检索结果-南通市图书馆

作者：周凡电子科技大学

学位级别：硕士

人类的移动轨迹信息对于基于位置提供服务的应用具有重要意义,但是受到各种因素的影响可能得到的是不完整的轨迹,这会对下游任务（例如,轨迹匹配等）的性能产生影响,因此轨迹补全是一个亟待解决的问题。作为近年来一个比较新颖的研究方... 详细信息

人类的移动轨迹信息对于基于位置提供服务的应用具有重要意义,但是受到各种因素的影响可能得到的是不完整的轨迹,这会对下游任务（例如,轨迹匹配等）的性能产生影响,因此轨迹补全是一个亟待解决的问题。作为近年来一个比较新颖的研究方向,轨迹补全问题已经存在大量的相关研究,但是他们普遍存在以下三个问题。目前的模型大多采用循环神经网络来建模轨迹点之间的顺序关系,这使得各个位置之间存在的时空依赖性和轨迹中高阶复杂的移动模式难以捕捉,并且也难以对长时间的依赖关系建模。人类活动的周期性呈现出多层次的特点,以往的工作都忽视了这一点,只对周期性进行了简单的建模,没有充分利用多层次周期性来补全轨迹。此外,轨迹数据的稀疏特性给轨迹数据的建模带来了挑战。为了应对现有的挑战,本文提出一个基于图神经网络和注意力机制的人类移动轨迹补全模型用于人类移动轨迹的补全。具体来说,该模型包括位置嵌入向量表示模块,轨迹关系学习模块和轨迹恢复模块。其中位置嵌入向量模块为了降低数据稀疏性的影响,首先根据所有轨迹构造轨迹点之间的全局转移图,并使用图卷积神经网络将位置之间的大众化的转移关系嵌入到向量中,然后通过门控图神经网络对轨迹内个性化的转移关系进行建模。轨迹关系学习模块使用注意力机制分别对轨迹内和轨迹间的关系进行学习,使用自注意力机制捕捉轨迹内的移动模式,使用交叉注意力机制和软注意力机制捕捉轨迹间的多层次周期性。最后,轨迹恢复模块融合所有特征补全缺失的位置。此外本文还提出了一种新的损失函数将空间近似度用于模型的训练。实验部分将提出的模型在两个公开数据集上与基线模型就各项指标进行了对比,结果验证了模型的有效性,并且通过消融实验对模型的各部分进行分析,证明了模型结构上的的正确性。

关键词：人类移动轨迹轨迹补全图神经网络注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于循环神经网络的轨迹补全研究

基于循环神经网络的轨迹补全研究

作者：翁泽峰华南理工大学

学位级别：硕士

随着移动互联网的普及以及获取地理坐标的移动设备无处不在,我们能够获取到海量的用户地理坐标数据。通过这些地理坐标数据,我们能够揭示用户的日常活动区域。但是,用户上报位置坐标的行为具有随机性,使得获取到的地理坐标数据不连续且... 详细信息

随着移动互联网的普及以及获取地理坐标的移动设备无处不在,我们能够获取到海量的用户地理坐标数据。通过这些地理坐标数据,我们能够揭示用户的日常活动区域。但是,用户上报位置坐标的行为具有随机性,使得获取到的地理坐标数据不连续且具有稀疏性,为我们分析不同时期下用户的位置分布提供了巨大的挑战。同时,目前主流的基于轨迹的研究都是针对于某一个位置点的预测,通常这种位置点都是地图上的兴趣点,例如景点,公园或者商圈。但是针对于轨迹缺失的问题,通过预测某一个位置点是无法解决问题的。用户在某个轨迹缺失时间段内,其出现的地点具有多种可能性,因此本文采用位置分布代替位置点去对缺失时间段内的轨迹进行补全。本文针对轨迹稀疏等原因导致的缺失轨迹的情况,提出了一种轨迹补全的方法,所作的工作如下:1、本文提出了采用Google S2编码方式对海量的用户坐标进行离散化,同时根据城市的人口分布情况,对低频出现的地段进行聚合,从而达到使用不同等级的Google S2编码进行离散化,降低位置编码的规模。2、区别于大多数轨迹研究中轨迹嵌入（embedding）是随着模型训练而自适应训练的,本文设计了一种嵌入模型,同时加入位置点间的层级关系,来学习位置点间的潜在表征形式。3、本文提出了一种改进的双向递归模型来捕获分布中的固有时间变化,从而对轨迹进行补全。4、本文的实验是在超过1000万次位置上报的大型现实数据集中执行的,验证了模型的有效性。实验结果表明,基于Google S2编码的离散化表示,能够很好的降低模型的计算规模,从而减少模型上的时间开销。基于层级关系和轨迹数据而训练出来的轨迹嵌入,能够很好的捕获到位置点间的关系。最后基于改进的双向神经网络能够对缺失的轨迹进行补全。

关键词：用户行为轨迹补全位置嵌入离散化编码

基于车牌识别数据的城市车辆出行轨迹提取和路径选择行为研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于车牌识别数据的城市车辆出行轨迹提取和路径选择行为研究

作者：张祖耀西华大学

学位级别：硕士

随着现代交通网络的不断发展,道路结构的持续完善,一段旅程可以选择的路径越来越多,而路径选择的结果势必会对道路交通态势产生或多或少的影响,因此研究路径选择行为,成为交通领域必不可少的环节。一般情况下,路径选择行为同时受多种条... 详细信息

随着现代交通网络的不断发展,道路结构的持续完善,一段旅程可以选择的路径越来越多,而路径选择的结果势必会对道路交通态势产生或多或少的影响,因此研究路径选择行为,成为交通领域必不可少的环节。一般情况下,路径选择行为同时受多种条件约束,相应的,不同的路径选择行为的结果也能反映影响决策的各种因素。研究路径选择行为不仅能帮助交通管理者提高道路利用率,也能辅助驾驶员做出更明智的出行决策。城市车辆出行轨迹中蕴含着多种交通参数信息,通过对轨迹信息进行解构,可以深度刻画和系统还原城市交通出行场景,为城市道路网络的发展和规划提供数据驱动的决策支持。而车牌自动识别（Automatic Number Plate Recognition,ANPR）数据作为交通采集数据的主要来源之一,具有显著的数据特点和潜在价值,但由于ANPR数据的固有缺陷,使其在精确提取轨迹时面临巨大的困难。本文围绕路径选择行为的影响因素和ANPR的数据特点,针对传统路径选择行为研究的样本量小、分析过程可视化程度低以及ANPR数据颗粒度大等问题,以客观分析城市车辆路径选择行为和利用ANPR数据获取大体量、高还原度的车辆出行轨迹数据为目标,开展了基于车牌识别数据的城市车辆出行轨迹提取和路径选择行为研究。首先对原始数据进行清洗,确定研究区域,建立结构化路网,处理行程时间和行驶速度异常值,设计算法完成出行链的分离;其次,利用K则最短路（The K-Shortest Path,KSP）算法构建还原解集,设计时距相符程度、信号灯数量、当前道路拥堵程度、出行惯性,4个出行特征决策模型,提出基于熵权的逼近理想解-灰色关联度排序（Entropy Weight-Technique for Order Preference by Similarity to Ideal Solution and Gray Relational Analysis,EW-GRA+TOPSIS）算法来对决策模型进行最优化,实现出行轨迹的重构和补全。最后,提出了基于匹配度的衡量准则,选取了绵阳市某区域的ANPR数据进行实验验证,匹配度表现在最差情况下能达到70.15%,加入TOPSIS和GRA方法进行对比实验,验证了本文所提出的模型算法的稳定性和优秀表现,并对各补全策略进行了可视化和出行特征分析,发现出行者的出行决策倾向会随着高峰和平峰有明显变化,为后续研究的模型分析和改进提供了新的思路。

关键词： ANPR数据轨迹补全出行特征可视化

基于车牌识别数据的通勤路径选择行为与协同控制优化研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于车牌识别数据的通勤路径选择行为与协同控制优化研究

作者：毋帆山东大学

学位级别：硕士

机动车保有量的高速增长与经济水平的迅猛发展使得城市交通系统面临巨大压力,交通拥堵问题日趋严重。作为大多数出行者的刚性需求,以小汽车为出行方式的通勤交通是影响高峰时期城市交通质量的关键因素。因此,对小汽车通勤个体的出行信... 详细信息

机动车保有量的高速增长与经济水平的迅猛发展使得城市交通系统面临巨大压力,交通拥堵问题日趋严重。作为大多数出行者的刚性需求,以小汽车为出行方式的通勤交通是影响高峰时期城市交通质量的关键因素。因此,对小汽车通勤个体的出行信息挖掘、出行规律研究以及相应的管理控制策略优化对缓解高峰期交通拥堵状况具有举足轻重的意义。本文首先建立了基于车牌数据的通勤轨迹提取方法。通过K-means++聚类识别出路网中具有通勤特征的车辆,并提出考虑时间约束的最长公共子序列方法计算不同轨迹的相似度,从而根据个体通勤轨迹相似度、旅行时间匹配程度、道路拓扑信息等因素进行通勤轨迹时空补全,获得完整的通勤小汽车出行信息。为深入了解小汽车通勤个体的路径选择行为,本文进一步分析了通勤出行中实际选择路径与路网最优方案(最短时间路径、最短距离路径)的交通特性,比较了三种路径的路径长度、旅行时间、迂回度、交叉口密度的分布情况,并对实际选择路径与最优方案的重合情况进行分析。在此基础上,结合基于动态K-最短路的备选路径集搜索方法建立基于Path-Size Logit的通勤路径选择模型。此外,结合具体案例分析了通勤者多日出行的出发时间稳定性和路径选择稳定性。结合小汽车通勤者的出行选择特性,本文建立信号控制与交通诱导协同优化的双层规划模型,模型上层为以交叉口所有车辆总延误最小为目标的信号控制优化,下层为以路网中通勤车辆平均旅行时间最短为目标的通勤交通流分配优化,同时建立通勤路径转换概率模型以获取不同路段的转移通勤流量。通过遗传算法和Frank-Wolfe方法分别对上下层模型进行求解,并将优化结果相互输入迭代,直至满足双层规划的总体优化要求。最后,本文以济南市局部路网为例进行分析,验证了通勤轨迹补全算法以及通勤路径选择模型的有效性;在此基础上,对小规模路网中的主要通勤路径及相关交叉口进行信号控制与交通诱导协同优化,实验结果表明,针对通勤车辆的协同优化比单一的信号控制和交通分配优化效果更为优越。

关键词：车牌识别数据通勤车辆轨迹补全路径选择行为协同控制优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于手机的出行链生成与出行特征提取研究

基于手机的出行链生成与出行特征提取研究

作者：骆洪芹武汉理工大学

学位级别：硕士

随着经济快速发展和城市化进程加快,城市的人口和机动车越来越多,城市的交通拥堵问题也越发严重。通过进行城市居民出行调查来获取交通出行相关数据,再对这些数据进行分析研究,参考数据分析的结果来进行城市交通建设和规划,进而解决城... 详细信息

随着经济快速发展和城市化进程加快,城市的人口和机动车越来越多,城市的交通拥堵问题也越发严重。通过进行城市居民出行调查来获取交通出行相关数据,再对这些数据进行分析研究,参考数据分析的结果来进行城市交通建设和规划,进而解决城市拥堵问题,已经成为越来越多学者的共识。而基于被动式的GPS调查方法,因为其定位精度高、对志愿者造成的负担小、能持续采集数据的特点,在出行调查中得到了越来越广泛地使用。通过出行调查采集的GPS数据,只是一系列在时间上连续的定位点,单纯地观察这些定位点并不能得到与交通出行相关的信息。通过对GPS数据采用一定的方法进行分析处理,挖掘出其中隐藏的交通出行相关信息,从中得到城市交通现状和居民出行特征和需求,才能为城市交通规划和建设提供数据支撑。因此,GPS轨迹数据的信息挖掘和处理工作是一件有意义且重要的工作。为了直观地理解出行轨迹、挖掘轨迹中隐藏的信息,本文对轨迹数据的分析处理工作进行了初步研究,主要内容包括:(1)阐述了基于智能手机的出行轨迹采集与去噪方法。根据轨迹分析的需求,构造了存储出行轨迹数据的采样格式,并依据手机采集到的GPS数据出现偏差所体现的不同特征,设计了一种按距离、速度和时间阈值的去噪方法。(2)针对智能手机采集的出行轨迹数据,提出了一种出行停留点识别算法,在此基础上生成了出行轨迹链。给出了出行链和停留点的定义,分析了停留点的类型和特点,提出了一种基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)的实时停留点识别算法,该算法能够识别室内停留和室外停留,并通过设定时间阈值来减少聚类次数,然后使用实际数据验证了算法的有效性和准确性。最后根据时间序列、出行轨迹点和停留点,构建了出行链。(3)针对出行数据中的轨迹缺失问题,本文证明了该问题是NP-Hard问题,进而采用图理论和边着色机制,提出了一种改进Dijkstra的轨迹补全算法。该算法把路网抽象成加权无向图,然后根据不同的出行方式对边进行着色,并利用图中源点和终点的时序约束,大大减小了搜索可行路径的范围,加快了算法的运行。之后从选择的路径中获取轨迹点,并给其分配时间、定位类型等参数,最后保存到数据库,形成完整的轨迹数据。(4)结合采集到的真实GPS轨迹数据,提出了一种轨迹数据特征分析提取方法。在识别出的停留点基础上,研究了居民出行目的地建筑类型的识别方法,提取了出行者个人属性特征和GPS轨迹数据的出行特征。

关键词：智能手机出行调查出行链轨迹补全特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于云计算的出租车异常行为探测研究

基于云计算的出租车异常行为探测研究

作者：李新耀武汉理工大学

学位级别：硕士

随着传感技术、通讯技术、储存技术和计算能力的发展,越来越多出租车装配了GPS传感仪,在日常运营中产生大量位置数据,为我们提供了很好的机会去分析和挖掘有价值的信息。本文主要将数据应用于探测出租车异常行为,目标是自动识别车辆异... 详细信息

随着传感技术、通讯技术、储存技术和计算能力的发展,越来越多出租车装配了GPS传感仪,在日常运营中产生大量位置数据,为我们提供了很好的机会去分析和挖掘有价值的信息。本文主要将数据应用于探测出租车异常行为,目标是自动识别车辆异常行驶轨迹,判断司机是否存在故意绕路行为。既能保障乘客利益也有助于规范出租车服务,具有现实意义。本文主要研究工作如下:(1)为实现检测出租车异常轨迹的目标,本文先给出轨迹等相关定义,设计了检测系统总体框架,按模块说明各节点作用,并从离线和在线处理阶段分析了数据处理流程。(2)为解决轨迹网格化后存在的不连续问题,本文提出AE-AUG(Augmented method of angle and edge)轨迹补全算法,可快速求出一条通路连接两不相邻网格。(3)对异常轨迹检测核心问题,本文提出s-iBOAT(iBOAT with State)算法,该算法通过为轨迹加入最新检测点位置下标,改进基于孤立特性的在线异常轨迹检测算法iBOAT(Isolation-Based Online Anomalous Trajectory Detection),简化查找相似轨迹处理步骤,提升算法效率。(4)利用Hadoop平台处理出租车GPS记录生成历史轨迹数据,结合Bing Maps Tile System中的地图网格算法和本文提出的AE-AUG、s-iBOAT算法,实现了一个基于Web前端技术的异常轨迹检测系统。通过检测系统测试了s-iBOAT算法异常子轨迹识别效果,实验结果良好符合理论分析。对相同起终点所有运营轨迹进行检测,从总体检测情况分析两种异常轨迹形成的原因。其一是部分出租车司机经验丰富,对该区域熟悉,选取了少数的便捷路径导致识别异常。其二是司机为了攒取更多的运营收益,载客时故意绕远路导致异常。研究异常判别阈值和网格大小对检测灵敏度、误判率、准确率的影响,在测试实验条件下得出两者最佳取值为0.1和153米。此外利用异常轨迹长度与总体历史轨迹集平均长度对比情况修正检测结果,实验表明可提高检测准度,更适用于探测现实出租车绕路行为。对比检测算法改进前后的执行效果,结果显示s-iBOAT能够保持异常子轨迹识别效果基本不变、整体轨迹检测准度相同的情况下提高运行速度,减少响应时间。

关键词：异常轨迹检测地图网格化轨迹补全出租车绕路分析