發(fā)布時間：2020-11-16 04:56

　　 隨著我國經(jīng)濟的快速發(fā)展與經(jīng)濟水平的不斷提升,國內(nèi)機動車市場規(guī)模越來越大,很多家庭都擁有私家車以滿足出行便利的需求。而與此同時,大量行駛的機動車排放的尾氣會影響空氣的質(zhì)量,加重我們對賴以生存環(huán)境的破壞,也嚴重影響人們的身體健康狀況。因此,對機動車車流量的分析也是空氣質(zhì)量分析的一個重要方面。目前,對機動車分析的相關(guān)研究主要集中在分析某一條路段上車輛的行駛狀況,或者是分析某一特定軌跡的運動變化。空氣質(zhì)量的分析包括氣象要素和空氣質(zhì)量相關(guān)性分析、基于空氣質(zhì)量數(shù)據(jù)探索城市群在時空上動態(tài)演變、以及霧霾分布狀況的可視分析。本文使用北京市車流量的網(wǎng)格數(shù)據(jù),分析某一區(qū)域的車流量狀況,并結(jié)合北京市空氣質(zhì)量數(shù)據(jù)分析車流量和空氣污染物之間的相關(guān)性。設(shè)計并實現(xiàn)了一個新的車流量時空模式與空氣質(zhì)量關(guān)系交互式可視分析系統(tǒng),通過對北京市車流量網(wǎng)格數(shù)據(jù)與空氣質(zhì)量站點數(shù)據(jù)可視分析,探索人們使用出租車的時空周期模式,及空氣質(zhì)量的周期規(guī)律。進而對車流量與空氣污染物的相似性和趨勢變化情況展開研究。最后通過案例分析證明本文實驗的有效性。本文主要研究內(nèi)容包括:(1)對空氣污染物數(shù)據(jù)和車流量數(shù)據(jù)分別進行聚類,分析周期規(guī)律。不同于傳統(tǒng)的相似性判斷方法,本文對聚類后的結(jié)果進行聚類相似比較,判斷車流量和污染物之間的相似性。(2)提出趨勢檢測算法,分析車流量和空氣質(zhì)量隨時間的變化情況。(3)設(shè)計車流量時空模式與空氣質(zhì)量關(guān)系交互式可視分析系統(tǒng),對實驗數(shù)據(jù)進行有效分析。
【學(xué)位單位】：東北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：X734.2;U491.92
【部分圖文】：

如選擇、過濾、縮放、轉(zhuǎn)換和聚合，進行數(shù)據(jù)挖掘。Mclachlan 等[36]在基于網(wǎng)格的布局中顯示了時間序列數(shù)據(jù)的多個視圖，方便用戶輕松地在多個級別的細節(jié)上并排比較不同的系列。Xie 等 [37]提出一個新穎的可視分析系統(tǒng)用于探索電子交易市場時變信息并發(fā)現(xiàn)異常的電子交易事件。Van 等[38]對一維的時變數(shù)據(jù)進行趨勢檢測，探索有趣的趨勢。Hochheiser H 等[39]利用 TimeSearcher 一種可視化工具允許用戶在區(qū)域內(nèi)查詢感興趣的時間序列。Zhao 等[40]提供 ChronoLenses 可視化技術(shù)，支持交互式探索任務(wù)，例如，探索新的時間序列數(shù)據(jù)的變化結(jié)果。M. Dork 等[41]使用堆疊圖，用于可視分析時間序列數(shù)據(jù)，堆疊圖可以將序列整體和個體的時間趨勢分析得簡單明了。本研究重點分析車流量和空氣質(zhì)量隨時間變化的周期規(guī)律及相關(guān)性。1.3 本文主要研究內(nèi)容為了更好的分析車流量與空氣質(zhì)量間的相關(guān)性，本文設(shè)計交互式可視分析系統(tǒng)。主要研究內(nèi)容有對車流量和空氣質(zhì)量進行聚類，探索時空規(guī)律；對聚類的結(jié)果進行聚類相似性比較，探討車流量和污染物間的相關(guān)性；趨勢檢測算法，可視分析空氣質(zhì)量和車流量的趨勢變化。

5 時相比較少，其他時間段每天的車流量近乎很相近，但是五一小長假的第一天和一天，火車站的車流量相比往常會多一點，推測假期出游市民的往返乘坐火車導(dǎo)致站附近的車流量增多。結(jié)合其他視圖可以更加詳細的分析車流量和空氣質(zhì)量間的關(guān)。2 車流量與空氣質(zhì)量時空規(guī)律探索機器學(xué)習(xí)中常常會用到聚類算法，尋找數(shù)據(jù)存在的內(nèi)部結(jié)構(gòu)，將數(shù)據(jù)集合中的樣分為多個相互獨立的類。對數(shù)據(jù)分析時常常離不開聚類方法，本文將網(wǎng)格中車流量染物濃度根據(jù)時間為粒度劃分類別，反映區(qū)域內(nèi)車流量或者空氣質(zhì)量的周期規(guī)律。

或者達到其他終止條件。分類層次聚類（DivisiveAnalysis，DIANA）是先把樣本中的所有點看成一個大類，然后尋找兩個距離最大的類進行分離后，再次重復(fù)上述步驟，直到達到預(yù)期的標(biāo)準(zhǔn)或者達到其他終止條件。3. 基于密度的方法：這種聚類方法判斷樣本點是否是同一個簇的核心思想是樣本點是否緊密相連，并考慮樣本點間的可連續(xù)性，擴展聚類簇達到最終結(jié)果。DBSCAN（Density-Based Spatial Clustering ofApplications with Noise）是常用的密度聚類方法，基于一組描述數(shù)據(jù)樣本的緊密程度（密度閾值），通過鄰域參數(shù)查找所有核心對象，以任意一個核心對象開始，找到密度可達的點構(gòu)成類。
【相似文獻】

相關(guān)期刊論文 前10條

1 降惠;;醫(yī)學(xué)大數(shù)據(jù)可視分析研究[J];軟件工程;2017年11期

2 ;《空間可視分析方法和應(yīng)用》出版[J];測繪通報;2008年02期

3 趙穎;張卓;袁曉如;;數(shù)據(jù)可視分析挑戰(zhàn)賽三年回顧[J];網(wǎng)絡(luò)與信息安全學(xué)報;2018年02期

4 徐佳;魏景利;;食品安全大數(shù)據(jù)可視分析方法研究[J];現(xiàn)代食品;2018年06期

5 文斐;;可視分析是變現(xiàn)大數(shù)據(jù)價值最終一環(huán)[J];互聯(lián)網(wǎng)周刊;2016年21期

6 陳達;崔虎平;蘇亞龍;;多粒度時空對象可視分析體系初探[J];地理信息世界;2018年02期

7 徐葛培;;大數(shù)據(jù)可視分析視角下的礦產(chǎn)資源規(guī)劃研究[J];科技創(chuàng)新與應(yīng)用;2017年26期

8 侯雪;肖丁;陳璞迪;宋禮;;用電行為數(shù)據(jù)可視分析系統(tǒng)[J];計算機應(yīng)用;2018年S1期

9 孫國道;柳芬;蔣莉;梁榮華;;基于空間區(qū)域功能劃分的人群移動模式可視分析[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2018年06期

10 沈漢威;張小龍;陳為;袁曉如;王文成;;可視化及可視分析專題前言[J];軟件學(xué)報;2016年05期

相關(guān)博士學(xué)位論文 前10條

1 嚴宇宇;基于主題模型的可視分析方法研究[D];浙江大學(xué);2019年

2 徐進;面向評論數(shù)據(jù)的可視分析方法研究[D];浙江大學(xué);2018年

3 郭方舟;面向復(fù)雜圖數(shù)據(jù)的可視表達與交互可視分析關(guān)鍵方法研究[D];浙江大學(xué);2018年

4 鄧超;基于密度聚類與時空圖的市場數(shù)據(jù)可視分析方法研究[D];中國農(nóng)業(yè)大學(xué);2018年

5 應(yīng)申;空間可視分析的關(guān)鍵技術(shù)和應(yīng)用研究[D];武漢大學(xué);2005年

6 曹一冰;陸地邊界地理可視分析技術(shù)研究[D];解放軍信息工程大學(xué);2015年

7 李少雄;基于偏序模式表示原理的多維混合數(shù)據(jù)可視分析研究[D];燕山大學(xué);2017年

8 陳海東;不確定性可視化及分析方法研究[D];浙江大學(xué);2015年

9 王慶;自我中心網(wǎng)絡(luò)的結(jié)構(gòu)建模與研究[D];北京郵電大學(xué);2017年

10 劉玉華;模型驅(qū)動的網(wǎng)絡(luò)數(shù)據(jù)的可視分析方法研究[D];華東師范大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 宋禮;出租車軌跡異常檢測可視分析系統(tǒng)的研究與實現(xiàn)[D];北京郵電大學(xué);2019年

2 黃文達;面向程序理解的代碼可視分析[D];浙江大學(xué);2019年

3 樊曉博;基于企業(yè)日志元數(shù)據(jù)的員工行為可視分析研究[D];太原理工大學(xué);2019年

4 徐江陽;間接稀疏采樣數(shù)據(jù)時空可視分析研究[D];太原理工大學(xué);2019年

5 欒劍;基于趨勢檢測算法的車流量模式與空氣質(zhì)量關(guān)系可視分析[D];東北師范大學(xué);2019年

6 曹帝胄;基于原子交互的交通卡口可視分析系統(tǒng)[D];浙江工業(yè)大學(xué);2018年

7 柳芬;基于數(shù)據(jù)融合的人群移動時空語義模式可視分析[D];浙江工業(yè)大學(xué);2018年

8 陳萬烤;航空訂票服務(wù)器爬蟲檢測技術(shù)研究[D];杭州電子科技大學(xué);2018年

9 劉汪洋;公共自行車數(shù)據(jù)的可視分析[D];杭州電子科技大學(xué);2018年

10 王琦;針對電網(wǎng)暫態(tài)穩(wěn)定計算時序變量對的統(tǒng)計質(zhì)量控制與可視分析[D];浙江大學(xué);2018年

本文編號：2885645