本文關(guān)鍵詞：智能交通刷卡記錄中的公交站點(diǎn)恢復(fù)方法　出處：《華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年05期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 智能交通卡 缺失數(shù)據(jù) 刷卡數(shù)據(jù)挖掘 站點(diǎn)推測(cè)

【摘要】：隨著城市公共交通網(wǎng)絡(luò)的快速發(fā)展以及智能交通卡的普及,智能交通卡中隱藏著越來(lái)越豐富的個(gè)人及群體移動(dòng)行為信息.但當(dāng)前很多城市智能公交卡主要用于收費(fèi)功能,并未包含乘客確切的上下車(chē)時(shí)間及站點(diǎn)信息,這給分析挖掘交通卡刷卡數(shù)據(jù)、提供基于精確位置的服務(wù)帶來(lái)了阻礙.本文針對(duì)上海市不含公交上下車(chē)站點(diǎn)的刷卡數(shù)據(jù)集,借助于確定的地鐵站點(diǎn)刷卡信息,分析個(gè)人的整體刷卡歷史記錄,提出一個(gè)基礎(chǔ)的基于時(shí)空鄰近性的恢復(fù)算法(STA,Space-Time Adjacency algorithm)和一個(gè)改進(jìn)的基于歷史的恢復(fù)算法(HTB,Historical Trip Based algorithm).具體地,STA算法根據(jù)刷卡記錄線路的時(shí)空鄰近關(guān)系進(jìn)行恢復(fù),在此基礎(chǔ)上,HTB算法將刷卡記錄集合根據(jù)時(shí)間和空間屬性進(jìn)行切分,獲得有明確出行意義的出行記錄,再利用歷史記錄集合,提取乘坐線路以及頻繁換乘線路,根據(jù)線路間的空間關(guān)系生成線路帶權(quán)候選站點(diǎn)列表,再次進(jìn)行站點(diǎn)恢復(fù).實(shí)驗(yàn)證明本文算法可以較好地縮小線路的候選上下車(chē)站點(diǎn)范圍,且時(shí)間效率較高.
[Abstract]:With the rapid development of urban public transport network and the popularity of intelligent transportation cards. There are more and more personal and group mobile behavior information hidden in the Intelligent Transportation Card. However, many urban smart bus cards are mainly used for charging functions, and do not contain the exact time and stop information of passengers. This makes it difficult to analyze and mine the data of traffic card swipe card and provide the service based on precise location. This paper aims at the data set of swipe card which does not include bus stop and alighting station in Shanghai with the help of certain information of subway station swiping card. Based on the analysis of individual's overall credit card history, a basic restoration algorithm based on temporal and spatial proximity (Spatio-temporal proximity) is proposed. Space-Time Adjacency algorithm and an improved history-based recovery algorithm. Historical Trip Based algorithm. The algorithm is based on the temporal and spatial proximity relationship of the recorded circuit with credit card, and on this basis. The HTB algorithm divides the credit card record set according to the time and space attributes to obtain the trip record with clear travel significance and then uses the history record set to extract the ride line and the frequent transfer line. According to the spatial relationship between lines, the list of weighted candidate stations is generated, and the site recovery is done again. The experiments show that the proposed algorithm can reduce the range of the candidate stations, and the time efficiency is high.
【作者單位】： 華東師范大學(xué)數(shù)據(jù)科學(xué)與工程學(xué)院;
【基金】：國(guó)家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專(zhuān)項(xiàng)(973)(2016YFB1000905) 國(guó)家自然科學(xué)基金(61370101,61532021,U1501252,U1401256,61402180)
【分類(lèi)號(hào)】：U495
【正文快照】： 0引隨著世界人口的增加和城市人口比例的不斷提高,設(shè)計(jì)、維持和促進(jìn)可持續(xù)的城市公共交通模式變得非常重要.近年來(lái),有越來(lái)越多的城市提供更加豐富的公共交通出行方式,促使更多乘客選擇公交、地鐵出行.與此同時(shí),城市智能交通卡也在廣泛普及,便捷的付費(fèi)方式以及優(yōu)惠的付費(fèi)政策正

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尹克堅(jiān);;淺析數(shù)據(jù)挖掘在智慧交通領(lǐng)域中的應(yīng)用[J];信息通信;2013年10期

2 郭驊;周吉;;數(shù)據(jù)挖掘在智慧交通領(lǐng)域的應(yīng)用[J];現(xiàn)代商貿(mào)工業(yè);2013年12期

3 胡鵬;;數(shù)據(jù)挖掘在交通管理中的應(yīng)用研究[J];計(jì)算機(jī)安全;2013年10期

4 林國(guó)順;陳燕;賈智輝;李麗麗;;基于數(shù)據(jù)挖掘的道路運(yùn)行安全因素關(guān)聯(lián)分析[J];大連海事大學(xué)學(xué)報(bào);2011年03期

5 鄧冰;;基于大數(shù)據(jù)挖掘的北京地區(qū)自行車(chē)旅游研究[J];公路交通科技(應(yīng)用技術(shù)版);2014年07期

6 張曉寶;;基于數(shù)據(jù)挖掘的智能路政執(zhí)法系統(tǒng)的設(shè)計(jì)[J];數(shù)字技術(shù)與應(yīng)用;2013年01期

7 劉昱崗;安冬冬;;數(shù)據(jù)挖掘在公交調(diào)查數(shù)據(jù)分析中的應(yīng)用研究[J];公路工程;2014年02期

8 邱珠成;蔡文學(xué);黃曉宇;陳康;;基于個(gè)性診斷的路段缺失速度值估計(jì)[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年05期

9 廖少明;劉朝明;王建華;彭芳樂(lè);;地鐵深基坑變形數(shù)據(jù)的挖掘分析與風(fēng)險(xiǎn)識(shí)別[J];巖土工程學(xué)報(bào);2006年S1期

10 梁林林;;基于數(shù)據(jù)挖掘的城市快速路擁堵關(guān)聯(lián)特征分析——以上海市為例[J];交通與運(yùn)輸(學(xué)術(shù)版);2014年01期

相關(guān)會(huì)議論文 前4條

1 孫玲;劉浩;袁長(zhǎng)亮;;北京市城市快速路微波檢測(cè)缺失數(shù)據(jù)分析[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

2 顏波;黃燁華;馬新軍;;基于GPS數(shù)據(jù)挖掘的智能交通系統(tǒng)的研究[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

3 王海峰;劉白鴿;孫立;康震;;基于信息整合和數(shù)據(jù)挖掘的交通運(yùn)輸管理決策系統(tǒng)[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

4 褚麗恒;郭曉澤;宋國(guó)杰;吳峻;謝昆青;;基于聚類(lèi)方法的高速公路逃費(fèi)甄別與分析[A];第八屆中國(guó)智能交通年會(huì)論文集[C];2013年

相關(guān)博士學(xué)位論文 前2條

1 鄭曉峰;道路運(yùn)輸信息系統(tǒng)的數(shù)據(jù)挖掘方法研究與應(yīng)用[D];華南理工大學(xué);2014年

2 孫軼軒;基于數(shù)據(jù)挖掘的道路交通事故分析研究[D];北京交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 張彩林;車(chē)輛缺失軌跡的智能補(bǔ)全[D];北京物資學(xué)院;2016年

2 陳冰潔;基于聚類(lèi)算法的車(chē)輛軌跡時(shí)空相似性研究[D];福建師范大學(xué);2015年

3 戴洪波;基于數(shù)據(jù)挖掘的高速公路營(yíng)運(yùn)決策支持技術(shù)研究[D];東華大學(xué);2016年

4 楊鵬;基于數(shù)據(jù)挖掘的乘客出行行為研究[D];華南理工大學(xué);2016年

5 張肅潑;基于數(shù)據(jù)挖掘的城市交通可視化信息系統(tǒng)設(shè)計(jì)[D];東南大學(xué);2016年

6 盧倩;隧道交通狀況的大數(shù)據(jù)挖掘方法研究[D];貴州大學(xué);2016年

7 王敢;數(shù)據(jù)挖掘在城市道路交通上的應(yīng)用[D];重慶大學(xué);2016年

8 汪濤;數(shù)據(jù)挖掘在隧道交通中的應(yīng)用[D];長(zhǎng)安大學(xué);2003年

9 溫延超;數(shù)據(jù)挖掘在高速公路機(jī)電設(shè)備故障預(yù)測(cè)中的應(yīng)用[D];長(zhǎng)安大學(xué);2011年

10 趙明;智能交通系統(tǒng)數(shù)據(jù)挖掘與應(yīng)用[D];山東大學(xué);2014年

，

本文編號(hào)：1422366