基于Cell-ID定位数据的居民职住地识别与通勤轨迹提取技术研究

发布时间：2025-02-07 19:14

　　城市居民的职住地分布与通勤路线挖掘一直是城市研究中的热点问题,在许多领域如交通流分析,城市规划、出行特征分析和路径推荐中具有重要意义。在传统的城市研究中,居民职住地分布数据的主要来源是问卷调查。然而,大规模问卷调查存在耗时长、数据获取成本高、调查准确度受到受访者配合度影响大等问题。随着交通信息化建设的逐步推进,越来越多的信息采集设备可以为城市研究提供数据来源。目前手机的迅速普及、数据挖掘和大规模计算技术的不断发展和成熟,使得移动蜂窝网络成为分析城市居民出行特征的理想探测器。本文通过对Cell-ID定位数据进行清洗、聚类,然后提取出居民职住地、恢复居民的通勤轨迹信息。本文的研究工作主要包含三部分内容。首先,针对Cell-ID定位数据的采样特征及误差特征进行分析,对无效冗余数据和噪声数据进行清洗;其次,针对现有蜂窝网络所提供的Cell-ID定位数据较低采样率和定位不精确的问题,提出一种基于多天数据的两步聚类算法,利用人们出行的规律性采用DBSCAN算法聚类出用户的重要停留位置,随后提取特征后对所有用户的重要停留位置使用模糊C-Means算法进行再次聚类,从而完成居民职住地的识别,以实际的基站...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 居民职住地分布信息获取
        1.2.2 轨迹聚类
        1.2.3 轨迹融合
    1.3 本文的主要内容和章节安排
        1.3.1 本文的主要内容
        1.3.2 论文的章节安排
第2章 Cell-ID定位数据认识及预处理
    2.1 Cell-ID定位数据认识
        2.1.1 手机信令数据分类
        2.1.2 Cell-ID定位技术
    2.2 原始Cell-ID定位数据特征
        2.2.1 数据源概述
        2.2.2 基站分布特征
        2.2.3 定位误差特征
        2.2.4 数据采样特征
    2.3 Cell-ID定位数据预处理
        2.3.1 无效数据清洗
        2.3.2 漂移数据清洗
    2.4 实验与结果分析
    2.5 本章小结
第3章 基于两步聚类的职住地识别算法
    3.1 基于两步聚类的职住地识别算法概述
    3.2 识别算法
        3.2.1 停留点识别
        3.2.2 用户重要停留位置提取
        3.2.3 职住地识别
    3.3 实验结果与分析
        3.3.1 职住地识别结果
        3.3.2 分区人口占比验证
    3.4 本章小结
第4章 代表性通勤轨迹提取
    4.1 引言
    4.2 CATC算法介绍
        4.2.1 CATS
        4.2.2 CATC
    4.3 代表性通勤轨迹提取算法
        4.3.1 获得轨迹相似度矩阵
        4.3.2 改进CATC的轨迹聚类算法
        4.3.3 轨迹融合
    4.4 实验与分析
        4.4.1 实验环境与数据集
        4.4.2 轨迹聚类
        4.4.3 轨迹融合
    4.5 本章小结
第5章 城市通勤空间特征分析
    5.1 居民通勤距离分布
    5.2 区域通勤流
    5.3 城市区域通勤特征
    5.4 本章小结
结论
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果



本文编号：4031173