首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 78 毫秒
1.
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.  相似文献   

2.
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.  相似文献   

3.
基于北京市摩拜单车的工作日骑行数据,利用非负矩阵分解算法(NMF)从时间和空间两个维度深入探究共享单车的出行规律,并构建逆序群体稳定性指标(RPSI)改善k值选择过程。利用得到的出行规律,运用MATLAB构建基于非负矩阵分解算法的BP神经网络预测模型,对共享单车的出行需求进行预测,并分别与BP神经网络预测模型和长短期记忆(LSTM)神经网络预测模型的结果进行对比。研究结果表明,共享单车可分为5种基本的出行模式,每个区域的出行都可以由这5种出行模式的线性组合来表达,其中的系数代表了每一种出行模式的强度和随时间变动情况。依据这5种出行模式的时间特征和空间特征,分别确定其出行含义:通勤出行中居住地到地铁站的出行;通勤出行中地铁站到工作地点的最后一公里连接;居民其他的非通勤出行行为,如休闲娱乐活动等;回程通勤出行中从工作地点到地铁站;回程通勤出行中从地铁站到居住区的最后一公里连接。最后,模型预测结果的对比分析显示,本文构建的基于非负矩阵分解算法的BP神经网络预测模型不管是在预测精度还是实际操作便捷性上都优于其他两种预测模型。  相似文献   

4.
为揭示公交出行时空模式的影响因素和作用效应,利用智能公交数据获取公交出行时空特征,应用DBSCAN聚类算法挖掘公交出行的时空规律性。以起点建成环境、终点建成环境、出行路径性能、公交运营性能和公交出行强度5个方面的18个指标为自变量,以公交出行时空特征和公交出行时空规律性2个方面的4个指标为因变量构建变量指标体系,融合智能公交、POI等多源数据对指标进行量化计算,建立结构方程模型对公交出行时空模式的影响效应进行分析。研究结果表明:公交出行模式具有时空异质性,平峰时段公交出行距离和出行时长均长于早、晚高峰时段;时间规律性强的公交出行主要发生在高峰时段,空间规律性强的公交出行集中分布在城市中心区;出行路径性能、公交运营性能、起点建成环境、终点建成环境对公交出行的时空特征有显著影响(早高峰影响效应分别为-0.749,-0.413,-0.244,-0.228);公交出行强度、出行路径性能、起点建成环境和终点建成环境对公交出行的时空规律性有显著影响(早高峰影响效应分别为0.688,0.069,0.022,0.021);各因素对公交出行时空模式的影响具有时间异质性,平峰时段的影响均大于早、晚高峰时段...  相似文献   

5.
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.  相似文献   

6.
为了规范出租车运营,改善出行者候车环境,提高出租车经营效益,进行基于出租车出行需求特征的停靠站选址研究有着十分重要的现实意义.本文首先界定了出租车出行需求时空热点的含义,基于样本出租车GPS数据研究出行需求的时空聚集特征,得到了出行高峰时段和出行热点区域.将出行需求作为依据应用于出租车停靠站选址,提出了基于最大覆盖的停靠站选址模型,同时结合出行者的不确定性交通行为和消费特点,在车站服务能力、出行者步行距离和计划修建数量等方面分析了模型的适用条件.实例区域的选址研究结果表明,以客观需求为依据的选址方法,可以更好地契合出行者的出行需求,具有较高的实用性.  相似文献   

7.
手机信令数据不仅记录个体出行轨迹,也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法,以手机信令提取居民出行OD为基础,将每个基站的到发出行量作为表征该基站所处空间位置的活动特征,研究特征的聚类方法.引入狄利克雷分布作为先验分布,由中餐馆模型推定特征聚类数量.与其他聚类方法相比,该方法最大的优点在于无需事先指定聚类数量,避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中,结果能够有效地反应不同城市功能组团的活动特征.  相似文献   

8.
手机信令数据不仅记录个体出行轨迹,也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法,以手机信令提取居民出行OD为基础,将每个基站的到发出行量作为表征该基站所处空间位置的活动特征,研究特征的聚类方法.引入狄利克雷分布作为先验分布,由中餐馆模型推定特征聚类数量.与其他聚类方法相比,该方法最大的优点在于无需事先指定聚类数量,避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中,结果能够有效地反应不同城市功能组团的活动特征.  相似文献   

9.
城市建成环境对交通出行具有深刻的影响,为探讨快速城市化时期我国城市 建成环境对出租车出行需求的影响,本文构建了考虑空间溢出效应的计量模型,以北京 市为例开展了实证研究.基于交通分区空间尺度,利用出租车GPS 数据获取了交通分区 出行需求,度量了住宅类、工作岗位类及交通设施类等变量表征建成环境,进而研究建成 环境对出租车出行需求的影响.通过传统最小二乘法的多元回归模型、空间自回归模型与 空间杜宾模型进行对比发现,空间杜宾模型的拟合度和解释力最优,研究建成环境对出 租车出行需求的影响时不能忽略空间溢出效应.利用空间杜宾模型参数估计结果,分析了 建成环境的住宅类、工作岗位类及交通设施类变量对出租车出行需求的直接效应、溢出 效应与总效应.本文力求掌握出租车出行需求产生的内在城市环境因素,为降低出租车空 驶率、实现出租车空间需求预测及分布均衡提供依据.  相似文献   

10.
应用智能公交系统(APTS)提取个体乘客出行信息,构造了公交出行链,研究了基于时空行为规律挖掘(STBRM)的公交乘客分类方法;应用时间序列表征乘客出行时间特征,利用互相关距离(CCD)算法计算了个体乘客出行时间规律;应用带噪声基于密度的空间聚类(DBSCAN)算法,挖掘了个体乘客的出行空间规律;依据出行强度和出行时空规律,将乘客划分为极少出行、时间规律、空间规律、时空规律和不规律等5个群体;以出行天数、类似上车时间数量和类似上车站点数量为聚类指标,应用K-Means++算法将乘客划分为高规律、中规律和低规律3类,比较了本文提出的STBRM方法和K-Means++聚类方法的分类结果,揭示了2种方法分类结果之间的关系。研究结果表明: 当时段划分长度取5 min,时间规律性判断阈值取3.0时,利用CCD算法识别时间模式规律乘客的效果最佳,与常用的DBSCAN算法相比,识别率提升了14.64%;增加时间窗长度能够提高时间、空间模式规律判定结果的稳定性;时间窗长度达到3周后,空间模式规律的乘客比例下降趋缓,达到6周后趋于稳定;时间窗长度达到2周后,时间模式规律的乘客比例增长趋缓,达到4周后趋于稳定;时间规律、空间规律和时空规律等3类乘客数量仅占总乘客数量的30.4%,但其出行量占到了总出行量的84.7%,公交依赖度很高,应作为公交机构重点保障的对象;本文提出的STBRM方法与K-Means++聚类方法的分类结果具有较强的关联性,规律性极高或极低的群体高度重合。   相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号