城市公共交通换乘客流时空分布可视化及站点聚类分析
发布时间：2023-06-01 01:54
近年来,随着我国经济的增长和城市的建设,城市的人口也急剧增加,人口的增长也给交通带来了巨大的压力。目前,我国许多城市的公共交通发展远远不能满足居民的日常出行需求,社会发展和公共交通建设不能同步。深圳,作为粤港澳大湾区发展的核心引擎城市,公共交通与城市发展不协调的问题也同样严重。而在公共交通发展中轨道交通和常规公交扮演了重要的角色。因此,挖掘分析城市轨道交通与常规公交之间的出行特征,并以此为基础对轨道交通站点进行聚类研究,对于制定合理的城市交通规划具有重要意义。交通大数据的出现也为解决城市交通问题提供了新的思路,随着智能卡技术的广泛使用,从该系统中获取的数据也被广泛应用于城市公共交通的各个方面。在此背景下,本文利用深圳通的刷卡数据,研究分析了地铁和公交之间的换乘客流时空分布规律,并对轨道交通站点进行了聚类分析,提出了换乘接驳策略。最后,设计并实现了基于Spark的交通大数据可视化平台。具体而言,论文的主要研究如下:(1)根据换乘识别原理确定了换乘时间阈值,基于换乘时间阈值提取轨道交通与常规公交之间的换乘客流,并对换乘客流的时空分布规律进行可视化分析,利用可视化结果管理者可以更直观的了解客...
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 刷卡数据研究
1.2.2 换乘客流研究
1.2.3 轨道交通站点聚类研究
1.3 研究目的及内容
1.3.1 研究目的
1.3.2 研究内容
1.4 技术路线图
1.5 本章小结
第二章 基础数据分析与处理
2.1 基础数据描述
2.1.1 深圳通刷卡数据介绍
2.1.2 深圳通刷卡数据字段说明
2.2 基础数据清洗
2.2.1 数据清洗规则
2.3 数据可视化工具
2.4 本章小结
第三章 换乘客流识别与特征分析
3.1 换乘识别方法
3.1.1 换乘识别原理
3.1.2 换乘时间阈值确定
3.1.3 换乘数据筛选
3.2 轨道交通与常规公交换乘客流时间特征分析
3.2.1 一周客流时间分布
3.2.2 单日客流时间分布
3.2.3 城市轨道交通线路换乘客流时间分布
3.3 轨道交通与常规公交换乘客流空间特征分析
3.3.1 轨道交通网络换乘客流分布
3.3.2 轨道交通单条线路站点换乘客流分布
3.3.3 轨道交通早晚高峰换乘客流空间分布
3.4 本章小结
第四章 基于k-means算法的轨道交通站点聚类模型
4.1 k-means聚类算法分析
4.1.1 k-means聚类算法的思想
4.1.2 k-means聚类算法的流程
4.1.3 k-means聚类算法的优缺点分析
4.2 改进的k-means聚类模型
4.2.1 k值的确定
4.2.2 初始聚类中心的选取
4.3 主成分分析
4.3.1 主成分分析算法的基本思想
4.3.2 主成分分析算法的流程
4.4 本章小结
第五章 实验分析
5.1 实验数据处理
5.1.1 聚类变量的选取
5.1.2 变量标准化
5.1.3 PCA降维处理
5.1.4 K值选取
5.2 聚类结果分析
5.2.1 k-means聚类结果分析
5.2.2 层次聚类结果分析
5.3 两种算法聚类结果对比
5.3.1 站点总体分类结果对比
5.3.2 站点个体分类结果对比
5.4 换乘需求量与换乘率
5.5 换乘接驳策略
第六章 基于spark的交通大数据可视化平台实现
6.1 系统平台简介
6.1.1 系统设计目的
6.1.2 系统设计原则
6.2 系统设计
6.2.1 系统整体架构设计
6.2.2 系统业务流程设计
6.2.3 数据库设计
6.3 功能模块设计
6.4 系统可视化展示
6.5 本章小结
结论与展望
研究结论
研究展望
参考文献
致谢
本文编号：3826422
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 刷卡数据研究
1.2.2 换乘客流研究
1.2.3 轨道交通站点聚类研究
1.3 研究目的及内容
1.3.1 研究目的
1.3.2 研究内容
1.4 技术路线图
1.5 本章小结
第二章 基础数据分析与处理
2.1 基础数据描述
2.1.1 深圳通刷卡数据介绍
2.1.2 深圳通刷卡数据字段说明
2.2 基础数据清洗
2.2.1 数据清洗规则
2.3 数据可视化工具
2.4 本章小结
第三章 换乘客流识别与特征分析
3.1 换乘识别方法
3.1.1 换乘识别原理
3.1.2 换乘时间阈值确定
3.1.3 换乘数据筛选
3.2 轨道交通与常规公交换乘客流时间特征分析
3.2.1 一周客流时间分布
3.2.2 单日客流时间分布
3.2.3 城市轨道交通线路换乘客流时间分布
3.3 轨道交通与常规公交换乘客流空间特征分析
3.3.1 轨道交通网络换乘客流分布
3.3.2 轨道交通单条线路站点换乘客流分布
3.3.3 轨道交通早晚高峰换乘客流空间分布
3.4 本章小结
第四章 基于k-means算法的轨道交通站点聚类模型
4.1 k-means聚类算法分析
4.1.1 k-means聚类算法的思想
4.1.2 k-means聚类算法的流程
4.1.3 k-means聚类算法的优缺点分析
4.2 改进的k-means聚类模型
4.2.1 k值的确定
4.2.2 初始聚类中心的选取
4.3 主成分分析
4.3.1 主成分分析算法的基本思想
4.3.2 主成分分析算法的流程
4.4 本章小结
第五章 实验分析
5.1 实验数据处理
5.1.1 聚类变量的选取
5.1.2 变量标准化
5.1.3 PCA降维处理
5.1.4 K值选取
5.2 聚类结果分析
5.2.1 k-means聚类结果分析
5.2.2 层次聚类结果分析
5.3 两种算法聚类结果对比
5.3.1 站点总体分类结果对比
5.3.2 站点个体分类结果对比
5.4 换乘需求量与换乘率
5.5 换乘接驳策略
第六章 基于spark的交通大数据可视化平台实现
6.1 系统平台简介
6.1.1 系统设计目的
6.1.2 系统设计原则
6.2 系统设计
6.2.1 系统整体架构设计
6.2.2 系统业务流程设计
6.2.3 数据库设计
6.3 功能模块设计
6.4 系统可视化展示
6.5 本章小结
结论与展望
研究结论
研究展望
参考文献
致谢
本文编号：3826422
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3826422.html
