10.3969/j.issn.2095-2163.2022.11.010
基于C-K-N-Cluster的居民出行时空特征分析
为解决传统聚类算法在大数据轨迹信息应用中的簇类数不确定、病态初始化等问题,文章提出了一种结合Canopy与K-Means++的小生境遗传智能聚类算法(C-K-N-Cluster),并应用于居民出行时空特征分析;以杭州市为例,对出租车轨迹数据进行降噪标准化等预处理,按照筛选原则提取载客点数据;提取出的数据投入智能聚类算法仿真识别城市上下载客热点地域,结合数据分析方法可视化研究城市居民出行特征.仿真结果表明:改进算法相比传统K-Means能够实现大数据应用场景下的簇类数与初始化自动最优化,分析了杭州市居民出行规律及出租车载客时空特征,为司乘服务和城市功能区优化提供参考.
轨迹数据、C-K-N-Cluster算法、可视化分析、居民出行特征
12
TP181(自动化基础理论)
中央引导地方科技发展资金项目;西藏大学研究生高水平人才培养计划项目
2022-12-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
64-70