论文部分内容阅读
近年来,电动自行车行业迅速发展,很大程度上改善了居民出行条件,提高了出行效率。但与之相关的交通问题、社会治安问题也日益凸显,例如扰乱交通秩序、引发交通事故、车辆频繁被盗等。为了解决电动自行车发展带来的一系列问题,管理部门需要全面深入地了解该群体的行为特征,以加强对电动自行车的管理,使其更好地服务于社会经济的发展。当前,我国部分城市安装了电动自行车智能防盗追踪系统,采集了大量的电动自行车实时位置信息,使我们可以从海量数据出发,利用大数据相关技术,挖掘其中蕴含的有价值信息,为电动自行车管理提供指导建议。本文基于我国某城市的电动自行车数据开展了系统性研究工作,对电动自行车用户的行为特征进行深入分析,并构建了功能丰富的可视化交互系统。具体贡献如下:本文基于电动自行车数据提取停留地点和移动轨迹,建立并实现了基于分层模型的用户居住地自动挖掘算法。为分析用户对不同停留地点的访问规律,采用停留地点偏好矩阵建模用户的日程访问行为,并提出一种度量用户日程访问行为相似性的方法,在此基础上建立Kmeans用户聚类模型,采用DB Index确定最优聚类类别。实验表明模型可有效地区分用户行为规律,帮助人们了解其生活习惯与职业背景分布。为利用电动自行车移动轨迹估算电动自行车骑行速度,本文针对现有道路匹配算法不能解决采样频率低、空间相关性弱的电动自行车数据的道路匹配问题,设计了一种基于路径约束的道路匹配算法。该算法通过多个数据间的空间联系确定行驶路径,并综合利用kd树、A*搜索算法和动态规划方法,在提高匹配准确性的同时保证了较高的计算效率。在数据分析的基础上,本文还构建了Web端的可视化系统,方便人们直观地分析和理解电动自行车数据。该系统包括电动自行车监控、移动性分析和用户行为分析等多种功能,为本文研究工作的实际应用提供了可能。