居民出行热点路径及区域发现系统的设计与实现
发布时间：2021-08-03 18:06
近年来,随着GPS设备、无线通信与卫星等技术的快速发展以及移动互联网的广泛应用,越来越多的轨迹数据可以很方便的获取。同时,这些数据又蕴含着大量的有用信息,从而可以有效的映射出人的出行信息、活动规律等,因此怎样利用新的技术有效的挖掘轨迹数据蕴藏的知识一直是研究人员进一步研究的方向。本课题的主要目的是以北京市为例,分析用户出行热点路径及区域的分布情况。即通过统计分析城市中居民的轨迹数据,参考其密度与时间因素,从轨迹数据中提取经度、纬度和时间信息等关键字段,从而确定用户在城市中有效的停留位置,进而识别用户出行的路径以及区域,从中挖掘出特定时空环境下人群的变化规律。同时,在数据规模不断变大的环境下,针对已有的热点路径及区域识别处理存在效率低下的情况,使用基于K-D Tree索引结构和Spark GraphX的DBSCAN聚类算法处理数据。本系统以移动互联网用户位置轨迹数据为源数据,将数据清洗分为了两个步骤进行,首先将出现在数据中的空值和重复值等看作常规的脏数据,然后针对基站数据中专有的乒乓数据,分析了其成因并采取改进的滑动窗口方法对其进行处理。由于轨迹数据为时空数据,因此针对这一特性设计使用了...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
轨迹大数据处理关键技术基于事件触发采样是指当传感器被移动对象触发（例如通话、连接WIFI热点等）后，其时间和位置等信息就被记录了下来，因而产生了大量的通话数据、WIFI数据等
基于事件触发采样轨迹数据示意图
图 2-3 位置数据和停留点示意图方法分析于测量数据对象之间的相互相似性客观地来划分数为子集（即簇），这样任何簇中的对象都与其内部对象不同。在对轨迹的聚类分析中，由于大多数移因此其轨迹就会很长很复杂，大多数轨迹中只有某果将移动对象的整条轨迹聚类，那么不同移动对象由图 2-4 中的 5 条轨迹可以清楚地看到，在虚线矩迹，即图中粗箭头表示的部分。如果将这些轨迹作法发现这个相似的部分，因为他们朝着完全不同的条路径不能被发现。郑宇等人提出的解决方案是将，然后将相似的轨迹段聚类在同一簇内[38]，如图 于移动轨迹聚类的研究工作中，K-Means、OPTIC都已经被成功的使用了很多次，并得到了相关的能够发现含有噪声数据的非球状的簇，而且事先不
【参考文献】：
期刊论文
[1]基于移动信令数据的城市热点识别方法[J]. 彭大芹,罗裕枫,江德潮,刘艳林. 重庆邮电大学学报(自然科学版). 2019(01)
[2]KDSG-DBSCAN:一种基于K-D Tree和Spark GraphX的高性能DBSCAN算法[J]. 高旭,桂志鹏,隆玺,栗法,吴华意,秦昆. 地理与地理信息科学. 2017(06)
[3]基于出租车轨迹数据的最优路径规划方法[J]. 戚欣,梁伟涛,马勇. 计算机应用. 2017(07)
[4]支持语义信息挖掘的热点路径探测[J]. 滕巧爽,秘金钟,孙尚宇. 导航定位学报. 2017(02)
[5]停留点空间聚类在景区热点分析中的应用[J]. 张文元,谈国新,朱相舟. 计算机工程与应用. 2018(04)
[6]城市手机用户移动轨迹时空熵特征分析[J]. 康朝贵,刘瑜,邬伦. 武汉大学学报(信息科学版). 2017(01)
[7]Spark平台上基于K-Means算法的热点路径发现方法研究[J]. 崔艳超,周刚. 信息工程大学学报. 2016(06)
[8]轨迹大数据:数据处理关键技术研究综述[J]. 高强,张凤荔,王瑞锦,周帆. 软件学报. 2017(04)
[9]基于网格聚类的热点路径探测[J]. 吴俊伟,朱云龙,库涛,王亮. 吉林大学学报(工学版). 2015(01)
[10]人类活动轨迹的分类、模式和应用研究综述[J]. 李婷,裴韬,袁烨城,宋辞,王维一,杨格格. 地理科学进展. 2014(07)
博士论文
[1]基于轨迹聚类的城市热点区域提取与分析方法研究[D]. 赵鹏祥.武汉大学 2015
硕士论文
[1]基于轨迹聚类的交通热点分析[D]. 程智源.电子科技大学 2018
[2]基于时空数据场与复杂网络的城市热点提取及动态演化研究[D]. 周勍.武汉大学 2017
[3]基于轨迹和POI数据的热点区域实时预测[D]. 孙瑞.吉林大学 2017
[4]基于出租车轨迹的居民出行热点路径和区域挖掘[D]. 冯琦森.重庆大学 2016
[5]基于大数据Hadoop平台的出租车载客热点区域挖掘研究[D]. 王郑委.北京交通大学 2016
[6]基于出租车轨迹点的居民出行热点区域与时空特征研究[D]. 马云飞.南京师范大学 2014
[7]基于GPS数据的出租车载客点空间特征分析[D]. 祁文田.吉林大学 2013
本文编号：3320083
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
轨迹大数据处理关键技术基于事件触发采样是指当传感器被移动对象触发（例如通话、连接WIFI热点等）后，其时间和位置等信息就被记录了下来，因而产生了大量的通话数据、WIFI数据等
基于事件触发采样轨迹数据示意图
图 2-3 位置数据和停留点示意图方法分析于测量数据对象之间的相互相似性客观地来划分数为子集（即簇），这样任何簇中的对象都与其内部对象不同。在对轨迹的聚类分析中，由于大多数移因此其轨迹就会很长很复杂，大多数轨迹中只有某果将移动对象的整条轨迹聚类，那么不同移动对象由图 2-4 中的 5 条轨迹可以清楚地看到，在虚线矩迹，即图中粗箭头表示的部分。如果将这些轨迹作法发现这个相似的部分，因为他们朝着完全不同的条路径不能被发现。郑宇等人提出的解决方案是将，然后将相似的轨迹段聚类在同一簇内[38]，如图 于移动轨迹聚类的研究工作中，K-Means、OPTIC都已经被成功的使用了很多次，并得到了相关的能够发现含有噪声数据的非球状的簇，而且事先不
【参考文献】：
期刊论文
[1]基于移动信令数据的城市热点识别方法[J]. 彭大芹,罗裕枫,江德潮,刘艳林. 重庆邮电大学学报(自然科学版). 2019(01)
[2]KDSG-DBSCAN:一种基于K-D Tree和Spark GraphX的高性能DBSCAN算法[J]. 高旭,桂志鹏,隆玺,栗法,吴华意,秦昆. 地理与地理信息科学. 2017(06)
[3]基于出租车轨迹数据的最优路径规划方法[J]. 戚欣,梁伟涛,马勇. 计算机应用. 2017(07)
[4]支持语义信息挖掘的热点路径探测[J]. 滕巧爽,秘金钟,孙尚宇. 导航定位学报. 2017(02)
[5]停留点空间聚类在景区热点分析中的应用[J]. 张文元,谈国新,朱相舟. 计算机工程与应用. 2018(04)
[6]城市手机用户移动轨迹时空熵特征分析[J]. 康朝贵,刘瑜,邬伦. 武汉大学学报(信息科学版). 2017(01)
[7]Spark平台上基于K-Means算法的热点路径发现方法研究[J]. 崔艳超,周刚. 信息工程大学学报. 2016(06)
[8]轨迹大数据:数据处理关键技术研究综述[J]. 高强,张凤荔,王瑞锦,周帆. 软件学报. 2017(04)
[9]基于网格聚类的热点路径探测[J]. 吴俊伟,朱云龙,库涛,王亮. 吉林大学学报(工学版). 2015(01)
[10]人类活动轨迹的分类、模式和应用研究综述[J]. 李婷,裴韬,袁烨城,宋辞,王维一,杨格格. 地理科学进展. 2014(07)
博士论文
[1]基于轨迹聚类的城市热点区域提取与分析方法研究[D]. 赵鹏祥.武汉大学 2015
硕士论文
[1]基于轨迹聚类的交通热点分析[D]. 程智源.电子科技大学 2018
[2]基于时空数据场与复杂网络的城市热点提取及动态演化研究[D]. 周勍.武汉大学 2017
[3]基于轨迹和POI数据的热点区域实时预测[D]. 孙瑞.吉林大学 2017
[4]基于出租车轨迹的居民出行热点路径和区域挖掘[D]. 冯琦森.重庆大学 2016
[5]基于大数据Hadoop平台的出租车载客热点区域挖掘研究[D]. 王郑委.北京交通大学 2016
[6]基于出租车轨迹点的居民出行热点区域与时空特征研究[D]. 马云飞.南京师范大学 2014
[7]基于GPS数据的出租车载客点空间特征分析[D]. 祁文田.吉林大学 2013
本文编号：3320083
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3320083.html
