基于实时轨迹流的交通热点发现研究

发布时间：2023-02-06 11:48

　　随着科技发展、社会进步,以及居民生活水平得不断提高,私家车已然成为了城市居民甚至普通家庭的日常代步工具,因此,越来越多的发达城市甚至发展中城市都面临着由此而产生的挑战——交通拥堵问题。基于现有科技手段,可以通过智能车载终端实时获取车辆的GPS数据,这些GPS轨迹数据包含了极其丰富的信息,其中包括但不限于当前城市的实时交通情况。因此,如何从实时的海量的GPS数据中挖掘出城市热点路径和区域,对于整个城市的交通体系的完善和发展以及对于城市居民的交通出行指导都是非常有意义的。车联网技术的普及,车与人,车与车,车与道路之间的信息共享成为可能,越来越多的汽车,尤其是私家车,都装载了车载智能终端,可以实时上传GPS轨迹数据,包括但不限于车载终端ID,时间,经纬度等。城市道路中的车辆自动上传的GPS轨迹数据定位精度高,覆盖范围广,能够清晰地反应当前城市道路的运行状况。因此,本文以实时轨迹流数据为研究对象,重点研究轨迹聚类和轨迹流聚类,基于典型的轨迹聚类算法框架,提出了新的算法思路,以及在此基础上提出了基于滑动窗口的轨迹流数据聚类框架。本文的研究内容和创新点如下:第一,针对经典轨迹聚类算法TRACLUS...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
绪论
    第一节 研究背景与意义
        一、研究背景
        二、研究意义
    第二节 国内外研究现状
        一、轨迹聚类研究现状
        二、数据流聚类研究现状
        三、轨迹流聚类研究现状
    第三节 研究内容及创新点
    第四节 论文的组织结构
第一章 聚类与轨迹聚类概述
    第一节 聚类分析
        一、聚类分析的基本概念
        二、聚类方法概述
    第二节 数据流聚类
        一、数据流的基本概念
        二、数据流模型
        三、数据流聚类基本知识
        四、数据流聚类的常用算法
    第三节 轨迹聚类相关基础知识
        一、轨迹相似度度量
        二、轨迹划分
        三、子轨迹聚类
第二章 基于决策树的轨迹聚类算法
    第一节 TRACLUS聚类算法
        一、轨迹距离
        二、轨迹分段
        三、子轨迹聚类
    第二节 基于TRACLUS框架的DT-TraClu算法
        一、基于时空的轨迹距离
        二、基于决策树的轨迹划分
        三、聚类簇的概要信息提取
第三章 基于滑动窗口的轨迹流聚类
    第一节 基本概念描述
        一、TCS的可结合性
        二、时序聚类特征指数直方图
        三、轨迹数据维护策略
    第二节 在线微聚类
        一、删除轨迹段
        二、合并相似TCF
    第三节 离线宏聚类
第四章 实验结果与分析
    第一节 实验数据与环境介绍
        一、数据介绍
        二、数据预处理
        三、实验环境
    第二节 DT-TraClu算法实验结果与分析
        一、决策树模型训练
        二、轨迹划分结果对比实验
        三、聚类效果对比实验
    第三节 基于滑动窗口的轨迹流聚类算法实验结果与分析
第五章 总结与展望
参考文献
致谢



本文编号：3735945