基于数据挖掘的公共交通用户出行行为分析

摘要

近几年来移动互联网技术、基于位置的服务、智能交通等领域快速发展，与此同时，国家经济快速的发展伴随着私家车的增多，空气质量变差，雾霾产生，政府和有关部门大力倡导公共交通出行方式。公交、地铁包括现在的共享单车，越来越多的用户选择这些公共交通出行方式。日益增多的公共交通用户出行产生大量的出行信息与数据，通过对用户出行行为的分析挖掘，提取用户出行特征，对用户群进行分类，有利于找到规律，理解群体的行为特点，进而为不同的用户群体进行标签化，为商家进行精准车内车体广告投放、用户出行推荐，公共交通公司运营管理、客流分配等诸多应用提供理论和技术支持。在大数据和智能交通的背景下，本文通过对公共交通用户出行采取行为分析和特征提取，进而构造挖掘模型，旨在分析用户的出行特征以及挖掘出用户的不同的行为模式。
　　本文首先从公共交通用户出行分析的研究背景及意义、国内外研究现状等方面出发，基于Hadoop大数据平台对多源公共交通数据进行数据预处理，结合路网数据和POI数据对城市进行小区域划分及属性分析。利用数据分析挖掘相关方法对公共交通用户的乘车频次、出行模式、时间维度、空间维度等出行特征进行提取。通过对用户出行轨迹进行计算分析，对同路线出行用户进行基于分组的层次聚类算法，结合spark通过分布式的思想对改进的层级聚类进行二次改进，在计算效率和运行速度方面有明显的提升与改进。
　　结合上述工作，本文提出了基于SVM算法可以识别出具有小偷嫌疑的深圳通IC卡的算法。挑选公安部门确认的小偷以及普通深圳通用户作为正负样本，利用提出的出行特征构造十二维特征向量矩阵，采用SVM来训练特征矩阵，达到区分小偷普通用户的目的，同时基于同路线用户的层次聚类，对小偷的出行同伙的IC卡进行推测。分类效果良好，正确率达到了令人满意的结果，同时本文的研究成果已经在深圳市客流分析系统以及公安深圳通IC卡分析识别系统等项目中得到了应用。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文主要工作

1.4 论文组织结构

2 系统框架与关键技术

2.1 大数据平台框架

2.2 关键技术与方法

2.3 系统整体框架设计

2.4 本章小结

3 数据预处理与城市区域划分

3.1 数据集

3.2 数据预处理

3.3 城市区域划分

3.4 本章小结

4 公共交通用户出行分析与可疑卡识别

4.1 公共交通用户出行特征分析

4.2 基于层次聚类的同路线出行用户聚类

4.3 基于公共交通数据的可疑卡识别算法

4.4 本章小结

5 总结与展望

5.1 本文主要研究成果与创新点

5.2 未来工作展望

致谢

参考文献