《基于出租车GPS轨迹数据挖掘的居民出行特征研究》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

基于出租车GPS轨迹数据挖掘的居民出行特征研究

范文

林基艳+张雅琼+张慧

摘要：城市居民出行特征分析在城市交通规划中日益重要，已经成为城市道路交通建设的一个重要依据，而城市出租车因为其运营特点和规律，可以很好地反应出居民出行的特征。因此，为了有效地解决城市道路拥堵问题、为城市交通规划提供依据，论文提出了基于出租车GPS轨迹数据挖掘的居民出行特征研究，该研究利用DBSCAN算法对出租车历史GPS运行轨迹数据进行聚类分析，不仅可以提取城市居民出行的时空特征，也可以有效地降低出租车的空载率。

关键词：居民出行特征；数据挖掘； GPS轨迹数据； DBSCAN

中图分类号：TP29 文献标志码：A 文章编号：1006-8228（2017）05-37-03

Research on the characteristics of resident travel based on the taxi

GPS trajectory data mining

Lin Jiyan， Zhang Yaqiong， Zhang Hui

（School of Information Technology， Yulin University， Yulin， Shaanxi 719000， China）

Abstract： The analysis to the characteristics of urban residents travel is becoming increasingly important in urban traffic planning， and has become an important basis of urban road traffic construction. The urban taxi can well reflect the characteristics of residents travel because of its operational characteristics and rule. Therefore， in order to effectively solve the problem of city road congestion and provide the basis for city traffic planning， the paper presents the research on the characteristics of resident travel based on the taxi GPS trajectory data mining. The research uses DBSCAN algorithm to realize the clustering analysis of the historical GPS trajectory data， which can not only extract the temporal and spatial characteristics of urban resident travel， but also effectively reduce the taxi no-load rate.

Key words： resident travel characteristic； data mining； GPS trajectory data； DBSCAN

0 引言

在城市的上下班高峰期，道路擁堵是城市交通问题中最为突出的难题，这跟城市居民出行行为密不可分，因为出行的居民是交通量的主要来源[1]。一个城市的交通系统状况跟城市居民的出行行为息息相关，居民的出行行为会对城市交通体系产生影响[2]。对居民出行特征进行研究是城市和交通规划、城市公共基础设施建设管理中的一个基础性任务，不仅可以用来对目前的交通出行情况进行评估，也可以用来对居民的出行需求进行预测，对实施合理有效的城市交通规划起着至关重要的作用[3]。

出租车因其灵活性和便利性，已日渐成为城市交通系统的重要组成部分，同时，因为它的起点和终点由乘客决定，且24小时不间断服务，所以，出租车的运营规律能够反映出乘客的出行特征[4]。由于装载在出租车上的GPS和通信设备以一定的频率向城市交通客运管理中心传送出租车的实时经纬度、运营状态、行驶方向、速度等信息，因此，管理中心会积累大量的出租车GPS轨迹数据[5]，利用DBSCAN对这些进行数据进行聚类分析，可以在一定程度上挖掘乘客出行的时空特征，也能为出租车寻找最佳的载客区域提供依据，有效的降低出租车的空驶率。

1 GPS轨迹数据挖掘设计

1.1 数据预处理

本文选取榆阳区（地理坐标为东经108?58'-110?24'，北纬37?49'-38?58'之间）作为研究区域，GPS轨迹数据使用榆阳区1100多辆出租车五天的运营数据，对数据进行预处理后，出租车轨迹数据由车牌ID tID、、当前位置loc、GPS时间ct、营运状态tsta、行驶方向tdir、GPS速度dspe等六个属性组成，部分属性值如表1所示。

表1中，营运状态的取值为0-3，其中0表示空载，1表示载客，2表示驻车，3表示停运；GPS方向的取值为000-360，以度为单位，即与北极方向的夹角，代表车辆的行驶方向。

1.2 利用DBSCAN算法进行聚类挖掘

居民的作息和社会活动有明显的时间规律，比如上下班高峰期的载客点分布情况和非高峰期的居民出行特征有可能完全不同，因此，可以先将GPS历史轨迹数据根据时间特征分类，再进行密度聚类分析，如此便可充分挖掘在不同时间段上居民出行特征的空间密度分布情况，给出租车提供更加合理的时空载客区域分布数据，有效地提高其巡游过程中的载客成功率。基于此，论文引入了DBBSCAN算法，该算法需要3个输入参数：历史轨迹数据对象D，空间半径ε，以及密度阈值MinPts；输出参数为聚类簇C，部分MATLAB代码如下：

data=importdata（'data.xlsx'）；

data=data.data.Sheet1；

……

num=size（data，1）；

k=floor（log（num））+1；

k=round（num/25）+1；

k_dist=zeros（num，1）；

for i=1：num

temp=repmat（data（i，：），num，1）；

gx0=temp（：，1）； gy0=temp（：，2）；

gx1=data（：，1）；gy1=data（：，2）；

dist0=sqrt（（gx0-gx1）.^2+（gy0-gy1）.^2）；

dist_s=sort（dist0）；

k_dist（i）=dist_s（k）；

end

x=1：num；

figure；plot（x，k_dist，'r-'）；

xlabel（'?ù±?±à??'）；ylabel（'k_{-}dist'）；title（'k_{-}dist??'）；

……

x=[（1：m）' data]；

[m，n]=size（x）；

types=zeros（1，m）；

dealed=zeros（m，1）；

dis=calDistance（x（：，2：n））；

number=1；

……

img=imread（'map.jpg'）；

[Ny，Nx]=size（img）；

……

figure；imagesc（x00，y00，img）； colormap（gray）； hold on；

for i=1：m

if class（i）==-1

plot（data（i，1），data（i，2），'.r'）；

else if class（i）==1

if types（i）==1

plot（data（i，1），data（i，2），'+b'）；

else

plot（data（i，1），data（i，2），'.b'）；

end

elseif class（i）==2

if types（i）==1

plot（data（i，1），data（i，2），'+g'）；

else

plot（data（i，1），data（i，2），'.g'）；

end

……

plot（x1，y1，'r*'）；

xlabel（'經度'）； ylabel（'纬度'）；

2 实验结果

聚类结果如图1和图2所示，出行热点区域在图中用圆圈标出。

以上的聚类结果显示，榆阳区的居民出行呈现一定空间和时间特征。工作日和非工作日出租车热点区域不同，且工作日的不同时间居民出行的特征不同；在工作日，出租车的载客热点数比非工作日多；而载客热点分布，工作日比非工作日分散。该聚类结果也可以给出租车司机提供历史载客热点序列，从一定程度上解决巡游方式的出租车空载率高的问题。

3 结束语

本文利用DBSCAN算法对出租车的历史GPS轨迹数据进行挖掘，从挖掘结果可以分析出居民出行的时空特征，从而用来对目前的交通出行情况进行评估，同时也可以用来对居民的出行需求进行预测；再者，可以根据挖掘结果给出租车司机提供历史载客热点序列，帮助出租车司机降低空驶率。本文仅针对工作日和周末特定时刻给出了聚类分析，没有详细地分析一天中不同时刻的居民出行特征，以后的工作中会继续研究和改进。

参考文献（References）：

[1] 卫龙，高红梅.基于轨迹数据挖掘的居民出行特征研究进展[J].西部交通科技，2016.10：87-92

[2] 冯琦森.基于出租车轨迹的居民出行热点路径和区域挖掘[D].重庆大学，2016.

[3] 陈世莉，陶海燕，李旭亮，卓莉.基于潜在语义信息的城市功能区识别——广州市浮动车GPS时空数据挖掘[J].地理学报，2016.3：471-483

[4] 张俊涛，武芳，张浩.利用出租车轨迹数据挖掘城市居民出行特征[J].地理与地理信息科学，2015.6：104-108

[5] 张薇，林龙.基于数据挖掘的增城居民出行特征分析[J].科技和产业，2015.7：61-64

[6] 赵苗苗.基于出租车轨迹数据挖掘的推荐模型研究[D].首都经济贸易大学硕士学位论文，2015.

[7] 童晓君.基于出租车GPS数据的居民出行行为分析[D].中南大学硕士学位论文，2012.

[8] 张俊峰.基于GPS技术的出行OD调查研究[D].北京交通大学硕士学位论文，2011.

[9] 许铁.数据挖掘在居民出行特征分析中的应用[J].公路交通科技（应用技术版），2007.8：11-14

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。