基于自适应网格密度算法的出行模式时空分析

针对出租车GPS原始轨迹数据中噪声和传统密度算法对大数据处理成本高,参数选择困难,易影响聚类效果等缺陷,给出了轨迹数据预处理方法和提出了一种基于自适应网格密度大数据区域挖掘算法。研究结果表明,自适应网格密度算法,能够有效地避免参数调节环节,样本空间适应性强,聚类质量高,与通常密度聚类算法相比,计算量小,计算效率高,给出的重庆市居民出行方式时空特征,符合实际,有应用价值。

基于聚类算法的出租载客点时空分布特征研究

出租车作为城市重要的公共交通工具,其运行产生的轨迹数据有助于我们探究城市人口活动规律。本文首先根据研究区域内数据分布特征,对传统DBSCAN聚类算法进行了参数优化,并对出租车载客点数据进行了聚类分析;然后使用核密度分析方法对出租车载客热点区域进行了热度评估;最终对热点区域进行分日期、分时段差值及可视化,分析了研究区域内出租车载客点的聚集分布状态,以及不同日期、不同时段出租车载客区域的时空分布变化。研究结果反映出了城市内居民出行的规律及变化特征,本研究不仅为出租车司机寻找顾客提供参考,而且还对分析城市功能区、优化城市公共交通系统运行起到辅助作用。

结合Canopy-K-means算法和出租车轨迹数据的公交车站预测方法

公共交通轨迹的规划和站点确定是很困难的,而出租车的GPS数据用处很大,能够挖掘出人们活动的热点,因此利用出租车的GPS数据有助于规划公交站点。本文基于武汉市出租车轨迹数据,提出了一种基于Canopy-K-means算法的公共交通站点的预测方法。该方法通过引入Canopy-K-means改进聚类算法,得到客源地的出行热点区域,并将该区域和已有公交站点对比,分析公交站点存在的合理性;然后采用数理统计的方法,对客流量的时空分布特征进行研究。采用武汉市2014年7月31日—2014年8月12日2064台出租车的GPS坐标数据进行研究,试验结果表明:该方法能有效判断公交站点位置的合理性,为公交车发车频率提供辅助决策支持。

基于出租车GPS数据的交通状况分析

随着城市化进程和交通运输业的发展,城市人流量和车流量的日益增多,导致交通的供需失衡,使城市交通拥堵越来越严重,对整个城市的发展造成了制约.本文以四川省成都市出租车GPS轨迹数据为实例,利用时间降维、空载去噪、时间阈值和速度阈值4种方法对数据进行预处理,使用统计学和空间分析结合的综合分析方法,根据出租车路段平均速度、路段内速度变化等信息,分时段对成都市交通状况进行分析,并进行了可视化展示,得出的结果可给出行人或出租车司机提供出行时间及路段组选择提供建议.

基于典型经验路径库的路径规划算法

出租车驾驶员对城市道路交通状况较为熟悉,他们选择的路径具有代表性。为了挖掘出租车驾驶员的路径选择经验,最大程度地保留经验选择并融合到路径规划算法中,建立了基于典型经验路径库的路径规划算法。首先,通过对出租车GPS数据进行预处理、地图匹配、载客轨迹信息提取,建立出租车历史载客轨迹集;然后,基于网格划分建立不同时段、不同网格之间的经验路径库;最后,提出了基于典型经验路径库的路径规划算法,并以广州市交通网络和浮动车为实验数据。实验结果表明,该算法得到的路径其行程时间较少,平均速度较高,能够保持道路等级的连贯性,且能适应不同时段的交通情况,更符合个人认知。

基于大规模出租车轨迹数据的驾驶员居住地挖掘

随着GPS、北斗等定位设备的民用化进程加速和移动终端设备的广泛普及,获取车辆和行人的出行轨迹变得越来越方便。由此产生的从大规模轨迹数据中挖掘人们感兴趣的知识成为当前一个难以突破的技术瓶颈。本文利用出租车轨迹数据,在并行计算平台Hadoop上实现了一种挖掘算法。该算法通过计算出租车活动半径的方法挖掘驾驶员居住地,实验结果表明本算法具有较高的准确率。

顾及交通流量的道路网路划构建方法

针对已有研究主要按照“良好连续性”原则进行stroke的构建,顾及到了道路的几何特征,但在一定程度上忽略了其语义信息的问题,提出了同时顾及几何特征和语义特征的stroke生成方法。选定未处理道路中交通流量最大的路段为起始路段;在节点关联多弧段时筛选出在偏角阈值范围内的道路;将起始路段与交通流量最相似的道路进行连接。实验表明,该方法有效解决了已有stroke构建过程中可能出现的几何分歧路段以及起始路段的选择问题,得到确定的stroke结果。相比传统方法,引入交通流量语义信息后生成的stroke结果更加符合实际连通性。