基于出租车GPS数据的居民出行行为分析

摘要

现今，对于居民出行行为的分析在城市交通规划中变得越来越重要，并已经成为城市进行交通道路建设的一项重要参考。传统的居民出行信息调查由于工作量大、持续时间长、数据处理麻烦等原因变得已经不再适用。随着现代生活节奏和城市居民生活多元化的加剧，给居民出行的调查带来了难度。由于GPS技术具有实时、客观以及数据量大等特点，在交通领域的应用变得越来越广泛;基于此，本文探讨将GPS技术应用于居民出行的研究。另外，出租车作为一种特殊的交通工具，其运营具有随机性、24小时全天行驶以及即停即走等特点，行驶起讫点和行驶时间完全由乘客决定，其运营规律能够很好的反映乘客出行特点。
　　 本文结合GIS技术对基于出租车GPS数据的居民出行行为进行了探讨和分析，研究内容主要体现在以下几个方面:
　　 1、对GPS数据点的预处理方法及数字地图匹配，提出了数据处理准则，并编程实现了一种基于最短距离的数据匹配算法。
　　 2、基于出租车GPS轨迹数据，从日出行总量、出行时段、出租车空驶率等四个方面统计分析了乘客出行的时间特征。
　　 3、基于乘客出行行为的空间特征，采用凝聚式层次聚类算法，识别了出租车乘客出行的空间热点区域。
　　 由于天气、地形以及仪器故障等原因的影响，导致GPS数据存在某些错误，比如经纬度定位错误、载客状态显示错误等，因此需要对原始数据进行预处理，剔除错误数据后再与GIS地图匹配。出租车载客状态分为1和0两种，其中1代表载客，0代表空驶，由载客状态的变化可判知乘客的上车或下车行为。通过计算乘客上车或下车时间和地理位置，可以得出居民出行在时间和空间上的分布特点。对于居民出行频率和密度较大的区域，本文将其看作为居民出行的热点区域，在这些区域居民出行往往具有某种相似度，通过对乘客上车或下车GPS点进行聚类分析，可以计算居民出行的热点区域。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 研究意义

1．3 国内外研究综述

1．3．1 国外研究现状

1．3．2 国内研究现状

1．4 论文的主要工作

1．5 论文的组织

第二章 居民出行研究方法

2．1 传统居民出行调查

2．1．1 主要调查信息

2．1．2 传统调查方法的优缺点

2．2 数据处理

2．2．1 “四阶段”预测模型

2．2．2 ML模型(Multinomial Logit Model)

2．3 GPS应用

2．3．1 GPS基本原理

2．3．2 GPS应用于交通运输

2．3．3 GPS应用于居民出行行为调查

2．4 出租车GPS轨迹数据应用于居民出行行为研究

2．4．1 出租车定义及其活动特点

2．4．2 安装GPS装置的出租车应用于居民出行调查分析

2．5 本章小结

第三章 出租车轨迹数据的采集和预处理

3．1 数据来源

3．2 数据预处理

3．2．1 GPS数据预处理

3．2．2 GIS电子地图数据预处理

3．3 地图匹配

3．3．1 匹配算法

3．3．2 匹配结果

3．4 本章小结

第四章 基于出租车GPS数据的居民出行时间分析

4．1 日出行总量

4．1．1 日出行总次数

4．1．2 各小时出行次数

4．2 居民起讫点出行时间分布

4．2．1 出发时间分布

4．2．2 抵达时间分布

4．3 出行高峰时间段分布

4．3．1 节假日出行高峰时间段

4．3．2 工作日高峰时间段

4．4 出租车空驶率的时间分布

4．4．1 空驶率计算

4．4．2 空驶率结果分析

4．5 本章小结

第五章 基于出租车GPS数据的居民出行空间分布

5．1 出行时耗

5．1．1 平均单次出行时耗

5．1．2 居民出行时耗结构

5．2 出行热点区域

5．2．1 聚类算法

5．2．2 实验结果

5．2．3 结果分析

5．3 本章小结

第六章 总结和展望

6．1 论文的主要工作及成果

6．2 论文的创新之处

6．3 论文的不足和展望

参考文献

附录

致谢

攻读学位期间主要的研究成果目录