基于轨迹的城市区域网络关键节点识别与缺陷区域挖掘

发布时间：2020-10-10 09:15

　　 目前,很多城市的大城市病都非常严重,这些问题包括人口暴增、交通拥堵、环境污染、资源短缺等问题。这严重影响了城市居民的生活质量,许多地方已经出现逆城市化浪潮。而随着科技和大数据的发展,城市计算和智慧交通的概念应运而生。城市计算使我们可以利用这些已有的城市多源数据进行研究和分析,来解决这些城市中存在的问题,提高城市居民的生活质量。本文研究的便是城市计算的一些问题,主要内容有:1)对城市数据的存储,处理。本文主要使用Hadoop和Neo4j图数据库对城市数据进行存储,然后使用Hadoop平台的计算框架对数据进行处理。2)对城市轨迹数据进行时空特征分析。通过分析,本文发现城市轨迹数据在时间上呈现出很强的周期性,且早晚高峰的规律性也非常明显;而在空间上的规律性和其POI特性有密切联系。3)对城市中路网中的关键节点进行识别。本文首先需要构建区域网络,本文使用渔网对城市区域进行了划分,然后使用基于OD熵的区域重要性评估方法以及一些节点网络中心性度量指标对每一个区域做出重要性评估,最后寻找排名最高的一些区域内的路网节点。4)对城市规划中存在的潜在缺陷进行发现,并寻找它们之间的因果关系。本文首先需要构建区域转移矩阵,然后使用改进的Skyline算法寻找每个区域转移矩阵内的Skyline点(区域对),最后在此基础上对频繁子图进行挖掘以确定真正有缺陷的区域对,并分析这些有缺陷的区域对之间的因果关系。以上研究内容都能给城市规划者提供一些可供参考的建议。本文主要使用数据有两部分,第一部分是上海市2015年4月份的13700多辆出租车的GPS数据,及上海市路网数据、地图数据等;第二部分是长春市2017年7-12月份每月第一周的某电信运营商手机信令数据,及长春市的路网及地图数据。本文需要对这些轨迹数据进行预处理,然后将其映射到对应的区域中才能继续进行后续的算法。在实验中,本文用不同的方法对这两个城市的关键路口进行了重要性排序,对比了不同方法的优势,并将结果与实际情况进行了分析对比以验证方法的有效性;同时,本文用改进的Skyline算法对两个城市中潜在的规划缺陷进行了挖掘并用频繁子图挖掘方法分析这些缺陷之间的因果联系,然后结合实际情况进行了分析比较以验证方法的有效性。
【学位单位】：吉林大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP311.13;TU984;U491
【部分图文】：

图 1.1 人口交通规模人们带来各种各样的挑战，同时它又给人们提供了更多统和应用。因为城市交通领域不同于其他领域，城市交性，人文社会的规律性。它比其他领域更具活力，因为

图 1.2 城市中的大数据数据的不断丰富和完善以及城市问题日益严重，智ffic)[1]和城市计算(urban computing)的概念也随之被提出。整合了这些方面的研究，并且使之更加系统和深化。目前

图 2.6 手机信令数据样例 2.6 可以看出有许多数据不够完整，格式不规范。这些数据可以根据过滤，或者将其补全。它的字段描述依次为：加密的电话号码，开始时间间，位置区域编号，小区编号，事件类型，原因编码，归属地编码，月

【参考文献】

相关期刊论文 前1条

1 郑宇;;城市计算概述[J];武汉大学学报(信息科学版);2015年01期

相关博士学位论文 前1条

1 许明;基于车辆轨迹挖掘的城市路网分析关键问题研究[D];北京邮电大学;2015年

相关硕士学位论文 前4条

1 李词超;Hadoop作业调度算法分析与优化[D];武汉理工大学;2015年

2 卢俊华;HDFS存储机制的分析与研究[D];武汉理工大学;2014年

3 赵鹏;基于复杂网络理论的多方式城市交通网络的协同研究[D];北京交通大学;2014年

4 柴然;最大频繁子图挖掘算法研究[D];燕山大学;2010年

本文编号：2835014