检索结果-南通市图书馆

电子与信息学报 2020年第12期42卷 3013-3020页

作者：李万林王超许国良雒江涛张轩重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学电子信息与网络工程研究院重庆400065

针对密度聚类算法只能识别密度相近的簇类且计算复杂度高等问题,该文提出一种基于信令数据中时空轨迹信息的密度峰值快速聚类(ST-CFSFDP)算法。首先对低采样密度的信令数据进行预处理,消除轨迹震荡现象;然后基于密度峰值快速聚类(CFSFDP... 详细信息

针对密度聚类算法只能识别密度相近的簇类且计算复杂度高等问题,该文提出一种基于信令数据中时空轨迹信息的密度峰值快速聚类(ST-CFSFDP)算法。首先对低采样密度的信令数据进行预处理,消除轨迹震荡现象;然后基于密度峰值快速聚类(CFSFDP)算法显式地增加时间维度限制,将局部密度由2维扩展到3维,并提出高密度时间间隔以表征簇中心在时间维度上的数据特征;接着设计筛选策略以选取聚类中心;最后识别用户出行轨迹中的驻留点,完成出行链的划分。实验结果表明,所提算法适用于采样密度低且定位精度差的信令数据,相比CFSFDP算法更适用于时空数据,相比基于密度的时空聚类算法(ST-DBSCAN)召回率提升14%,准确率提升8%,同时降低计算复杂度。

关键词：信令数据时空聚类密度峰值快速聚类算法驻留点识别出行链

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于移动数据的驻留点识别与出行轨迹提取

基于移动数据的驻留点识别与出行轨迹提取

引用

作者：王超重庆邮电大学

学位级别：硕士

随着当前智能手机、智能手表、智能行车记录仪等移动通讯设备的普及,通信运营商积累了海量的移动位置数据资源,能够为“智慧交通”建设提供详实有力的数据支撑。考虑到实际人员出行时间、次数随机,出行方式多样,存在换乘、往返等复杂情... 详细信息

随着当前智能手机、智能手表、智能行车记录仪等移动通讯设备的普及,通信运营商积累了海量的移动位置数据资源,能够为“智慧交通”建设提供详实有力的数据支撑。考虑到实际人员出行时间、次数随机,出行方式多样,存在换乘、往返等复杂情况,在根据移动位置数据研究城市居民出行特征时,首先需要识别用户轨迹中的驻留点;然后根据驻留点将轨迹划分成模式单一的出行链;最后逐段将出行定位轨迹匹配到对应行驶路段上,完成地图匹配。为识别用户轨迹中的驻留点,本文首先对运营商提供的志愿者数据进行预处理,识别并消除轨迹震荡现象,得到准确的位置信息;然后在密度峰值快速聚类（Clustering by Fast Search and Find of Density Peaks,CFSFDP）算法的基础上显式地增加对时间维度限制,将局部密度由二维扩展到三维,同时提出高密度时间间隔的概念,引入聚类中心权值,制定筛选策略以自动地选取聚类中心;最后识别出一段时间内用户出行轨迹中的驻留点,完成出行链的划分。实验结果表明,所提算法适用于采样密度低且定位精度较差的移动位置数据,相比CFSFDP算法更加适用于时空数据,相比基于密度的时空聚类算法召回率提升14%,准确率提升8%,同时也避免了多次迭代过程,降低了计算复杂度。为了将出行定位轨迹匹配到对应路段上,本文基于隐马尔可夫模型（Hidden Markov Model,HMM）完成地图匹配,首先建立基站与路网信息数据库,并通过插值法对稀疏定位轨迹进行填充;在此基础上考虑到城市路网的复杂性与匹配计算成本,根据冯洛诺伊图制定候选路段搜索区域,缩小隐状态空间大小;考虑观测定位点与候选路段的距离、候选路段在搜索区域内的长度、匹配前后轨迹相似性、当前道路与候选道路之间的连通性以及道路中存在的单向行驶的行车限制,建立HMM模型;最后将地图匹配问题转换为HMM中的预测问题,并利用维特比算法求解,得到实际出行对应的路网轨迹。本文通过移动位置数据研究居民的出行行为,为以移动数据为代表的低精度位置数据的应用研究提供了新的思路,并且为基于移动位置数据展开的出行方式和出行目的识别等具体应用奠定了重要基础。

关键词：移动数据驻留点识别地图匹配时空聚类算法隐马尔可夫模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于手机信令数据的城市居民动态OD矩阵提取方法

引用

郑州大学学报（工学版） 2024年第3期45卷 46-54页

作者：田钊张乾钟赵轩陈斌佘维杨艳芳郑州大学网络空间安全学院河南郑州450001 郑州大学计算机与人工智能学院河南郑州450001 交通运输部科学研究院北京100029 综合交通运输大数据应用技术交通运输行业重点实验室北京100029

现有的城市居民出行调查周期较长,交通小区划分粒度粗糙,导致调查不能及时准确地获取居民出行信息。针对该问题,提出了一种基于手机信令数据的城市居民动态OD矩阵提取方法。首先,针对信令数据中的两种复杂噪声:乒乓切换和漂移数据,提出... 详细信息

现有的城市居民出行调查周期较长,交通小区划分粒度粗糙,导致调查不能及时准确地获取居民出行信息。针对该问题,提出了一种基于手机信令数据的城市居民动态OD矩阵提取方法。首先,针对信令数据中的两种复杂噪声:乒乓切换和漂移数据,提出了基于窗口阈值的检测与等效位置替换方法,以及复杂漂移点的检测和标记处理方法;然后,提出一种改进的ST-DBSCAN聚类方法,引入一种等时化方法将时间信息与空间信息相结合,识别出行过程中的驻留点;最后,基于地理信息系统构建含有道路关键节点的路网,将居民出行OD与路网节点相匹配,有效推导出城市居民动态OD矩阵。实验结果表明:与ST-DBSCAN算法相比,所提改进的ST-DBSCAN算法在聚类效果和识别速度上分别提升了6.10%和5.26%;与统计方法和二阶统计量方法相比,基于改进的ST-DBSCAN算法的动态OD矩阵提取方法在均方误差(MSE)上分别降低了16.98%和21.55%。以北京市为例,运用提出的动态OD矩阵提取方法,能够及时有效地分析城市居民日常与高峰时段的出行特征。

关键词：城市出行智能交通系统手机信令数据动态OD矩阵驻留点识别时空特征分析

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：