城市公共交通換乘客流時空分布可視化及站點聚類分析
發(fā)布時間:2023-06-01 01:54
近年來,隨著我國經(jīng)濟的增長和城市的建設,城市的人口也急劇增加,人口的增長也給交通帶來了巨大的壓力。目前,我國許多城市的公共交通發(fā)展遠遠不能滿足居民的日常出行需求,社會發(fā)展和公共交通建設不能同步。深圳,作為粵港澳大灣區(qū)發(fā)展的核心引擎城市,公共交通與城市發(fā)展不協(xié)調(diào)的問題也同樣嚴重。而在公共交通發(fā)展中軌道交通和常規(guī)公交扮演了重要的角色。因此,挖掘分析城市軌道交通與常規(guī)公交之間的出行特征,并以此為基礎對軌道交通站點進行聚類研究,對于制定合理的城市交通規(guī)劃具有重要意義。交通大數(shù)據(jù)的出現(xiàn)也為解決城市交通問題提供了新的思路,隨著智能卡技術的廣泛使用,從該系統(tǒng)中獲取的數(shù)據(jù)也被廣泛應用于城市公共交通的各個方面。在此背景下,本文利用深圳通的刷卡數(shù)據(jù),研究分析了地鐵和公交之間的換乘客流時空分布規(guī)律,并對軌道交通站點進行了聚類分析,提出了換乘接駁策略。最后,設計并實現(xiàn)了基于Spark的交通大數(shù)據(jù)可視化平臺。具體而言,論文的主要研究如下:(1)根據(jù)換乘識別原理確定了換乘時間閾值,基于換乘時間閾值提取軌道交通與常規(guī)公交之間的換乘客流,并對換乘客流的時空分布規(guī)律進行可視化分析,利用可視化結果管理者可以更直觀的了解客...
【文章頁數(shù)】:86 頁
【學位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 刷卡數(shù)據(jù)研究
1.2.2 換乘客流研究
1.2.3 軌道交通站點聚類研究
1.3 研究目的及內(nèi)容
1.3.1 研究目的
1.3.2 研究內(nèi)容
1.4 技術路線圖
1.5 本章小結
第二章 基礎數(shù)據(jù)分析與處理
2.1 基礎數(shù)據(jù)描述
2.1.1 深圳通刷卡數(shù)據(jù)介紹
2.1.2 深圳通刷卡數(shù)據(jù)字段說明
2.2 基礎數(shù)據(jù)清洗
2.2.1 數(shù)據(jù)清洗規(guī)則
2.3 數(shù)據(jù)可視化工具
2.4 本章小結
第三章 換乘客流識別與特征分析
3.1 換乘識別方法
3.1.1 換乘識別原理
3.1.2 換乘時間閾值確定
3.1.3 換乘數(shù)據(jù)篩選
3.2 軌道交通與常規(guī)公交換乘客流時間特征分析
3.2.1 一周客流時間分布
3.2.2 單日客流時間分布
3.2.3 城市軌道交通線路換乘客流時間分布
3.3 軌道交通與常規(guī)公交換乘客流空間特征分析
3.3.1 軌道交通網(wǎng)絡換乘客流分布
3.3.2 軌道交通單條線路站點換乘客流分布
3.3.3 軌道交通早晚高峰換乘客流空間分布
3.4 本章小結
第四章 基于k-means算法的軌道交通站點聚類模型
4.1 k-means聚類算法分析
4.1.1 k-means聚類算法的思想
4.1.2 k-means聚類算法的流程
4.1.3 k-means聚類算法的優(yōu)缺點分析
4.2 改進的k-means聚類模型
4.2.1 k值的確定
4.2.2 初始聚類中心的選取
4.3 主成分分析
4.3.1 主成分分析算法的基本思想
4.3.2 主成分分析算法的流程
4.4 本章小結
第五章 實驗分析
5.1 實驗數(shù)據(jù)處理
5.1.1 聚類變量的選取
5.1.2 變量標準化
5.1.3 PCA降維處理
5.1.4 K值選取
5.2 聚類結果分析
5.2.1 k-means聚類結果分析
5.2.2 層次聚類結果分析
5.3 兩種算法聚類結果對比
5.3.1 站點總體分類結果對比
5.3.2 站點個體分類結果對比
5.4 換乘需求量與換乘率
5.5 換乘接駁策略
第六章 基于spark的交通大數(shù)據(jù)可視化平臺實現(xiàn)
6.1 系統(tǒng)平臺簡介
6.1.1 系統(tǒng)設計目的
6.1.2 系統(tǒng)設計原則
6.2 系統(tǒng)設計
6.2.1 系統(tǒng)整體架構設計
6.2.2 系統(tǒng)業(yè)務流程設計
6.2.3 數(shù)據(jù)庫設計
6.3 功能模塊設計
6.4 系統(tǒng)可視化展示
6.5 本章小結
結論與展望
研究結論
研究展望
參考文獻
致謝
本文編號:3826422
【文章頁數(shù)】:86 頁
【學位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 刷卡數(shù)據(jù)研究
1.2.2 換乘客流研究
1.2.3 軌道交通站點聚類研究
1.3 研究目的及內(nèi)容
1.3.1 研究目的
1.3.2 研究內(nèi)容
1.4 技術路線圖
1.5 本章小結
第二章 基礎數(shù)據(jù)分析與處理
2.1 基礎數(shù)據(jù)描述
2.1.1 深圳通刷卡數(shù)據(jù)介紹
2.1.2 深圳通刷卡數(shù)據(jù)字段說明
2.2 基礎數(shù)據(jù)清洗
2.2.1 數(shù)據(jù)清洗規(guī)則
2.3 數(shù)據(jù)可視化工具
2.4 本章小結
第三章 換乘客流識別與特征分析
3.1 換乘識別方法
3.1.1 換乘識別原理
3.1.2 換乘時間閾值確定
3.1.3 換乘數(shù)據(jù)篩選
3.2 軌道交通與常規(guī)公交換乘客流時間特征分析
3.2.1 一周客流時間分布
3.2.2 單日客流時間分布
3.2.3 城市軌道交通線路換乘客流時間分布
3.3 軌道交通與常規(guī)公交換乘客流空間特征分析
3.3.1 軌道交通網(wǎng)絡換乘客流分布
3.3.2 軌道交通單條線路站點換乘客流分布
3.3.3 軌道交通早晚高峰換乘客流空間分布
3.4 本章小結
第四章 基于k-means算法的軌道交通站點聚類模型
4.1 k-means聚類算法分析
4.1.1 k-means聚類算法的思想
4.1.2 k-means聚類算法的流程
4.1.3 k-means聚類算法的優(yōu)缺點分析
4.2 改進的k-means聚類模型
4.2.1 k值的確定
4.2.2 初始聚類中心的選取
4.3 主成分分析
4.3.1 主成分分析算法的基本思想
4.3.2 主成分分析算法的流程
4.4 本章小結
第五章 實驗分析
5.1 實驗數(shù)據(jù)處理
5.1.1 聚類變量的選取
5.1.2 變量標準化
5.1.3 PCA降維處理
5.1.4 K值選取
5.2 聚類結果分析
5.2.1 k-means聚類結果分析
5.2.2 層次聚類結果分析
5.3 兩種算法聚類結果對比
5.3.1 站點總體分類結果對比
5.3.2 站點個體分類結果對比
5.4 換乘需求量與換乘率
5.5 換乘接駁策略
第六章 基于spark的交通大數(shù)據(jù)可視化平臺實現(xiàn)
6.1 系統(tǒng)平臺簡介
6.1.1 系統(tǒng)設計目的
6.1.2 系統(tǒng)設計原則
6.2 系統(tǒng)設計
6.2.1 系統(tǒng)整體架構設計
6.2.2 系統(tǒng)業(yè)務流程設計
6.2.3 數(shù)據(jù)庫設計
6.3 功能模塊設計
6.4 系統(tǒng)可視化展示
6.5 本章小結
結論與展望
研究結論
研究展望
參考文獻
致謝
本文編號:3826422
本文鏈接:http://www.sikaile.net/kejilunwen/daoluqiaoliang/3826422.html