基于出租車GPS數(shù)據(jù)的用戶出行熱點挖掘與交通流波動分析.pdf

1、隨著中國城鎮(zhèn)化進程日益加快，城市規(guī)模急劇擴張，居民出行方式不斷變化，居民出行范圍逐步擴大，但由于城市地理位置的限制及交通基礎(chǔ)設(shè)施的建設(shè)滯后，從而導(dǎo)致一系列制約城市經(jīng)濟發(fā)展和居民生活水平提高的城市交通問題，包括交通擁堵、資源分配不均等。研究城市居民出行模式和交通流量波動現(xiàn)象為解決出租車空載率過高、居民出行需求無法滿足、交通管理效率較低等交通問題提供可能性。鑒于此，本文通過對出租車GPS數(shù)據(jù)的分析，挖掘居民出行規(guī)律及區(qū)域交通流的波動現(xiàn)象，并

2、提出基于非負矩陣分解的自回歸預(yù)測模型和實現(xiàn)對交通流波動現(xiàn)象的定量分析，為交通使用者提供實時有效的出行信息和有效的交通流量波動演化規(guī)律，從而對緩解目前的交通問題提供實質(zhì)性地幫助及建議。
　　面對日益嚴重的城市交通問題，本文通過挖掘和分析海量出租車 GPS軌跡數(shù)據(jù)，基于矩陣分解算法和時間序列模型實現(xiàn)對起訖(Origin-Destination, OD)矩陣的預(yù)測。并通過對流量粗?；＜皬?fù)雜系統(tǒng)波動理論分析，本文已實現(xiàn)對區(qū)域網(wǎng)絡(luò)單節(jié)點

3、流量的動態(tài)分析、全節(jié)點流量的波動規(guī)律以及區(qū)域網(wǎng)絡(luò)系統(tǒng)內(nèi)外部流量的分離分析。本文主要貢獻如下：
　　(1)提出基于非負矩陣分解的自回歸模型，主要通過對 OD矩陣的非負特征和可模擬的用戶出行特征，本文引入非負矩陣分解算法對用戶出行特征進行分析和宏觀描述；同時，在此基礎(chǔ)上利用自回歸模型對OD矩陣進行預(yù)測和估計。
　　(2)基于北京市出租車交通數(shù)據(jù)，實現(xiàn)基于非負矩陣分解的自回歸(Nonnegative Matrix Factoriz

4、ation-Auto Regressive, NMF-AR)模型對OD矩陣的預(yù)測?；诔鲎廛嘒PS數(shù)據(jù)，通過NMF-AR模型挖掘和預(yù)測用戶出行信息，同時與引入的短時交通流預(yù)測模型進行對比分析，并且對預(yù)測精度、模型參數(shù)、數(shù)據(jù)敏感度等問題進行深入分析，驗證模型的預(yù)測能力。通過對 OD矩陣實時預(yù)測分析可為居民提供實時有效的出行信息，可有效降低空載率，提高運營效益。
　　(3)實現(xiàn)基于流量的粗?；：蜕钊敕治鼋煌鞑▌忧闆r。在北京市區(qū)域

5、棋盤式劃分策略和區(qū)域交通網(wǎng)絡(luò)的基礎(chǔ)上，本研究對北京市出租車GPS數(shù)據(jù)進行適當(dāng)?shù)臄?shù)據(jù)預(yù)處理工作。一方面，針對單個區(qū)域的交通流量波動情況，本文利用粗?；椒ㄌ幚砹髁孔兓瘶?gòu)建對應(yīng)的網(wǎng)絡(luò)，同時分析節(jié)點車流量的波動情況。另一方面，本文對區(qū)域網(wǎng)絡(luò)交通流量波動的規(guī)律和演化進行重點分析，并對多個區(qū)域交通流量的總體特性進行考察，并實證分析該波動規(guī)律?；诒本┦谐鲎廛嘒PS軌跡數(shù)據(jù)，本文從真實區(qū)域出租車流量實證分析其基于時間的流量均值和標(biāo)準差之間的關(guān)系。同