原文传递
基于电动自行车定位数据的短程出行OD分析研究
| 论文题名： | 基于电动自行车定位数据的短程出行OD分析研究 |
| 关键词： | 智能交通系统;交通出行量;矩阵估计;电动自行车定位数据 |
| 摘要： | 智能交通系统的广泛应用可以充分利用道路条件，大大地减少交通拥堵，提高交通通行量，从而从根本上解决交通问题。智能交通系统的一个重要基础数据是交通出行OD(Origin Destination)矩阵，交通出行OD矩阵中包含居民的出行信息，可以得到居民的出行需求。当前城市出行OD矩阵估计的数据和方法存在两方面的限制：(1)OD估计方法只能处理数据点间时间间隔相对小且固定的密集轨迹，不支持轨迹数据点间间隔相对大且间隔不固定的数据；(2)汽车或者公交车的出行定位数据得到的OD矩阵往往是大范围的分区到分区之间的出行量。而电动自行车因其电量限制，出行距离较短，需要选取具体地点作为出行起始到达点，进行电动自行车短程出行的OD矩阵估计。因此本文研究基于时间间隔不固定的电动自行车定位数据的OD矩阵估计技术。 本文首先阐述了OD估计的研究背景和意义，并从静态估计和动态估计两方面介绍了当前OD估计研究现状。接着，介绍了OD估计相关理论，包括交通出行OD矩阵的定义和轨迹停留点划分的常用算法，指出各算法受算法阈值选取、轨迹数据特性影响导致划分不准确等问题。然后本文从电动自行车的数据特性出发，针对电动自行车定位数据时间间隔不固定导致的定位密集或稀疏问题，提出基于T-DBSCAN(Timetable-Density-Based Spatial Clustering of Applications with Noise)的时间限制的空间聚类算法，划分轨迹停留点，并对聚类结果作时间层的筛选优化，得到用户出行停留点和出行链，经过统计获取用户电动自行车出行OD矩阵。本文分别选取单个用户和多个用户出行轨迹进行停留点划分，通过使用混淆矩阵和趋势变化对比本文算法和DJ-Cluster(Join-Based Clustering)算法的划分结果，验证了本文算法的有效性。最后本文选取了某市用户全天电动自行车出行轨迹，对其进行停留点划分，得到出行OD矩阵，并对该市电动自行车出行交通流量进行分析。 |
| 作者： | 邵非凡 |
| 专业： | 信息与通信工程 |
| 导师： | 黄本雄 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中科技大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
