手机GPS定位频率对交通出行信息提取精度的影响研究

发布时间：2017-09-03 00:27

  本文关键词：手机GPS定位频率对交通出行信息提取精度的影响研究

  更多相关文章： 手机GPS数据 定位频率 出行信息 提取精度

【摘要】：城市的发展过程中,产生了一系列的“城市病”,比如交通拥堵、交通污染。只有通过对城市交通现状、运行机理的深入剖析,才能掌握交通需求,科学合理的进行交通规划和设计,从而引导交通系统的发展。但是传统的居民出行调查在精度上存在诸多问题,因此需要新技术的引进——手机GPS,此技术不仅可以降低调查成本,还可以提高数据质量。尽管现有对手机GPS数据的分析研究较为深入,多是对数据的挖掘,但是数据采集过程中的时间参数是影响数据质量的重要因素,需要展开深入研究。本文对不同手机GPS定位频率对交通出行信息提取影响进行了分析。基于单因素法则,通过设计不同多交通方式组合数据采集实验以及数据预处理的过程,获取了不同定位频率下的GPS数据。根据样本数据的特征和研究目的,选取了瞬时速度作为特征向量,并采用人工神经网络算法(ANN)和随机森林算法(RF)识别了不同定位频率出行数据的交通方式转换点和交通方式。通过分析,不同交通方式转换点的识别精度对定位频率敏感性一致,随着定位频率的降低,精度降低。采样时间间隔为5秒时,所有交通方式的转换点查全率在90%以上,小于120秒误差的准确率在80%以上。在实际应用中,出于对调查和数据存储分析成本的考虑,采样时间间隔可以在1～20秒内进行取值。本文同时对步行、自行车、公交车、小汽车四种交通方式进行了识别,ANN算法和RF算法具有相似结论：当ANN算法采样时间间隔设置为1秒,RF算法设置为2秒时,非机动方式准确率为85%以上,机动方式80%以上；随着定位频率降低,准确率则会下降,出于以上同样的目的,在实际应用中采样时间间隔取值范围为1～10秒。
【关键词】：手机GPS数据 定位频率 出行信息 提取精度
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491
【目录】：

• 摘要6-7
• Abstract7-10
• 第1章 绪论10-20
• 1.1 研究背景10-11
• 1.2 研究意义11-12
• 1.3 国内外研究现状12-16
• 1.3.1 国外研究现状12-14
• 1.3.2 国内研究现状14-15
• 1.3.3 文献总结15-16
• 1.4 研究目标与内容16-17
• 1.4.1 研究目标16
• 1.4.2 研究内容16-17
• 1.5 拟解决的关键问题与技术路线17-18
• 1.5.1 拟解决的关键问题17-18
• 1.5.2 技术路线18
• 1.6 论文章节安排18-20
• 第2章 GPS定位频率与出行轨迹信息20-26
• 2.1 手机GPS定位频率20-21
• 2.1.1 GPS技术简介20
• 2.1.2 手机GPS定位频率20-21
• 2.2 出行轨迹信息的内容和获取方式21-24
• 2.2.1 出行轨迹信息的主要内容21-22
• 2.2.2 出行轨迹信息获取方式22-24
• 2.3 手机GPS定位频率对出行轨迹信息的影响机理24-26
• 2.3.1 手机GPS定位频率过高的影响24-25
• 2.3.2 手机GPS定位频率过低的影响25-26
• 第3章 实验设计、数据采集与预处理26-36
• 3.1 实验设计26-31
• 3.1.1 实验设备与软件26-28
• 3.1.2 实验线路与方式组合28-31
• 3.2 数据预处理31-36
• 3.2.1 原始数据31-32
• 3.2.2 数据稀疏化处理32-34
• 3.2.3 数据特征分析34-35
• 3.2.4 GPS数据与出行日志标定35-36
• 第4章 出行轨迹信息提取方法研究36-45
• 4.1 出行信息提取方法综述36-38
• 4.1.1 GIS辅助方法36-37
• 4.1.2 机器学习方法37
• 4.1.3 总结37-38
• 4.2 人工神经网络算法38-41
• 4.2.1 人工神经网络算法简介38-39
• 4.2.2 人工神经网络算法模型构建39-41
• 4.3 随机森林算法41-43
• 4.3.1 随机森林算法简介41-42
• 4.3.2 随机森林算法模型构建42-43
• 4.4 算法可行性分析43-45
• 第5章 定位频率对出行轨迹信息识别的影响研究45-68
• 5.1 定位频率对出行轨迹信息提取精度的定性影响分析45-47
• 5.1.1 定位频率对交通方式转换点识别精度的定性影响45-46
• 5.1.2 定位频率对交通方式识别精度的定性影响46-47
• 5.2 定位频率对出行轨迹关键点识别的影响分析47-61
• 5.2.1 神经网络算法识别48-55
• 5.2.2 随机森林算法识别55-61
• 5.3 定位频率对交通方式识别的影响分析61-67
• 5.3.1 神经网络算法识别62-64
• 5.3.2 随机森林算法识别64-67
• 5.4 总结67-68
• 结论与展望68-71
• 致谢71-72
• 参考文献72-76
• 攻读硕士学位期间发表的论文76

【参考文献】

中国期刊全文数据库 前10条

1 李欣海;;随机森林模型在分类与回归分析中的应用[J];应用昆虫学报;2013年04期

2 许宜申;顾济华;陶智;吴迪;朱明诚;;基于改进BP神经网络的手写字符识别[J];通信技术;2011年05期

3 段玉三;;人工神经网络文献综述[J];科技风;2011年05期

4 方匡南;吴见彬;朱建平;谢邦昌;;随机森林方法研究综述[J];统计与信息论坛;2011年03期

5 姜桂艳;牛世峰;常安德;丛玉良;;GPS浮动车数据时间间隔优化方法[J];吉林大学学报(工学版);2010年06期

6 张治华;;基于定位技术的居民出行调查方法[J];经济师;2010年03期

7 董一芬;;Levenberg-Marquardt神经网络算法研究[J];商场现代化;2009年07期

8 朱树先;张仁杰;;BP和RBF神经网络在人脸识别中的比较[J];仪器仪表学报;2007年02期

9 张华伟;王明文;甘丽新;;基于随机森林的文本分类模型研究[J];山东大学学报(理学版);2006年03期

10 谢承泮;;神经网络发展综述[J];科技情报开发与经济;2006年12期

中国重要会议论文全文数据库 前1条

1 朱海明;于春青;蒋寅;;GPS技术在天津市居民出行调查中的应用[A];中国城市交通规划2012年年会暨第26次学术研讨会论文集公交优先与缓堵对策[C];2012年

中国博士学位论文全文数据库 前1条

1 张治华;基于GPS轨迹的出行信息提取研究[D];华东师范大学;2010年

中国硕士学位论文全文数据库 前4条

1 陈俭新;基于AML-BP算法的出行方式识别研究[D];郑州大学;2015年

2 廖思静;基于智能手机的交通模式判别系统的设计与实现[D];北京邮电大学;2014年

3 闫彭;基于AGPS手机的交通方式识别研究[D];北京交通大学;2012年

4 张波;用于交通出行调查的GPS时空轨迹数据简化与语义增强研究[D];华东师范大学;2011年

，

本文编号：781801