论文部分内容阅读
轨道交通出行已经日渐成为人们首选的出行方式,随着地铁客运量的与日俱增,地铁内如发放小广告、盗窃、抢劫等影响治安与市民出行体验的情况也逐渐增多。在轨道交通出行过程中,使用自动检票系统已经是必不可少的一个环节。自动检票系统可以精确记录持卡乘客的出行数据信息。公安机关在治理轨道交通出行治安环境、侦破相关案件的过程中,经常会利用自动检票系统中记录的刷卡数据去检索有用的线索信息。然而,庞大的地铁客运量及复杂的数据存储形式,给公安机关的检索工作带来了巨大的不便。因此,如何能快速高效的从轨道交通出行刷卡数据中检索出有用的线索信息,是治理轨道交通出行治安环境,破获相关案件的一个重要问题。在此背景下,本文基于轨道交通出行刷卡数据,研究分析了其中异常出行数据的基本特点,结合公安机关破获相关案件的经验,设计实现了三种可视化分析方法,并完成了基于一卡通刷卡信息的轨道交通出行数据信息可视化分析原型系统的开发。具体而言,论文的主要内容和贡献可以概括为以下三点:(1)在分析了轨道交通出行刷卡数据中异常数据基本特点的基础上提出了基于进站时间、基于出行距离和基于逗留时间的可视化分析方法。通过这三种可视化分析方法,分析人员可以在web端,利用可视化交互的方式从轨道交通出行刷卡数据中快速找到异常的出行数据,从而为下一步甄别、分析异常IC卡奠定基础。(2)为分析产生可疑出行数据的可疑IC卡是否为公安机关所寻找的异常IC卡,设计了针对单张IC卡历史出行信息的可视化交互分析视图。通过这种视图,分析人员可以从相关IC卡的历史出行时间、历史出行轨迹和历史出行地点三方面分析判断可疑IC卡是否为所寻找的异常IC卡。(3)为了寻找关联IC卡群组,提出了一种针对关联卡的三维时空出行轨迹分析视图。这种分析视图,能够方便分析人员通过对比、分析关联卡之间的三维时空出行轨迹来寻找关联卡群组。综上,本文针对轨道交通出行数据的可视化分析目标,设计并实现了一套完整的可视化交互、检索、显示系统。从结果上看,通过三种可视化分析方法的协同作用,可以直观、方便地找到异常IC卡和异常IC卡群组,体现出了可视化分析结果的应用价值。