基于时空数据的城市人流移动模式挖掘

摘要：

随着城市的快速发展,城市中人流的管理与移动模式挖掘变得越发重要.同时,随着以群智感知为代表的各种感知技术的发展,提出了智慧城市的概念,智慧城市中的大量感知数据为人流的分析提供了可能性.在智慧城市中,时空数据是最为常见的一种数据.本文基于城市中的时空数据,首先提出一种建模方法,将不同种类的时空数据表示为人流模型;然后基于聚类的思想,通过改进传统的基于密度的聚类算法来对人流的移动模式进行挖掘,提出一种人流的移动模式聚类算法:时空密度聚类(Spatio-Temporal Density-Based Spatial Clustering of Applications with Noise,ST-DBSCAN);接着设计了一个移动模式的交通应用场景,并提出对移动模式的评价方法;最后在中国某城市的真实数据集上进行实验与分析,结果表明本文得到的移动模式结果在统一交通服务的场景下可节省25％的交通成本,验证了本文所提移动模式的有效性.

关键词：智慧城市、时空数据、数据挖掘、移动模式、城市人流

所属期刊栏目：47

分类号：TP311.13(计算技术、计算机技术)

资助基金：国防基础科研计划资助;江苏省"六大人才高峰"高层次人才

在线出版日期：2020-10-28（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：91-96