發(fā)布時間：2023-02-06 11:48

　　隨著科技發(fā)展、社會進步,以及居民生活水平得不斷提高,私家車已然成為了城市居民甚至普通家庭的日常代步工具,因此,越來越多的發(fā)達城市甚至發(fā)展中城市都面臨著由此而產生的挑戰(zhàn)——交通擁堵問題。基于現(xiàn)有科技手段,可以通過智能車載終端實時獲取車輛的GPS數(shù)據,這些GPS軌跡數(shù)據包含了極其豐富的信息,其中包括但不限于當前城市的實時交通情況。因此,如何從實時的海量的GPS數(shù)據中挖掘出城市熱點路徑和區(qū)域,對于整個城市的交通體系的完善和發(fā)展以及對于城市居民的交通出行指導都是非常有意義的。車聯(lián)網技術的普及,車與人,車與車,車與道路之間的信息共享成為可能,越來越多的汽車,尤其是私家車,都裝載了車載智能終端,可以實時上傳GPS軌跡數(shù)據,包括但不限于車載終端ID,時間,經緯度等。城市道路中的車輛自動上傳的GPS軌跡數(shù)據定位精度高,覆蓋范圍廣,能夠清晰地反應當前城市道路的運行狀況。因此,本文以實時軌跡流數(shù)據為研究對象,重點研究軌跡聚類和軌跡流聚類,基于典型的軌跡聚類算法框架,提出了新的算法思路,以及在此基礎上提出了基于滑動窗口的軌跡流數(shù)據聚類框架。本文的研究內容和創(chuàng)新點如下:第一,針對經典軌跡聚類算法TRACLUS...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
緒論
    第一節(jié) 研究背景與意義
        一、研究背景
        二、研究意義
    第二節(jié) 國內外研究現(xiàn)狀
        一、軌跡聚類研究現(xiàn)狀
        二、數(shù)據流聚類研究現(xiàn)狀
        三、軌跡流聚類研究現(xiàn)狀
    第三節(jié) 研究內容及創(chuàng)新點
    第四節(jié) 論文的組織結構
第一章 聚類與軌跡聚類概述
    第一節(jié) 聚類分析
        一、聚類分析的基本概念
        二、聚類方法概述
    第二節(jié) 數(shù)據流聚類
        一、數(shù)據流的基本概念
        二、數(shù)據流模型
        三、數(shù)據流聚類基本知識
        四、數(shù)據流聚類的常用算法
    第三節(jié) 軌跡聚類相關基礎知識
        一、軌跡相似度度量
        二、軌跡劃分
        三、子軌跡聚類
第二章 基于決策樹的軌跡聚類算法
    第一節(jié) TRACLUS聚類算法
        一、軌跡距離
        二、軌跡分段
        三、子軌跡聚類
    第二節(jié) 基于TRACLUS框架的DT-TraClu算法
        一、基于時空的軌跡距離
        二、基于決策樹的軌跡劃分
        三、聚類簇的概要信息提取
第三章 基于滑動窗口的軌跡流聚類
    第一節(jié) 基本概念描述
        一、TCS的可結合性
        二、時序聚類特征指數(shù)直方圖
        三、軌跡數(shù)據維護策略
    第二節(jié) 在線微聚類
        一、刪除軌跡段
        二、合并相似TCF
    第三節(jié) 離線宏聚類
第四章 實驗結果與分析
    第一節(jié) 實驗數(shù)據與環(huán)境介紹
        一、數(shù)據介紹
        二、數(shù)據預處理
        三、實驗環(huán)境
    第二節(jié) DT-TraClu算法實驗結果與分析
        一、決策樹模型訓練
        二、軌跡劃分結果對比實驗
        三、聚類效果對比實驗
    第三節(jié) 基于滑動窗口的軌跡流聚類算法實驗結果與分析
第五章 總結與展望
參考文獻
致謝



本文編號：3735945