原文传递
基于电动自行车数据的用户行为分析及可视化研究
| 论文题名： | 基于电动自行车数据的用户行为分析及可视化研究 |
| 关键词： | 电动自行车用户;数据挖掘;用户居住地;行为特征;聚类模型;道路匹配算法;可视化系统 |
| 摘要： | 近年来，电动自行车行业迅速发展，很大程度上改善了居民出行条件，提高了出行效率。但与之相关的交通问题、社会治安问题也日益凸显，例如扰乱交通秩序、引发交通事故、车辆频繁被盗等。为了解决电动自行车发展带来的一系列问题，管理部门需要全面深入地了解该群体的行为特征，以加强对电动自行车的管理，使其更好地服务于社会经济的发展。当前，我国部分城市安装了电动自行车智能防盗追踪系统，采集了大量的电动自行车实时位置信息，使我们可以从海量数据出发，利用大数据相关技术，挖掘其中蕴含的有价值信息，为电动自行车管理提供指导建议。本文基于我国某城市的电动自行车数据开展了系统性研究工作，对电动自行车用户的行为特征进行深入分析，并构建了功能丰富的可视化交互系统。具体贡献如下: 本文基于电动自行车数据提取停留地点和移动轨迹，建立并实现了基于分层模型的用户居住地自动挖掘算法。为分析用户对不同停留地点的访问规律，采用停留地点偏好矩阵建模用户的日程访问行为，并提出一种度量用户日程访问行为相似性的方法，在此基础上建立Kmeans用户聚类模型，采用DB Index确定最优聚类类别。实验表明模型可有效地区分用户行为规律，帮助人们了解其生活习惯与职业背景分布。 为利用电动自行车移动轨迹估算电动自行车骑行速度，本文针对现有道路匹配算法不能解决采样频率低、空间相关性弱的电动自行车数据的道路匹配问题，设计了一种基于路径约束的道路匹配算法。该算法通过多个数据间的空间联系确定行驶路径，并综合利用kd树、A*搜索算法和动态规划方法，在提高匹配准确性的同时保证了较高的计算效率。 在数据分析的基础上，本文还构建了Web端的可视化系统，方便人们直观地分析和理解电动自行车数据。该系统包括电动自行车监控、移动性分析和用户行为分析等多种功能，为本文研究工作的实际应用提供了可能。 |
| 作者： | 贾晓霞 |
| 专业： | 控制科学与工程 |
| 导师： | 陈积明;程鹏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
