车辆出行次数是城市车辆出行的基本特征之一,一般采用抽样调查获得。利用城市车辆RFID(radio frequency identification)出行数据,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)算法的车辆出行次...车辆出行次数是城市车辆出行的基本特征之一,一般采用抽样调查获得。利用城市车辆RFID(radio frequency identification)出行数据,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)算法的车辆出行次数计算方法。首先,利用k-差值法计算出DBSCAN算法中ε-邻域半径;然后,利用车辆一周(月、季度、年)的RFID轨迹链数据进行DBSCAN密度聚类,获取车辆出行时间特征和出行次数。实验表明,该方法具有较高的准确性,实现简单。展开更多
人类出行具有规律性,对人类移动规律构建移动模型具有理论意义和现实需求。现有移动模型通常基于人类出行距离具有标度性这一假设,且未考虑出行次数和基础设施网络的影响。针对上述问题,利用民航旅客出行数据集进行统计分析发现旅客出...人类出行具有规律性,对人类移动规律构建移动模型具有理论意义和现实需求。现有移动模型通常基于人类出行距离具有标度性这一假设,且未考虑出行次数和基础设施网络的影响。针对上述问题,利用民航旅客出行数据集进行统计分析发现旅客出行有以下特性:出行距离分布不具有标度性,出行次数具有各向异性,旅客扩散随出行次数不同具有不同的变化趋势。为了刻画民航旅客出行特性,提出了基于潜在出行意图的民航旅客移动模型(passenger mobility model based on potential trip purpose,PMMPTP)。首先,考虑旅客出行与目标城市经济因素有关,提出了旅客出行城市的选择概率计算方法。然后,考虑旅客出行具有探索和返回特性,给出了计算旅客探索新机场和返回历史机场的概率的方法。实验中,先利用PMMPTP模型模拟民航旅客的出行特性,再通过对机场吞吐量和航线吞吐量的预测检验其有效性。实验结果表明,该模型能较好地拟合真实数据,有效解决了大量低频出行旅客的出行建模。展开更多
文摘车辆出行次数是城市车辆出行的基本特征之一,一般采用抽样调查获得。利用城市车辆RFID(radio frequency identification)出行数据,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)算法的车辆出行次数计算方法。首先,利用k-差值法计算出DBSCAN算法中ε-邻域半径;然后,利用车辆一周(月、季度、年)的RFID轨迹链数据进行DBSCAN密度聚类,获取车辆出行时间特征和出行次数。实验表明,该方法具有较高的准确性,实现简单。
文摘人类出行具有规律性,对人类移动规律构建移动模型具有理论意义和现实需求。现有移动模型通常基于人类出行距离具有标度性这一假设,且未考虑出行次数和基础设施网络的影响。针对上述问题,利用民航旅客出行数据集进行统计分析发现旅客出行有以下特性:出行距离分布不具有标度性,出行次数具有各向异性,旅客扩散随出行次数不同具有不同的变化趋势。为了刻画民航旅客出行特性,提出了基于潜在出行意图的民航旅客移动模型(passenger mobility model based on potential trip purpose,PMMPTP)。首先,考虑旅客出行与目标城市经济因素有关,提出了旅客出行城市的选择概率计算方法。然后,考虑旅客出行具有探索和返回特性,给出了计算旅客探索新机场和返回历史机场的概率的方法。实验中,先利用PMMPTP模型模拟民航旅客的出行特性,再通过对机场吞吐量和航线吞吐量的预测检验其有效性。实验结果表明,该模型能较好地拟合真实数据,有效解决了大量低频出行旅客的出行建模。
