基于GPS軌跡數(shù)據(jù)的居民出行行為特征分析.pdf

1、UDC：學(xué)號：碩士學(xué)位論文碩士學(xué)位論文學(xué)位類別：全日制專業(yè)碩士作者姓名：盛勇學(xué)科、專業(yè)：測繪工程研究方向：GIS應(yīng)用與開發(fā)指導(dǎo)教師：蘭小機2018年5月23日基于基于GPS軌跡數(shù)據(jù)軌跡數(shù)據(jù)的居民出行行為特征分析的居民出行行為特征分析AnalysisonacteristicsofResidentsTripsBasedonGPSTrajectyData江西理工大學(xué)碩士學(xué)位論文摘要I摘要隨著城市中出租車數(shù)量不斷增多，出租車在人們?nèi)粘３鲂蟹绞街?/p>

2、所占的比重越來越大。由于GPS衛(wèi)星定位技術(shù)的不斷發(fā)展與普及，許多出租車都安裝了車載GPS系統(tǒng)。裝有GPS的出租車在行駛的過程中能夠記錄車輛的位置、時間、方位和速度等數(shù)據(jù)，這些數(shù)據(jù)即為出租車軌跡數(shù)據(jù)。通過對出租車軌跡數(shù)據(jù)進行處理分析，挖掘潛在的價值已成為當(dāng)下一個熱門的研究領(lǐng)域。由于出租車數(shù)量的不斷增長，使得軌跡數(shù)據(jù)體量不斷增加，以往的單機式的計算處理模式已無法勝任。故而采用大數(shù)據(jù)技術(shù)對軌跡數(shù)據(jù)進行挖掘，Spark平臺具備存儲和運算大數(shù)據(jù)的

3、能力。本文基于Spark大數(shù)據(jù)平臺，利用Spark并行化KMeans算法，對出租車軌跡數(shù)據(jù)進行挖掘，分析成都市居民出行行為特征。文中居民的含義是指成都市中所有基于出租車出行的乘客，而并非傳統(tǒng)意義上的居住在某一地方的人。主要工作有下面幾點：（1）出租車軌跡數(shù)據(jù)預(yù)處理。由于人為操作不當(dāng)、機器誤差、偶然誤差的存在，源軌跡數(shù)據(jù)需經(jīng)過預(yù)處理后方可應(yīng)用于軌跡數(shù)據(jù)挖掘。本文對軌跡數(shù)據(jù)的預(yù)處理主要包括失真數(shù)據(jù)剔除、多余字段刪除、無效時段數(shù)據(jù)刪除以及地圖

4、匹配四個方面。（2）居民出行時間規(guī)律分析。基于Spark平臺，采用相關(guān)算法，計算居民日出行總量以及一天中各時段出行量。對比工作日和休息日居民出行量的不同以及不同時間段出行量的差異，并對形成的原因進行分析。（3）居民出行距離規(guī)律分析。利用Spark平臺，從兩個方面分析居民出行的距離規(guī)律，一是居民出行不同距離占比分析，二是一天中各小時居民出行的平均距離分析。（4）居民出行熱點區(qū)域提取與分析?；赟park平臺，利用并行化KMeans算法對居