出租车轨迹时空特征及与街道网络中心性相关分析 ——以成都市为例
发布时间：2021-06-24 05:36
随着我国经济社会的快速发展以及城镇化进程的不断深入,城市机动车的拥有量也在迅速增长,但受限于城市道路交通空间资源的有限性和道路规划建设方面投入的局限性,城市交通发展滞后于机动车快速增长态势,使得城市交通运行压力日趋严重,城市交通道路问题也愈发明显。基于城市出租车GPS轨迹数据进行时空分析,可以识别城市交通出行特征,通过探测其与路网结构的相关性,为有效缓解城市交通压力,优化城市交通规划与管理提供基础支撑。本文以线性街道为分析单元,对成都市三环线以内2014年8月18日至8月24日共计14000辆出租车GPS轨迹数据进行去除噪声点、冗余以及地图匹配等数据预处理操作,利用成都市街道上下客统计量以及动态变化量挖掘城市出租车交通时空特征,依据Bisect K-means方法对街道进行聚类,随后利用城市路网交通邻近、中介、直达三种网络中心性指标与街道内上下客活动密度进行相关性分析。主要研究内容总结如下:（1）出租车轨迹时空特征分析。利用工作日与休息日的聚合方式和以一小时作为时间间隔进行分析发现,休息日出租车活动时间分布曲线相较于工作日较为平滑,工作日晚高峰从18点出现明显增长趋势,而休息日则出现在...
【文章来源】：河南大学河南省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
技术路线图
出租车轨迹时空特征及与街道网络中心性相关分析——以成都市为例18图3-1研究区示意图3.2数据源与数据结构出租车GPS轨迹数据来源于DataCastle交通线路通达时间预测算法竞赛（https://www.pkbigdata.com/），数据量为18.2GB，包含成都市超过1.4万辆出租车约4亿条轨迹记录，数据时间从2014年08月18日至08月24日，轨迹记录时间段为每日6:00至23:59，为期一周，数据内容包括出租车ID、经纬度坐标、载客状态（1代表搭乘，0代表空驶）以及记录时间点。路网数据来自于山西省测绘地理信息院提供的成都市基础地理数据，成都市行政区划数据与来自于地理国情监测云平台。表3-1出租车GPS轨迹数据结构ID经度X纬度Y载客状态（0空驶，1搭乘）记录时间1104.03720330.65089402014/8/187:47:391104.03720330.65073602014/8/187:48:09
出租车轨迹时空特征及与街道网络中心性相关分析——以成都市为例20GPS轨迹点之间的速度作为识别参数，当相邻GPS轨迹点之间的速度大于设定阈值时，则被识别为噪声点进行去除。另一种是利用滤波技术，过滤数据中的噪声以及离散值，常用的滤波技术有中值滤波、均值滤波、卡尔曼滤波[56]。算法原理是利用被滤波点周围m个相邻点（包含被滤波点本身）的中值（均值），对被滤波点的坐标进行重新定位，达到修改噪声点位置的目的，卡尔曼滤波能够包含没有直接测量的轨迹点状态变量，因此目前大多数研究学者都利用卡尔曼滤波器对噪声点进行平滑处理，卡尔曼滤波基于统计信息，对噪声点偏移位置进行递归修改，利用测量值与估测值之间产生的误差，获取最优位置，并以此为依据，对后续噪声点位置进行修改，因其在减小GPS定位误差方面的合理性及高效性，卡尔曼滤波已经成为目前最为常用的滤波手段。本文通过遍历出租车轨迹数据坐标，计算相邻点之间的距离，并与容忍距离进行比较，若与前后相邻点距离和大于二倍容忍距离则视为噪声点去除。图3-2去除噪声示意图3.3.2去除数据冗余对出租车GPS轨迹数据进行预处理主要是为了提取出租车运行特征等有效信息，出租车运行期间所产生的大量停留点数据以及包含错误信息的误差数据对出租车城市交通时空特征的分析并不具备积极意义，因此需要去除冗余数据。依据城市出租车运行特点与规律，去除城市出粗车GPS冗余数据的工作主要包含：①本文研究区域为成都市三环线以内，区域外数据对出租车时空特征分析研究作用
【参考文献】：
期刊论文
[1]K-means聚类算法的改进与应用[J]. 刘建花. 太原师范学院学报(自然科学版). 2020(01)
[2]改进的K-means算法研究[J]. 韩琮师,李旭健. 软件. 2020(03)
[3]北京市出租车GPS轨迹数据统计特征分析[J]. 翟文龙,王海起,费涛,闫滨. 测绘与空间地理信息. 2020(02)
[4]出租汽车GPS数据的空间分布特征及应用——以广州市为例[J]. 苏跃江,吴德馨,李晓玉. 城市交通. 2020(01)
[5]基于权重的地图匹配算法研究[J]. 何汶黛,干瑞杰,付茂洺,朱红军. 中国民航飞行学院学报. 2020(01)
[6]基于道路几何特征的地图匹配方法研究[J]. 刘峰,郭阳,郑辛,李殿茜. 导航定位与授时. 2020(01)
[7]中国可持续交通发展策略研究[J]. 任浩博,何建平,孟林秀,杜胜品. 人民交通. 2020(01)
[8]交通数据的时空并置模糊拥堵模式挖掘[J]. 王晓旭,王丽珍,王家龙. 清华大学学报(自然科学版). 2020(08)
[9]国土空间规划背景下我国交通规划转型思考[J]. 李潭峰,郝媛,姚伟奇. 交通运输研究. 2019(06)
[10]浅析城市交通规划和城市规划之间的协调关系[J]. 沈奕君. 智能城市. 2019(22)
硕士论文
[1]基于浮动车GPS数据的城市热点区域划分与路径引导研究[D]. 朱睿智.北方工业大学 2019
[2]出租车城市交通时空特征分析[D]. 徐海洋.南京大学 2019
[3]被动迁居后城市低收入原住民就业和通勤时空特征研究[D]. 姚远.安徽建筑大学 2019
[4]基于出租车数据的城市居民出行时空特征研究[D]. 姜海林.武汉大学 2018
[5]考虑出租车影响的城市道路交通流建模与仿真[D]. 王辉.兰州交通大学 2018
[6]多源轨迹数据时空聚类及居民出行模式分析[D]. 岳梦雪.武汉大学 2017
[7]基于出租车轨迹点的居民出行热点区域与时空特征研究[D]. 马云飞.南京师范大学 2014
[8]基于复杂网络理论的城市路网特性研究[D]. 王雪.长安大学 2014
[9]基于复杂网络理论的社区结构挖掘与人类行为模式特征分析[D]. 陈传梓.浙江大学 2011
本文编号：3246483
【文章来源】：河南大学河南省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
技术路线图
出租车轨迹时空特征及与街道网络中心性相关分析——以成都市为例18图3-1研究区示意图3.2数据源与数据结构出租车GPS轨迹数据来源于DataCastle交通线路通达时间预测算法竞赛（https://www.pkbigdata.com/），数据量为18.2GB，包含成都市超过1.4万辆出租车约4亿条轨迹记录，数据时间从2014年08月18日至08月24日，轨迹记录时间段为每日6:00至23:59，为期一周，数据内容包括出租车ID、经纬度坐标、载客状态（1代表搭乘，0代表空驶）以及记录时间点。路网数据来自于山西省测绘地理信息院提供的成都市基础地理数据，成都市行政区划数据与来自于地理国情监测云平台。表3-1出租车GPS轨迹数据结构ID经度X纬度Y载客状态（0空驶，1搭乘）记录时间1104.03720330.65089402014/8/187:47:391104.03720330.65073602014/8/187:48:09
出租车轨迹时空特征及与街道网络中心性相关分析——以成都市为例20GPS轨迹点之间的速度作为识别参数，当相邻GPS轨迹点之间的速度大于设定阈值时，则被识别为噪声点进行去除。另一种是利用滤波技术，过滤数据中的噪声以及离散值，常用的滤波技术有中值滤波、均值滤波、卡尔曼滤波[56]。算法原理是利用被滤波点周围m个相邻点（包含被滤波点本身）的中值（均值），对被滤波点的坐标进行重新定位，达到修改噪声点位置的目的，卡尔曼滤波能够包含没有直接测量的轨迹点状态变量，因此目前大多数研究学者都利用卡尔曼滤波器对噪声点进行平滑处理，卡尔曼滤波基于统计信息，对噪声点偏移位置进行递归修改，利用测量值与估测值之间产生的误差，获取最优位置，并以此为依据，对后续噪声点位置进行修改，因其在减小GPS定位误差方面的合理性及高效性，卡尔曼滤波已经成为目前最为常用的滤波手段。本文通过遍历出租车轨迹数据坐标，计算相邻点之间的距离，并与容忍距离进行比较，若与前后相邻点距离和大于二倍容忍距离则视为噪声点去除。图3-2去除噪声示意图3.3.2去除数据冗余对出租车GPS轨迹数据进行预处理主要是为了提取出租车运行特征等有效信息，出租车运行期间所产生的大量停留点数据以及包含错误信息的误差数据对出租车城市交通时空特征的分析并不具备积极意义，因此需要去除冗余数据。依据城市出租车运行特点与规律，去除城市出粗车GPS冗余数据的工作主要包含：①本文研究区域为成都市三环线以内，区域外数据对出租车时空特征分析研究作用
【参考文献】：
期刊论文
[1]K-means聚类算法的改进与应用[J]. 刘建花. 太原师范学院学报(自然科学版). 2020(01)
[2]改进的K-means算法研究[J]. 韩琮师,李旭健. 软件. 2020(03)
[3]北京市出租车GPS轨迹数据统计特征分析[J]. 翟文龙,王海起,费涛,闫滨. 测绘与空间地理信息. 2020(02)
[4]出租汽车GPS数据的空间分布特征及应用——以广州市为例[J]. 苏跃江,吴德馨,李晓玉. 城市交通. 2020(01)
[5]基于权重的地图匹配算法研究[J]. 何汶黛,干瑞杰,付茂洺,朱红军. 中国民航飞行学院学报. 2020(01)
[6]基于道路几何特征的地图匹配方法研究[J]. 刘峰,郭阳,郑辛,李殿茜. 导航定位与授时. 2020(01)
[7]中国可持续交通发展策略研究[J]. 任浩博,何建平,孟林秀,杜胜品. 人民交通. 2020(01)
[8]交通数据的时空并置模糊拥堵模式挖掘[J]. 王晓旭,王丽珍,王家龙. 清华大学学报(自然科学版). 2020(08)
[9]国土空间规划背景下我国交通规划转型思考[J]. 李潭峰,郝媛,姚伟奇. 交通运输研究. 2019(06)
[10]浅析城市交通规划和城市规划之间的协调关系[J]. 沈奕君. 智能城市. 2019(22)
硕士论文
[1]基于浮动车GPS数据的城市热点区域划分与路径引导研究[D]. 朱睿智.北方工业大学 2019
[2]出租车城市交通时空特征分析[D]. 徐海洋.南京大学 2019
[3]被动迁居后城市低收入原住民就业和通勤时空特征研究[D]. 姚远.安徽建筑大学 2019
[4]基于出租车数据的城市居民出行时空特征研究[D]. 姜海林.武汉大学 2018
[5]考虑出租车影响的城市道路交通流建模与仿真[D]. 王辉.兰州交通大学 2018
[6]多源轨迹数据时空聚类及居民出行模式分析[D]. 岳梦雪.武汉大学 2017
[7]基于出租车轨迹点的居民出行热点区域与时空特征研究[D]. 马云飞.南京师范大学 2014
[8]基于复杂网络理论的城市路网特性研究[D]. 王雪.长安大学 2014
[9]基于复杂网络理论的社区结构挖掘与人类行为模式特征分析[D]. 陈传梓.浙江大学 2011
本文编号：3246483
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3246483.html
