基于移动出行数据挖掘的城市交通结构研究

发布时间：2022-12-06 04:05

　　车联网作为物联网和移动互联网在交通运输领域应用后的衍生概念,其通过先进的信息通信与处理技术,实现车与人、车、路之间的深度融合,提升汽车智能化水平,并改善城市交通运行效率。在车联网支持下,多车与路边基础设施可以通过对交通环境态势的准确认知,完成车辆驾驶路线选择和道路交通诱导的协同决策,以优化车辆智能驾驶和智能交通控制。但由于智能交通设备并不能完成用户出行需求认知,且车载信息系统存在渗透率不足的问题,导致目前方法不能完整且精准刻画城市道路交通状态。本文围绕城市交通状态的精准认知问题,考虑用户出行形成的城市交通结构与交通环境态势的相关性,利用移动出行数据进行细粒度的城市交通结构研究,取得以下成果:1.针对细粒度的交通结构挖掘,提出一种多源异构数据融合模型,考虑多源异构数据的关联特性,对多数据源挖掘的知识进行融合,保证交通结构构建的完整性和准确性。首先,针对城市交通区域划分,考虑用户出行需求,提出一种基于联合交叉网格的近邻传播聚类算法,对用户出行数据进行聚类获取城市交通区域。其次,为获取缺失的采用步行、骑车和私家车的出行数据,针对连续GPS轨迹数据提出一种数据驱动的基于堆栈式自编码器的交通方式... 

【文章页数】：112 页

【学位级别】：博士

【部分图文】：

图３－１基于联合交叉网格互补的ＡＰ聚类算法过程??针对第三次ＡＰ聚类过程，聚类的数据是前两次聚类得到的类代表点，假设得到??

图３－３停驻点检测算法??

图３－４基于ＧＰＳ轨迹的基本特征计算??

【参考文献】：
期刊论文
[1]基于OPTICS聚类的差分隐私保护算法的改进[J]. 王红,葛丽娜,王苏青,王丽颖,张翼鹏,梁竣程.  计算机应用. 2018(01)
[2]城市交通结构演变关键影响因素筛选[J]. 裴玉龙,巴俊颍.  交通科学与工程. 2017(01)
[3]基于路网可达性的交通控制子区划分方法研究[J]. 马旭辉,滑亚飞,何忠贺.  计算机工程与应用. 2017(17)
[4]面向大规模数据的快速多代表点仿射传播算法[J]. 刘季,陈秀宏,杭文龙.  计算机科学与探索. 2016(02)
[5]车联网体系结构及其关键技术[J]. 李静林,刘志晗,杨放春.  北京邮电大学学报. 2014(06)
[6]车联网综述(英文)[J]. 杨放春,王尚广,李静林,刘志晗,孙其博.  中国通信. 2014(10)
[7]移动数据的交通出行方式识别方法[J]. 肖艳丽,张振宇,杨文忠.  智能系统学报. 2014(05)
[8]居民交通方式选择行为影响因素分析[J]. 郑雪琳,干宏程.  上海理工大学学报. 2013(06)
[9]基于出租车GPS数据的南京市交通小区的划分[J]. 蔡毅.  科技创新导报. 2013(23)
[10]基于改进时空Moran’s I指数的道路交通状态特征分析[J]. 陈绍宽,韦伟,毛保华,关伟.  物理学报. 2013(14)

博士论文
[1]城市交通结构优化机理与方法研究[D]. 崔红建.长安大学 2010
[2]基于系统动力学的大城市交通结构演变机理及实证研究[D]. 刘爽.北京交通大学 2009

硕士论文
[1]基于关键交叉口的城市道路交通小区划分方法研究[D]. 刘虎.吉林大学 2017
[2]基于系统动力学的城市交通方式结构演变研究[D]. 戚静.西南交通大学 2012
[3]大城市客运交通方式结构预测[D]. 王健.东南大学 2006



本文编号：3711025