基于海量物流轨迹数据的分析挖掘系统

发布时间：2021-11-07 12:24

　　电子商务盛行的今天，物流行业空前繁荣，物流车辆的海量GPS数据量也越来越多，这些数据包含很多关于交通路况、车辆甚至社会经济发展等信息。轨迹数据挖掘主要通过统计和分析车辆行驶距离、停车时间、地理位置信息、车辆特征等发现货运线路特征，为物流公司提供基于时间、成本等车辆调度方案以及衍生出来的一系列LBS[1]应用提供服务。本文以海量GPS数据作为数据源，利用海量轨迹数据挖掘和道路推荐相关理论，通过建立聚类模型和分析海量GPS数据来了解物流车辆行驶规律，提出针对物流车辆货运线路推荐系统的设计框架并实现。其中重点就是数据预处理方法，停车点侦测和路径分割方法，相似货运轨迹聚类和货运线路推荐四个方面进行了深入研究。具体工作如下：（1）作为轨迹数据挖掘的必要工作，研究了预处理方法，包括数据清洗，数据中的异常进行侦查和排除，并针对本系统所有的GPS数据进行了特征分析和提出了一种基于历史轨迹数据的异常点检测算法。本文提出的算法在处理海量轨迹数据时具有时间复杂度低的特点。（2）停车点侦测和路径分割可以发现物流车辆的上下货的模式，本文依据朴素贝叶斯算法提出一种新的基于历史数据的路径分割算法，根据物流车辆在上下... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

原始GPS数据图

清洗后的GPS数据

测试数据真实路网图

【参考文献】：
期刊论文
[1]Density-based trajectory outlier detection algorithm[J]. Zhipeng Liu,Dechang Pi,Jinfeng Jiang.  Journal of Systems Engineering and Electronics. 2013(02)
[2]基于R-tree的高效异常轨迹检测算法[J]. 陈锦阳,刘良旭,宋加涛,王让定,管博.  计算机应用与软件. 2011(10)
[3]聚类有效性的组合评价方法[J]. 刘燕驰,高学东,国宏伟,武森.  计算机工程与应用. 2011(19)
[4]时空轨迹聚类方法研究进展[J]. 龚玺,裴韬,孙嘉,罗明.  地理科学进展. 2011(05)
[5]K-均值算法聚类数的确定[J]. 刘丹,高世臣.  硅谷. 2011(06)
[6]空间数据挖掘方法综述[J]. 谢远飞,刘洋,李海军.  全球定位系统. 2010(05)
[7]四种聚类方法之比较[J]. 冯晓蒲,张铁峰.  微型机与应用. 2010(16)
[8]聚类数的确定[J]. 张逸清,刘文才.  计算机与数字工程. 2007(02)
[9]扩展空间对象聚类问题的研究[J]. 雷小锋,高韬,谢昆青,马修军.  计算机工程与应用. 2003(23)
[10]模糊聚类方法中的最佳聚类数的搜索范围[J]. 于剑,程乾生.  中国科学E辑:技术科学. 2002(02)

博士论文
[1]基于GPS轨迹的出行信息提取研究[D]. 张治华.华东师范大学 2010

硕士论文
[1]城市出行者轨迹数据时空挖掘方法研究[D]. 仇培元.北京建筑工程学院 2012
[2]移动对象轨道异常检测算法的研究[D]. 姜金凤.南京航空航天大学 2010
[3]基于时空约束的轨迹聚类方法研究与应用[D]. 张旭.重庆邮电大学 2010



本文编号：3481847