原文传递
基于个体活动GPS数据的出行方式辨识研究
| 论文题名： | 基于个体活动GPS数据的出行方式辨识研究 |
| 关键词： | 个体活动GPS数据;出行方式辨识;KNORA-U模型;DT-RFE模型 |
| 摘要： | 使用个体活动GPS数据辨识用户出行方式的研究近年来成为了热点，并有望成为新的交通调查方式，帮助交通基础设施的规划，交通政策的制定等。然而，原始的个体活动数据并不直接包含出行方式、出行距离等信息，需要克服原始数据冗余、停驻点识别和出行方式辨识等一系列问题，从数据中推导出行信息。 为此，主要研究了以下内容： 提出了个体活动GPS数据预处理方法。在获得了个体活动数据的基础上，提出了使用经纬度和时间计算速度，加速度等参数的计算方法。针对数据冗余、数据噪声点、数据样本不均衡等问题，分别使用数据清洗规则、高斯滤波器及SMOTE方法进行处理； 研究了基于改进DBSCAN聚类的个体活动停驻点识别算法。在考虑时间及速度阈值情况下，对DBSCAN聚类算法进行优化，并应用优化后的算法对停驻点进行识别，结果显示准确率达0.963，识别效果较优； 基于DT-RFE模型分析了出行方式辨识特征，并构建了出行方式辨识模型。分别对速度、加速度和急动度等9类特征在不同出行方式上的分布进行分析，并对它们进行了统计描述，使用DT-RFE模型进行了特征选择操作，结果显示当使用速度中位数、加速度最大值和出行距离等15项0特征时，模型表现最优，精度达0.838。而急动度25%分位数、加速度中位数等14项特征对出行方式辨识的重要程度不高。接着使用上述特征构建了基于动态选择模型的出行方式辨识模型。分别构建了随机森林、线性判别分析、决策树及KNORA-U模型，并比较它们对于出行方式的辨识效果。结果显示融合了前三项模型的KNORA-U模型表现最佳，其F1值达97%。 论文提出的使用个体活动数据辨识用户出行方式的方案，经实例验证表现良好，论文结果为类似研究提供了一些新的思路，也为大规模的基于个体活动GPS数据的出行调查应用提供了参考依据。 |
| 作者： | 王海明 |
| 专业： | 交通运输工程 |
| 导师： | 肖梅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
