基于时空特征的车辆加油行为可视化分析

通过分析区域内车辆加油的大数据,研究车辆加油的普遍行为模式,调查可能的异常行为.为此,以覆盖新疆维吾尔自治区的车辆加油数据为基础,设计了一个交互式可视分析系统.首先通过抽取相关数据集的基础特征,得出加油站、汽车、驾驶员3类实体之间的关系;然后使用多种可视化经典视图并加以组合;此外,在部分视图上增加了一些额外的图形元素,以在具体应用场景下从不同视角描绘出典型的数据特征,如时空特征等,同时展示不同实体之间的关系.通过2个基于真实数据的案例,在领域专家的协助下分析数据中的典型个体行为模式及统计群组特征,最终实现对异常行为的识别.

车辆GPS轨迹加油行为建模与时空分布分析

车辆加油行为不仅反映了能源的消耗和补充情况,同时也是能源需求和能源配置的重要指标,传统基于小样本问卷的加油行为调查方法无法揭示城市宏观加油行为的时空分布特征。本文采用时空GPS轨迹大数据,对城市加油行为进行了描述与建模,并分析了其时空分布规律。该方法采用车辆与道路距离、平均速度、时间间隔、轨迹点间距4个指标,对加油行为进行了描述并建模;分析了在一定时间间隔采样下,加油行为轨迹4个指标的具体时空特征;最后以武汉市出租车GPS轨迹数据为例,探测并分析了武汉市出租车加油行为与时空分布规律。试验结果表明,本文方法可有效探测和分析城市加油行为,并能够揭示能源空间配置低效情况。

众源车辆轨迹加油停留行为探测与加油站点提取

针对当前加油站点信息采集成本高、更新周期长等问题,提出了运用车辆轨迹数据提取加油站点的方法。首先,从轨迹运动特征、几何模式等方面分析个体和群体加油行为轨迹特征。其次,基于Stop/Move模型,集成加油轨迹运动特征提出速度序列线性聚类算法提取加油停留轨迹。最后,运用Delaunay三角网层次聚类加油停留轨迹线,综合运用傅里叶形状识别、语义约束等方法识别、提取加油站点。运用北京市7d的出租车轨迹数据进行试验分析,共提取482个加油站,正确率为93.1%,且位置精度高。