基于手机定位数据的居民出行OD矩阵获取方法研究-信息安全专业论文.docx

西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下： 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： 1．论文对手机定位数据中主要存在的问题进行了分析，发现手机定位问题存在数 据缺陷、定位漂移、定位数据非等时间间隔采集等问题，针对这些问题提出了 相应的数据预处理方法。 2．论文分析对比了主要的几种交通小区划分方法，然后基于聚类与交通小区划分 的相似性，利用K-Me粕s聚类算法对停留点聚类实现交通小区的划分，其中 K-Means算法中的参数k的取值由交通小区划分原则进行约束。 3．论文提出了一种基于“空间．时间”双层聚类的停留点识别算法，首先在空间层 上利用聚类算法对经过数据预处理的定位数据进行聚类，并基于K-近邻法的思 想对聚类结果进行优化，得到候选停留点，然后再在时间层上对定位数据聚类， 结合停留点判别时间阈值进行候选停留点的划分与取舍，得到最终的用户出行 停留点和出行链。论文研究了基于手机定位数据的居民OD矩阵的获取方法， 首先对定位数据进行数据预处理，然后利用利于“空间．时间双层聚类的停留 点识别算法识别出用户出行的停留点与出行链，利用K-Means聚类算法对停留 点聚类以划分交通小区，再将出行链映射到划分好的交通小区中，识别出行链 中的区外出行，最后经过数学统计后得到出行OD矩阵。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。 除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的 研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确说明。本人完全 了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名：度 掘 日期：MfI．嗲、1罗 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘 要 城市交通是城市发展的基础和前提，是联系当代社会经济活动的纽带，若是想要使 一个城市快速发展起来，那么我们必须首先解决其交通问题。解决交通问题主要包括交 通问题的诊断、交通系统的规划和交通管理政策的制定，其一个重要的参考依据便是居 民出行OD调查(Origin Destination Survey)。居民出行OD调查即调查居民出行从出发 地点到目的地点的全面情况，了解居民出行的构成、流量以及去向。传统的居民出行OD 调查方法主要采取人工询问和表格调查的方式，如路边询问法、表格调查法、电话调查 法等，这些传统调查方法需要耗费大量的人力、财力，并且其抽样率较低、得到的OD 矩阵精确度不高：基于现代先进技术的出行OD调查方法主要包括微波检测法、地感线 圈检测法、视频图像检测法、GPS浮动车等，这些方法存在需要改动现有设备、安装维 护费用高、覆盖面较小等不足。随着移动通信技术的迅速发展，手机普及率逐渐升高， 大量的手机用户在日常出行中产生了海量的定位数据，这些定位数据的采集无需更改现 有的设备，并且具有全天候连续采集、抽样率高、数据量庞大的特点，本论文基于手机 定位数据的诸多优点研究了利用这些手机定位数据来获取居民出行OD矩阵的方法。 本文首先简述了论文研究的背景与意义、国内外研究现状以及本文的主要研究内 容，并就本研究相关的理论基础进行了介绍；分析了手机定位数据中主要存在的问题， 并针对其存在的数据缺陷、定位漂移、定位数据非等时采集等问题进行了相应的数据预 处理；然后提出了一种基于“空间．时间”双层聚类的停留点识别算法，先在空间层面利 用DBSCAN算法对定位点进行聚类，并利用K．近邻法的思想优化聚类结果，得到候选 停留点，再在时间层上对定位数据聚类以对候选停留点进行划分和取舍，识别出用户出 行的停留点和出行链；考虑到聚类和交通小区划分之间存在很大的相似性，利用K．Means 算法对停留点聚类实现交通小区划分，其中，K．Means算法中的参数k根据交通小区划 分原则确定；然后将出行链映射到划分好的交通小区中，从中识别区外出行，再经过统 计计算后得到居民出行OD矩阵；最后基于潍坊市电信用户手机定位数据，设计实验验 证了基于手机定位数据的居民出行OD矩阵获取方法，并结合GIS分析了潍坊市OD客 流的地理空间分布特征。 关键词：OD调查；OD矩阵；手机定位；停留点；出行链；交通小区 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1I页 Abstract Urban traffic is the basis and premise of urban development,and iS bond that links economic activities in modem society together．If city wa