基于轨迹大数据的交通拥堵分析研究

发布时间：2023-06-17 22:16

　　随着社会经济的快速发展,城市车辆急剧增多,交通压力也越来越大。目前现有的交通承载力和运营能力已无法满足人们对于稀缺的土地资源和交通资源不断膨胀的需要,从而带来了严重的城市病,各大城市都呈现出不同程度上的拥堵。交通拥堵不仅会阻碍人们的出行,加剧社会矛盾,而且还将引发城市空气污染,进而引发一系列的生态问题。交通拥挤也导致了事故的增多,事故增多又加剧了拥挤,并且全国每年由于交通拥堵造成的经济损失十分巨大。如何解决城市交通问题成为现代智慧城市研究的重点。在物联网、信息技术和定位技术高速发展的背景下,轨迹数据无时无刻不在高速增长。如何从这些轨迹数据中挖掘和获取出有用的信息,寻找区域路段热点,发现城市交通拥堵原因,缓解日益繁重的交通压力成为智慧城市发展中亟待解决的问题。本文通过研究交通轨迹数据的特性,改进聚类算法,研究轨迹数据聚类算法以及对拥堵点计算方法的构建,实现对城市交通拥堵点的发现,本文主要工作包括:(1)提出基于网格质心的数据集合聚类簇数发现算法,可以有效的发现一个数据集合的类簇数。针对目前K-means聚类算法(包含K-means改进算法)在聚类算法开始前需要确定聚类簇个数以及随机选取初...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 引言
    §1.1 研究背景及意义
    §1.2 国内外研究现状
        §1.2.1 轨迹聚类研究现状
        §1.2.2 交通拥堵研究现状
    §1.3 本文主要工作
    §1.4 论文组织及结构
第二章 相关知识
    §2.1 轨迹数据处理
        §2.1.1 数据清洗
        §2.1.2 停留点检测
        §2.1.3 地图匹配
        §2.1.4 大数据处理工具—Spark
    §2.2 聚类算法
        §2.2.1 密度聚类
        §2.2.2 网格聚类
        §2.2.3 基于划分聚类
        §2.2.4 基于层次聚类
    §2.3 轨迹数据挖掘
    §2.4 交通拥堵分析
    §2.5 本章小结
第三章 基于网格的K-means并行聚类算法
    §3.1 算法设计概述
    §3.2 基于网格的K-means并行聚类算法
        §3.2.1 Spark并行化
        §3.2.2 基于网格质心的数据集合类簇数确定算法
        §3.2.3 基于网格密度的距离权值
        §3.2.4 网格单元长度划分
        §3.2.5 基于网格的K-means聚类
    §3.3 本章小结
第四章 基于网格聚类的交通拥堵点及拥堵区域的发现
    §4.1 基于网格密度的城市路网轨迹聚类
        §4.1.1 实验数据介绍及处理
        §4.1.2 地图匹配
        §4.1.3 基于网格密度的城市路网轨迹聚类算法
    §4.2 交通拥堵点及拥堵路段的发现
        §4.2.1 算法设计概述
        §4.2.2 交通拥堵点发现流程
        §4.2.3 轨迹点的网格划分
        §4.2.4 拥堵点计算
        §4.2.5 特殊路口的拥堵点计算
        §4.2.6 交通拥堵区域发现
    §4.3 本章小结
第五章 测试与分析
    §5.1 聚类算法性能测试
        §5.1.1 实验环境
        §5.1.2 基于网格质心的数据集合类簇数确定算法
        §5.1.3 基于网格的K-means并行聚类算法
    §5.2 基于网格密度的城市路网轨迹聚类算法
        §5.2.1 基于网格密度的城市路网轨迹聚类
        §5.2.2 交通拥堵点及拥堵区域的发现
    §5.3 本章小结
第六章 总结与展望
    §6.1 工作总结
    §6.2 下一步工作
参考文献
致谢
作者在攻读硕士期间的主要研究成果



本文编号：3834244