基于Cell-ID定位數(shù)據(jù)的居民職住地識(shí)別與通勤軌跡提取技術(shù)研究
發(fā)布時(shí)間:2025-02-07 19:14
城市居民的職住地分布與通勤路線挖掘一直是城市研究中的熱點(diǎn)問題,在許多領(lǐng)域如交通流分析,城市規(guī)劃、出行特征分析和路徑推薦中具有重要意義。在傳統(tǒng)的城市研究中,居民職住地分布數(shù)據(jù)的主要來源是問卷調(diào)查。然而,大規(guī)模問卷調(diào)查存在耗時(shí)長、數(shù)據(jù)獲取成本高、調(diào)查準(zhǔn)確度受到受訪者配合度影響大等問題。隨著交通信息化建設(shè)的逐步推進(jìn),越來越多的信息采集設(shè)備可以為城市研究提供數(shù)據(jù)來源。目前手機(jī)的迅速普及、數(shù)據(jù)挖掘和大規(guī)模計(jì)算技術(shù)的不斷發(fā)展和成熟,使得移動(dòng)蜂窩網(wǎng)絡(luò)成為分析城市居民出行特征的理想探測器。本文通過對(duì)Cell-ID定位數(shù)據(jù)進(jìn)行清洗、聚類,然后提取出居民職住地、恢復(fù)居民的通勤軌跡信息。本文的研究工作主要包含三部分內(nèi)容。首先,針對(duì)Cell-ID定位數(shù)據(jù)的采樣特征及誤差特征進(jìn)行分析,對(duì)無效冗余數(shù)據(jù)和噪聲數(shù)據(jù)進(jìn)行清洗;其次,針對(duì)現(xiàn)有蜂窩網(wǎng)絡(luò)所提供的Cell-ID定位數(shù)據(jù)較低采樣率和定位不精確的問題,提出一種基于多天數(shù)據(jù)的兩步聚類算法,利用人們出行的規(guī)律性采用DBSCAN算法聚類出用戶的重要停留位置,隨后提取特征后對(duì)所有用戶的重要停留位置使用模糊C-Means算法進(jìn)行再次聚類,從而完成居民職住地的識(shí)別,以實(shí)際的基站...
【文章頁數(shù)】:68 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 居民職住地分布信息獲取
1.2.2 軌跡聚類
1.2.3 軌跡融合
1.3 本文的主要內(nèi)容和章節(jié)安排
1.3.1 本文的主要內(nèi)容
1.3.2 論文的章節(jié)安排
第2章 Cell-ID定位數(shù)據(jù)認(rèn)識(shí)及預(yù)處理
2.1 Cell-ID定位數(shù)據(jù)認(rèn)識(shí)
2.1.1 手機(jī)信令數(shù)據(jù)分類
2.1.2 Cell-ID定位技術(shù)
2.2 原始Cell-ID定位數(shù)據(jù)特征
2.2.1 數(shù)據(jù)源概述
2.2.2 基站分布特征
2.2.3 定位誤差特征
2.2.4 數(shù)據(jù)采樣特征
2.3 Cell-ID定位數(shù)據(jù)預(yù)處理
2.3.1 無效數(shù)據(jù)清洗
2.3.2 漂移數(shù)據(jù)清洗
2.4 實(shí)驗(yàn)與結(jié)果分析
2.5 本章小結(jié)
第3章 基于兩步聚類的職住地識(shí)別算法
3.1 基于兩步聚類的職住地識(shí)別算法概述
3.2 識(shí)別算法
3.2.1 停留點(diǎn)識(shí)別
3.2.2 用戶重要停留位置提取
3.2.3 職住地識(shí)別
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 職住地識(shí)別結(jié)果
3.3.2 分區(qū)人口占比驗(yàn)證
3.4 本章小結(jié)
第4章 代表性通勤軌跡提取
4.1 引言
4.2 CATC算法介紹
4.2.1 CATS
4.2.2 CATC
4.3 代表性通勤軌跡提取算法
4.3.1 獲得軌跡相似度矩陣
4.3.2 改進(jìn)CATC的軌跡聚類算法
4.3.3 軌跡融合
4.4 實(shí)驗(yàn)與分析
4.4.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集
4.4.2 軌跡聚類
4.4.3 軌跡融合
4.5 本章小結(jié)
第5章 城市通勤空間特征分析
5.1 居民通勤距離分布
5.2 區(qū)域通勤流
5.3 城市區(qū)域通勤特征
5.4 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及科研成果
本文編號(hào):4031173
【文章頁數(shù)】:68 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 居民職住地分布信息獲取
1.2.2 軌跡聚類
1.2.3 軌跡融合
1.3 本文的主要內(nèi)容和章節(jié)安排
1.3.1 本文的主要內(nèi)容
1.3.2 論文的章節(jié)安排
第2章 Cell-ID定位數(shù)據(jù)認(rèn)識(shí)及預(yù)處理
2.1 Cell-ID定位數(shù)據(jù)認(rèn)識(shí)
2.1.1 手機(jī)信令數(shù)據(jù)分類
2.1.2 Cell-ID定位技術(shù)
2.2 原始Cell-ID定位數(shù)據(jù)特征
2.2.1 數(shù)據(jù)源概述
2.2.2 基站分布特征
2.2.3 定位誤差特征
2.2.4 數(shù)據(jù)采樣特征
2.3 Cell-ID定位數(shù)據(jù)預(yù)處理
2.3.1 無效數(shù)據(jù)清洗
2.3.2 漂移數(shù)據(jù)清洗
2.4 實(shí)驗(yàn)與結(jié)果分析
2.5 本章小結(jié)
第3章 基于兩步聚類的職住地識(shí)別算法
3.1 基于兩步聚類的職住地識(shí)別算法概述
3.2 識(shí)別算法
3.2.1 停留點(diǎn)識(shí)別
3.2.2 用戶重要停留位置提取
3.2.3 職住地識(shí)別
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 職住地識(shí)別結(jié)果
3.3.2 分區(qū)人口占比驗(yàn)證
3.4 本章小結(jié)
第4章 代表性通勤軌跡提取
4.1 引言
4.2 CATC算法介紹
4.2.1 CATS
4.2.2 CATC
4.3 代表性通勤軌跡提取算法
4.3.1 獲得軌跡相似度矩陣
4.3.2 改進(jìn)CATC的軌跡聚類算法
4.3.3 軌跡融合
4.4 實(shí)驗(yàn)與分析
4.4.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集
4.4.2 軌跡聚類
4.4.3 軌跡融合
4.5 本章小結(jié)
第5章 城市通勤空間特征分析
5.1 居民通勤距離分布
5.2 區(qū)域通勤流
5.3 城市區(qū)域通勤特征
5.4 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及科研成果
本文編號(hào):4031173
本文鏈接:http://www.sikaile.net/kejilunwen/ruanjiangongchenglunwen/4031173.html
最近更新
教材專著