出租车GPS轨迹数据挖掘研究.docVIP

出租车GPS轨迹数据挖掘研究 1出租车GPS轨迹数据挖掘技术分析 1.1数据预处理。初步的数据采集，往往都是不完整的或不一致的，数据当中可能存在缺漏项或重复项，所以不能直接用于数据分析与数据挖掘，需要进一步进行数据的清理与冗余数据化简操作。出租车的GPS轨迹数据当中，可能存在的问题主要包括两点，其一是轨迹点的经纬度坐标越界；其二时轨迹点位置异常。对这两种数据问题进行清理，可通过以下步骤：首先，处理经纬度坐标越界问题，假设数据采集对象为沈阳市辖区，则要划分重点研究区域，若此次研究主要为主城区的交通道路规划提供参考，则要将绕城高速以外的所有坐标记录进行清除处理。其次，处理轨迹点异常的问题，需要进行异常值过滤处理，如，数据的来源出租车的行车速度要控制在合理范围内；同时，还要有效剔除车载GPS的测量异常值，具体办法可结合中位数滤波器进行有效处理。在数据采集过程中，受到交通拥堵、停靠等现实状况的影响，地位系统当中会出现大量的定位冗余点，若要保证数据分析的准确性，必须对其进行简化处理。针对这一处理过程，可充分利用计算机图形学与制图学领域的研究成果，采用Douglas-Peucker即DP算法，针对出租车GPS轨迹数据中曲线节点密度较高的数据类型，能够起到显著的去冗余效果。1.2地图匹配。在实际数据采集过程中，受到GPS定位精度问题的影响，获取到的轨迹点可能存在一定的误差，针对这种数据问题，就需要进一步采用地图数据对其进行匹配纠正处理。较为简单的匹配方法，就是将GPS轨迹点与距离最近的道路进行匹配，主要原理是几何特性，基于道路拓扑关系进行匹配，能够简化匹配过程，且计算更为便捷、准确度更高。对初始数据进行相应的处理，最终得到的轨迹数据，应能够清晰的呈现为目标区域的道路网络。 2利用出租车GPS轨迹数据挖掘居民出行特征的方案设计 2.1高斯定理与轨迹数据。采用高斯定律进行居民出行特征挖掘，是一种类比的应用手段，主要原理是利用高斯定律描述目标场景，进而细致分析出租车轨迹方向与载客数量等特征。高斯定律数学表达公式如下：式中的Ω表示一个封闭曲面，而V则表示由这个封闭曲面所围成的空间；0ε表示介电常数；E表示空间V当中的电场分布矢量函数；而qi则表示空间V当中所包含的电荷。对其进行直观的理解，即公式所表示的的封闭曲面内所包含的电荷之和，与穿过该曲面的电场线呈正比关系。将其类比于出租车GPS轨迹数据挖掘的过程当中，即表示在出租车GPS轨迹数据当中，一个载客段就对应高斯定律当中的一条电场线，而载客段所形成轨迹的起点与终点则为高斯定律当中的正负电荷；假设研究范围内的出租车载客量趋于稳定，皆为1/0λ，则能够进一步得出出租车穿过制定区域的轨迹正比于区域内所有载客段起点与终点之和。将高斯定律类比与出租车GPS轨迹数据，针对尺度不同的区域，其起点与终点之和能够进一步表现各个区域尺度下的载客净流入量密度空间，具体表达公式如下：（count终点-count起点）式中的Ti表示目标区域内的的载客段，当载客段的终点在目标区域之内时，δ（Ti）则为＋1；若终点超出目标区域，则δ（Ti）的值为－1；1/0λ作为出租车的平均载客量，可将其假定为稳定常数。2.2基于高斯定律的轨迹挖掘。类比于高斯定律的出租车GPS轨迹数据挖掘，通过对目标区域中出租车载客段在一定时间内的轨迹进行分析，能够进一步得到在这段时间内，目标区域内出租车的载客净流入量［1］。对于载客净流入量这一数据，能够明确其数据分析指标包括出租车GPS轨迹数据当中的数量特征与方向特征，能够在一定程度上，客观的反映出目标区域对居民出现的“吸引力”程度。总结基于高斯定律的出租车GPS轨迹数据挖掘算法如下：（1）首先，初步获取目标区域内的出租车GPS轨迹数据，并对其进行数据预处理操作；然后，将轨迹数据进行有效分割，分割的主要依据为出租者的载客状态，最终形成空车状态数据与载客状态数据，从而提取出区域内出租车载客轨迹的起点与终点。（2）得到有效的出租车GPS轨迹数据之后，进一步分割数据覆盖区域，可采取栅格分割方式来设定分割尺寸。（3）以每个分割单元为单位，统计其中的载客轨迹起始点与终点，统计值即为count终点-count起点。（4）依据公式（count终点-count起点）#8226;1/0λ，得出目标区域内，一定时间内的乘客净流入量。 3利用出租车GPS轨迹数据挖掘居民出行特征的实验结果分析 以某城市交通局提供的，2017年9月1日至2日，城市主城区出租车GPS轨迹数据为例，对其进行数据挖掘实验，进一步分析居民出行特征。3.1数据分析。通过数据预处理后得到有效的轨迹数据，分析得出以下内容：统计时间间隔为10min，从早上5:00至中午12:00，出租车的载客次数呈现为先增加，后区域稳定的趋势；中午12:00至14:00，载客次数