出行者出行信息语义挖掘-管理科学与工程专业论文.docxVIP

摘 要 近年来，随着城市人口数量的增加，城市交通管理与规划面临着前所未有的 挑战。城市居民的出行活动作为城市交通组成的要素之一是交通规划、交通管理 以及居民出行行为研究的重要参考依据。目前，居民出行信息主要来源于居民出 行问卷调查，该方法存在耗时长、投入大、获取的信息不准确等问题。 随着手机、无线电技术、GPS(Global Positioning System)以及 GIS 等技术的 发展，快速准确地收集大量居民出行数据已成为可能。基于 GPS 的出行者出行 信息语义挖掘法应运而生。本文对出行者出行信息的语义挖掘研究主要从行程识 别、出行目的推断和出行下一停留点预测三个方面进行研究，具体内容如下： （1）行程识别 行程识别的目的就是要将没有直观语义信息的轨迹转化为可直接进行识别 与认知的停留位置和移动。本文将地理信息系统与出行轨迹相结合，在基于密度 的轨迹点聚类 DBSCAN 算法相关理论的基础上，对其一些相关变量进行改变， 形成新的改进的 DBSCAN 算法，对出行者出行轨迹进行识别，获得轨迹中速度 较低的区域；将获得的低速度区域与 GIS 地图相匹配，作进一步的停留判断， 完成行程识别。 （2）基于两级空间尺度的出行目的推断 本文结合地理学信息，引入多级空间尺度概念，将出行轨迹分别在宏观尺度 与微观尺度下展现与分析。从微观层次上对轨迹进行深度剖析与研究，挖掘其隐 藏的内在信息，识别出其中的子停留，并对子停留的特征参数进行数值量化，结 合在大量统计基础上建立起的 k-base，确定子停留的类型，从而进一步推断出出 行者的出行目的。 （3）基于马尔科夫链的下一停留点预测 目前已有的对出行者出行信息语义挖掘的研究，停留在对已有出行数据的分 析与研究上，对未来出行情况的预测研究甚少。本文利用马尔科夫模型的优良特 性，将其应用在出行者出行信息语义挖掘上，对出行者的未来出行状况进行预测。 结合数据处理与停留点识别的方法，将出行轨迹进行状态层次划分，建立状态转 移概率，进行状态转移，继而预测出行者下一停留点的位置。 关键词：GPS 轨迹数据；语义挖掘；行程识别；出行目的；马尔科夫 Abstract In recent years, along with the increasing of urban population, urban traffic management and planning is faced with great challenge. Residents’ travel activity is a very important part of urban traffic. Residents’ travel activity information is the most important reference basis of traffic planning, traffic management and residents travel behavior research. At present, the residents’ travel information mainly comes from residents’ travel questionnaire investigation. This method has a lot of problems, such as: taking a long time, spending more money, getting inaccurate information and so on. Along with the development of mobile phones, radio technology, GPS (Global Positioning System) and GIS technology, collecting a large number of residents travel data rapidly and accurately has become possible. Travel information semantic mining method based on GPS data arises at the historic moment. In this paper, the research of the travel information semantic mining is mainly studied from three aspects: Trip identification, Based on the multiple spatial scales deduce trip purpose, Ba