可視分析被廣泛應(yīng)用于對(duì)各類數(shù)據(jù)的信息挖掘與分析中。隨著智慧城市的發(fā)展以及信息大爆炸時(shí)代的到來,很多行業(yè)領(lǐng)域每天都在產(chǎn)生大量的軌跡數(shù)據(jù)。這些數(shù)據(jù)中隱藏著與人類息息相關(guān)的各種有用信息。因此,借助生動(dòng)、直觀的可視化手段來挖掘和分析數(shù)據(jù)中獨(dú)特的信息規(guī)律變得十分必要。為了應(yīng)對(duì)各種移動(dòng)軌跡數(shù)據(jù)的分析,專家們研究出了大量的軌跡數(shù)據(jù)處理方法并開發(fā)了相應(yīng)的軌跡可視化分析系統(tǒng)軟件。然而,隨著數(shù)據(jù)量的逐漸擴(kuò)大,軌跡數(shù)據(jù)在經(jīng)過聚類、綁定等處理后的直接繪制還會(huì)因?yàn)榻徊�、重疊的原因造成視覺上的嚴(yán)重混亂。這給研究人員分析挖掘數(shù)據(jù)隱藏信息帶來了巨大的困難。為了減少視覺混亂,并且能清晰地分析數(shù)據(jù)中人類的行為規(guī)律,研究設(shè)計(jì)一種用于OD數(shù)據(jù)的軌跡可視分析方法是非常必要的。針對(duì)上述問題,本文在現(xiàn)有方法基礎(chǔ)上做出以下工作:1.提出了基于OD數(shù)據(jù)的軌跡可視分析方法。該方法是在現(xiàn)有軌跡處理方法的基礎(chǔ)上結(jié)合了邊綁定算法,全部流程如下:將原始OD數(shù)據(jù)與單詞類比,用模型訓(xùn)練得到對(duì)應(yīng)的詞向量,通過t-SNE對(duì)高維向量做低維投影,數(shù)據(jù)經(jīng)過藍(lán)噪采樣算法的優(yōu)化后,對(duì)其應(yīng)用邊綁定算法,以改善OD軌跡的大量交叉重疊造成的視覺混亂,并可視化分析人類流...

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 軌跡數(shù)據(jù)研究現(xiàn)狀
        1.2.2 軌跡數(shù)據(jù)可視分析現(xiàn)狀
    1.3 本文主要工作
    1.4 本文組織結(jié)構(gòu)
第2章 軌跡數(shù)據(jù)可視化技術(shù)和方法研究
    2.1 軌跡數(shù)據(jù)可視化方法研究
        2.1.1 數(shù)據(jù)可視化
        2.1.2 軌跡數(shù)據(jù)可視化
    2.2 Web前端可視化技術(shù)
    2.3 軌跡數(shù)據(jù)邊綁定概述
        2.3.1 基于力導(dǎo)向的邊綁定
        2.3.2 基于骨架的邊綁定
    2.4 本章小結(jié)
第3章 基于OD數(shù)據(jù)的軌跡可視分析方法
    3.1 詞嵌入之CBOW模型
    3.2 數(shù)據(jù)介紹和處理
    3.3 基于OD數(shù)據(jù)的軌跡可視分析方法
    3.4 配色方案與交互設(shè)計(jì)
    3.5 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第4章 OD數(shù)據(jù)軌跡可視分析系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)
    4.1 功能需求
    4.2 系統(tǒng)架構(gòu)
    4.3 系統(tǒng)實(shí)現(xiàn)
        4.3.1 系統(tǒng)數(shù)據(jù)格式
        4.3.2 系統(tǒng)模塊劃分
        4.3.3 系統(tǒng)模塊實(shí)現(xiàn)
    4.4 可視分析
        4.4.1 芝加哥市共享單車數(shù)據(jù)可視分析
        4.4.2 河北雄縣共享單車數(shù)據(jù)可視分析
    4.5 系統(tǒng)評(píng)估
        4.5.1 用戶調(diào)查
        4.5.2 質(zhì)量評(píng)估
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 未來工作及展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號(hào)：3761975