当前位置:主页 > 科技论文 > 路桥论文 >

智能交通刷卡记录中的公交站点恢复方法

发布时间:2018-01-14 06:14

  本文关键词:智能交通刷卡记录中的公交站点恢复方法 出处:《华东师范大学学报(自然科学版)》2017年05期  论文类型:期刊论文


  更多相关文章: 智能交通卡 缺失数据 刷卡数据挖掘 站点推测


【摘要】:随着城市公共交通网络的快速发展以及智能交通卡的普及,智能交通卡中隐藏着越来越丰富的个人及群体移动行为信息.但当前很多城市智能公交卡主要用于收费功能,并未包含乘客确切的上下车时间及站点信息,这给分析挖掘交通卡刷卡数据、提供基于精确位置的服务带来了阻碍.本文针对上海市不含公交上下车站点的刷卡数据集,借助于确定的地铁站点刷卡信息,分析个人的整体刷卡历史记录,提出一个基础的基于时空邻近性的恢复算法(STA,Space-Time Adjacency algorithm)和一个改进的基于历史的恢复算法(HTB,Historical Trip Based algorithm).具体地,STA算法根据刷卡记录线路的时空邻近关系进行恢复,在此基础上,HTB算法将刷卡记录集合根据时间和空间属性进行切分,获得有明确出行意义的出行记录,再利用历史记录集合,提取乘坐线路以及频繁换乘线路,根据线路间的空间关系生成线路带权候选站点列表,再次进行站点恢复.实验证明本文算法可以较好地缩小线路的候选上下车站点范围,且时间效率较高.
[Abstract]:With the rapid development of urban public transport network and the popularity of intelligent transportation cards. There are more and more personal and group mobile behavior information hidden in the Intelligent Transportation Card. However, many urban smart bus cards are mainly used for charging functions, and do not contain the exact time and stop information of passengers. This makes it difficult to analyze and mine the data of traffic card swipe card and provide the service based on precise location. This paper aims at the data set of swipe card which does not include bus stop and alighting station in Shanghai with the help of certain information of subway station swiping card. Based on the analysis of individual's overall credit card history, a basic restoration algorithm based on temporal and spatial proximity (Spatio-temporal proximity) is proposed. Space-Time Adjacency algorithm and an improved history-based recovery algorithm. Historical Trip Based algorithm. The algorithm is based on the temporal and spatial proximity relationship of the recorded circuit with credit card, and on this basis. The HTB algorithm divides the credit card record set according to the time and space attributes to obtain the trip record with clear travel significance and then uses the history record set to extract the ride line and the frequent transfer line. According to the spatial relationship between lines, the list of weighted candidate stations is generated, and the site recovery is done again. The experiments show that the proposed algorithm can reduce the range of the candidate stations, and the time efficiency is high.
【作者单位】: 华东师范大学数据科学与工程学院;
【基金】:国家重点研发计划重点专项(973)(2016YFB1000905) 国家自然科学基金(61370101,61532021,U1501252,U1401256,61402180)
【分类号】:U495
【正文快照】: 0引随着世界人口的增加和城市人口比例的不断提高,设计、维持和促进可持续的城市公共交通模式变得非常重要.近年来,有越来越多的城市提供更加丰富的公共交通出行方式,促使更多乘客选择公交、地铁出行.与此同时,城市智能交通卡也在广泛普及,便捷的付费方式以及优惠的付费政策正

【相似文献】

相关期刊论文 前10条

1 尹克坚;;浅析数据挖掘在智慧交通领域中的应用[J];信息通信;2013年10期

2 郭骅;周吉;;数据挖掘在智慧交通领域的应用[J];现代商贸工业;2013年12期

3 胡鹏;;数据挖掘在交通管理中的应用研究[J];计算机安全;2013年10期

4 林国顺;陈燕;贾智辉;李丽丽;;基于数据挖掘的道路运行安全因素关联分析[J];大连海事大学学报;2011年03期

5 邓冰;;基于大数据挖掘的北京地区自行车旅游研究[J];公路交通科技(应用技术版);2014年07期

6 张晓宝;;基于数据挖掘的智能路政执法系统的设计[J];数字技术与应用;2013年01期

7 刘昱岗;安冬冬;;数据挖掘在公交调查数据分析中的应用研究[J];公路工程;2014年02期

8 邱珠成;蔡文学;黄晓宇;陈康;;基于个性诊断的路段缺失速度值估计[J];计算机工程与设计;2014年05期

9 廖少明;刘朝明;王建华;彭芳乐;;地铁深基坑变形数据的挖掘分析与风险识别[J];岩土工程学报;2006年S1期

10 梁林林;;基于数据挖掘的城市快速路拥堵关联特征分析——以上海市为例[J];交通与运输(学术版);2014年01期

相关会议论文 前4条

1 孙玲;刘浩;袁长亮;;北京市城市快速路微波检测缺失数据分析[A];2008第四届中国智能交通年会论文集[C];2008年

2 颜波;黄烨华;马新军;;基于GPS数据挖掘的智能交通系统的研究[A];第二十七届中国控制会议论文集[C];2008年

3 王海峰;刘白鸽;孙立;康震;;基于信息整合和数据挖掘的交通运输管理决策系统[A];2008第四届中国智能交通年会论文集[C];2008年

4 褚丽恒;郭晓泽;宋国杰;吴峻;谢昆青;;基于聚类方法的高速公路逃费甄别与分析[A];第八届中国智能交通年会论文集[C];2013年

相关博士学位论文 前2条

1 郑晓峰;道路运输信息系统的数据挖掘方法研究与应用[D];华南理工大学;2014年

2 孙轶轩;基于数据挖掘的道路交通事故分析研究[D];北京交通大学;2014年

相关硕士学位论文 前10条

1 张彩林;车辆缺失轨迹的智能补全[D];北京物资学院;2016年

2 陈冰洁;基于聚类算法的车辆轨迹时空相似性研究[D];福建师范大学;2015年

3 戴洪波;基于数据挖掘的高速公路营运决策支持技术研究[D];东华大学;2016年

4 杨鹏;基于数据挖掘的乘客出行行为研究[D];华南理工大学;2016年

5 张肃泼;基于数据挖掘的城市交通可视化信息系统设计[D];东南大学;2016年

6 卢倩;隧道交通状况的大数据挖掘方法研究[D];贵州大学;2016年

7 王敢;数据挖掘在城市道路交通上的应用[D];重庆大学;2016年

8 汪涛;数据挖掘在隧道交通中的应用[D];长安大学;2003年

9 温延超;数据挖掘在高速公路机电设备故障预测中的应用[D];长安大学;2011年

10 赵明;智能交通系统数据挖掘与应用[D];山东大学;2014年



本文编号:1422366

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/1422366.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户3e97b***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com