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
第一作者简介: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,潘志庚等 . 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,et al . 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]	黄涛, 张智, 丁玉杰, 陈艳波, 王晶, 张文倩. 考虑动态频率安全与N-k故障的鲁棒应急调度方法[J]. 系统仿真学报, 2025, 37(12): 2981-2993.
[2]	张润昭, 陈艳波, 黄涛, 田昊欣, 强涂奔, 张智. 基于异构负荷特征解析预测的虚拟电厂调度方法[J]. 系统仿真学报, 2025, 37(12): 2994-3006.
[3]	于祥星, 赵艳东, 张宝琳. 基于电涡流NES的海上风机塔架振动控制[J]. 系统仿真学报, 2025, 37(12): 3007-3017.
[4]	李斌, 王于绰. 基于多策略融合的光伏系统故障诊断方法[J]. 系统仿真学报, 2025, 37(12): 3018-3032.
[5]	李孝斌, 胡冰, 尹超, 李波, 马军. 基于时空图卷积的汽车配件供应链需求预测与仿真分析[J]. 系统仿真学报, 2025, 37(12): 3060-3074.
[6]	彭艺, 雷云揆, 杨青青, 李辉, 王健明. 改进PID搜索算法的山地环境无人机路径规划[J]. 系统仿真学报, 2025, 37(12): 3075-3086.
[7]	陈逸, 邱思航, 朱正秋, 季雅泰, 赵勇, 鞠儒生. 基于启发式的人-大模型协作寻源方法[J]. 系统仿真学报, 2025, 37(12): 3112-3127.
[8]	索婧怡, 卢柏宏, 屈澈. 影视LED光源光强分布测定及其在游戏引擎中的仿真研究[J]. 系统仿真学报, 2025, 37(12): 3140-3151.
[9]	龚建兴, 胡海, 任海慧, 吴瑞祥. 面向虚实结合的军事训练系统互操作模型与运用[J]. 系统仿真学报, 2025, 37(12): 3161-3175.
[10]	徐智霞, 王蕊, 孙楠, 何兵, 沈晓卫, 朱晓菲. 基于改进遗传算法的协同干扰资源分配问题研究[J]. 系统仿真学报, 2025, 37(12): 3176-3189.
[11]	刘翔, 金乾坤. 基于PAC-Bayes的多目标强化学习A2C算法研究[J]. 系统仿真学报, 2025, 37(12): 3212-3223.
[12]	杨兰英, 李超, 邹海锋, 万江涛, 张仁强, 刘惠, 卢宏. 基于改进蚁群算法与A*算法相融合的机器人路径规划优化[J]. 系统仿真学报, 2025, 37(11): 2956-2965.
[13]	苏筱婷, 张小威, 田义, 李奇, 王帅豪. 星光导航动态仿真场景时序设计方法研究[J]. 系统仿真学报, 2025, 37(11): 2946-2955.
[14]	张志利, 刘瑾, 周召发, 梁哲, 张云昊. 基于ISCSO-BP神经网络模型的光纤陀螺温度补偿技术研究[J]. 系统仿真学报, 2025, 37(11): 2904-2917.
[15]	陈际同, 周佳加, 吴迪, 江海龙. 基于TD3-RRT的特殊环境下USV路径规划算法研究[J]. 系统仿真学报, 2025, 37(11): 2888-2903.

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