基于趋势检测算法的车流量模式与空气质量关系可视分析

发布时间：2020-11-16 04:56

　　 随着我国经济的快速发展与经济水平的不断提升,国内机动车市场规模越来越大,很多家庭都拥有私家车以满足出行便利的需求。而与此同时,大量行驶的机动车排放的尾气会影响空气的质量,加重我们对赖以生存环境的破坏,也严重影响人们的身体健康状况。因此,对机动车车流量的分析也是空气质量分析的一个重要方面。目前,对机动车分析的相关研究主要集中在分析某一条路段上车辆的行驶状况,或者是分析某一特定轨迹的运动变化。空气质量的分析包括气象要素和空气质量相关性分析、基于空气质量数据探索城市群在时空上动态演变、以及雾霾分布状况的可视分析。本文使用北京市车流量的网格数据,分析某一区域的车流量状况,并结合北京市空气质量数据分析车流量和空气污染物之间的相关性。设计并实现了一个新的车流量时空模式与空气质量关系交互式可视分析系统,通过对北京市车流量网格数据与空气质量站点数据可视分析,探索人们使用出租车的时空周期模式,及空气质量的周期规律。进而对车流量与空气污染物的相似性和趋势变化情况展开研究。最后通过案例分析证明本文实验的有效性。本文主要研究内容包括:(1)对空气污染物数据和车流量数据分别进行聚类,分析周期规律。不同于传统的相似性判断方法,本文对聚类后的结果进行聚类相似比较,判断车流量和污染物之间的相似性。(2)提出趋势检测算法,分析车流量和空气质量随时间的变化情况。(3)设计车流量时空模式与空气质量关系交互式可视分析系统,对实验数据进行有效分析。
【学位单位】：东北师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：X734.2;U491.92
【部分图文】：

如选择、过滤、缩放、转换和聚合，进行数据挖掘。Mclachlan 等[36]在基于网格的布局中显示了时间序列数据的多个视图，方便用户轻松地在多个级别的细节上并排比较不同的系列。Xie 等 [37]提出一个新颖的可视分析系统用于探索电子交易市场时变信息并发现异常的电子交易事件。Van 等[38]对一维的时变数据进行趋势检测，探索有趣的趋势。Hochheiser H 等[39]利用 TimeSearcher 一种可视化工具允许用户在区域内查询感兴趣的时间序列。Zhao 等[40]提供 ChronoLenses 可视化技术，支持交互式探索任务，例如，探索新的时间序列数据的变化结果。M. Dork 等[41]使用堆叠图，用于可视分析时间序列数据，堆叠图可以将序列整体和个体的时间趋势分析得简单明了。本研究重点分析车流量和空气质量随时间变化的周期规律及相关性。1.3 本文主要研究内容为了更好的分析车流量与空气质量间的相关性，本文设计交互式可视分析系统。主要研究内容有对车流量和空气质量进行聚类，探索时空规律；对聚类的结果进行聚类相似性比较，探讨车流量和污染物间的相关性；趋势检测算法，可视分析空气质量和车流量的趋势变化。

5 时相比较少，其他时间段每天的车流量近乎很相近，但是五一小长假的第一天和一天，火车站的车流量相比往常会多一点，推测假期出游市民的往返乘坐火车导致站附近的车流量增多。结合其他视图可以更加详细的分析车流量和空气质量间的关。2 车流量与空气质量时空规律探索机器学习中常常会用到聚类算法，寻找数据存在的内部结构，将数据集合中的样分为多个相互独立的类。对数据分析时常常离不开聚类方法，本文将网格中车流量染物浓度根据时间为粒度划分类别，反映区域内车流量或者空气质量的周期规律。

或者达到其他终止条件。分类层次聚类（DivisiveAnalysis，DIANA）是先把样本中的所有点看成一个大类，然后寻找两个距离最大的类进行分离后，再次重复上述步骤，直到达到预期的标准或者达到其他终止条件。3. 基于密度的方法：这种聚类方法判断样本点是否是同一个簇的核心思想是样本点是否紧密相连，并考虑样本点间的可连续性，扩展聚类簇达到最终结果。DBSCAN（Density-Based Spatial Clustering ofApplications with Noise）是常用的密度聚类方法，基于一组描述数据样本的紧密程度（密度阈值），通过邻域参数查找所有核心对象，以任意一个核心对象开始，找到密度可达的点构成类。
【相似文献】

相关期刊论文 前10条

1 降惠;;医学大数据可视分析研究[J];软件工程;2017年11期

2 ;《空间可视分析方法和应用》出版[J];测绘通报;2008年02期

3 赵颖;张卓;袁晓如;;数据可视分析挑战赛三年回顾[J];网络与信息安全学报;2018年02期

4 徐佳;魏景利;;食品安全大数据可视分析方法研究[J];现代食品;2018年06期

5 文斐;;可视分析是变现大数据价值最终一环[J];互联网周刊;2016年21期

6 陈达;崔虎平;苏亚龙;;多粒度时空对象可视分析体系初探[J];地理信息世界;2018年02期

7 徐葛培;;大数据可视分析视角下的矿产资源规划研究[J];科技创新与应用;2017年26期

8 侯雪;肖丁;陈璞迪;宋礼;;用电行为数据可视分析系统[J];计算机应用;2018年S1期

9 孙国道;柳芬;蒋莉;梁荣华;;基于空间区域功能划分的人群移动模式可视分析[J];计算机辅助设计与图形学学报;2018年06期

10 沈汉威;张小龙;陈为;袁晓如;王文成;;可视化及可视分析专题前言[J];软件学报;2016年05期

相关博士学位论文 前10条

1 严宇宇;基于主题模型的可视分析方法研究[D];浙江大学;2019年

2 徐进;面向评论数据的可视分析方法研究[D];浙江大学;2018年

3 郭方舟;面向复杂图数据的可视表达与交互可视分析关键方法研究[D];浙江大学;2018年

4 邓超;基于密度聚类与时空图的市场数据可视分析方法研究[D];中国农业大学;2018年

5 应申;空间可视分析的关键技术和应用研究[D];武汉大学;2005年

6 曹一冰;陆地边界地理可视分析技术研究[D];解放军信息工程大学;2015年

7 李少雄;基于偏序模式表示原理的多维混合数据可视分析研究[D];燕山大学;2017年

8 陈海东;不确定性可视化及分析方法研究[D];浙江大学;2015年

9 王庆;自我中心网络的结构建模与研究[D];北京邮电大学;2017年

10 刘玉华;模型驱动的网络数据的可视分析方法研究[D];华东师范大学;2017年

相关硕士学位论文 前10条

1 宋礼;出租车轨迹异常检测可视分析系统的研究与实现[D];北京邮电大学;2019年

2 黄文达;面向程序理解的代码可视分析[D];浙江大学;2019年

3 樊晓博;基于企业日志元数据的员工行为可视分析研究[D];太原理工大学;2019年

4 徐江阳;间接稀疏采样数据时空可视分析研究[D];太原理工大学;2019年

5 栾剑;基于趋势检测算法的车流量模式与空气质量关系可视分析[D];东北师范大学;2019年

6 曹帝胄;基于原子交互的交通卡口可视分析系统[D];浙江工业大学;2018年

7 柳芬;基于数据融合的人群移动时空语义模式可视分析[D];浙江工业大学;2018年

8 陈万烤;航空订票服务器爬虫检测技术研究[D];杭州电子科技大学;2018年

9 刘汪洋;公共自行车数据的可视分析[D];杭州电子科技大学;2018年

10 王琦;针对电网暂态稳定计算时序变量对的统计质量控制与可视分析[D];浙江大学;2018年

本文编号：2885645