基于GPS数据的个体出行方式识别方法研究

发布时间：2024-04-26 21:12

　　我国的经济建设与工业化发展极大的推动了城市化的进程,同时对城市的管理能力提出更高的要求。城市版图的扩张、常住人口的增长带来更多的机动车数量,因此引发的交通拥堵、环境污染等问题是城市交通系统面临的严峻挑战。居民的出行信息决定了城市交通的需求。对居民的出行行为信息进行归纳分析,研究居民出行的特征与规律,可以为城市规划、道路布局、交通法规制定等城市交通系统的重要应用提供决策支持。传统的居民出行行为信息获取途径主要是基于人工采集的方法,数据质量无法得到保证。近年来随着GPS设备的完善普及,产生的大规模GPS数据为出行行为信息的获取提供了新的解决方案。当前,一些研究依靠获取GPS以外的数据进行辅助识别,如加速度计和陀螺仪传感器数据或GIS信息数据。但这些数据并不能保证在每个应用场景下都有获取的途径;同时,一些研究通过标签文件先找到出行方式变化点,然后把轨迹分为若干单出行方式段。这是对出行方式识别问题的变相简化。本文基于原始的GPS数据,提出固定长度阈值的轨迹分段方法,构造包含全局特征和点特征的72维的特征向量,设计了基于集成学习的出行方式识别模型。本文的研究内容包括:(1)GPS轨迹数据的特征提...

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图1-1.论文主要研究内容与章节安排Fig1-1.Themaincontentandchapterarrangementofthispaper第2章为本文涉及的相关理论与方法

第1章绪论51.4主要研究内容与技术路线1.4.1研究主要内容本文结构上分为四个章节。各章的主要内容安排和各章关系如图1-1所示。图1-1.论文主要研究内容与章节安排Fig1-1.Themaincontentandchapterarrangementofthispaper第2章为....

图1-2.论文整体框架技术路线示意图

第1章绪论6构建过程与最佳参数设置。最后对本文采取的深度森林模型取得的结果与另外三个模型的结果进行对比分析。论文的最后是对本文的结论与对未来工作方向的展望。全面回顾了论文的主要工作和贡献，对本文进行归纳总结，并展望未来工作的方向，探讨了实现的可行性。1.4.2技术路线图1-2.论....

图2-1.集成学习模型基本工作原理示意图

?嬖蚨宰罴鸦?质粜越?醒≡瘛?2.1.2集成学习集成学习[37]（ensemblelearning）通过构建多个分类器来完成学习任务。集成学习的结构如下图2-1所示，一般是通过策略将一组“个体学习器”（individuallearner）结合起来。个体学习器由现有算法在训练集上训....

图2-2支持向量与间隔[42]

第2章相关理论与方法12图2-2支持向量与间隔[42]Fig.2-2IllustrationofSupportVectorandMargin由上式（2-9）可知，γ的最大化，等价于1ω最大化，即最小化2ω。由此得到支持向量机(SupportVectorMachine)的基本型：2....

本文编号：3964883