基于GPS軌跡數(shù)據(jù)的居民出行行為特征分析.pdf

1、UDC：學(xué)號(hào)：碩士學(xué)位論文碩士學(xué)位論文學(xué)位類(lèi)別：全日制專(zhuān)業(yè)碩士作者姓名：盛勇學(xué)科、專(zhuān)業(yè)：測(cè)繪工程研究方向：GIS應(yīng)用與開(kāi)發(fā)指導(dǎo)教師：蘭小機(jī)2018年5月23日基于基于GPS軌跡數(shù)據(jù)軌跡數(shù)據(jù)的居民出行行為特征分析的居民出行行為特征分析AnalysisonacteristicsofResidentsTripsBasedonGPSTrajectyData江西理工大學(xué)碩士學(xué)位論文摘要I摘要隨著城市中出租車(chē)數(shù)量不斷增多，出租車(chē)在人們?nèi)粘３鲂蟹绞街?/p>

2、所占的比重越來(lái)越大。由于GPS衛(wèi)星定位技術(shù)的不斷發(fā)展與普及，許多出租車(chē)都安裝了車(chē)載GPS系統(tǒng)。裝有GPS的出租車(chē)在行駛的過(guò)程中能夠記錄車(chē)輛的位置、時(shí)間、方位和速度等數(shù)據(jù)，這些數(shù)據(jù)即為出租車(chē)軌跡數(shù)據(jù)。通過(guò)對(duì)出租車(chē)軌跡數(shù)據(jù)進(jìn)行處理分析，挖掘潛在的價(jià)值已成為當(dāng)下一個(gè)熱門(mén)的研究領(lǐng)域。由于出租車(chē)數(shù)量的不斷增長(zhǎng)，使得軌跡數(shù)據(jù)體量不斷增加，以往的單機(jī)式的計(jì)算處理模式已無(wú)法勝任。故而采用大數(shù)據(jù)技術(shù)對(duì)軌跡數(shù)據(jù)進(jìn)行挖掘，Spark平臺(tái)具備存儲(chǔ)和運(yùn)算大數(shù)據(jù)的

3、能力。本文基于Spark大數(shù)據(jù)平臺(tái)，利用Spark并行化KMeans算法，對(duì)出租車(chē)軌跡數(shù)據(jù)進(jìn)行挖掘，分析成都市居民出行行為特征。文中居民的含義是指成都市中所有基于出租車(chē)出行的乘客，而并非傳統(tǒng)意義上的居住在某一地方的人。主要工作有下面幾點(diǎn)：（1）出租車(chē)軌跡數(shù)據(jù)預(yù)處理。由于人為操作不當(dāng)、機(jī)器誤差、偶然誤差的存在，源軌跡數(shù)據(jù)需經(jīng)過(guò)預(yù)處理后方可應(yīng)用于軌跡數(shù)據(jù)挖掘。本文對(duì)軌跡數(shù)據(jù)的預(yù)處理主要包括失真數(shù)據(jù)剔除、多余字段刪除、無(wú)效時(shí)段數(shù)據(jù)刪除以及地圖

4、匹配四個(gè)方面。（2）居民出行時(shí)間規(guī)律分析?；赟park平臺(tái)，采用相關(guān)算法，計(jì)算居民日出行總量以及一天中各時(shí)段出行量。對(duì)比工作日和休息日居民出行量的不同以及不同時(shí)間段出行量的差異，并對(duì)形成的原因進(jìn)行分析。（3）居民出行距離規(guī)律分析。利用Spark平臺(tái)，從兩個(gè)方面分析居民出行的距離規(guī)律，一是居民出行不同距離占比分析，二是一天中各小時(shí)居民出行的平均距離分析。（4）居民出行熱點(diǎn)區(qū)域提取與分析?；赟park平臺(tái)，利用并行化KMeans算法對(duì)居