基于移动数据的驻留点识别与出行轨迹提取

发布时间：2023-02-28 20:10

　　随着当前智能手机、智能手表、智能行车记录仪等移动通讯设备的普及,通信运营商积累了海量的移动位置数据资源,能够为“智慧交通”建设提供详实有力的数据支撑。考虑到实际人员出行时间、次数随机,出行方式多样,存在换乘、往返等复杂情况,在根据移动位置数据研究城市居民出行特征时,首先需要识别用户轨迹中的驻留点;然后根据驻留点将轨迹划分成模式单一的出行链;最后逐段将出行定位轨迹匹配到对应行驶路段上,完成地图匹配。为识别用户轨迹中的驻留点,本文首先对运营商提供的志愿者数据进行预处理,识别并消除轨迹震荡现象,得到准确的位置信息;然后在密度峰值快速聚类(Clustering by Fast Search and Find of Density Peaks,CFSFDP)算法的基础上显式地增加对时间维度限制,将局部密度由二维扩展到三维,同时提出高密度时间间隔的概念,引入聚类中心权值,制定筛选策略以自动地选取聚类中心;最后识别出一段时间内用户出行轨迹中的驻留点,完成出行链的划分。实验结果表明,所提算法适用于采样密度低且定位精度较差的移动位置数据,相比CFSFDP算法更加适用于时空数据,相比基于密度的时空聚类算法...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 驻留点识别研究现状
        1.2.2 地图匹配算法研究现状
    1.3 论文课题的研究目标与内容
    1.4 论文的结构安排
第2章 相关理论与技术
    2.1 移动信令数据概述
        2.1.1 信令分类与数据内容
        2.1.2 移动数据的应用
        2.1.3 基站定位技术
        2.1.4 移动数据中的定位误差分析
    2.2 聚类算法理论概述
        2.2.1 聚类算法分类
        2.2.2 DBSCAN算法
        2.2.3 ST-DBSAN算法
        2.2.4 CFSFDP算法介绍
    2.3 路网数据概述
    2.4 地图匹配算法介绍
        2.4.1 基于道路几何的地图匹配算法
        2.4.2 基于路网拓扑结构的地图匹配算法
        2.4.3 基于概率模型的地图匹配算法
    2.5 隐马尔可夫模型概述
    2.6 本章小结
第3章 轨迹驻留点识别方法研究
    3.1 驻留点识别需求分析与方案设计
    3.2 基于时间窗的震荡轨迹检测与修正方法
        3.2.1 震荡轨迹检测方法
        3.2.2 修正震荡轨迹数据
    3.3 基于CFSFDP算法的时空聚算法
    3.4 轨迹驻留点识别结果与验证分析
        3.4.1 模型验证指标
        3.4.2 驻留点识别结果对比分析
        3.4.3 聚类算法复杂度对比分析
    3.5 本章小结
第4章 基于隐马尔可夫模型的信令轨迹地图匹配算法研究
    4.1 地图匹配需求分析与方法设计
    4.2 基于拓扑的信令轨迹填充方法
        4.2.1 基站与路网信息数据库的建立
        4.2.2 基站定位点的插值填充
    4.3 基于隐马尔可夫模型的地图匹配算法
        4.3.1 候选路段搜索
        4.3.2 发射概率计算
        4.3.3 转移概率计算
        4.3.4 维特比算法求解
    4.4 地图匹配算法结果与验证分析
        4.4.1 地图匹配结果可视化
        4.4.2 地图匹配算法对比
    4.5 本章小结
第5章 总结与展望
    5.1 论文工作总结
    5.2 未来工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3751759