轨迹大数据下城市异常移动模式研究及可视化
发布时间：2021-11-27 23:07
随着轨迹数据的不断积累,城市中人群移动模式的研究逐渐成为了近年来的热点问题。它对于城市规划、土地利用、城市交通管理等领域有着非常重要的应用价值。城市中人群移动模式研究主要包括城市功能区识别和人群移动模式分析两大部分。城市功能区分区方法和城市功能区语义功能识别是功城市能区识别中的重要组成部分。传统的城市功能区分区方法并没有考虑“兴趣点”（Point of Interest,简称POI）在城市中的空间分布,从而导致了传统功能区分区方法的不足。城市中人群移动模式的异常检测是人群移动模式分析中非常重要的问题之一。现有的人群移动模式的异常检测方法只能够判定一种人群移动模式是否为异常。然而,城市中的人群移动模式可能存在有多种不同的模式。因此,现有人群移动模式的异常检测方法存在局限性。本文的主要研究内容是城市功能区识别人群移动模式的异常检测。为克服传统城市功能区分区方法的不足,本文提出了两种功能区分区方法,名为“密度聚类法”和“泰森多边形法”。“密度聚类法”是通过基于密度的聚类算法对城市中的POI进行聚类,并根据每个聚类中POI的范围来生成城市功能区的几何边界;“泰森多边形法”是基于城市中的公交车站...
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
图1.两种不同形态的POI分布
最小邻域半径为 x 的核心距离。其数学定 =UNDEFINED, 若 Nεx < Minptsd x,NεMx , 若 Nεx ≥ Minpts集合Nε(t)中与节点 x 第 i 临近的节点，如为核心点，则有 cd x ≤ ε。离（reachability-distance）[38]。设 x,y ∈ X离定义为:UNDEFINED, 若 Nε(x) < Minptsmax cd x ,d x,y , 若 Nε(x) ≥ Minpts核心距离与可达距离的概念。其中，内层虚线的圆的半径为点 o 与 p2 的可达距离。
图 3. 可达距离有序列表和显式聚类的关系 3 所示，横轴表示的样本点的索引顺序，纵轴则表示每个样本点所对应图中凹陷的区间对应于样本空间中较为密集的部分。基于该有序列表，数设置的不同，我们可以从中提取出不同的显式聚类。我们提到有三种生成显式聚类的方法，本文采用距离切断法，下面我们这种生成显式聚类的方法。该方法首先需要设置一个邻域半径ε'(ε'≤ 距离有序列表中，每一个样本点与其后面的样本点的可达距离是最小的一个样本点开始，在其后样本点的可达距离小于我们所设置的邻域半径点为核心点时，则将这两个样本点归为同一个簇中。而当某一个点的可'时，则将该点归为一个新的簇中，重复上述步骤直至所有样本点被归为集中。提取聚类的算法伪代码如算法 1 所示：
【参考文献】：
期刊论文
[1]基于居民出行特征的北京城市功能区识别与空间交互研究[J]. 陈泽东,谯博文,张晶. 地球信息科学学报. 2018(03)
[2]基于潜在语义信息的城市功能区识别——广州市浮动车GPS时空数据挖掘[J]. 陈世莉,陶海燕,李旭亮,卓莉. 地理学报. 2016(03)
[3]基于GIS空间分析的泉州市居民点分布特征研究[J]. 陈小瑜,谈晖. 科技和产业. 2015(11)
[4]大规模出租车起止点数据可视分析[J]. 姜晓睿,郑春益,蒋莉,梁荣华. 计算机辅助设计与图形学学报. 2015(10)
[5]基于泰森多边形法的庆阳市面雨量计算[J]. 龙胤慧,廖梓龙. 河北工程大学学报(自然科学版). 2012(03)
硕士论文
[1]城市公共交通线路站点优化设计研究[D]. 许启冬.西安建筑科技大学 2008
本文编号：3523219
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
图1.两种不同形态的POI分布
最小邻域半径为 x 的核心距离。其数学定 =UNDEFINED, 若 Nεx < Minptsd x,NεMx , 若 Nεx ≥ Minpts集合Nε(t)中与节点 x 第 i 临近的节点，如为核心点，则有 cd x ≤ ε。离（reachability-distance）[38]。设 x,y ∈ X离定义为:UNDEFINED, 若 Nε(x) < Minptsmax cd x ,d x,y , 若 Nε(x) ≥ Minpts核心距离与可达距离的概念。其中，内层虚线的圆的半径为点 o 与 p2 的可达距离。
图 3. 可达距离有序列表和显式聚类的关系 3 所示，横轴表示的样本点的索引顺序，纵轴则表示每个样本点所对应图中凹陷的区间对应于样本空间中较为密集的部分。基于该有序列表，数设置的不同，我们可以从中提取出不同的显式聚类。我们提到有三种生成显式聚类的方法，本文采用距离切断法，下面我们这种生成显式聚类的方法。该方法首先需要设置一个邻域半径ε'(ε'≤ 距离有序列表中，每一个样本点与其后面的样本点的可达距离是最小的一个样本点开始，在其后样本点的可达距离小于我们所设置的邻域半径点为核心点时，则将这两个样本点归为同一个簇中。而当某一个点的可'时，则将该点归为一个新的簇中，重复上述步骤直至所有样本点被归为集中。提取聚类的算法伪代码如算法 1 所示：
【参考文献】：
期刊论文
[1]基于居民出行特征的北京城市功能区识别与空间交互研究[J]. 陈泽东,谯博文,张晶. 地球信息科学学报. 2018(03)
[2]基于潜在语义信息的城市功能区识别——广州市浮动车GPS时空数据挖掘[J]. 陈世莉,陶海燕,李旭亮,卓莉. 地理学报. 2016(03)
[3]基于GIS空间分析的泉州市居民点分布特征研究[J]. 陈小瑜,谈晖. 科技和产业. 2015(11)
[4]大规模出租车起止点数据可视分析[J]. 姜晓睿,郑春益,蒋莉,梁荣华. 计算机辅助设计与图形学学报. 2015(10)
[5]基于泰森多边形法的庆阳市面雨量计算[J]. 龙胤慧,廖梓龙. 河北工程大学学报(自然科学版). 2012(03)
硕士论文
[1]城市公共交通线路站点优化设计研究[D]. 许启冬.西安建筑科技大学 2008
本文编号：3523219
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3523219.html
