论文部分内容阅读
居民出行行为分析为城市交通规划、建设、管理和政策制定提供了重要的参考依据。目前,居民出行行为主要采用居民出行问卷调查方式获得。近年来,随着居民出行特征显著变化,道路交通状况呈现新的特征,传统的居民出行调查方式难度越来越大,数据获取成本越来越高,且已不能有效反映居民出行行为在空间、距离、方式上的变化。近年来,随着GPS等定位技术的快速发展,获取城市居民出行活动产生的各种轨迹数据变得更加快捷。出租车是居民出行的重要交通工具之一,出租车行驶起讫点由乘客决定,其运行轨迹能很好的反映居民出行特点。许多城市出租车安装有GPS终端,出租车GPS轨迹具有易收集、分布广、数据量大等特点,因此,出租车GPS轨迹数据是居民出行行为分析很好的数据来源。为此,利用出租车GPS轨迹数据分析识别居民感兴趣的热点路径和区域,为科学制定城市交通规划和交通改善措施提供参考。本文以重庆市10287辆安装有GPS设备出租车所采集的轨迹数据为研究对象,通过对大量原始GPS数据的预处理,获得可用于聚类的有效轨迹,并筛选出出租车上下车轨迹点。然后根据城市居民出行的一般规律,考虑居民出行时间早高峰(7:00~9:00)、午间(11:00~14:00)以及晚高峰(17:00~20:00)三个时间段,对出租车轨迹和轨迹点数据分别应用不同的聚类方法,从而发现不同时间段居民出行的热点路径和挖掘出租车上下客热点区域,获取其隐含的出行行为规律信息,探索解决道路拥堵等交通规划问题的新途径。本文主要研究内容包括以下几个方面:(1)本文考虑车辆速度对Douglas-Peucker轨迹压缩算法进行改进,提出一种Vehicle Speed Considered(VSC)Douglas-Peucker出租车轨迹压缩算法,实验表明:该方法有效地降低了存储空间和计算开销,并且有效轨迹仍然很好地刻画了原始轨迹的形状特征。(2)本文提出了一种基于最长公共子序列的车辆轨迹相似性度量方法,再结合DBSCAN聚类方法提出LCS-BASED DBSCAN,并考虑重庆特殊的地形,利用轨迹的海拔高度对轨迹相似度计算开销进行改进。应用LCS-BASED DBSCAN对有效轨迹进行聚类分析,然后应用提出的LCS-BASED HRE热点路径提取算法获取不同时间段的居民出行热点路径。(3)本文应用基于欧式距离的DBSCAN聚类算法对出租车上下客轨迹点进行聚类分析,获取早中晚不同时间段的居民出行热点区域。(4)本文研究了多种可视化技术,最终将挖掘的居民出行热点路径和区域进行了直观的展示。