详情

原文传递基于出租车GPS数据的用户出行热点挖掘与交通流波动分析

论文题名：	基于出租车GPS数据的用户出行热点挖掘与交通流波动分析
关键词：	非负矩阵分解;自回归模型;出租车GPS数据;幂律分析;用户出行;热点挖掘;交通流波动
摘要：	随着中国城镇化进程日益加快，城市规模急剧扩张，居民出行方式不断变化，居民出行范围逐步扩大，但由于城市地理位置的限制及交通基础设施的建设滞后，从而导致一系列制约城市经济发展和居民生活水平提高的城市交通问题，包括交通拥堵、资源分配不均等。研究城市居民出行模式和交通流量波动现象为解决出租车空载率过高、居民出行需求无法满足、交通管理效率较低等交通问题提供可能性。鉴于此，本文通过对出租车GPS数据的分析，挖掘居民出行规律及区域交通流的波动现象，并提出基于非负矩阵分解的自回归预测模型和实现对交通流波动现象的定量分析，为交通使用者提供实时有效的出行信息和有效的交通流量波动演化规律，从而对缓解目前的交通问题提供实质性地帮助及建议。　　面对日益严重的城市交通问题，本文通过挖掘和分析海量出租车 GPS轨迹数据，基于矩阵分解算法和时间序列模型实现对起讫(Origin-Destination, OD)矩阵的预测。并通过对流量粗粒化建模及复杂系统波动理论分析，本文已实现对区域网络单节点流量的动态分析、全节点流量的波动规律以及区域网络系统内外部流量的分离分析。本文主要贡献如下：　　(1)提出基于非负矩阵分解的自回归模型，主要通过对 OD矩阵的非负特征和可模拟的用户出行特征，本文引入非负矩阵分解算法对用户出行特征进行分析和宏观描述；同时，在此基础上利用自回归模型对OD矩阵进行预测和估计。　　(2)基于北京市出租车交通数据，实现基于非负矩阵分解的自回归(Nonnegative Matrix Factorization-Auto Regressive, NMF-AR)模型对OD矩阵的预测。基于出租车GPS数据，通过NMF-AR模型挖掘和预测用户出行信息，同时与引入的短时交通流预测模型进行对比分析，并且对预测精度、模型参数、数据敏感度等问题进行深入分析，验证模型的预测能力。通过对 OD矩阵实时预测分析可为居民提供实时有效的出行信息，可有效降低空载率，提高运营效益。　　(3)实现基于流量的粗粒化建模和深入分析交通流波动情况。在北京市区域棋盘式划分策略和区域交通网络的基础上，本研究对北京市出租车GPS数据进行适当的数据预处理工作。一方面，针对单个区域的交通流量波动情况，本文利用粗粒化方法处理流量变化构建对应的网络，同时分析节点车流量的波动情况。另一方面，本文对区域网络交通流量波动的规律和演化进行重点分析，并对多个区域交通流量的总体特性进行考察，并实证分析该波动规律。基于北京市出租车GPS轨迹数据，本文从真实区域出租车流量实证分析其基于时间的流量均值和标准差之间的关系。同时通过对区域网络内外部流量的分解分析，发现网络系统流量波动的演化规律。从而为交通管理部门优化和制定交通管理策略有效信息。　　综上，通过用户出行OD矩阵建立NMF-AR预测模型、基于区域流量的粗粒化分析及交通流幂律现象定量分析，可为交通运营提供实时的出行规律，为交通监管部门提供有效的建议，从而有助于降低出租车空载率、优化交通应急管理、提升城市交通运行效率。
作者：	张竣伟
专业：	计算机应用技术
导师：	张自力
授予学位：	硕士
授予学位单位：	西南大学
学位年度：	2017
正文语种：	中文