原文传递
基于WiFi探针数据的城市出行轨迹提取及应用
| 论文题名： | 基于WiFi探针数据的城市出行轨迹提取及应用 |
| 关键词： | 城市出行轨迹;信息提取;居民出行特征;WiFi探针数据 |
| 摘要： | 城市出行轨迹挖掘研究为城市规划决策、交通管理、设施运营等工作提供了重要的参考依据。传统的出行数据获取方法主要有入户访问、发放调查问卷以及基于GPS数据的调查等方式。近年来，随着城市的迅速发展、居民生活日益丰富，传统的居民出行调查方法因难度越来越大，数据覆盖范围越来越窄等原因，已变得无法适用。与此同时，移动智能终端因其强大的功能性和便捷性已迅速普及，基本已经达到“人手一机”且“机不离身”的程度，因此WiF i探针数据作为一种移动终端的检测记录数据，可以为城市出行轨迹挖掘提供新的数据源。基于上述认识，本文提出了基于WiF i探针数据的城市出行轨迹提取及应用研究，主要工作有以下几点： （1）数据预处理。为提高输入数据的质量，针对WiFi探针数据存在的问题，对其进行数据预处理，以确保提取算法的高效运行。此外，为获取路网中各路段在不同时段的通行速度，对从WiF i探针数据中提取出的路段通行速度粗值进行滤波处理，再结合从卫星影像及有关部门提供的数据中提取的路网矢量数据，得到路网时空数据。 （2）基于WiFi探针数据的出行轨迹提取。首先，根据对“一次出行”的概括定义，将WiF i探针数据处理成一段段满足“一次出行”定义的最小终端出行检测记录段，再利用信号强度RSSI值为每条记录计算坐落在路网上的候选点集。其次，设计基于局部评价的算法，逐步从候选点集中筛选出最佳匹配点。然后，对于匹配点序列中不相邻的部分，采用基于深度优先的路径搜索算法和TOPSIS决策方法重构出最优的补充路径。最后，以东莞市收集的WiF i探针数据进行实验，实验结果验证了方法的可行性。 （3）基于WiFi探针数据的出行特征分析。基于上一步提取出的轨迹，挖掘研究区域内的居民出行特征：分析比较区域内工作日、休息日、节假日的日出行总量的异同以及时间分布规律，还以2020年1月至7月间的出行总量变化来分析新冠疫情对城市经济的影响；分析各种长度出行距离的出行次数占比，以及各个时段平均出行距离的变化；分析各路段在全天范围以及早晚高峰时段范围的流量、道路拥堵指数的变化，并在ArcGIS中进行可视化展示。 本文以WiF i探针数据为研究对象，从中实现了城市出行轨迹的提取及对出行特征的分析，研究成果为城市轨迹挖掘提供了一个新的解决方案，也为城市规划决策提供了一定数据基础。 |
| 作者： | 廖嘉欣 |
| 专业： | 工学;测绘科学与技术 |
| 导师： | 兰小机 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江西理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
