基于無(wú)監(jiān)督學(xué)習(xí)技術(shù)的位置大數(shù)據(jù)分析.pdf

1、隨著社會(huì)的發(fā)展和科學(xué)技術(shù)的不斷進(jìn)步，移動(dòng)通信和傳感設(shè)備等位置感知技術(shù)形成了大量的位置數(shù)據(jù)，對(duì)這些位置數(shù)據(jù)進(jìn)行挖掘和分析，從而發(fā)現(xiàn)其潛在的有用信息，合理進(jìn)行城市建設(shè)規(guī)劃和出行路線規(guī)劃，將會(huì)大大促進(jìn)現(xiàn)代社會(huì)的智能化、信息化。同時(shí)，從人們出行的軌跡數(shù)據(jù)中得到其出行的交通方式，也將有助于研究人員從中推測(cè)人們對(duì)交通工具擁有情況、收入水平和職業(yè)情況。本文圍繞位置大數(shù)據(jù)進(jìn)行了一些相關(guān)研究。
　　首先，對(duì)出租車GPS軌跡數(shù)據(jù)進(jìn)行分析，分析了可能產(chǎn)

2、生數(shù)據(jù)誤差的影響因素，并有針對(duì)性地對(duì)原始數(shù)據(jù)做預(yù)處理，包括對(duì)數(shù)據(jù)進(jìn)行誤差分析，數(shù)據(jù)處理依據(jù)和方法，之后對(duì)居民出行的起止點(diǎn)進(jìn)行識(shí)別，并利用ArcGIS進(jìn)行地圖的可視化呈現(xiàn)?；谔幚砗蟮腉PS數(shù)據(jù)，分析了居民出行的時(shí)空分布特征，包括工作日和休息日的出行量，日出行的高峰時(shí)段，并得到了相關(guān)的結(jié)論。將聚類分析方法應(yīng)用到出租車GPS數(shù)據(jù)的應(yīng)用研究中，選取合理的聚類方法對(duì)研究區(qū)域進(jìn)行交通小區(qū)的劃分，并建立出行OD矩陣。
　　其次，采用基于時(shí)間空

3、間聚類的K-Means方法，得到乘客上下車的活躍中心點(diǎn)，并結(jié)合ArcGIS空間分析工具，構(gòu)建緩沖區(qū)找到乘客最容易搭乘出租車的路段，解決了活躍中心點(diǎn)偏離道路的問(wèn)題。此外，利用密度聚類的方法，對(duì)城市居民出行熱點(diǎn)區(qū)域的分布規(guī)律進(jìn)行了研究，并與實(shí)際情況相結(jié)合，證明了本文方法的有效性。
　　然后，為提高不同出行方式的識(shí)別率，提出了一種基于深度學(xué)習(xí)的出行方式識(shí)別模型，以微軟亞洲研究院收集的用戶GPS軌跡數(shù)據(jù)集為基礎(chǔ)，利用時(shí)間特性提取不同出行方