出行者出行信息语义挖掘

发布时间：2018-04-01 02:14

本文选题：GPS轨迹数据　切入点：语义挖掘　出处：《山东理工大学》2015年硕士论文

【摘要】：近年来,随着城市人口数量的增加,城市交通管理与规划面临着前所未有的挑战。城市居民的出行活动作为城市交通组成的要素之一是交通规划、交通管理以及居民出行行为研究的重要参考依据。目前,居民出行信息主要来源于居民出行问卷调查,该方法存在耗时长、投入大、获取的信息不准确等问题。随着手机、无线电技术、GPS(Global Positioning System)以及GIS等技术的发展,快速准确地收集大量居民出行数据已成为可能。基于GPS的出行者出行信息语义挖掘法应运而生。本文对出行者出行信息的语义挖掘研究主要从行程识别、出行目的推断和出行下一停留点预测三个方面进行研究,具体内容如下:(1)行程识别行程识别的目的就是要将没有直观语义信息的轨迹转化为可直接进行识别与认知的停留位置和移动。本文将地理信息系统与出行轨迹相结合,在基于密度的轨迹点聚类DBSCAN算法相关理论的基础上,对其一些相关变量进行改变,形成新的改进的DBSCAN算法,对出行者出行轨迹进行识别,获得轨迹中速度较低的区域;将获得的低速度区域与GIS地图相匹配,作进一步的停留判断,完成行程识别。(2)基于两级空间尺度的出行目的推断本文结合地理学信息,引入多级空间尺度概念,将出行轨迹分别在宏观尺度与微观尺度下展现与分析。从微观层次上对轨迹进行深度剖析与研究,挖掘其隐藏的内在信息,识别出其中的子停留,并对子停留的特征参数进行数值量化,结合在大量统计基础上建立起的k-base,确定子停留的类型,从而进一步推断出出行者的出行目的。(3)基于马尔科夫链的下一停留点预测目前已有的对出行者出行信息语义挖掘的研究,停留在对已有出行数据的分析与研究上,对未来出行情况的预测研究甚少。本文利用马尔科夫模型的优良特性,将其应用在出行者出行信息语义挖掘上,对出行者的未来出行状况进行预测。结合数据处理与停留点识别的方法,将出行轨迹进行状态层次划分,建立状态转移概率,进行状态转移,继而预测出行者下一停留点的位置。
[Abstract]:In recent years , with the increase of urban population , urban traffic management and planning are facing unprecedented challenges . ( 3 ) Based on Markov chain ' s next stay point , the research on the semantic mining of travelers ' trip information is predicted , and the research on the future travel situation is very little . Based on the excellent characteristics of Markov model , this paper uses the excellent characteristics of Markov model to predict the future travel situation of travelers . Combining the method of data processing and staying point identification , the state hierarchy of the trip trajectory is divided , the state transition probability is established , and then the position of the next stop point is predicted .

【学位授予单位】：山东理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U491

【参考文献】