面向时间地理分析的轨迹大数据建模与时空邻近性分析研究

发布时间：2020-10-23 21:51

　　 时间地理学是研究在各种时空限制条件下人类行为的理论方法,广泛地应用于交通规划、可达性分析、城市人类移动等领域。在城市空间中,随着移动定位技术和无线通信技术的发展,采集车辆和出行者的时空轨迹变得更加便捷,各种类型的定位传感器不断地记录,产生了数据量庞大的时空轨迹数据,包括浮动车数据、个人的手机基站定位数据和GPS(Global Positioning System)定位数据、公交刷卡数据、社交网络位置签到数据等。然而,城市时空轨迹数据具有海量、高动态、多源等特点,对在时间地理学的框架下利用传统的GIS(Geographic Information Science)平台进行海量的时空轨迹数据的存储、建模、以及操作均提出了很大的挑战。针对现有的时空数据模型无法有效地对海量时空轨迹数据进行建模管理并进行时间地理分析的问题,以及时空轨迹数据入库前的数据清洗和质量评价问题,研究面向时间地理分析的时空数据的预处理、建模以及分析方法具有重要意义。基于以上背景,本文以城市空间中海量的时空轨迹数据为研究对象,浮动车数据作为主要的数据源,研究浮动车数据高效的数据清洗和数据质量评价方法,发展面向时间地理分析的时空数据模型,实现快速的时空邻近性分析方法。本文的主要研究工作包括以下几个方面:(1)提出了一种大规模低采样频率浮动车数据的地图匹配算法以用于浮动车数据的清洗处理。首先,选取路径评价指标、路网拓扑连通性和速度限制作为主要的标准,利用动态规划技术在保留最优匹配路径的同时最小化备选路径集,避免了匹配过程中备选路径集过大的问题,同时优化最短路径分析过程,提高了地图匹配效率。其次,设计了针对大规模浮动车数据的地图匹配流程框架,提出了多标准动态规划地图匹配算法。最后,利用武汉市真实的浮动车数据进行了匹配精度和计算性能的2组实验,实验结果表明本文提出的多标准动态规划地图匹配算法在匹配精度和计算性能上均优于其他现有浮动车数据地图匹配算法,能够满足浮动车数据在线和离线处理的应用需求。(2)提出了一种浮动车数据的质量综合评价模型。首先,总结了传统的空间数据质量评价模型,分析了利用传统空间数据质量模型评价浮动车数据时存在的不足。然后,从行程时间估计预测、交通规划、城市人类移动、土地利用分析等浮动车应用出发,分析了浮动车数据为满足应用分析需要提供的质量指标,总结了从定位精度、采样频率、轨迹完整度、值域有效性、行程有效性、覆盖度、现势性、空间交互性与移动性共9个方面对浮动车数据进行质量评价,并提出了每个质量指标的定量化计算方法。最后,对武汉市浮动车数据进行实验,详细分析了武汉市浮动车数据的每个质量指标得到数据质量元数据,验证了本文提出的浮动车数据质量评价模型的有效性。(3)提出了一种面向时间地理分析的时空数据模型。首先,详细介绍了(x,y,t)空间中的时间地理实体和关系的表达,包括时空路径、时空基站、时空棱柱、时空生命线、时空相交关系以及活动束关系。然后,在路网空间中,在线性参考系统的基础上提出了压缩线性参考CLR(Compressed linear reference)技术,实现了将三维的地理实体转换成CLR空间中的二维几何对象,并证明了这种降维变换的等价性。接着,提出了基于压缩线性参考技术的移动对象时空数据模型,在传统的GIS平台和空间数据库上进行时空轨迹数据的存储管理,也利用传统的空间查询操作实现了地理实体间的时空相交查询操作,包括时空路径-时空路径相交查询、时空窗口-时空路径相交查询、时空棱柱-时空基站包含查询以及时空棱柱-时空棱柱相交查询。最后,利用深圳市浮动车数据和手机基站定位数据进行实验分析,实验结果表明本文提出的时空数据模型占用存储空间小,计算性能高,能够满足海量的时空轨迹数据的时间地理分析应用。(4)提出了一种基于时空缓冲区的时空邻近性分析方法。首先,将空间缓冲区的概念扩展到三维的(x,y,t)空间中,提出了时空路径的时空缓冲区,基于时空缓冲区可以时空一体化地进行时空邻近性分析。然后,实现了路网中时空路径的时空缓冲区生成算法,再利用压缩线性参考技术将三维的时空缓冲区转换成CLR空间中的二维对象,在CLR空间中实现轨迹数据的时空邻近性分析。最后,利用武汉市浮动车轨迹数据进行实验,实验结果表明本文提出的时空路径的时空缓冲区可以有效地进行时空邻近性分析,并且具有很高的计算性能。
【学位单位】：武汉大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：P208
【部分图文】：

?２００８．１２．２８?８：２４：０６，?１１４．２６０１，３０．６０６４，３２．３７，?１４３．５８，?１??１，?２００８．１２．２８?８：２４：２６，?１１４．２６１１，?３０．６０４５，?３９．８３，?１４６．７４，?１??将表２－１中的轨迹点展示到路网中如图２－１所示，蓝色点为车辆的ＧＰＳ轨迹??点（图中的户１，户２，户３，户４，乃），这些〇？８轨迹点偏离了实际行驶的道路（图中红色路??段），不利于道路的速度和行程时间的计算，需要进行地图匹配处理将车辆的ＧＰＳ??轨迹点纠正到路网道路上（绿色点为匹配后车辆位置）。??１４??

内的备选道路，然后确定片在备选道路上的备选匹配点。在本文中，根据ＧＰＳ??的定位精度使用圆形的误差区域，采用垂直投影的方式确定备选匹配点（Ｈａｓｈｅｍｉ??等２０１４），如图２－２所示，其中表示在备选边上的备选匹配点集合。??、?厂?？２＼?Ｘ?？?备选匹配点??＞ｓ：Ｎ?／２＇?Ｉ?？路网节点??／?＾?＼?！／＞？／?｜＿最优匹配路径｜??＼ｐｉ＾ｙ?＾—Ｑｒ?／丨??图２－２地图匹配问题示例??一辆车的ＧＰＳ轨迹点按时间顺序可以表示为｛（乂？１），．．．，〇／，〇｝，连续的ＧＰＳ??轨迹点序列构成了车辆的轨迹（Ｔｒａｊｅｃｔｏｒｙ），也称为时空路径（Ｓｐａｃｅ－ｔｉｍｅ?ｐａｔｈ）。由??于浮动车轨迹数据的采样频率较低，在相邻的２个ＧＰＳ轨迹点间车辆可能经过??了多条道路，采样点间车辆的轨迹位置具有不确定性，地图匹配算法的目的就是??确定偏离路网的车辆轨迹的最优的匹配路径（如图２－２中红色线段），匹配路径中??不仅包括ＧＰＳ轨迹点的匹配位置点／丨，还需要对经过的道路节点位置（图２－２??中绿色点）进行插值补全，以构成车辆连续完整的轨迹路径。??２．１．３传统低采样频率浮动车数据地图匹配算法??常规的地图匹配算法在处理大规模低采样频率且信息量少的浮动车轨迹数??据时存在不足

根据定理２－２，地图匹配过程中备选路径数量过多的问题可以利用动态规划??技术来解决。在ＧＰＳ点ｐ＇的每一个备选匹配点／；；处，只有具有最小路径评价指??标值ｇ（＜？，）的最优子路径＜．才会被保留下来。例如，在图２－３中，ＧＰＳ点／的??备选匹配点处只需保留最优子路径＜１。从而，在〇？３点／／处只有｜１＇｜条最优子??路径被保留，其中为ＧＰＳ点／／在误差区域内的备选匹配点个数。所以，随着??匹配过程的进行，备选匹配路径的数量不会呈现几何级数增长，到每个ＧＰＳ点??的备选匹配路径的数量等于该点备选匹配点的个数｜ｒ｜，具有最小化的备选匹配??路径集，同时也保留了最优的匹配路径。??２０??
【参考文献】

相关期刊论文 前10条

1 鲁国珍;常晓猛;李清泉;赵庆亮;;基于人类时空活动的城市土地利用分类研究[J];地球信息科学学报;2015年12期

2 曾喆;李清泉;邹海翔;万剑华;;曲率积分约束的GPS浮动车地图匹配方法[J];测绘学报;2015年10期

3 李德仁;马军;邵振峰;;论时空大数据及其应用[J];卫星应用;2015年09期

4 卫启云;冯曼琳;王伟;;空间数据质量评价模型和方法研究[J];地理信息世界;2015年04期

5 程学旗;靳小龙;王元卓;郭嘉丰;张铁赢;李国杰;;大数据系统和分析技术综述[J];软件学报;2014年09期

6 李清泉;李德仁;;大数据GIS[J];武汉大学学报(信息科学版);2014年06期

7 周涛;韩筱璞;闫小勇;杨紫陌;赵志丹;汪秉宏;;人类行为时空特性的统计力学[J];电子科技大学学报;2013年04期

8 张恒才;陆锋;陈洁;;网络空间移动对象模型的应用与发展[J];地球信息科学学报;2013年03期

9 申悦;柴彦威;;基于GPS数据的北京市郊区巨型社区居民日常活动空间[J];地理学报;2013年04期

10 罗建平;邬群勇;朱莉;;面向对象的全时域移动对象数据模型[J];计算机应用;2013年04期

相关博士学位论文 前1条

1 罗芳;土地利用数据综合结果的质量评价[D];武汉大学;2013年

相关硕士学位论文 前6条

1 鲁立;空间数据质量测评体系研究[D];长江大学;2016年

2 马韵楠;基于模糊综合评价的道路交通流数据质量评价研究[D];北京交通大学;2015年

3 苗海芳;多源交通信息数据质量评价与控制方法研究[D];吉林大学;2014年

4 童晓君;基于出租车GPS数据的居民出行行为分析[D];中南大学;2012年

5 夏州;GPS车辆导航中的数据处理与地图匹配研究[D];北京交通大学;2009年

6 张文艺;GIS缓冲区和叠加分析[D];中南大学;2007年

本文编号：2853583