检索结果-内蒙古大学图书馆

武汉大学学报（信息科学版） 2018年第10期43卷 1595-1602页

作者：龚希陈占龙谢忠中国地质大学(武汉)信息工程学院国家地理信息系统工程技术研究中心

基于地域的移动模式(zone-based movement pattern,ZMP)的发掘通过对出租车轨迹的聚类分析,同步发掘地域与移动轨迹。该方法通过ZMP的合并达到新地域发掘的目的,并加以距离和专题属性组成的相邻约束以保留移动的方向性、地域的功能属性... 详细信息

基于地域的移动模式(zone-based movement pattern,ZMP)的发掘通过对出租车轨迹的聚类分析,同步发掘地域与移动轨迹。该方法通过ZMP的合并达到新地域发掘的目的,并加以距离和专题属性组成的相邻约束以保留移动的方向性、地域的功能属性以及地域间的距离关系。通过连接矩阵迭代计算得到最优合并的ZMP进行合并,从而发掘ZMP,同时通过覆盖度、精准度以及基于这两者的平衡评估因子等对合并得到的ZMP进行评定。通过现实世界的出租车数据进行实验,结果表明该方法高效可行,能合理地实现合并现有区以发掘新地域。

关键词：地域分析地域发掘移动模式分析移动模式发掘出租车轨迹

来源：评论

学校读者我要写书评

暂无评论

出租车轨迹数据挖掘进展

引用

测绘学报 2019年第11期48卷 1341-1356页

作者：吴华意黄蕊游兰向隆刚武汉大学测绘遥感信息工程国家重点实验室湖北武汉430072 湖北大学计算机与信息工程学院湖北武汉430062

大数据、物联网与精密定位技术的发展推动了城市感知的进步。随着社会活动的与日俱增,出租车轨迹数据不仅记录了出租车的行车轨迹,还蕴藏着道路交通状态、城市居民出行规律、城市结构及其他社会问题。通过各种数据分析与挖掘手段对出租... 详细信息

大数据、物联网与精密定位技术的发展推动了城市感知的进步。随着社会活动的与日俱增,出租车轨迹数据不仅记录了出租车的行车轨迹,还蕴藏着道路交通状态、城市居民出行规律、城市结构及其他社会问题。通过各种数据分析与挖掘手段对出租车轨迹数据进行深入探究,对于智能交通、城市规划等有着重要意义。本文综述了近十年国内外基于出租车轨迹大数据的相关研究,按照空间统计方法、时间序列方法、图论与网络方法及机器学习方法等4类,详细阐述各类方法的研究现状。随后,本文分析了现有研究的应用领域、热点主题和发展趋势。最后,本文指出了出租车轨迹数据挖掘研究领域面临的挑战和未来研究方向。

关键词：轨迹数据数据挖掘出租车轨迹综述

来源：评论

学校读者我要写书评

暂无评论

基于出租车轨迹的可导航路网构建

引用

测绘学报 2021年第12期50卷 1650-1662页

作者：张彩丽向隆刚李雅丽王文龙武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 邵阳学院城乡建设学院湖南邵阳422000 国网思极神往位置服务(北京)有限公司北京100000

出租车轨迹不仅反映城市路网的静态几何与拓扑结构,而且蕴含转向等动态导航信息。考虑到交叉口的位置、拓扑连接及转向规则是构建可导航路网的基础与关键,本文利用出租车轨迹的空间分布与动态连接信息,采用“交叉口位置—路段几何—导... 详细信息

出租车轨迹不仅反映城市路网的静态几何与拓扑结构,而且蕴含转向等动态导航信息。考虑到交叉口的位置、拓扑连接及转向规则是构建可导航路网的基础与关键,本文利用出租车轨迹的空间分布与动态连接信息,采用“交叉口位置—路段几何—导航属性”的研究思路,提出一种交叉口引导的可导航路网构建方法。设计了一种顾及多模特征的交叉口集成识别技术,并引入随机森林算法,探索待定交叉口的零标注监督式去伪;在此基础上提出一种基于Delaunay三角网的多阶段路段生成方法;最后围绕交叉口,挖掘路段的转向及单双向信息,从而构建出可导航路网。与其他方法相比,本文方法在交叉口、路段及转向等可导航路网信息提取方面具有更高的完整性与准确性。

关键词：出租车轨迹可导航路网构建交叉口识别

来源：评论

学校读者我要写书评

暂无评论

基于出租车轨迹数据的城市空间结构变化研究——以深圳市为例

引用

热带地理 2020年第2期40卷 217-228页

作者：庄浩铭刘小平中山大学地理科学与规划学院广州510275

在地理大数据大量涌现的背景下,利用深圳市2009年5月和2016年9月2期出租车轨迹大数据,通过构建2层空间网络,并使用Infomap社区发现算法,发现网络中的全局空间社区和局部空间社区。通过对比空间社区的变化,并结合遥感数据和规划政策等,... 详细信息

在地理大数据大量涌现的背景下,利用深圳市2009年5月和2016年9月2期出租车轨迹大数据,通过构建2层空间网络,并使用Infomap社区发现算法,发现网络中的全局空间社区和局部空间社区。通过对比空间社区的变化,并结合遥感数据和规划政策等,探讨深圳市长时期多层空间结构的动态变化,揭示了城市基础设施建设以及规划政策制定等对城市空间结构的影响。结果表明:全局尺度下,城市的空间结构趋向于紧凑式发展,如深圳市郊区的小空间社区合并成了5个大空间社区,这与深圳2020年总体规划有较大的关联。局部尺度下,城市的空间结构趋向于多中心式发展,如围绕深圳高铁北站和南山中心的2个空间社区分裂成了多个小空间社区,这与重大基础设施建设和经济发展有较大的关联。

关键词：出租车轨迹社区发现空间结构深圳市

来源：评论

学校读者我要写书评

暂无评论

融合出租车轨迹与街景图像的城市街道空间分类方法

引用

热带地理 2024年第5期44卷 906-920页

作者：郭海京钟远军邢汉发高绵新彭嘉茵广东省国土资源测绘院广州510500 华南师范大学北斗研究院广东佛山528225 华南师范大学地理科学学院广州510631 自然资源部华南热带亚热带自然资源监测重点实验室广州510500 广东省自然资源科技协同创新中心广州510500

城市街道空间是一种复杂的公共活动场所,是城市功能的重要空间载体。然而现有研究通常只聚焦于街道空间的交通功能,忽略街道空间所承担的其他功能类型,给街道的设计以及品质优化带来阻碍。为此,文章提出了一种融合出租车轨迹与街景图像... 详细信息

城市街道空间是一种复杂的公共活动场所,是城市功能的重要空间载体。然而现有研究通常只聚焦于街道空间的交通功能,忽略街道空间所承担的其他功能类型,给街道的设计以及品质优化带来阻碍。为此,文章提出了一种融合出租车轨迹与街景图像的街道空间城市功能分类方法,该方法基于出租车轨迹数据构建城市居民在街道空间上的动态出行特征,基于街景图像构建街道空间的物理环境特征,并采用K-Means聚类算法对街道空间进行聚类。并以深圳市宝安区为例进行实验,结果表明,该方法能识别出商业、交通和居住3种类型的街道空间,识别结果可为街道空间设计与品质优化提供参考。

关键词：城市功能街道空间出租车轨迹街景图像深圳市

来源：评论

学校读者我要写书评

暂无评论

出租车轨迹数据的挖掘与可视化

出租车轨迹数据的挖掘与可视化

引用

作者：柴壮壮长安大学

学位级别：硕士

GPS终端会定时地向出租车的调度中心发送一些实时状态信息,比如出租车的经度、纬度、出租车的行驶方向和是否载客等信息。随着时间的推移,出租车公司收集并保存了海量的出租车轨迹数据。现如今,越来越多的人投入到挖掘这些数据的行列之... 详细信息

GPS终端会定时地向出租车的调度中心发送一些实时状态信息,比如出租车的经度、纬度、出租车的行驶方向和是否载客等信息。随着时间的推移,出租车公司收集并保存了海量的出租车轨迹数据。现如今,越来越多的人投入到挖掘这些数据的行列之中,使其成为了当前城市交通大数据的研究热点之一。出租车轨迹数据的挖掘、分析与利用,为发现和解决城市问题提供了新方法和新思路。本文以北京市出租车轨迹数据为基础,挖掘载客热点区域,分析上下客点的时空分布特征,结合居民出行需求研究载客热点区域的居民出行规律,以及热点区域之间具有相同起止点的轨迹分析。具体包括:第一,出租车轨迹数据预处理。运用SQL Loader方法将轨迹数据导入Oracle数据库,通过设定轨迹的提取规则和方法,对轨迹中存在的冗余数据、无效数据、漂移点进行过滤并编写了轨迹点与道路的匹配算法,对实验中的数据进行了道路匹配使每个轨迹点都有与之对应的道路信息。第二,一次载客模型的提出与建立。根据本文的研究目标提出了一次载客模型,认为上客-载客行驶-下客这一过程为完整的一次载客,去除出租车空车行驶的部分,只保留出租车载客运营的部分。针对一次载客模型进行了数据组织结构设计和形式化表达,并以此模型为基础对原始轨迹数据进行提取和整理,建立了针对分析和应用目标的一次载客模型轨迹数据库,为轨迹数据的挖掘奠定了基础。第三,基于DBSCAN聚类的热点提取与可视化。首先提取了出租车上下客点数据,并根据网络上的统计信息预先建立热点库,接着按照日出行总次数以及各小时出行次数对日出行总量进行统计,在此基础上运用DBSCAN聚类算法生成不同时间段的上下客热点。采用ArcGIS软件中的核密度聚类分析对热点区域进行了二维热力图及三维热力图的可视化展示。第四,相同起止点的轨迹分析与可视化。首先根据一次载客模型提取具有相同起止点的轨迹并编写了轨迹化简算法对轨迹进行了化简,再以轨迹片段的匹配距离作为度量轨迹相似性的基础,对提取出来的轨迹进行相似性分析,得出从西直门商圈到金融街商圈的热点路径:西直门→西二环→金融街商圈,并对热点区域之间的热点路径进行了动态可视化展示。

关键词：出租车轨迹上下客点空间聚类热点区域可视化

来源：评论

学校读者我要写书评

暂无评论

出租车轨迹时空特征及与街道网络中心性相关分析 ——以成都市为例

出租车轨迹时空特征及与街道网络中心性相关分析 ——以成都市为例

引用

作者：苏凯强河南大学

学位级别：硕士

随着我国经济社会的快速发展以及城镇化进程的不断深入,城市机动车的拥有量也在迅速增长,但受限于城市道路交通空间资源的有限性和道路规划建设方面投入的局限性,城市交通发展滞后于机动车快速增长态势,使得城市交通运行压力日趋严重,... 详细信息

随着我国经济社会的快速发展以及城镇化进程的不断深入,城市机动车的拥有量也在迅速增长,但受限于城市道路交通空间资源的有限性和道路规划建设方面投入的局限性,城市交通发展滞后于机动车快速增长态势,使得城市交通运行压力日趋严重,城市交通道路问题也愈发明显。基于城市出租车GPS轨迹数据进行时空分析,可以识别城市交通出行特征,通过探测其与路网结构的相关性,为有效缓解城市交通压力,优化城市交通规划与管理提供基础支撑。本文以线性街道为分析单元,对成都市三环线以内2014年8月18日至8月24日共计14000辆出租车GPS轨迹数据进行去除噪声点、冗余以及地图匹配等数据预处理操作,利用成都市街道上下客统计量以及动态变化量挖掘城市出租车交通时空特征,依据Bisect K-means方法对街道进行聚类,随后利用城市路网交通邻近、中介、直达三种网络中心性指标与街道内上下客活动密度进行相关性分析。主要研究内容总结如下:(1)出租车轨迹时空特征分析。利用工作日与休息日的聚合方式和以一小时作为时间间隔进行分析发现,休息日出租车活动时间分布曲线相较于工作日较为平滑,工作日晚高峰从18点出现明显增长趋势,而休息日则出现在19点。出租车活动热点区域主要包括:成都火车站、成都东站、春熙路商圈、四川大学、武侯祠博物馆、四川省人民医院等主要街区。(2)基于出租车轨迹时空特征的街道类型探测。利用改进的Bisect K-means聚类方法,依据街道功能VG向量对初始街道类型进行分类,生成A(近商业区)、B(近文娱区)、C(近枢纽区)、D(近住宅区)四种一级道路类型,其中A型街道主要分布于二环以内,早高峰期间出现明显高峰,下客活动远多于上客活动,在晚高峰期间则呈现上客活动多于下客活动的态势。B型街道三个高峰期较为明显,早高峰上客活动远多于下客活动,午、晚高峰期间则下客活动多于上客活动,该类型街道主要分布于医院、学校、公园附近街道。C型街道早、午高峰相对平缓,但晚高峰期间上客活动更为显著,主要分布在三环路与中环路之间。D型街道在7点至8点之间出现早高峰,午高峰相对平缓,晚高峰从17点之后持续增强,该类型街道多数分布于城市住宅区附近。然后对每类一级道路类型依据街道动态容量VR继续进行聚类,均生成三种二级道路类型,然后将一级道路与二级道路类型进行复合,由于A2、C1、C2类型街道活跃水平较低,将其划分为E型(不活跃类型),最终获取10种交通路网街道类型。(3)成都市城市交通街道网络中心性与出租车轨迹相关性分析。邻近中心性呈现“中心——外围”分布模式,中介中心性也主要分布在中心城区范围内,直达中心性则呈现多中心分布模式。通过分析街道单元内出租车上下客活动密度与街道网络中心性相关特征,发现在全局角度,邻近中心性及中介中心性与其相关性高于直达中心性;而在局部角度,三类中心性指标与出租车上下客活动密度相关性都呈现随着搜索半径增加而增强的态势。A、B、C、D四种街道类型的网络中心性和街道活动密度的相关性趋势与整体街道网络中心性和活动密度之间相一致,C型街道的相关性特征较为显著,在同一搜索半径下,C型街道网络中心性要好于其他街道类型。以街道作为基本分析单元进行出租车轨迹时空特征分析,揭示了城市出行特征在不同街道上的时空异质性,拓展了基于GIS的轨迹数据分析视角;其与城市路网结构的关联分析反映了街道网络中心性对城市出行的影响规律,有助于优化城市交通规划并细化城市交通管控,并提升城市精细化治理水平。

关键词：时空分析出租车轨迹网络中心性城市交通成都

来源：评论

学校读者我要写书评

暂无评论

基于数据场的出租车轨迹热点区域探测方法

引用

地理与地理信息科学 2016年第6期32卷 51-56页

作者：周勍秦昆陈一祥李志鑫武汉大学遥感信息工程学院湖北武汉430079 地球空间信息技术协同创新中心湖北武汉430079 南京邮电大学地理与生物信息学院江苏南京210023

利用空间聚集模式探测方法可以从出租车轨迹中挖掘城市热点区域,从而为城市规划和交通管理提供支持。数据场借鉴物理学中场的理论,通过定量化计算数据对象间的相互作用,可分析空间数据的聚集模式。针对轨迹数据的特点,该文提出了一种利... 详细信息

利用空间聚集模式探测方法可以从出租车轨迹中挖掘城市热点区域,从而为城市规划和交通管理提供支持。数据场借鉴物理学中场的理论,通过定量化计算数据对象间的相互作用,可分析空间数据的聚集模式。针对轨迹数据的特点,该文提出了一种利用数据场势值阈值法探测轨迹点的聚集模式,从而提取城市热点区域的方法。该方法首先在轨迹空间上划分网格,将轨迹点映射在网格中,并利用数据场势函数计算各网格单元的势值,然后利用单一阈值或多阈值分割法提取城市热点区域。以武汉市的出租车轨迹为例进行实验,利用单峰直方图阈值法进行高势值区域筛选,得到轨迹聚集区域,从而提取城市热点区域。且通过武汉市节假日与非节假日多时段的提取结果的对比分析,得到城市热点区域的时空分布模式。进一步研究将该文方法扩展到时空聚集模式探测,以多角度分析城市热点的时空动态变化。

关键词：出租车轨迹空间聚集模式数据场阈值法城市热点探测

来源：评论

学校读者我要写书评

暂无评论

基于出租车轨迹数据的城市热点出行区域挖掘

引用

计算机应用与软件 2018年第1期35卷 1-8页

作者：郑林江赵欣蒋朝辉邓建国夏冬刘卫宁重庆大学计算机学院重庆400030 信息物理社会可信服务计算教育部重点实验室(重庆大学) 重庆400030 重庆城市综合交通枢纽开发投资有限公司重庆401121

出租车轨迹是蕴含着居民出行行为的地理时空大数据,从出租车轨迹数据中挖掘居民出行的热点区域和移动模式对于城市规划、交通管理等具有重要意义。针对现有热点区域挖掘方法在面对大规模轨迹数据时存在的伸缩性差、计算效率低等问题,提... 详细信息

出租车轨迹是蕴含着居民出行行为的地理时空大数据,从出租车轨迹数据中挖掘居民出行的热点区域和移动模式对于城市规划、交通管理等具有重要意义。针对现有热点区域挖掘方法在面对大规模轨迹数据时存在的伸缩性差、计算效率低等问题,提出一种基于网格密度的GScan聚类算法。该算法首先将轨迹空间划分成网格单元,并设定网格单元的密度阈值;然后将轨迹点映射到网格单元,基于密度阈值提取热点网格单元;通过合并可达热点网格单元发现城市的热点区域。以重庆市出租车轨迹载客/卸客点进行实例分析,给出网格单元大小和密度阈值2个参数的设定方法,得到重庆市主城区居民出租车出行热点区域的时空分布,进而分析重庆市居民出行行为。

关键词：出租车轨迹热点区域网格密度时空移动模式挖掘出行行为

来源：评论

学校读者我要写书评

暂无评论

基于出租车轨迹的寻客区域挖掘与推荐

基于出租车轨迹的寻客区域挖掘与推荐

引用

作者：黄志锋杭州电子科技大学

学位级别：硕士

在大规模的出租车历史轨迹中,隐藏着大量的出租车乘客搜索策略信息,这是出租车司机的群体智慧。近年来,如何通过挖掘高效的乘客搜寻策略来提高司机的收益引起了越来越多研究人员的兴趣。然而,大部分这类研究工作都只是简单地基于数据统... 详细信息

在大规模的出租车历史轨迹中,隐藏着大量的出租车乘客搜索策略信息,这是出租车司机的群体智慧。近年来,如何通过挖掘高效的乘客搜寻策略来提高司机的收益引起了越来越多研究人员的兴趣。然而,大部分这类研究工作都只是简单地基于数据统计技术对原始数据进行分析,无法解决冷启动问题并难以充分利用隐含在数据背后的相关因素,如司机寻客经验等。基于上述问题,本文提出一种面向位置推荐服务的PIAS(载客连接诱导的区域搜索)算法。该算法可充分利用寻客区域与司机寻客经验之间的相关性来发掘寻客效率高的出租车司机群体与寻客价值高的区域。主要工作如下:首先是寻客区域的聚类分析。本文提出了一种基于模糊网格划分的FGP-DBSCAN算法,可以对大规模的载客点数据进行快速聚类,以分析城市各寻客区域的空间分布。与传统的P-DBSCAN(基于明确网格分区的并行密度聚类算法)算法相比,所提算法可以有效解决P-DBSCAN算法因为网格硬边界问题所造成聚类类簇过多的问题。其次,基于HITS(Hyperlink-Induced Topic Search)提出了一种可面向位置推荐服务的PIAS算法与SAH-Tree(寻客区域搜寻层次树)数据结构。其中PIAS算法可以充分利用寻客区域与司机寻客经验之间的相关性来挖掘出精确的区域寻客价值排名。SAH-Tree数据结构通过构建每一层次中各区域边界节点之间的边关系,以提高KNN算法对寻客区域搜索的效率。最后是个性化寻客路线的推荐。首先结合上述已经挖掘出来的司机集体智慧为当前空载司机规划出一条最优寻客序列;接着基于出租车轨迹数据对寻客序列间的各连接路段的道路属性进行建模;最后根据司机的寻客偏好为其提供一条个性化的寻客路线。本文使用1600多位杭州市出租车司机真实轨迹数据作为数据集,对所提算法进行大量的验证实验。结果表明,PIAS算法可以挖掘出更准确的区域寻客价值排名。基于SAH-Tree结构的KNN算法的搜索效率更加高效。

关键词：寻客区域推荐出租车轨迹轨迹挖掘基于密度的空间聚类算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：