面向广义交通流的聚类算法研究及应用
发布时间：2021-05-18 21:51
随着交通信息获取手段的更新,交通流数据越发丰富,为研究城市居民出行规律的发掘提供了新的视角和思路,轨迹数据的广泛应用也为广义交通流研究注入了新活力。面对城市交通需求的多样性、交通网络的复杂性、交通行为的协同性,我们越发地认识到交通流时空模式挖掘在“人-车-路-地”耦合的复杂交通系统研究中的重要性。本文以北京市交通运行指数和出租车OD流为例,以时间维度下宏观交通流短时预测和空间维度下微观交通流模式挖掘为落脚点,分别开展了基于聚类的交通运行指数短时预测和OD流空间聚类算法的相关应用研究,提出了两套基于聚类的交通流分析方法:1)一种顾及时间衰减因子的模式序列匹配预测算法。通过聚类算法识别交通流拥堵模式,并基于交通流模式的时间相关性与序列邻近关系实现动态预测。本文将该方法用于北京市全路网交通运行指数短时预测,预测精度优于基线模型,且具有可解释性。2)一种基于向量约束的OD流聚类算法。通过定义OD流事件点和OD流向量来表达OD流的高维特征,利用两步聚类实现OD数据在流空间上的模式挖掘。本文将该方法用于北京市出租车OD流模式识别,利用该方法得到了新的交通流社区及具有代表性流动趋势的不规则形状交通流...
【文章来源】：北京建筑大学北京市
【文章页数】：55 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 短时交通流预测研究现状
1.2.2 基于轨迹数据的交通流研究现状
1.2.3 聚类在交通流分析上的应用现状
1.3 研究内容
1.3.1 基于聚类的交通运行指数短时预测
1.3.2 出租车OD流的空间模式挖掘
1.4 论文框架
第2章 相关研究
2.1 广义交通流
2.1.1 广义交通流概述
2.1.2 交通运行指数
2.1.3 出租车OD流
2.1.4 研究对象小结
2.2 模式序列匹配算法
2.2.1 模式发现
2.2.2 匹配预测
2.3 OD流聚类算法
第3章 基于改进模式序列匹配的交通运行指数预测研究
3.1 顾及时间衰减因子的改进模式序列匹配算法
3.2 实验与分析
3.2.1 数据预处理
3.2.2 交通运行指数模式聚类
3.2.3 确定匹配搜索窗口大小
3.2.4 对比分析
3.3 本章小结
第4章 基于向量约束的交通OD流聚类算法研究
4.1 基于向量约束的OD流聚类算法
4.1.1 定义
4.1.2 参数
4.1.3 聚类过程
4.2 实验与分析
4.2.1 基于几何约束的出租车OD流聚类
4.2.2 出租车OD流聚类空间簇分析
4.2.3 出租车OD流聚类几何簇分析
4.3 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]地理流的空间模式：概念与分类[J]. 裴韬,舒华,郭思慧,宋辞,陈洁,刘亚溪,王席. 地球信息科学学报. 2020(01)
[2]基于改进模式序列匹配的交通运行指数预测研究[J]. 郭小刚,张健钦,卢剑,陆浩,李卓航. 北京建筑大学学报. 2019(04)
[3]出租车轨迹数据挖掘进展[J]. 吴华意,黄蕊,游兰,向隆刚. 测绘学报. 2019(11)
[4]短时交通流预测模型综述[J]. 赵宏,翟冬梅,石朝辉. 都市快轨交通. 2019(04)
[5]K-means算法聚类中心选取[J]. 张朝,郭秀娟,张坤鹏. 吉林大学学报(信息科学版). 2019(04)
[6]基于K-means的手肘法自动获取K值方法研究[J]. 吴广建,章剑林,袁丁. 软件. 2019(05)
[7]一种出租车载客轨迹空间聚类方法[J]. 杨树亮,毕硕本,Nkunzimana A,黄铜,万蕾. 计算机工程与应用. 2018(14)
[8]尺度驱动的空间聚类理论[J]. 李志林,刘启亮,唐建波. 测绘学报. 2017(10)
[9]北京对外交通枢纽乘客OD时空分布特征[J]. 杨格格,宋辞,裴韬,周成虎,舒华,张加. 地球信息科学学报. 2016(10)
[10]我国大城市交通拥堵特征与国际治理经验借鉴探讨[J]. 赵鹏军,万海荣. 世界地理研究. 2016(05)
硕士论文
[1]电力价格短期预测方法研究[D]. 邱怀志.哈尔滨工业大学 2017
[2]基于交通拥堵指数的交通拥堵模式聚类分析[D]. 刘思宁.北京交通大学 2016
本文编号：3194542
【文章来源】：北京建筑大学北京市
【文章页数】：55 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 短时交通流预测研究现状
1.2.2 基于轨迹数据的交通流研究现状
1.2.3 聚类在交通流分析上的应用现状
1.3 研究内容
1.3.1 基于聚类的交通运行指数短时预测
1.3.2 出租车OD流的空间模式挖掘
1.4 论文框架
第2章 相关研究
2.1 广义交通流
2.1.1 广义交通流概述
2.1.2 交通运行指数
2.1.3 出租车OD流
2.1.4 研究对象小结
2.2 模式序列匹配算法
2.2.1 模式发现
2.2.2 匹配预测
2.3 OD流聚类算法
第3章 基于改进模式序列匹配的交通运行指数预测研究
3.1 顾及时间衰减因子的改进模式序列匹配算法
3.2 实验与分析
3.2.1 数据预处理
3.2.2 交通运行指数模式聚类
3.2.3 确定匹配搜索窗口大小
3.2.4 对比分析
3.3 本章小结
第4章 基于向量约束的交通OD流聚类算法研究
4.1 基于向量约束的OD流聚类算法
4.1.1 定义
4.1.2 参数
4.1.3 聚类过程
4.2 实验与分析
4.2.1 基于几何约束的出租车OD流聚类
4.2.2 出租车OD流聚类空间簇分析
4.2.3 出租车OD流聚类几何簇分析
4.3 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]地理流的空间模式：概念与分类[J]. 裴韬,舒华,郭思慧,宋辞,陈洁,刘亚溪,王席. 地球信息科学学报. 2020(01)
[2]基于改进模式序列匹配的交通运行指数预测研究[J]. 郭小刚,张健钦,卢剑,陆浩,李卓航. 北京建筑大学学报. 2019(04)
[3]出租车轨迹数据挖掘进展[J]. 吴华意,黄蕊,游兰,向隆刚. 测绘学报. 2019(11)
[4]短时交通流预测模型综述[J]. 赵宏,翟冬梅,石朝辉. 都市快轨交通. 2019(04)
[5]K-means算法聚类中心选取[J]. 张朝,郭秀娟,张坤鹏. 吉林大学学报(信息科学版). 2019(04)
[6]基于K-means的手肘法自动获取K值方法研究[J]. 吴广建,章剑林,袁丁. 软件. 2019(05)
[7]一种出租车载客轨迹空间聚类方法[J]. 杨树亮,毕硕本,Nkunzimana A,黄铜,万蕾. 计算机工程与应用. 2018(14)
[8]尺度驱动的空间聚类理论[J]. 李志林,刘启亮,唐建波. 测绘学报. 2017(10)
[9]北京对外交通枢纽乘客OD时空分布特征[J]. 杨格格,宋辞,裴韬,周成虎,舒华,张加. 地球信息科学学报. 2016(10)
[10]我国大城市交通拥堵特征与国际治理经验借鉴探讨[J]. 赵鹏军,万海荣. 世界地理研究. 2016(05)
硕士论文
[1]电力价格短期预测方法研究[D]. 邱怀志.哈尔滨工业大学 2017
[2]基于交通拥堵指数的交通拥堵模式聚类分析[D]. 刘思宁.北京交通大学 2016
本文编号：3194542
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3194542.html
