通过gps速度时间序列表征的交通流发掘社区特性-计算机科学与技术专业论文.docx

madesome research andsummarizingto the aboveproblems. And some futureworks arealso beingdiscussed.dataKEYWORDS：Timeseries datamining, Community, Road spectral,GPS目录第一章绪论11.1 问题提出11.2 研究内容31.3 论文的组织结构51.4 工作基础51.5 本章小结6第二章相关研究72.1 智能交通中的交通流研究72.2 智能交通中的人类行为模式92.3 社区与交通92.4 其他技术相关研究112.5 本章小结12第三章GPS数据预处理133.1 GPS数据介绍133.2 数据预处理153.2.1 日期筛选153.2.2 去除垃圾数据153.2.3 Map-Matching173.2.4 速度计算183.2.5 热点选择193.3 道路时间序列曲线203.3.1 原曲线特点分析203.3.2 支持向量拟合213.3.3 处理结果与分析213.3.4 本章小结22第四章实验设计与分析234.1 高峰分析234.1.1 高峰定义244.1.2 分时拥堵分析264.1.3 早晚高峰拥堵情况展示294.1.4 实验结果分析334.2 绝对拥堵分析334.2.1 速度时间序列曲线聚类334.2.2 路谱344.2.3 实验结果分析394.3 本章小结39第五章总结与展望41参考文献43发表论文和参加科研情况说明46致谢47第一章绪论1.1问题提出城市的高速发展，导致交通问题成为瓶颈。经济的发展速度，远大于城市交通的扩展速度，这形成了交通问题的源头。交通的拥堵、低效等问题，已渐渐成为无法回避的问题。分析交通流的状况，是进行交通预测、异常检测以及应急研究的基础。所以分析交通流的影响因素是重中之重。通过分析交通态势数据，即GPS数据也手机信令数据，可以忠实地反映实际状况。随着物联网的发展以及技术的进步，更容易获得精确的数据，这也在数据上为交通研究奠定了基础。研究交通流状况的重点寻找规律。交通状况是单体人类行为出行模式的整体体现。为了研究交通状况的规律，需要从人的行为习惯角度入手。社区的定义方法很多。有的从社会群体、过程的角度去界定社区；有的从地理区划（自然的与人文的）去界定社区；有的从社会系统、社会功能的角度去界定社区；还有人从归属感、认同感及社区参与的角度来界定社区[1]。在本课题中，我们取如下定义。社会学中定义“社”是指相互有联系、有某些共同特征的人群，“区”是指一定的地域范围[2]。所以，“社区”可以说是相互有联系、有某些共同特征的人群共同居住的一定的区域。从这个角度上来说，研究人类出行的整体行为可以归结为若干子问题，而社区研究就是其中很重要的一个。通过交通流状况推导社区特性，并通过这些特性定义不同社区类型。研究不同类型社区的行为模式特点，并研究彼此之间的关系，不仅可以间接表示当前交通状况，还可以为交通预测提供依据。如果能成功提取以上规律，在应用层和展示层的很多工作就能够得到理论支持，本论文的目标是社区类型确定等基础工作。图1-1智能交通研究框架实验室智能交通的研究框架如图1-1所示，遵循MVC的框架模型，分为展示层、应用层和数据层三层。在数据层中，使用Hadoop为首的开源云框架搭建可扩展的云平台，用来处理海量的物联网数据。一般的物联网数据为格式不明确混杂信息多的“非结构化数据”，通过云平台的初步处理，可以将这些数据加工为格式标准信息明确的“格式化数据”。实验室使用的物联网数据，主要为天津市出租车的GPS数据以及天津市移动公司的手机信令数据。这两部分数据一个表示了交通的实时状况，一个显示了人类行为的模式，在数据的层面上为分析的展开提供了可能性。在数学理论层面上来说，本课题涉及的知识范围非常广泛，无论是Map-Matching、滤波器理论、状态空间模型还是神经网络等等，都有所涉及，这成为应用层的理论基础。在良好的数据和完备的理论的支持下，可以在应用层展开研究。所谓“城市体征交通态势”，指城市交通所有状况和事件时间的总和。态势，包含有参与者、事件、时间、地点、状态等所有信息。通过对不同数据的不同处理，可以从不同的角度对态势分析提供支持。通过对GPS的分析，可以发掘道路周边的社区特征，这也正是本课题的研究对象。研究的目标是发掘不同类型的社区，提取规律，并为以后的异常检测提供理论基础。对手机信令数据的分析，可以发掘公民出行的“出发点-目的地”规律，这同样具有非常重要的意义，这些特殊点的聚集本身就是功能社区存在的一种体现，从这一点上，也可以将两种数据结合在一起，研究之间的关系。另外两种数据都可以进行“速度分析”和“异常检