發(fā)布時間：2020-11-18 13:54

　　 近幾年,我國災(zāi)害事故和突發(fā)事件頻發(fā)趨勢越來越顯著,給國家?guī)�來了巨大的�?jīng)濟(jì)損失,給人民群眾的生命和財產(chǎn)安全造成了極大危害。災(zāi)害發(fā)生時及時展開緊急救援,減少人員傷亡是應(yīng)急救援的第一要務(wù),合理分配救援的人力、物力是實施高效救援的前提。有序和高效地進(jìn)行地理信息的統(tǒng)一獲取、快速處理和及時提供,可以讓我們充分掌握應(yīng)急區(qū)域的現(xiàn)場情況,合理部署軍隊、武警等專業(yè)救援力量。根據(jù)應(yīng)急指令奔赴現(xiàn)場開展應(yīng)急救援,能提高應(yīng)急救援的效率,最大限度地挽救人民群眾的生命和財產(chǎn)安全。為了解決應(yīng)急條件下如何計算受災(zāi)人口的問題,本文構(gòu)建了基于手機(jī)信令數(shù)據(jù)的應(yīng)急條件下受災(zāi)人口計算模型,通過對聚類算法的研究,提出了基于DBSCAN與k-means結(jié)合的聚類算法,將聚類算法應(yīng)用于應(yīng)急條件下受災(zāi)人口的計算,提高了應(yīng)急條件下受災(zāi)人口計算的效率,并以洪澇災(zāi)害為例,將通過本文方法得到的受災(zāi)人口數(shù)據(jù)進(jìn)行應(yīng)用。(1)根據(jù)手機(jī)信令數(shù)據(jù)的獲取方式,結(jié)合手機(jī)信令數(shù)據(jù)的時空特征,對手機(jī)信令數(shù)據(jù)進(jìn)行格式處理、數(shù)據(jù)清洗等一系列預(yù)處理,得到質(zhì)量較高的海量手機(jī)信令數(shù)據(jù),并對手機(jī)信令數(shù)據(jù)進(jìn)行空間化處理。(2)根據(jù)密集型點數(shù)據(jù)的處理方法,提出了基于DBSCAN與k-means結(jié)合的聚類算法,并且從運(yùn)行時間、聚類質(zhì)量、聚類點位精度三個方面進(jìn)行分析。(3)將DBSCAN與k-means結(jié)合的聚類算法應(yīng)用于應(yīng)急條件下受災(zāi)人口的計算,并且對使用聚類算法計算災(zāi)區(qū)人口的結(jié)果進(jìn)行分析,主要從計算時間和準(zhǔn)確性兩個方面進(jìn)行分析。(4)針對現(xiàn)有的人口計算模型已經(jīng)無法滿足應(yīng)急條件下計算受災(zāi)人口的需求,提出了應(yīng)急條件下受災(zāi)人口的計算模型,將聚類算法、應(yīng)急條件下受災(zāi)人口的計算模型作為理論支撐,設(shè)計并實現(xiàn)了原型系統(tǒng)。利用本文方法可以在災(zāi)害發(fā)生的第一時間快速、高效地對災(zāi)區(qū)的受災(zāi)人口進(jìn)行估算,并將其應(yīng)用于災(zāi)害救援等級評估等方面,為應(yīng)急救援決策提供科學(xué)的建議。
【學(xué)位單位】：東華理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：X4;TP311.13
【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景
    1.2 研究目的及意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 災(zāi)害應(yīng)急的發(fā)展現(xiàn)狀
        1.3.2 手機(jī)信令數(shù)據(jù)的研究現(xiàn)狀
        1.3.3 聚類方法的研究現(xiàn)狀
    1.4 論文的研究內(nèi)容及技術(shù)路線
    1.5 章節(jié)安排
2 手機(jī)信令數(shù)據(jù)基本原理及時空特征
    2.1 手機(jī)信令數(shù)據(jù)的概念
    2.2 手機(jī)信令數(shù)據(jù)的來源
    2.3 手機(jī)信令數(shù)據(jù)的時空特征分析
    2.4 手機(jī)信令數(shù)據(jù)的一般處理流程
        2.4.1 格式處理
        2.4.2 數(shù)據(jù)清洗
        2.4.3 數(shù)據(jù)等時間間隔化處理
    2.5 本章小結(jié)
3 手機(jī)信令數(shù)據(jù)聚類方法
    3.1 現(xiàn)有的聚類算法
        3.1.1 聚類分析
        3.1.2 經(jīng)典的聚類算法
        3.1.3 聚類質(zhì)量的評估方法
    3.2 基于DBSCAN與 K-MEANS結(jié)合的聚類算法
        3.2.1 聚類思想
        3.2.2 算法過程
        3.2.3 算法的優(yōu)劣
    3.3 參數(shù)的確定方法
        3.3.1 DBSCAN參數(shù)的確定
        3.3.2 cluterNum的確定
    3.4 聚類結(jié)果與分析
        3.4.1 聚類結(jié)果
        3.4.2 結(jié)果分析
    3.5 本章小結(jié)
4 基于手機(jī)信令數(shù)據(jù)的應(yīng)急條件下受災(zāi)人口計算方法
    4.1 傳統(tǒng)的人口數(shù)據(jù)獲取方法
    4.2 應(yīng)急條件下受災(zāi)人口的計算方法及特點
    4.3 基于手機(jī)信令數(shù)據(jù)的受災(zāi)人口計算方法
        4.3.1 顧及地理條件約束的受災(zāi)人口計算模型
        4.3.2 受災(zāi)人口的計算方法
    4.4 實驗及結(jié)果分析
        4.4.1 數(shù)據(jù)源
        4.4.2 研究區(qū)域
        4.4.3 權(quán)重的確認(rèn)
        4.4.4 結(jié)果分析
    4.5 本章小結(jié)
5 系統(tǒng)實現(xiàn)及應(yīng)用
    5.1 背景
    5.2 系統(tǒng)定位
    5.3 系統(tǒng)功能
        5.3.1 系統(tǒng)概述
        5.3.2 開發(fā)環(huán)境
        5.3.3 功能組成
        5.3.4 系統(tǒng)詳細(xì)功能
    5.4 系統(tǒng)應(yīng)用效果
    5.5 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
在攻讀學(xué)位期間取得的科研成果

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 萬金紅;陳必真;;洪澇災(zāi)情評估研究綜述[J];防災(zāi)科技學(xué)院學(xué)報;2015年04期

2 杜翠鳳;余藝;蔣超;;基于空間密度聚類的移動用戶熱點區(qū)域識別方法[J];移動通信;2015年16期

3 張惠;沈亮;李寶磊;戴鵬程;;手機(jī)數(shù)據(jù)在交通規(guī)劃中的應(yīng)用研究[J];互聯(lián)網(wǎng)天地;2015年05期

4 鈕心毅;丁亮;宋小冬;;基于手機(jī)數(shù)據(jù)識別上海中心城的城市空間結(jié)構(gòu)[J];城市規(guī)劃學(xué)刊;2014年06期

5 熊偉;;關(guān)于轉(zhuǎn)變測繪地理信息行政管理職能的思考[J];測繪與空間地理信息;2013年04期

6 冉斌;;手機(jī)數(shù)據(jù)在交通調(diào)查和交通規(guī)劃中的應(yīng)用[J];城市交通;2013年01期

7 何壽清;王挺;;基于手機(jī)定位服務(wù)的地震災(zāi)情速報和搜救技術(shù)探討[J];華南地震;2012年04期

8 周紅芳;王鵬;;DBSCAN算法中參數(shù)自適應(yīng)確定方法的研究[J];西安理工大學(xué)學(xué)報;2012年03期

9 楊柳;張俊芝;;聚類算法分析及其性能比較[J];中國新技術(shù)新產(chǎn)品;2012年07期

本文編號：2888790