基于出租车GPS数据的居民出行时空规律和出行热点区域研究

发布时间：2017-08-11 08:39

  本文关键词：基于出租车GPS数据的居民出行时空规律和出行热点区域研究

  更多相关文章： 居民出行 城市热点区域 GPS轨迹 聚类算法

【摘要】：传统的居民出行活动的研究通常采用问卷调查的方式进行,但是这种方式由于数据收集复杂繁琐、持续时间长而且带有一定主观性等因素,无法全面反映居民出行的时空特征,给研究带来了一些困难。随着GPS技术、GIS技术的普及和广泛应用,为居民出行活动的相关研究提供了有效的支撑。出租车是一种特殊的公共交通工具,具有全天候运营,数据实时性,运行路线和时间完全由乘客决定等特征,因此,出租车的轨迹数据能很好地反映居民的出行时空规律和通勤行为。基于此,本文将利用出租车GPS轨迹数据来开展居民出行时空规律和出行热点区域研究,主要内容体现在以下几个方面：(1)基于昆明市6599辆出租车在2012年8月13日—8月19日连续一周运营所产生的海量GPS轨迹数据作为研究对象,通过数据预处理和九宫格的地图匹配算法实现地图匹配,并完成出租车有效轨迹的提取。(2)利用ArcGIS空间统计工具分析乘客出行的OD矩阵分布,从宏观层面研究城市居民通勤行为的时空变化机制。同时,以居民出行行程长度和出行时间长度两个指标作为出行行为的特征量,进一步发现居民出行活动的规律。(3)基于出租车的GPS上下车轨迹点数据,统计出日出行总量的分布情况；利用各小时出行量对居民出行时段进行研究,获得工作日及休息日居民出行时段的空间分布规律。(4)对DBSCAN算法的参数进行优化,然后利用该算法对乘客上下车轨迹点数据进行聚类分析,接着使用ArcGIS平台对聚类结果可视化,识别出昆明市居民出行的热点区域,并建立热点区域的吸引力指数。最后将热点区域与兴趣点数据结合分析,构建出一个基于兴趣点的特征向量,通过该向量识别出热点区域所承担的城市功能区角色。本文的研究结果不仅可以对昆明市的交通出行进行评估,还能合理预测未来的居民出行需求。同时,城市热点区域的时空分布能为昆明市公共基础设施的规划、土地价值评估、商铺选址、消费推荐等应用领域提供科学的依据和参考。
【关键词】：居民出行 城市热点区域 GPS轨迹 聚类算法
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491
【目录】：

• 摘要3-5
• ABSTRACT5-13
• 第一章 绪论13-20
• 1.1 研究背景及意义13-14
• 1.1.1 研究背景13-14
• 1.1.2 研究意义14
• 1.2 国内外研究现状14-17
• 1.2.1 居民出行活动研究现状14-16
• 1.2.2 城市热点区域研究现状16-17
• 1.3 论文的主要工作及创新点17-19
• 1.3.1 论文的主要工作17-18
• 1.3.2 论文的创新点18-19
• 1.4 论文的组织结构19-20
• 第二章 相关技术介绍20-26
• 2.1 数据预处理20-22
• 2.1.1 错误数据预处理20-21
• 2.1.2 缺失数据预处理21-22
• 2.2 地图匹配22-23
• 2.3 数据挖掘——聚类分析23-25
• 2.4 ArcGIS平台25-26
• 第三章 居民出行行为统计分析26-46
• 3.1 研究区域概况26-28
• 3.2 实验基础28-33
• 3.2.1 数据来源28-29
• 3.2.2 地图匹配29-31
• 3.2.3 数据提取31-33
• 3.3 居民出行OD矩阵33-35
• 3.4 居民出行行为规律统计35-38
• 3.4.1 居民出行行程长度统计35-37
• 3.4.2 居民出行行程时间统计37-38
• 3.5 居民日出行总量分析38-43
• 3.5.1 日出行总次数统计38-39
• 3.5.2 各小时出行次数统计39-43
• 3.6 居民出行高峰时段分布43-46
• 3.6.1 工作日出行高峰时段分布43-44
• 3.6.2 休息日出行高峰时段分布44-46
• 第四章 DBSCAN算法参数优化46-53
• 4.1 MinPts参数确定46-48
• 4.2 Eps参数确定48-51
• 4.3 算法实现51-53
• 第五章 城市热点区域发现53-74
• 5.1 城市热点区域挖掘53-62
• 5.1.1 工作日热点区域发现53-58
• 5.1.2 休息日热点区域发现58-62
• 5.2 热点区域吸引力指数构建62-67
• 5.3 结果可视化67-70
• 5.4 城市热点区域与POIs的关联分析70-74
• 5.4.1 兴趣点(POIs)数据70-71
• 5.4.2 城市热点与POIs的关系71-74
• 第六章 总结与展望74-76
• 6.1 总结74-75
• 6.2 展望75-76
• 参考文献76-79
• 致谢79

【相似文献】

中国期刊全文数据库 前10条

1 林红;李军;;基于信息熵的居民出行空间分布变化研究[J];交通运输系统工程与信息;2007年05期

2 马克平;曹伯虎;范小勇;;天津市居民出行特征分析与交通政策探讨[J];交通科技与经济;2007年04期

3 孟梦;王乾;雷黎;;城市居民出行的潮汐特征研究[J];科技创新导报;2009年14期

4 陈云;;杭州市居民出行特征分析及交通发展对策探讨[J];城市道桥与防洪;2009年12期

5 杨文婷;谭永俊;尤淑燕;赵海娇;陈琴;梁翰;高志刚;;乌鲁木齐市居民出行行为调查分析[J];新疆财经大学学报;2012年02期

6 邓毛颖,谢理,林小华;基于居民出行特征分析的广州市交通发展对策探讨[J];经济地理;2000年02期

7 邓毛颖,谢理,林小华;广州市居民出行特征分析及交通发展的对策[J];热带地理;2000年01期

8 张涛;中小城市居民出行特征分析及交通发展对策研究[J];交通科技;2005年03期

9 刘强;陆化普;邹博;王继峰;;基于居民出行特性分析的大连市客运需求特性研究[J];中南公路工程;2007年02期

10 邹志云;蒋忠海;梅亚南;宋程;;大中城市居民出行强度的聚类分析[J];交通运输工程与信息学报;2007年02期

中国重要会议论文全文数据库 前5条

1 唐敏文;谌志强;闫常鑫;;长沙市中心城区居民出行特征分析[A];2010年湖南省优秀城乡规划论文集[C];2010年

2 李枫;薛美根;柳鑫;;城市居民出行数据自动采集试验研究[A];第一届中国智能交通年会论文集[C];2005年

3 薛美根;李枫;柳鑫;;居民出行数据自动采集与处理系统开发研究[A];第一届中国智能交通年会论文集[C];2005年

4 赵敏;张卫国;俞立中;;上海市居民出行方式与城市交通CO_2的排放[A];地理学与生态文明建设——中国地理学会2008年学术年会论文摘要集[C];2008年

5 李先友;;农村居民出行服务系统建设探讨——以江苏省农村居民出行服务系统建设为例[A];江苏省公路学会优秀论文集（2006-2008）[C];2009年

中国重要报纸全文数据库 前10条

1 樊艳兵;公交改线要考虑到居民出行方便[N];华夏时报;2006年

2 张鸥;居民齐心协力修台阶[N];鞍山日报　;2008年

3 陈红霞;政协助力缓解居民出行难[N];四川政协报;2013年

4 贾晓燕;60多个小区居民出行得改善[N];北京日报;2007年

5 记者 冯劲松邋通讯员 段立运 实习生 罗璇;便捷交通改善边远小区居民出行难[N];长江日报;2007年

6 记者 李鹏;改造新建道路 城区居民出行更方便[N];眉山日报;2007年

7 记者 孙滨　实习生 韩建超 通讯员 何孝齐;44.5%居民出行靠步行[N];湖北日报;2009年

8 杨励雅 中国人民大学公共管理学院;优化居民出行方式 缓解城市交通拥堵[N];中国社会科学报;2011年

9 吴立红 记者 马梁木;市房产局楼顶清雪忙[N];鸡西日报;2007年

10 记者　季杰 通讯员　钟彩玲;宝龙居民出行更便捷[N];深圳商报;2006年

中国博士学位论文全文数据库 前2条

1 李海峰;城市形态、交通模式和居民出行方式研究[D];东南大学;2006年

2 刘蔚;城市居民低碳出行的影响因素及引导策略研究[D];北京理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 薛兰;寒地城市冬季居民出行方式划分研究[D];长安大学;2015年

2 胡封疆;个人及社会经济因素对不同工作日居民出行行为影响研究[D];河北工业大学;2015年

3 张娜;深圳南山区居住小区建成环境对居民出行行为影响研究[D];哈尔滨工业大学;2014年

4 王娟;公共租赁住房居民出行行为及方式选择研究[D];重庆交通大学;2015年

5 明洁;基于居民出行行为分析的多模式公交组合调度研究[D];浙江工业大学;2015年

6 罗星星;基于活动的居民出行行为分析与预测研究[D];西南交通大学;2016年

7 逯婷婷;基于多层Nested Logit模型的城市居民出行链预测研究[D];北京交通大学;2016年

8 陈红丽;基于出租车GPS数据的居民出行时空规律和出行热点区域研究[D];云南大学;2016年

9 李宝峰;居民出行信息系统设计与开发[D];华中科技大学;2005年

10 夏静;石家庄市城乡结合部居民出行分析及客运优化研究[D];河北科技大学;2010年

，

本文编号：655197