共查询到20条相似文献，搜索用时 140 毫秒
1.
2.
《武汉大学学报(信息科学版)》2020,(7)
基于聚类算法进行车辆轨迹点信息提取与挖掘,在高精度车道信息提取与更新、道路拥堵时空分析与治理、用户出行线路规划与推荐等应用中具有重要意义。针对现有聚类算法的不足,提出基于核距离的车辆轨迹点聚类方法。首先给出车辆轨迹点的定义,分析车辆轨迹的几何特征和轨迹聚类的要求,然后基于核函数的概念,推导核距离的计算过程,提出核距离密度聚类算法,重定义密度聚类算法中核邻域、核心对象等概念,最后以郑州市出租车轨迹数据进行验证。实验表明,聚类算法在减少参数数量、结果沿道路中心线对称分布、降低计算时间、提取长类簇等方面具有显著优势,可以有效地实现有向轨迹点的聚类。 相似文献
3.
《武汉大学学报(信息科学版)》2016,(6)
提出了一种根据择路经验特征,利用证据理论检测出租车异常轨迹的方法。该方法考虑最短路径与轨迹长度的比值、规避路径代价、出行发生时间3个因素,利用证据理论综合这3个证据来判别轨迹的异常程度,检测出行距离和路径选择明显不同于正常情况下的异常轨迹。实验结果表明此方法能有效识别不符合正常认知的异常轨迹,不依赖于单一起始点和终点对(origin-destination,OD)中的轨迹数目,能快速处理海量GPS数据,可用于大规模浮动车数据择路行为分析前期的数据过滤。 相似文献
4.
5.
移动轨迹聚类方法研究综述 总被引：6，自引：2，他引：4
轨迹数据是人类移动行为的表征,能够映射出人的出行模式和社会属性等信息。怎样有效挖掘轨迹数据蕴藏的人类活动规律一直是研究的热点。通过轨迹聚类发现行为相似的类簇,从而探究群体的移动模式是轨迹挖掘和深度应用常见的方法之一。本文首先根据轨迹数据的特点,将轨迹数据模型分为轨迹点模型和轨迹段模型,并据此定义相应的相似性度量：空间相似性度量和时空相似性度量;然后,对两类模型的聚类方法进行了综述,并总结不同聚类算法的优缺点,以期为不同应用选取聚类算法提供科学依据;最后对移动轨迹数据聚类方法研究的发展趋势进行了讨论。 相似文献
6.
出租车GPS轨迹集聚和精细化路网提取 总被引：1，自引：1，他引：0
针对利用GPS数据提取双向路网和交叉路口转向信息精度低的不足,本文提出一种顾及位置与行驶方向的轨迹集聚和精细化路网提取方法,实现了精细化路网提取。为提高交叉路口路网的提取精度,首先剔除原始轨迹中的离散和异常轨迹点,并按一定的步长对轨迹段进行加密;然后引入行驶方向角来表达车辆在轨迹点处的行驶方向,顾及位置和行驶方向获取每个轨迹点的相似轨迹点集合;接着依次计算每个轨迹点的偏移距离,通过对轨迹点的迭代偏移完成轨迹集聚;最后剔除未成功集聚的轨迹点,将完成集聚的轨迹点连成轨迹线并作缓冲区,运用栅格数据数字化方法提取得到能够反映道路精细转向关系的道路网。以福州市出租车GPS数据进行轨迹集聚和路网提取试验,结果表明:本文方法能有效地将GPS轨迹按车辆行驶方向分别进行集聚,提取的道路网为双向道路并且能反映交叉路口处道路的精细转向关系。 相似文献
7.
8.
轨迹线数据实施化简处理对于缓解数据存储、传输压力以及后期的分析可视化效率具有重要意义。常规方法(如Douglas-Peucker算法)主要考虑线目标的几何形态结构,直接应用到轨迹线化简中容易丢失移动物体的运动状态特征。本研究从保持轨迹线隐含速度特征出发,提出了一种基于移动速度相似性原则的轨迹线层次化剖分与分区化简处理方法。首先,以相邻轨迹点构成的直线段为基本单元,在拓扑连接关系约束下基于速度指标对轨迹直线段进行层次化聚类,并将聚类结果组织为层次树结构;然后,以建立的层次树结构为约束条件对原始轨迹线实施分区处理,使得同一区域内轨迹线片段的中间点距首尾基准线的最大时间同步偏移距离小于设定的阈值;最后,依次连接各分区轨迹线片段首尾点导出化简结果。采用真实的车辆轨迹线作为试验数据,通过与其他多种方法进行对比分析验证了本文提出方法的有效性。 相似文献
9.
安全是每次出行的重要因素之一，传统方法大多基于人力或视频协同才能完成安全监控，缺少以轨迹数据度量出行的方法。定位和跟踪系统的技术进步，GPS卫星定位技术的不断发展与普及，使利用车载导航装置、手持GPS装置收集及使用GPS数据点成为可能。本文提出了一种基于用户GPS轨迹数据评价安全的方法，并以校区内宿舍与实验室间的轨迹数据为研究对象，验证了方法的有效性。研究表明：用户轨迹在离开安全轨迹处，获得较低的安全得分。反之，用户轨迹如果与安全轨迹极为相似，则获得很高的安全得分。该方法在检验用户轨迹是否与安全轨迹相似极为高效，同时以轨迹数据的形式反映用户的出行安全。 相似文献
10.
11.
12.
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
13.
提出了一种基于居民出行活动特征的个体经济水平推断方法。从出行轨迹的移动性指标、基于居住地的出行特征和出行活动链模式3个方面提取13维出行活动特征，以广州市居民出行日志调查数据为训练和测试数据，利用随机森林方法进行个体经济收入水平的推断与检验。结果表明，该方法能够获得最高80%的个体收入水平推断精度。基于家的出行特征（如工作时间（9:00-18:00）离家距离众数等、出行链模式）以及与出行范围有关的移动性指标（如最大距离、回旋半径）在推断个体经济水平上的重要性较高，而衡量出行地点空间异质性的指标（如空间多样性等）重要性相对较低。 相似文献
14.
Personalized travel route recommendation using collaborative filtering based on GPS trajectories 总被引：1，自引：0，他引：1
Travelling is a critical component of daily life. With new technology, personalized travel route recommendations are possible and have become a new research area. A personalized travel route recommendation refers to plan an optimal travel route between two geographical locations, based on the road networks and users’ travel preferences. In this paper, we define users’ travel behaviours from their historical Global Positioning System (GPS) trajectories and propose two personalized travel route recommendation methods – collaborative travel route recommendation (CTRR) and an extended version of CTRR (CTRR+). Both methods consider users’ personal travel preferences based on their historical GPS trajectories. In this paper, we first estimate users’ travel behaviour frequencies by using collaborative filtering technique. A route with the maximum probability of a user’s travel behaviour is then generated based on the naïve Bayes model. The CTRR+ method improves the performances of CTRR by taking into account cold start users and integrating distance with the user travel behaviour probability. This paper also conducts some case studies based on a real GPS trajectory data set from Beijing, China. The experimental results show that the proposed CTRR and CTRR+ methods achieve better results for travel route recommendations compared with the shortest distance path method. 相似文献
15.
16.
道路网络背景下的距离度量（如道路网络距离、旅行时间）是在空间分析或空间统计过程中常用的距离度量,但在科研过程中由于道路数据的可获得性和精度等方面的限制,该类距离的计算可能较为困难。Minkowski距离函数是欧氏空间中的广义距离函数,其参数p值的不同代表着对空间不同的度量。利用Minkowski的通用性和灵活性（参数p不同的取值）,研究如何更好地逼近道路网络距离。同时,探索不同道路网络的部分计量特征（如密度、弯曲度等）与最优p值之间的关系。实验证明,相对于最常用的欧氏距离度量,优选p值后的Minkowski距离函数能够更大程度上逼近道路距离。而通过对道路网络计量特征与最优p值之间的关系的分析,指出了弯曲度与最优p值之间的对应关系,它对于p值的选择具有重要的指导意义。此外,为了验证Minkowski距离逼近算法的可行性,以地理加权回归分析为例,通过对比传统的欧氏距离度量、最优Minkowski距离度量和道路网络距离（旅行时间）对模型解算结果的影响,指出优选后Minkowski距离一定程度上更接近于采用旅行时间对模型解算的结果。 相似文献
17.
Numerous studies attempted to associate search engine data with travel behaviors. However, most existing studies focus on the destinations of search and travel, while ignoring the origins, which embed critical information of where the search requests were initiated and where the travelers came from. In this study, we explore the relationships between two types of intercity origin–destination flow data, namely travel flows and search flows, which, respectively, record the number of travelers and search requests from one city towards another. By comparing the two flows during holiday and non-holiday, we examine their complex spatiotemporal relationships from multiple perspectives, including time-lag effect, distance decay effect, spatial autocorrelation, network community, cities' rankings, and important factors of search and travel activities. The findings can deepen our understanding of search and travel behaviors, hence they can help decision makers to develop targeted strategies to enhance city's attractiveness, improve transportation infrastructure, and promote tourism. 相似文献
18.
随着城市轨道交通规模的扩大,客流量不断攀升,研究乘客的出行特征对于城市轨道交通限流模型的建立以及限流策略的制定具有重要意义。基于北京市某时段部分城市轨道交通线网的OD出行数据,研究了乘客出行的时空分布特征,对北京市轨道交通运营网络提出了建议。分析结果表明:(1)在早高峰时段,乘客的出行时间主要集中为100~200 min,出行距离集中在20~35 km,且出行距离与出行时间呈线性关系;(2)乘客选择地铁出行的出发点和到达点大部分集中在北京五环以内,客流从城外向城内移动,朝阳区和海淀区的进出站客流量均居前两位。 相似文献
19.
随着城市化的快速发展,城市空间结构愈发复杂,城市功能区的快速有效识别对资源的有效配置和城市规划具有重要意义。传统的功能区识别缺乏对居民这一城市空间活动主体的动态表征,而长时间序列的出租车数据能动态表征居民出行行为,进而反映城市空间结构。动态时间扭曲(DTW)距离比传统的欧氏距离更能有效挖掘高维数据,泛化后的LB_Keogh距离和LB_Hust距离相继克服了DTW距离时间复杂度高和不对称的缺点。为了探究基于时间相似性度量的聚类算法在识别城市功能区方面的可行性,首先基于OpenStreetMap(OSM)路网数据获取研究单元,再通过滴滴订单数据提取上下车点、构建研究单元内的居民出行时间序列,然后利用PAM算法结合4种相似度度量方法进行聚类,最后结合兴趣点(POI)数据识别城市功能区,并对结果进行精度验证。结果表明,基于LB_Hust距离的PAM算法能有效挖掘高维时间序列数据,应用于城市功能区识别的精度高达86%,为应用时间序列数据进行城市研究提供了一种新的方法。 相似文献
20.
本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、图谱等多源数据,运用工作日通勤分析模型和节假日出行特征提取模型,识别用户的通勤距离、通勤方式、日均通勤频次、周均工作时长、节假日出行场景、出行频次、驻留时长等内容,并形成涵盖职住娱信息的出行特征类标签集。以成都市为例,采集连续1个月的手机信令数据和同时期的POI等数据,验证了该方法的可行性,该成果作为反映城市实际人口规模数量和空间分布特征的城市人口地图大数据产品的重要内容,为政府部门、商企用户开展相关分析业务提供数据支撑。 相似文献