基于高峰时段出租车GPS数据聚类分析的区域可达性研究

发布时间：2020-07-24 01:06

【摘要】：在交通规划与研究中,可达性作为衡量人或者货物通过某种工具到达目的地难易程度的指标,在交通政策研究和交通规划中起到重要的作用。然而由于可达性在不同研究领域中含义不同,采用的计量方法不统一,数据难获取等原因,实际工作中少有人使用可达性的方法来对规划进行指导和评判。随着近年来交通大数据的分析与研究逐渐成熟,围绕可达性的研究也逐步展开。论文在国内外可达性研究的基础上对其概念与方法进行辨析,并提出了一种基于出租车GPS数据聚类分析的区域可达性计量与评价方法。论文首先讨论了可达性概念的内涵及其难于定义的原因,并给出了本文可达性的定义。确定可达性概念与计量方法后,将区域可达性研究划分为道路阻抗计算、上下客热点聚类和可达性计算三个子问题。提出对GPS数据进行聚类分析以确定可达性计算所需的参数。在数据清洗阶段,论文针对数据出现的误差和错误提出了一种批量数据清洗、修正和指标计算的思路,并运用该方法完成对数据的预处理。完成数据预处理后,论文采用了一种改进的密度聚类算法,利用该算法对小寨地区的到发出租车上下客点进行空间聚类分析,从而确定可达性计算的聚类对象。此外,在GPS数据匹配路段后,以路段为单位对平均车速、停驶点等数据进行统计,在统计的基础上采用K-Means及其改进方法对道路运行状况进行聚类,确定不同道路类别的阻抗特征。最后,在聚类得到的出行热点以及路网阻抗的基础上,选用空间阻隔模型、等时线模型和累积机会模型对小寨区域的可达性进行计算和评价。计算结果显示,小寨区域在高峰时段和夜间对上下客聚类热点的可达性变化较大;小寨对区外上下客点的可达性大部分在15min~30min;等时线的空间特征与路网结构呈现较强的相关性。
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491
【图文】：

示意图,聚类分析,示意图,聚类

分析（如图 2.1（b））。（a）基于速度与流量的道路运行状况聚类（b）基于 DBSCAN 的出租车热点聚类图2.1 不同聚类分析示意图4.基于网格的聚类通过将数据空间划分为若干个网格单元，统计网格内数据点的密度，根据设定的阈值判断网格是否为高密度单元，将相邻的高密度网格单元划分为同一聚类。代表算法有：STING，CLIQUE，WaveCluster。基于网格的聚类算法同基于密度的算法类似，均是通过某个密度阈值来区分聚类和离散点。在交通数据的聚类中，虽然较少采用 STING、CLIQUE 等算法，但是许多研究首先运用网格来划分和统计数据，随后采用 DBSCAN 等

纠偏效果,坐标,出租车

（a）坐标转换前（b）坐标转换后图3.2 坐标纠偏效果图3.3.2 剔除低数据量车辆出租车 GPS 每隔一段时间记录一次运行信息，每辆车数据采集的频率与时间间隔可能不同。通常情况，GPS 数据采样时间间隔越短，收集到的出租车运行信息就更详细，更有利于准确的描述车辆的运行行为。同时，对数据采集间隔的统计在本文 3.3.3 节将用于时间错乱误差的修正。对西安市出租车采集间隔、单车单日统计数据量分布统计分别如图 3.3 和图 3.4 所示。据统计 96.75%的车辆每隔 30s 进行一次记录，98.5%的数据集中在 30s 左右。其中9999s 时间间隔为数据严重缺失，无法计算时间间隔众数。总体来说，西安市出租车主

数据采集,硕士研究生论文,间隔分布,单车

长安大学硕士研究生论文间隔分布在 30s 左右，少部分为 5s 左右。从单日单车辆数据量来看，90%数据在 3025 条以下。约 2.5%的车辆单日记录数在 2000 条以下。

【参考文献】