基于電動(dòng)自行車(chē)數(shù)據(jù)的用戶行為分析及可視化研究.pdf

1、近年來(lái)，電動(dòng)自行車(chē)行業(yè)迅速發(fā)展，很大程度上改善了居民出行條件，提高了出行效率。但與之相關(guān)的交通問(wèn)題、社會(huì)治安問(wèn)題也日益凸顯，例如擾亂交通秩序、引發(fā)交通事故、車(chē)輛頻繁被盜等。為了解決電動(dòng)自行車(chē)發(fā)展帶來(lái)的一系列問(wèn)題，管理部門(mén)需要全面深入地了解該群體的行為特征，以加強(qiáng)對(duì)電動(dòng)自行車(chē)的管理，使其更好地服務(wù)于社會(huì)經(jīng)濟(jì)的發(fā)展。當(dāng)前，我國(guó)部分城市安裝了電動(dòng)自行車(chē)智能防盜追蹤系統(tǒng)，采集了大量的電動(dòng)自行車(chē)實(shí)時(shí)位置信息，使我們可以從海量數(shù)據(jù)出發(fā)，利用大數(shù)據(jù)相

2、關(guān)技術(shù)，挖掘其中蘊(yùn)含的有價(jià)值信息，為電動(dòng)自行車(chē)管理提供指導(dǎo)建議。本文基于我國(guó)某城市的電動(dòng)自行車(chē)數(shù)據(jù)開(kāi)展了系統(tǒng)性研究工作，對(duì)電動(dòng)自行車(chē)用戶的行為特征進(jìn)行深入分析，并構(gòu)建了功能豐富的可視化交互系統(tǒng)。具體貢獻(xiàn)如下:
　　本文基于電動(dòng)自行車(chē)數(shù)據(jù)提取停留地點(diǎn)和移動(dòng)軌跡，建立并實(shí)現(xiàn)了基于分層模型的用戶居住地自動(dòng)挖掘算法。為分析用戶對(duì)不同停留地點(diǎn)的訪問(wèn)規(guī)律，采用停留地點(diǎn)偏好矩陣建模用戶的日程訪問(wèn)行為，并提出一種度量用戶日程訪問(wèn)行為相似性的方法，

3、在此基礎(chǔ)上建立Kmeans用戶聚類模型，采用DB Index確定最優(yōu)聚類類別。實(shí)驗(yàn)表明模型可有效地區(qū)分用戶行為規(guī)律，幫助人們了解其生活習(xí)慣與職業(yè)背景分布。
　　為利用電動(dòng)自行車(chē)移動(dòng)軌跡估算電動(dòng)自行車(chē)騎行速度，本文針對(duì)現(xiàn)有道路匹配算法不能解決采樣頻率低、空間相關(guān)性弱的電動(dòng)自行車(chē)數(shù)據(jù)的道路匹配問(wèn)題，設(shè)計(jì)了一種基于路徑約束的道路匹配算法。該算法通過(guò)多個(gè)數(shù)據(jù)間的空間聯(lián)系確定行駛路徑，并綜合利用kd樹(shù)、A*搜索算法和動(dòng)態(tài)規(guī)劃方法，在提高匹配