基于數(shù)據(jù)挖掘的公共交通用戶出行行為分析.pdf

1、近幾年來移動互聯(lián)網(wǎng)技術(shù)、基于位置的服務、智能交通等領域快速發(fā)展，與此同時，國家經(jīng)濟快速的發(fā)展伴隨著私家車的增多，空氣質(zhì)量變差，霧霾產(chǎn)生，政府和有關(guān)部門大力倡導公共交通出行方式。公交、地鐵包括現(xiàn)在的共享單車，越來越多的用戶選擇這些公共交通出行方式。日益增多的公共交通用戶出行產(chǎn)生大量的出行信息與數(shù)據(jù)，通過對用戶出行行為的分析挖掘，提取用戶出行特征，對用戶群進行分類，有利于找到規(guī)律，理解群體的行為特點，進而為不同的用戶群體進行標簽化，為商家進

2、行精準車內(nèi)車體廣告投放、用戶出行推薦，公共交通公司運營管理、客流分配等諸多應用提供理論和技術(shù)支持。在大數(shù)據(jù)和智能交通的背景下，本文通過對公共交通用戶出行采取行為分析和特征提取，進而構(gòu)造挖掘模型，旨在分析用戶的出行特征以及挖掘出用戶的不同的行為模式。
　　本文首先從公共交通用戶出行分析的研究背景及意義、國內(nèi)外研究現(xiàn)狀等方面出發(fā)，基于Hadoop大數(shù)據(jù)平臺對多源公共交通數(shù)據(jù)進行數(shù)據(jù)預處理，結(jié)合路網(wǎng)數(shù)據(jù)和POI數(shù)據(jù)對城市進行小區(qū)域劃分及

3、屬性分析。利用數(shù)據(jù)分析挖掘相關(guān)方法對公共交通用戶的乘車頻次、出行模式、時間維度、空間維度等出行特征進行提取。通過對用戶出行軌跡進行計算分析，對同路線出行用戶進行基于分組的層次聚類算法，結(jié)合spark通過分布式的思想對改進的層級聚類進行二次改進，在計算效率和運行速度方面有明顯的提升與改進。
　　結(jié)合上述工作，本文提出了基于SVM算法可以識別出具有小偷嫌疑的深圳通IC卡的算法。挑選公安部門確認的小偷以及普通深圳通用戶作為正負樣本，利用