【摘要】：為了從大規(guī)模GPS軌跡數(shù)據(jù)中提取出行行為建模所需的必要信息,文章將貝葉斯網(wǎng)絡(luò)應(yīng)用到GPS數(shù)據(jù)處理過(guò)程中,建立了出行方式識(shí)別的貝葉斯網(wǎng)絡(luò)模型以個(gè)體出行者作為研究對(duì)象,以智能手機(jī)采集的軌跡信息作為數(shù)據(jù)源,利用K2算法學(xué)習(xí)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),采用極大似然估計(jì)法學(xué)習(xí)貝葉斯網(wǎng)絡(luò)參數(shù)。以建立的貝葉斯網(wǎng)絡(luò)模型為基礎(chǔ),推斷了樣本的出行方式,實(shí)現(xiàn)了步行、自行車(chē)、電動(dòng)車(chē)、公交車(chē)和小汽車(chē)共五種出行方式的自動(dòng)化識(shí)別研究表明,貝葉斯網(wǎng)絡(luò)適用于出行方式識(shí)別研究,且低速點(diǎn)比例和平均方向改變兩個(gè)指標(biāo)可以有效提高出行方式識(shí)別準(zhǔn)確度.
[Abstract]:In order to extract the necessary information of travel behavior modeling from large-scale GPS trajectory data, this paper applies Bayesian network to the process of GPS data processing. A Bayesian network model for trip pattern recognition is established, which takes individual travelers as research objects, tracks collected by smart phones as data sources, and K2 algorithm to learn Bayesian network structure. The Bayesian network parameters are studied by maximum likelihood estimation (MLE). Based on the established Bayesian network model, this paper deduces the travel mode of the sample, and realizes the automatic identification of five travel modes: walking, bicycle, electric vehicle, bus and car. Bayesian network is suitable for the study of trip pattern recognition, and the ratio of low speed points and the change of average direction can effectively improve the accuracy of trip pattern identification.
【作者單位】： 上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51478266)
【分類(lèi)號(hào)】：U491.11;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李萌;王伊麗;陳學(xué)武;;城市居民個(gè)人屬性與出行方式鏈相關(guān)性分析[J];交通與運(yùn)輸(學(xué)術(shù)版);2009年01期

2 欒琨;雋志才;宗芳;;通勤者出行方式與出行鏈選擇行為研究[J];公路交通科技;2010年06期

3 朱豐剛;;基于出行方式劃分模型的摩托車(chē)禁行問(wèn)題研究[J];公路與汽運(yùn);2010年04期

4 姜雨;陸鍵;;出行方式和目的地聯(lián)合模型(英文)[J];Journal of Southeast University(English Edition);2010年04期

5 趙昕;關(guān)宏志;劉詩(shī)序;;基于出行鏈的有車(chē)家庭假日出行方式組合研究[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2011年06期

6 王伊麗;;城市居民出行方式鏈特征分析[J];交通標(biāo)準(zhǔn)化;2012年01期

7 呂仁義 ,郭瑤華;出行方式劃分的實(shí)用模型[J];西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版);1993年S1期

8 劉花;陳艷艷;;北京市居民出行方式人群分類(lèi)[J];交通標(biāo)準(zhǔn)化;2014年05期

9 鮮于建川;雋志才;;出行鏈與出行方式相互影響模式[J];上海交通大學(xué)學(xué)報(bào);2010年06期

10 魏群;;基于希爾伯特指標(biāo)空間的出行方式安全評(píng)價(jià)[J];道路交通與安全;2010年03期

相關(guān)會(huì)議論文 前2條

1 李新月;張羽成;;采用模糊綜合評(píng)判進(jìn)行出行方式的預(yù)測(cè)[A];模糊集理論與應(yīng)用——98年中國(guó)模糊數(shù)學(xué)與模糊系統(tǒng)委員會(huì)第九屆年會(huì)論文選集[C];1998年

2 孔萍;李淑朋;李軍;;成都地鐵1號(hào)線對(duì)城市通勤者出行方式影響研究[A];中國(guó)企業(yè)運(yùn)籌學(xué)[2011（1）][C];2011年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)駐布魯塞爾記者　 孫健;歐盟：優(yōu)化出行方式　強(qiáng)化環(huán)保意識(shí)[N];經(jīng)濟(jì)日?qǐng)?bào);2006年

2 記者 沙星海;市民“十一”旅游出行方式多[N];平頂山日?qǐng)?bào);2005年

3 記者 黃X;上下班的出行方式,影響健康狀況[N];新華每日電訊;2011年

4 周煒;市民青睞綠色出行方式[N];西安日?qǐng)?bào);2008年

5 黎華玲;出行方式變化折射西藏交通進(jìn)步[N];中國(guó)民族報(bào);2013年

6 林智嵐;出行方式悄然改變中[N];福建日?qǐng)?bào);2005年

7 蔡新華;你的出行方式環(huán)保嗎?[N];中國(guó)環(huán)境報(bào);2009年

8 佛山日?qǐng)?bào)評(píng)論員 陳莎;讓共享理念融入出行方式[N];佛山日?qǐng)?bào);2012年

9 記者 趙奕;治堵求解：改變?cè)谐鲂蟹绞絒N];第一財(cái)經(jīng)日?qǐng)?bào);2010年

10 禮諫;政策杠桿能否改變市民出行方式？[N];中山日?qǐng)?bào);2007年

相關(guān)博士學(xué)位論文 前1條

1 張蕊;城市客運(yùn)交通系統(tǒng)出行方式分擔(dān)模型及應(yīng)用研究[D];北京交通大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 陳儉新;基于AML-BP算法的出行方式識(shí)別研究[D];鄭州大學(xué);2015年

2 程苑;汽車(chē)共享下的城市交通出行方式博弈研究[D];哈爾濱工業(yè)大學(xué);2015年

3 張宏新;深圳市老年人出行方式和出發(fā)時(shí)刻選擇行為研究[D];哈爾濱工業(yè)大學(xué);2015年

4 項(xiàng)仁明;針對(duì)殘障人士出行方式的設(shè)計(jì)研究[D];北京理工大學(xué);2015年

5 劉大維;天津市低碳交通發(fā)展模式研究[D];河北工業(yè)大學(xué);2015年

6 李楠;擁堵收費(fèi)對(duì)城市居民出行方式和居民滿(mǎn)意度影響的評(píng)價(jià)研究[D];重慶交通大學(xué);2015年

7 劉文杰;基于綠色出行方式的交通工具設(shè)計(jì)研究[D];重慶大學(xué);2015年

8 白玉;基于GPS數(shù)據(jù)的出行方式識(shí)別方法研究[D];吉林大學(xué);2016年

9 張麗莉;基于活動(dòng)的出行方式鏈選擇行為模型研究[D];昆明理工大學(xué);2012年

10 葉盈;出行方式鏈成本測(cè)算方法研究[D];浙江大學(xué);2015年

，

本文編號(hào)：2210948