面向交通OD流的人群移动模式挖掘及其可视化方法研究

发布时间：2024-03-03 18:21

　　近年来随着无线传感器技术、通信技术和定位技术的发展,可以获取到大量的交通OD流数据。这些交通OD流数据中蕴含了移动对象的通勤规律和行为模式,对其进行模式挖掘与分析可为城市道路规划、公共交通优化、城市功能区划分等提供智能的信息化服务和决策支持。关于交通OD流数据的地理空间交互研究受到国内外学者的高度重视,并取得了大量的研究成果。然而,仍然面临一些问题,例如由于交通OD流数据量大,结构相对较为复杂,导致现有的挖掘算法时间复杂度高,有效性低,且很难完成基于实时交通OD流和多密度交通OD流的模式挖掘任务。此外,现有研究也没有从根本上解决区域间人群移动模式的可视化问题。本文主要基于交通OD流数据进行区域间人群移动模式挖掘研究,并对挖掘的结果进行可视化分析。取得了如下研究成果:1.针对现有算法处理具有时空特性的交通OD流时具有时间复杂度高、有效性低的问题,提出了一种高效的具有时空特性的区域间人群移动模式挖掘算法。基于交通OD流数据,分别提出了仅有空间特性的基于密度的区域间人群移动模式挖掘算法DBMPZ(Density-Based Movement Patterns between Zones)和具...

【文章页数】：120 页

【学位级别】：博士

【部分图文】：

图1-2上海地铁线路图

南京师范大学博士学位论文15图1-2上海地铁线路图图1-3展示了地铁通勤数据集中不同行程距离比例分布。图中的距离表示起始站点到达目的站点时，途径地铁站点的最小数量。从图中可以发现，人们更倾向于近距离的通勤。超过一半乘客的通勤距离不超过10；大约90％的通勤距离小于30。通勤的最高....

图1-3通勤距离分布图

南京师范大学博士学位论文15图1-2上海地铁线路图图1-3展示了地铁通勤数据集中不同行程距离比例分布。图中的距离表示起始站点到达目的站点时，途径地铁站点的最小数量。从图中可以发现，人们更倾向于近距离的通勤。超过一半乘客的通勤距离不超过10；大约90％的通勤距离小于30。通勤的最高....

图1-4不同时间段通勤人数比率分布图

南京师范大学博士学位论文16图1-4不同时间段通勤人数比率分布图(2)上海市出租车通勤数据出租车作为最常见的公共交通工具之一，包含了大量的居民出行行为信息，主要有两个优点：(1)客观性：不同时间、不同区域的打车的乘客量表示了源区域与目的区域之间的相关性，客观地描述了真实的居民活动....

图1-5百分之十的上海出租车通勤数据可视化

南京师范大学博士学位论文16图1-4不同时间段通勤人数比率分布图(2)上海市出租车通勤数据出租车作为最常见的公共交通工具之一，包含了大量的居民出行行为信息，主要有两个优点：(1)客观性：不同时间、不同区域的打车的乘客量表示了源区域与目的区域之间的相关性，客观地描述了真实的居民活动....

本文编号：3918192