- 1、本文档共27页,其中可免费阅读9页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
本文主要探讨了如何通过时空数据进行城市出行异常事件的检测研究结果显示,通过对2015年4月的出租车和地铁数据进行时间空间划分和时间段划分,可以建立四张交通流量矩阵,分别用于出租车的进流出和地铁的进流出数据利用这些矩阵进行时间序列预测后,我们选择了OneClassSVM算法来进行异常检测文章最后通过可视化的方式分析了上海大型演唱会活动期间交通流量的变化情况,揭示其对交通的影响
基于时空数据的异常事件检测
PAGEI
摘要
随着智能城市的到来,获取城市中大量的出行数据成为可能,这为探究人类的出行移动规律提供了便利。我国的城市发展越来越快,大城市的人口数量越来越多,随之而来的是道路拥堵等各种交通问题。对于大城市来说,居民的出行虽然复杂但是也不乏遵循着一定的移动规律,如果可以深入的探究人类的出行规律,及早的发现一些对公共安全有威胁的异常事件,这对于城市的建设是有着重大的意义的。
本文以下的研究内容主要是基于上海市2015年4月份的出租车以及地铁数据,提出了一种基于时空数据的异常事件检测方法。首先将时间空间划分,对上海市划分为541个子区域,并且将2015
文档评论(0)