established transportation infrastructures is an important task. It helps to predict periodical traffic patterns for optimizing traffic regulations and extending the functions of established transportation infrastructures. The detection of traffic patterns consists not only of analyses of arrangement patterns of multiple vehicle trajectories, but also of the inspection of the embedded geographical context. In this paper, we introduce a method for intersecting vehicle trajectories and extracting their intersection points for selected rush hours in urban environments. Those vehicle trajectory intersection points (TIP) are frequently visited locations within urban road networks and are subsequently formed into density-connected clusters, which are then represented as polygons. For representing temporal variations of the created polygons, we enrich these with vehicle trajectories of other times of the day and additional road network information. In a case study, we test our approach on massive taxi Floating Car Data (FCD) from Shanghai and road network data from the OpenStreetMap (OSM) project. The first test results show strong correlations with periodical traffic events in Shanghai. Based on these results, we reason out the usefulness of polygons representing frequently visited locations for analyses in urban planning and traffic engineering. 相似文献
12.
A non-recurrent road traffic anomaly refers to a sudden change in the capacity of a road segment, which deviates from the general traffic patterns, and is usually caused by abnormal traffic events such as traffic accidents and unexpected road maintenance. Timely and accurate detection of non-recurrent road traffic anomalies facilitates immediate handling to reduce the wastage of resources and the risk of secondary accidents. Compared with other types of traffic anomaly detection methods, prediction algorithms are suitable for detecting non-recurrent anomalies for their potential ability to distinguish non-recurrent anomalies from recurrent congestion (e.g., rush hours). A typical prediction algorithm detects an anomaly when the difference between the predicted traffic parameter (i.e., speed) and the actual one is greater than a threshold. However, the subjective setting of thresholds in many prediction algorithms greatly affects the detection performance. This study proposes a novel framework for non-recurrent road traffic anomaly detection (NRRTAD). The temporal graph convolutional network (T-GCN) model acts as the predictor to learn the general traffic patterns of road segments by capturing both the topological effects and temporal patterns of traffic flows, and to predict the “normal” traffic speeds. The hierarchical time memory detector (HTM-detector) algorithm acts as the detector to evaluate the differences between the predicted speeds and the actual speeds to detect non-recurrent anomalies without setting a threshold. In the experiments with traffic datasets of Beijing, NRRTAD outperformed other methods, not only achieving the highest detection rates but also exhibiting higher resilience to noise. The main advantages of NRRTAD are as follows: (1) adopting the T-GCN with a weighted graph to integrate differentiated connection strengths of multiple types of topological relations between road segments as well as temporal traffic patterns improves the prediction performance; and (2) utilizing a flexible mechanism in the HTM-detector to adapt to changing stream data not only avoids subjective setting of a threshold, but also improves the accuracy and robustness of anomaly detection. 相似文献
13.
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
14.
基于GIS的丘陵区耕地景观格局时空演变特征分析 总被引：2，自引：0，他引：2
以四川省绵阳市涪城区为例,运用景观格局原理与GIS空间分析方法,分析1996--2009年期间耕地景观时空格局及其演变机理（驱动力）。结果表明：13年间,研究区耕地面积呈急剧减少的趋势,变化率明显高于省内丘陵区平均水平;耕地景观空间格局稳定性逐步降低,格局时空变化的地形分异特征显著;变化趋势受坡度、新增建设用地、人口密度、高程、城镇化水平、GDP、起伏度等负向驱动力与灌溉条件、等级公路水平、土地整理程度等正向驱动力因子共同影响。 相似文献
15.
分形理论在城市交通网络时空演变特征研究中的应用--以上海市为例 总被引：6，自引：0，他引：6
以上海城市交通网络为例，通过不同行政区域交通网络的分维值测算，研究了分形特征的空间变化；利用上海全域及典型行政区交通网络不同时代的分维，研究了分形特征的时间演化。结果表明，上海城市交通网络的分形特征在空间域上城区内域明显复杂于外域，在城市发展主轴方向上表现为由内向外分维测度值的降低；而在时间域，近期的交通网络分形复杂度明显高于早期，反映了城市发展与形态演化的时间过程。 相似文献
16.
挖掘分析小微地震的时空演变模式，可为地震灾害的分析与预报提供辅助决策参考。本文以四川地区的地震监测数据为基础，利用时空立方体融合地震点的空间、时间与属性数据，基于时空热点统计分析方法挖掘小微地震的时空冷热点分布模式。试验结果表明：在试验数据的时域内，四川地区小微地震的热点模式主要表现为连续热点、逐渐减少热点和振荡热点。冷点模式主要是连续冷点，且冷点覆盖范围比热点覆盖范围广。基于时空立方体的时空热点分析方法能够发挥时空统计学的优势，可有效挖掘分析小微地震的时空演变趋势。 相似文献
17.
In this paper,we focus on trajectories at intersections regulated by various regulation types such as traffic lights,priority/yield signs,and right-of-way rules.We test some methods to detect and recognize movement patterns from GPS trajectories,in terms of their geometrical and spatio-temporal components.In particular,we first find out the main paths that vehicles follow at such locations.We then investigate the way that vehicles follow these geometric paths(how do they move along them).For these scopes,machine learning methods are used and the performance of some known methods for trajectory similarity measurement(DTW,Hausdorff,and Fréchet distance)and clustering(Affinity propagation and Agglomerative clustering)are compared based on clustering accuracy.Afterward,the movement behavior observed at six different intersections is analyzed by identifying certain movement patterns in the speed-and time-profiles of trajectories.We show that depending on the regulation type,different movement patterns are observed at intersections.This finding can be useful for intersection categorization according to traffic regulations.The practicality of automatically identifying traffic rules from GPS tracks is the enrichment of modern maps with additional navigation-related information(traffic signs,traffic lights,etc.). 相似文献
18.
Accurate and interpretable prediction of crowd flow would benefit business management and public security. The existing studies are challenged to adapt to the indoor environment due to its complex and dynamic spatial interaction patterns. In this study, we propose a crowd flow predicting method for indoor shopping malls, which simultaneously features temporal variables and semantic factors to suit the shopping mall environment. A deep learning model named DeepIndoorCrowd is presented. The model aims at capturing temporal dependencies and the semantic pattern in crowd flow to generate an accurate multi-horizon prediction. With a multi-term temporal dependency capturing structure, the model is effective in learning both daily and weekly patterns of the indoor crowd flow in a shopping mall and is able to provide the temporal interpretation of the prediction result. Moreover, a semantic-temporal fusion module is introduced to utilize the semantic information of stores in prediction, which has proved to be effective in enhancing the model's ability to learn temporal patterns. Experiments were conducted on a real-world dataset to verify the proposed approach. The ablation study demonstrates that the DeepIndoorCrowd can effectively improve the efficiency and accuracy of the prediction up to 18.7%. In addition, some interesting indoor crowd flow patterns were discovered by analyzing the model's interpretation of the prediction result. The proposed prediction method provides an intuitive way of modeling indoor crowd flow, and the experiment's outcome can help indoor managers better understand stores' flow traffic. 相似文献
19.
刻画城市道路之间的交通相关性是提高交通插值及预测水平的基础。现有研究及应用通常假设一定空间或拓扑距离内的道路相互之间具有相关性,这种方式忽视了道路之间交通影响的时空异质性。例如,上游道路交通流通常不会均匀扩散到所有下游道路,而是集中在特定方向上。道路之间产生交通影响和交互作用的根本原因是大量机动车辆穿梭其中。为从数据驱动的角度度量道路之间的交通相关性,从而顾及其时空异质性,本文利用词向量模型Word2Vec从大量机动车出行路径中挖掘道路之间的交通交互影响关系。首先把"路段-路径"类比为"词-文档";其次利用Word2Vec模型从大量路径(文档)中为每条路段(词)训练出一个实数向量(词向量);然后以向量之间的余弦相似度度量对应路段之间的交通相关性;最后利用交通状态数据对结果进行验证。以北京市200万条出租车出行路径为数据进行试验,结果表明:(1)平均水平上,向量相似度越高的邻近路段,其交通状态变化趋势也越相似,证明了本文方法可以正确度量道路之间的交通相关性,并刻画出其空间异质性;(2)工作日早、晚高峰及节假日路段之间的交通相关性大于工作日平峰和周六日,其合理性体现了本文方法可以正确捕捉道路交通相关性的时间异质性。本文方法及分析可为交通规划、诱导等提供方法论和理论基础。 相似文献
20.
研究高速公路交通事故黑点路段的时空分布规律和关联因素,一直是交通领域的关注重点。本文针对事故统计的交通事故黑点路段鉴别方法存在地理学中的可塑面积单元(MAUP)问题,提出一种基于时空密度聚类的高速公路交通事故黑点路段鉴别方法。该方法改进了传统的DBSCAN空间聚类算法,引入一种顾及时间周期性和事故严重程度的事故时空邻近计算方法,通过密度连接规则自适应鉴别各种时空尺度的交通事故黑点路段。以2012—2016年湖南省的高速公路交通事故为例进行试验,结果表明,本文方法可有效克服不同划分单元的可塑面积单元问题,自适应鉴别不同长度的黑点路段,同时可进一步挖掘黑点路段上交通事故时空聚集模式。 相似文献