基于快速密度聚类的载客热点可视化分析方法

doi:10.16182/j.issn1004731x.joss.18-CVR0696

系统仿真学报 ›› 2019, Vol. 31 ›› Issue (7): 1429-1438.doi: 10.16182/j.issn1004731x.joss.18-CVR0696

基于快速密度聚类的载客热点可视化分析方法

黄子赫¹, 高尚兵^1,*, 潘志庚², 惠浩¹, 廖麒羽¹, 赵锋锋¹

1. 淮阴工学院计算机与软件工程学院,淮安 223001;
2. 杭州师范大学数字媒体与人机交互研究中心,杭州 311121

收稿日期:2018-06-15 修回日期:2018-10-21 发布日期:2019-12-12
作者简介:黄子赫(1995-),男,江苏宿迁,硕士生,研究方向为数据挖掘、模式识别; 高尚兵(通讯作者1981-),男,江苏淮安,博士,教授,研究方向为图像处理、数据挖掘、模式识别。
基金资助:
国家重点研发计划(2018YFB1004904), 江苏省六大人才高峰资助项目(XYDXXJS-011), 江苏省333工程资助项目(BRA2016454)

Visualization Analysis Method of Passenger Hotspot Based on Fast Density Clustering

Huang Zihe¹, Gao Shangbing^1,*, Pan Zhigeng², Hui Hao¹, Liao Qiyu¹, Zhao Fengfeng¹

1. College of Computer and Software Engineering, Huaiyin Institute of Technology, Huaian 223001, China;
2. Virtual Reality and Human-Computer Interaction Research Center, Hangzhou Normal University, Hangzhou 311121, China

Received:2018-06-15 Revised:2018-10-21 Published:2019-12-12

摘要/Abstract

摘要： 随着城市化交通的发展,感知计算在智慧城市起着重要的作用。针对传统密度聚类算法无法适配海量出租车GPS轨迹数据及可视化的问题,提出了BCS-DBSCAN(Big-Data Cluster Center Statistics Density-Based Spatial Clustering of Applications with Noise)聚类算法。该算法可以对轨迹数据切分及并行化聚类且能够提取最大密度簇心,并将结果适配可视化模型。实验结果表明,与其它流行的方法相比,在海量数据下提取城市载客热点区域的聚类速度、精确化及可视化方面具有十分显著的优势,对进一步提升城市规划、提高交通效率提供了重要的决策信息。

关键词: 大数据切分, 簇心提取, 快速聚类, 热点可视化

Abstract: With the development of urbanized transportation, the perceptual computing plays an important role in smart cities. Aiming at the problem that the traditional density clustering algorithm cannot adapt to massive taxi GPS trajectory data and visualization, the BCS-DBSCAN (Big-Data Cluster Center Statistics Density-Based Spatial Clustering of Applications with Noise) clustering algorithm is proposed. The algorithm can segment and parallelize the trajectory data, extract the maximum density cluster, and adapt the result to the visualization model. The experimental results show that compared with other popular methods, this method has significant advantages in extracting clustering speed, accuracy and visualization of urban passenger hotspots from mass data, and provides important decision information for further improving urban planning and traffic efficiency.

Key words: big data segmentation, cluster heart extraction, rapid clustering, hotspot visualization

中图分类号:

TP391.9

黄子赫, 高尚兵, 潘志庚, 惠浩, 廖麒羽, 赵锋锋. 基于快速密度聚类的载客热点可视化分析方法[J]. 系统仿真学报, 2019, 31(7): 1429-1438.

Huang Zihe, Gao Shangbing, Pan Zhigeng, Hui Hao, Liao Qiyu, Zhao Fengfeng. Visualization Analysis Method of Passenger Hotspot Based on Fast Density Clustering[J]. Journal of System Simulation, 2019, 31(7): 1429-1438.

参考文献

[1] 赵利刚. 基于出租车轨迹数据的载客情况可视化分析[D]. 杭州: 浙江工业大学, 2014.
Zhao Ligang.Loading situation visual analysis based on taxi trajectory data[D]. Hangzhou: College of Computer Science and Technology Zhejiang University of Technology, 2014.
[2] 冯琦森. 基于出租车轨迹的居民出行热点路径和区域挖掘[D]. 重庆: 重庆大学, 2017.
Feng Qisen.Research on Residents’ Trip Hot Routes and Attractive Areas Based on Taxi Trajectory Data[D]. Chongqing: Chongqing University, 2017.
[3] 赵鹏祥. 基于轨迹聚类的城市热点区域提取与分析方法研究[D]. 武汉: 武汉大学, 2015.
Zhao Pengxiang.Research on Urban Hotspot Region Extraction and Analysis Based on Trajectory Clustering[D]. Wuhan: Wuhan University, 2015.
[4] 江慧娟, 余洋. 出租车载客热点精细提取的改进DBSCAN算法[J]. 地理空间信息, 2017, 15(10): 1672.
Jiang Huijuan, Yu Yang.Improved DBSCAN Algorithm for Fine Extraction of Rental Vehicle Hotspots[J]. Geospatial Information, 2017, 15(10): 1672.
[5] 郑运鹏, 赵刚, 刘健. 基于出租车GPS数据的交通热区识别方法[J]. 北京信息科技大学学报(自然科学版), 2016, 31(1): 43-47.
Zheng Yunpeng, Zhao Gang, Liu Jian.A novel method for traffic hotspots recognition based on taxi GPS data[J]. Journal of Beijing Information Science & Technology University, 2016, 31(1): 43-47.
[6] 周勍, 秦昆, 陈一祥, 等. 基于数据场的出租车轨迹热点区域探测方法[J]. 地理与地理信息科学, 2016, 32(6): 51-56.
Zhou Qing, Qin Kun, Chen Yixiang, et al.Hotspots Detection from Taxi Trajectory Data Based on Data Field Clustering[J]. Geography and Geo-Information Science, 2016, 32(6): 51-56.
[7] Kong X, Liu Y, Wang Y, et al.Investigating Public Facility Characteristics from a Spatial Interaction Perspective: A Case Study of Beijing Hospitals Using Taxi Data[J]. ISPRS International Journal of Geo-Information (S2220-9964), 2017, 6(2): 38-46.
[8] Zhou Z, Dou W, Jia G, et al.A method for real-time trajectory monitoring to improve taxi service using GPS big data[J]. Information & Management (S0378-7206), 2016, 53(8): 964-977.
[9] 王武. 基于海量GPS数据的公共交通站点及路线优化研究[D]. 重庆: 西南大学, 2016.
Wang Wu.The Optimization of Public Transportation Sites and Route based on Taxi GPS Data [D]. Chongqing: Southwestern University, 2016.
[10] Kumar K M, Reddy A R M. A fast DBSCAN clustering algorithm by accelerating neighbor searching using Groups method[J]. Pattern Recognition (S0031-3203), 2016, 58(2): 39-48.
[11] Wang Z, Lu M, Yuan X, et al.Visual Traffic Jam Analysis Based on Trajectory Data[J]. IEEE Transactions on Visualization & Computer Graphics (S1077-2626), 2013, 19(12): 2159-2168.

[1]	李智杰, 石昊琦, 李昌华, 张颉. 基于改进遗传算法的影像中心布局优化方法[J]. 系统仿真学报, 2022, 34(6): 1173-1184.
[2]	陈斌, 刘悦, 杨亚磊. 基于STN的机场航班过站保障时间协同规划建模[J]. 系统仿真学报, 2022, 34(6): 1196-1207.
[3]	杨凯, 陈纯毅, 胡小娟, 于海洋. 蒙卡渲染画面多特征非局部均值滤波降噪算法[J]. 系统仿真学报, 2022, 34(6): 1259-1266.
[4]	陈麒, 崔昊杨. 基于改进鸽群层级的无人机集群视觉巡检模型[J]. 系统仿真学报, 2022, 34(6): 1275-1285.
[5]	王沐晴, 张磊, 范秀敏, 骆晓萌, 朱文敏. VR外设驱动的虚拟人姿态优化仿真方法[J]. 系统仿真学报, 2022, 34(6): 1296-1303.
[6]	陆承, 靳学胜. 基于Steam VR的交互仿真水枪灭火训练系统设计[J]. 系统仿真学报, 2022, 34(6): 1312-1319.
[7]	高宏鼐, 付丽疆, 夏倩, 郭亚. 可观测度在光合作用模型性能评估中的应用[J]. 系统仿真学报, 2022, 34(6): 1330-1342.
[8]	倪凌佳, 黄晓霞, 李红旮, 张子博. 基于协作式深度强化学习的火灾应急疏散仿真研究[J]. 系统仿真学报, 2022, 34(6): 1353-1366.
[9]	蒙盾, 胡卓, 张华军. 基于改进A^*算法的多层邮轮疏散系统仿真[J]. 系统仿真学报, 2022, 34(6): 1375-1382.
[10]	郭宇飞, 赵康, 海永清. 面向有限元分析的三角网格布尔运算方法[J]. 系统仿真学报, 2022, 34(5): 1003-1014.
[11]	吴桐, 王清辉, 徐志佳. 三周期极小曲面多孔材料渗透率尺度特性研究[J]. 系统仿真学报, 2022, 34(5): 1015-1024.
[12]	蒋阳升, 王思琛, 高宽, 刘梦, 姚志洪. 混入智能网联车队的混合交通流元胞自动机模型[J]. 系统仿真学报, 2022, 34(5): 1025-1032.
[13]	梁江涛, 王慧琴. 基于改进蚁群算法的建筑火灾疏散路径规划研究[J]. 系统仿真学报, 2022, 34(5): 1044-1053.
[14]	张其文, 张斌. 基于教学优化算法求解置换流水车间调度问题[J]. 系统仿真学报, 2022, 34(5): 1054-1063.
[15]	邢根上, 鲁芳, 李书山, 罗定提. 基于产品体验性的供应链交货模型与仿真研究[J]. 系统仿真学报, 2022, 34(5): 1064-1075.

基于快速密度聚类的载客热点可视化分析方法

Visualization Analysis Method of Passenger Hotspot Based on Fast Density Clustering

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价