隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展與經(jīng)濟(jì)水平的不斷提升,國(guó)內(nèi)機(jī)動(dòng)車市場(chǎng)規(guī)模越來越大,很多家庭都擁有私家車以滿足出行便利的需求。而與此同時(shí),大量行駛的機(jī)動(dòng)車排放的尾氣會(huì)影響空氣的質(zhì)量,加重我們對(duì)賴以生存環(huán)境的破壞,也嚴(yán)重影響人們的身體健康狀況。因此,對(duì)機(jī)動(dòng)車車流量的分析也是空氣質(zhì)量分析的一個(gè)重要方面。目前,對(duì)機(jī)動(dòng)車分析的相關(guān)研究主要集中在分析某一條路段上車輛的行駛狀況,或者是分析某一特定軌跡的運(yùn)動(dòng)變化�？諝赓|(zhì)量的分析包括氣象要素和空氣質(zhì)量相關(guān)性分析、基于空氣質(zhì)量數(shù)據(jù)探索城市群在時(shí)空上動(dòng)態(tài)演變、以及霧霾分布狀況的可視分析。本文使用北京市車流量的網(wǎng)格數(shù)據(jù),分析某一區(qū)域的車流量狀況,并結(jié)合北京市空氣質(zhì)量數(shù)據(jù)分析車流量和空氣污染物之間的相關(guān)性。設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)新的車流量時(shí)空模式與空氣質(zhì)量關(guān)系交互式可視分析系統(tǒng),通過對(duì)北京市車流量網(wǎng)格數(shù)據(jù)與空氣質(zhì)量站點(diǎn)數(shù)據(jù)可視分析,探索人們使用出租車的時(shí)空周期模式,及空氣質(zhì)量的周期規(guī)律。進(jìn)而對(duì)車流量與空氣污染物的相似性和趨勢(shì)變化情況展開研究。最后通過案例分析證明本文實(shí)驗(yàn)的有效性。本文主要研究?jī)?nèi)容包括:(1)對(duì)空氣污染物數(shù)據(jù)和車流量數(shù)據(jù)分別進(jìn)行聚類,分析周期規(guī)律。不同于傳統(tǒng)的相似性判斷方法,本文對(duì)聚類后的結(jié)果進(jìn)行聚類相似比較,判斷車流量和污染物之間的相似性。(2)提出趨勢(shì)檢測(cè)算法,分析車流量和空氣質(zhì)量隨時(shí)間的變化情況。(3)設(shè)計(jì)車流量時(shí)空模式與空氣質(zhì)量關(guān)系交互式可視分析系統(tǒng),對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行有效分析。
【學(xué)位單位】：東北師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：X734.2;U491.92
【部分圖文】：

如選擇、過濾、縮放、轉(zhuǎn)換和聚合，進(jìn)行數(shù)據(jù)挖掘。Mclachlan 等[36]在基于網(wǎng)格的布局中顯示了時(shí)間序列數(shù)據(jù)的多個(gè)視圖，方便用戶輕松地在多個(gè)級(jí)別的細(xì)節(jié)上并排比較不同的系列。Xie 等 [37]提出一個(gè)新穎的可視分析系統(tǒng)用于探索電子交易市場(chǎng)時(shí)變信息并發(fā)現(xiàn)異常的電子交易事件。Van 等[38]對(duì)一維的時(shí)變數(shù)據(jù)進(jìn)行趨勢(shì)檢測(cè)，探索有趣的趨勢(shì)。Hochheiser H 等[39]利用 TimeSearcher 一種可視化工具允許用戶在區(qū)域內(nèi)查詢感興趣的時(shí)間序列。Zhao 等[40]提供 ChronoLenses 可視化技術(shù)，支持交互式探索任務(wù)，例如，探索新的時(shí)間序列數(shù)據(jù)的變化結(jié)果。M. Dork 等[41]使用堆疊圖，用于可視分析時(shí)間序列數(shù)據(jù)，堆疊圖可以將序列整體和個(gè)體的時(shí)間趨勢(shì)分析得簡(jiǎn)單明了。本研究重點(diǎn)分析車流量和空氣質(zhì)量隨時(shí)間變化的周期規(guī)律及相關(guān)性。1.3 本文主要研究?jī)?nèi)容為了更好的分析車流量與空氣質(zhì)量間的相關(guān)性，本文設(shè)計(jì)交互式可視分析系統(tǒng)。主要研究?jī)?nèi)容有對(duì)車流量和空氣質(zhì)量進(jìn)行聚類，探索時(shí)空規(guī)律；對(duì)聚類的結(jié)果進(jìn)行聚類相似性比較，探討車流量和污染物間的相關(guān)性；趨勢(shì)檢測(cè)算法，可視分析空氣質(zhì)量和車流量的趨勢(shì)變化。

5 時(shí)相比較少，其他時(shí)間段每天的車流量近乎很相近，但是五一小長(zhǎng)假的第一天和一天，火車站的車流量相比往常會(huì)多一點(diǎn)，推測(cè)假期出游市民的往返乘坐火車導(dǎo)致站附近的車流量增多。結(jié)合其他視圖可以更加詳細(xì)的分析車流量和空氣質(zhì)量間的關(guān)。2 車流量與空氣質(zhì)量時(shí)空規(guī)律探索機(jī)器學(xué)習(xí)中常常會(huì)用到聚類算法，尋找數(shù)據(jù)存在的內(nèi)部結(jié)構(gòu)，將數(shù)據(jù)集合中的樣分為多個(gè)相互獨(dú)立的類。對(duì)數(shù)據(jù)分析時(shí)常常離不開聚類方法，本文將網(wǎng)格中車流量染物濃度根據(jù)時(shí)間為粒度劃分類別，反映區(qū)域內(nèi)車流量或者空氣質(zhì)量的周期規(guī)律。

或者達(dá)到其他終止條件。分類層次聚類（DivisiveAnalysis，DIANA）是先把樣本中的所有點(diǎn)看成一個(gè)大類，然后尋找兩個(gè)距離最大的類進(jìn)行分離后，再次重復(fù)上述步驟，直到達(dá)到預(yù)期的標(biāo)準(zhǔn)或者達(dá)到其他終止條件。3. 基于密度的方法：這種聚類方法判斷樣本點(diǎn)是否是同一個(gè)簇的核心思想是樣本點(diǎn)是否緊密相連，并考慮樣本點(diǎn)間的可連續(xù)性，擴(kuò)展聚類簇達(dá)到最終結(jié)果。DBSCAN（Density-Based Spatial Clustering ofApplications with Noise）是常用的密度聚類方法，基于一組描述數(shù)據(jù)樣本的緊密程度（密度閾值），通過鄰域參數(shù)查找所有核心對(duì)象，以任意一個(gè)核心對(duì)象開始，找到密度可達(dá)的點(diǎn)構(gòu)成類。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 降惠;;醫(yī)學(xué)大數(shù)據(jù)可視分析研究[J];軟件工程;2017年11期

2 ;《空間可視分析方法和應(yīng)用》出版[J];測(cè)繪通報(bào);2008年02期

3 趙穎;張卓;袁曉如;;數(shù)據(jù)可視分析挑戰(zhàn)賽三年回顧[J];網(wǎng)絡(luò)與信息安全學(xué)報(bào);2018年02期

4 徐佳;魏景利;;食品安全大數(shù)據(jù)可視分析方法研究[J];現(xiàn)代食品;2018年06期

5 文斐;;可視分析是變現(xiàn)大數(shù)據(jù)價(jià)值最終一環(huán)[J];互聯(lián)網(wǎng)周刊;2016年21期

6 陳達(dá);崔虎平;蘇亞龍;;多粒度時(shí)空對(duì)象可視分析體系初探[J];地理信息世界;2018年02期

7 徐葛培;;大數(shù)據(jù)可視分析視角下的礦產(chǎn)資源規(guī)劃研究[J];科技創(chuàng)新與應(yīng)用;2017年26期

8 侯雪;肖丁;陳璞迪;宋禮;;用電行為數(shù)據(jù)可視分析系統(tǒng)[J];計(jì)算機(jī)應(yīng)用;2018年S1期

9 孫國(guó)道;柳芬;蔣莉;梁榮華;;基于空間區(qū)域功能劃分的人群移動(dòng)模式可視分析[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2018年06期

10 沈漢威;張小龍;陳為;袁曉如;王文成;;可視化及可視分析專題前言[J];軟件學(xué)報(bào);2016年05期

相關(guān)博士學(xué)位論文 前10條

1 嚴(yán)宇宇;基于主題模型的可視分析方法研究[D];浙江大學(xué);2019年

2 徐進(jìn);面向評(píng)論數(shù)據(jù)的可視分析方法研究[D];浙江大學(xué);2018年

3 郭方舟;面向復(fù)雜圖數(shù)據(jù)的可視表達(dá)與交互可視分析關(guān)鍵方法研究[D];浙江大學(xué);2018年

4 鄧超;基于密度聚類與時(shí)空?qǐng)D的市場(chǎng)數(shù)據(jù)可視分析方法研究[D];中國(guó)農(nóng)業(yè)大學(xué);2018年

5 應(yīng)申;空間可視分析的關(guān)鍵技術(shù)和應(yīng)用研究[D];武漢大學(xué);2005年

6 曹一冰;陸地邊界地理可視分析技術(shù)研究[D];解放軍信息工程大學(xué);2015年

7 李少雄;基于偏序模式表示原理的多維混合數(shù)據(jù)可視分析研究[D];燕山大學(xué);2017年

8 陳海東;不確定性可視化及分析方法研究[D];浙江大學(xué);2015年

9 王慶;自我中心網(wǎng)絡(luò)的結(jié)構(gòu)建模與研究[D];北京郵電大學(xué);2017年

10 劉玉華;模型驅(qū)動(dòng)的網(wǎng)絡(luò)數(shù)據(jù)的可視分析方法研究[D];華東師范大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 宋禮;出租車軌跡異常檢測(cè)可視分析系統(tǒng)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2019年

2 黃文達(dá);面向程序理解的代碼可視分析[D];浙江大學(xué);2019年

3 樊曉博;基于企業(yè)日志元數(shù)據(jù)的員工行為可視分析研究[D];太原理工大學(xué);2019年

4 徐江陽(yáng);間接稀疏采樣數(shù)據(jù)時(shí)空可視分析研究[D];太原理工大學(xué);2019年

5 欒劍;基于趨勢(shì)檢測(cè)算法的車流量模式與空氣質(zhì)量關(guān)系可視分析[D];東北師范大學(xué);2019年

6 曹帝胄;基于原子交互的交通卡口可視分析系統(tǒng)[D];浙江工業(yè)大學(xué);2018年

7 柳芬;基于數(shù)據(jù)融合的人群移動(dòng)時(shí)空語(yǔ)義模式可視分析[D];浙江工業(yè)大學(xué);2018年

8 陳萬(wàn)烤;航空訂票服務(wù)器爬蟲檢測(cè)技術(shù)研究[D];杭州電子科技大學(xué);2018年

9 劉汪洋;公共自行車數(shù)據(jù)的可視分析[D];杭州電子科技大學(xué);2018年

10 王琦;針對(duì)電網(wǎng)暫態(tài)穩(wěn)定計(jì)算時(shí)序變量對(duì)的統(tǒng)計(jì)質(zhì)量控制與可視分析[D];浙江大學(xué);2018年

本文編號(hào)：2885645