基于时空相似度聚类的热点载客路径挖掘

出租车的载客轨迹直接体现了车辆的行驶状态和居民的出行规律,热点载客路径的挖掘为交通管理与规划,居民行为模式发现及出租车载客推荐等具有重要价值. 本文以兰州市3 000 辆出租车载客轨迹为研究对象,提出了基于时空相似性聚类的热点载客路径挖掘算法. 首先,根据出租车的GPS轨迹数据提取出载客轨迹及其核心轨迹;然后,根据提出的相似性度量算法计算核心轨迹的空间相似性、时间相似性及时空相似性,并结合DBSCAN聚类算法对载客轨迹进行聚类;最后,根据聚类结果获取城市热点载客路径的空间分布,并分析了其在工作日和非工作日的差异. 实验结果表明,本文提出的挖掘算法能有效、快速地发现城市热点载客路径的分布.     

基于有趣地点压缩的时空轨迹聚类

研究移动物体时空轨迹局部关键地点时空相似的聚类问题.根据移动物体的运动状态提取轨迹中的有趣地点,利用最小包围盒技术对这些有趣地点进行描述,得到基于有趣地点压缩的轨迹表示形式;然后给出一个时空属性相结合的相似性度量公式,对压缩表示的轨迹进行相似性度量;基于这个相似性度量公式对轨迹进行聚类,聚类方法采用层次聚类法.实验结果表明,本文提出的方法能有效地对移动物体时空轨迹进行聚类,由于采用了增量式的轨迹压缩方法,不仅提高了聚类的速度,而且还实现了增量式的轨迹聚类.     

基于GPS 轨迹挖掘的城市空间动态交互特征研究

对城市移动轨迹进行深入挖掘，有助于更加精细地理解城市空间动态交互特征. 以兰州市出租车GPS轨迹为基础，采用栅格方法，分析城市栅格空间的交通出行量. 以栅格为节点，以交通出行量为权重，建立动态有向加权复杂网络. 采用Infomap 算法识别城市社团结构，研究兰州市城市结构的时空演化特征，并对城市社团识别结果进行可视化分析. 研究表明，休息日和工作日城市动态时空交互存在明显差异. 工作日的城市空间交互距离和范围较大，空间交互更加紧密；休息日的空间交互范围相对较小，分裂程度较大. 高峰期和非高峰期城市空间交互也有不同，城市空间交互随时间动态变化. 研究结果可为政府管理城市，商家运营和居民出行提供决策服务.     

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。     

基于时空轨迹数据的出行特征挖掘方法

在车联网应用发展的背景下,许多城市的私家车和出租车上安装了配备GPS 设备的智能终端, 产生着大量的时空轨迹数据.为挖掘这些数据蕴含的驾驶员出行特征, 本文以北京市出租车时空轨迹数据为例,基于时空GIS 的视角提出并实现了驾驶员居住 地挖掘方法和作息规律性分析方法. 样本实验结果一方面展示了驾驶员居住地空间分 布,另一方面表明作息规律性总相似度在0.6–1之间的驾驶员数量较多,占到了总数的 73.75%.通过本文方法挖掘的信息可为出租车的管理提供辅助决策,方法同样适用私家 车时空轨迹数据的挖掘,对私家车出行规律的研究和掌握更有意义.     

基于多源数据融合的城市出租车载客出行特征研究——以岳阳市为例

为探究城市出租车载客出行特征,在出租车GPS轨迹大数据基础上,融合居民出行调查数据、城市土地利用数据及天气数据,构建出租车载客出行量回归模型,得出出租车载客出行量与片区岗位数、天气状况、时段、片区面积有较强的相关性,而基于RBF神经网络构建的回归模型在上述4个因素的基础上增加了片区常住人口数和是否工作日2个因素.通过10折交叉验证表明,RBF神经网络回归模型的拟合效果比多元线性回归模型更好.     

基于非负矩阵分解的出租车时空行为聚类分析

为探讨出租车的时空行为特征,采用非负矩阵分解法从时间和空间两个维度对出租车行为进行聚类分析.首先划分时空单元,以上客点的时空分布特征表征出租车的时空行为,并构建时空行为矩阵,然后采用非负矩阵分解法进行出租车聚类.最后以广州市为例进行研究,聚类结果表明:出租车受广州市空间结构特征的影响聚成了 4类,而受时间维度的影响较小,但不同时段的行为也有明显差异.4类出租车都形成了明显的围绕区域商业活动中心集中运营的空间行为模式以及调整运营范围以适应不同时段出行活动需求的时间行为模式.研究揭示了出租车的时空行为与城市空间结构、城市出行活动的联系,能为出租车和城市管理发展提供参考.     

考虑轨迹相似度的综合客运枢纽出租车合乘方法研究

针对综合客运枢纽出租车停靠点乘客滞留问题，提出一种考虑轨迹相似度的枢纽出租车合乘模型. 以车辆数最小与总里程最短为目标，基于包围面积的轨迹相似度指标在形态上约束合乘后车辆的行驶轨迹. 设计两阶段算法求解此NP-hard 问题，第1 阶段利用kmedoids 方法对乘客需求聚类，第2 阶段设计蚁群算法求解得到乘客匹配方案及合乘行驶路径. 实测数据实验证明：该方法能较好优化车辆数和总里程，减少乘客等待时间；轨迹相似性度量约束能有效提高合乘后路径的JAC值，满足乘客希望合乘路径与原始路径差异最小化的心理.     

基于轨迹谱聚类的终端区盛行交通流识别方法

为了改善终端空域扇区和进离场航线对实际空中交通的流量及空间分布的适用性,研究了从大量航空器飞行轨迹中识别主要交通流的方法.在分析飞行轨迹空间特征的基础上,建立了基于3D网格的轨迹间相似性模型.利用谱聚类算法对终端区飞行轨迹样本进行聚类划分,提出了一种基于轨迹聚类核密度估计的盛行交通流和异常轨迹的识别方法,用于从空管雷达记录的飞行轨迹中识别出盛行交通流的实验.实验研究结果表明:该方法将1 476条轨迹划分为5个聚类,识别出5个盛行交通流,且识别结果未受到异常轨迹的影响.      

基于出租车GPS大数据的城市热点出行路段识别方法

连续两个出租车 GPS定位点之间的时空间隔使得乘客上下车的位置必然介于一个线性区间内,据此提出轨迹线密度方法,用于在位置界限模糊的热点出行区域进一步搜索热点路段.利用成都市出租车 GPS数据,借助核密度估计分析出租车上下客位置的时空特性;基于轨迹线密度方法,计算了成都市春熙路商圈的路网密度值,划分路段热点强度,识别出了热点路段的位置,结合实际的出行需求分布完成方法有效性的验证.结果表明,本文所采用的方法能够有效识别出行需求旺盛的城市热点路段,不仅可以为出租车司机寻找客源提供重要的参考,还能够在交通相关部门选择出租车停靠站的位置时提供数据支持.     

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤，一是压缩 AIS 数据，二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法，只考虑船舶轨迹的压缩形状，忽视了船舶航行中其他重要信息。为解决此问题，把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面，传统谱聚类方法只对船舶轨迹的位置进行相似性度量，没有考虑船舶轨迹的其他维度，针对此问题，提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量，引入Calinski-Harabasz指标评价谱聚类算法，实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究，并与传统谱聚类算法做比较实验。实验结果表明，利用该方法提取到的典型轨迹符合真实水域的交通情况，相较于传统谱聚类方法具有更高的聚类质量。     

基于车载GPS轨迹的立体交叉口空间结构信息获取方法

为了识别立体交叉口中不同的行驶规则, 利用随机森林特征选择方法分析了车辆轨迹数据特征, 按照重要性评分对特征进行聚类; 利用戴维森堡丁指数衡量聚类结果, 获得交叉口最优聚类结果下的各个行驶规则的聚类簇, 并构建聚类簇范围约束的狄洛尼三角网; 利用骨架线提取与公共序列合并方法, 提取立体交叉口的几何结构与拓扑连通关系, 获取城市立体交叉口空间结构信息; 以武汉市2016年出租车轨迹为数据源, 选取了武汉市城区立体交叉口进行空间结构信息获取试验。研究结果表明: 立体交叉口中车载GPS轨迹特征重要性评分的前4项依次是终点角度、起点角度、起终点角度差、中间角度平均值, 其中利用终点角度与起点角度特征组合的聚类结果是最优的; 立体交叉口空间结构信息获取方法在直行、左转、右转方向下识别准确率分别为85.7%、85.4%、87.5%, 综合准确率为86.2%, 直行、左转、右转方向下信息召回率分别为91.5%、87.2%、85.9%, 综合召回率为88.2%, 因此, 较高的准确率与召回率说明本文提出的方法可以准确识别立体交叉口空间结构信息, 并提取立体交叉口中各个行驶规则的几何与拓扑连通关系。      

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足，本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法，实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理，以此为属性数据，通过迭代计算轮廓系数确定k 值完成轨迹点聚类，结合二次处理方法对类簇进行拆分和融合以划分道路交通状态；在特征级建立多源数据融合方法，实现交通状态速度值计算；以归一化后的速度值为属性数据，通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明，本文方法能够实现道路交通状态精细划分，能有效地识别出道路局部位置的交通状态，进而可为城市道路交通管理提供决策支持.