基于货车GPS数据的城市货运停留行为识别模型

摘要：

目前多数货运研究以提取货车静态停留行为为主,缺少对货车区域持续作业等动态停留行为的采集;停留行为结合物流园区、兴趣点、货运调查等数据研究货运出行特征,存在一定局限性、不稳定性.该文利用重型货车GPS数据与城市用地数据,设计基于时空序列的停留域搜索算法;构建停留时间、用地距离、用地性质权重三个维度的货运停留行为特征;运用轮廓系数评价聚类效果确定最佳簇数,基于围绕中心点划分的分类回归决策树(PAM-CART)算法建立城市货运停留行为识别模型,区别货运停留行为、非货运停留行为、混合货运停留行为.通过训练数据与验证数据交叉验证,模型准确率为99.3%.结果表明模型能准确地识别城市货运停留行为,可为城市货运交通、货运物流经济、货车碳排放等相关政策研究制定提供技术与数据支持.

关键词：城市货运、GPS数据、停留域、分类回归决策树(CART)、货运停留行为

所属期刊栏目：10

分类号：F250;U492.313;TP391

在线出版日期：2023-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：45-50