基于出租车轨迹数据的城市居民出行特征挖掘

摘要

针对城市交通中出租车寻客与调度困难等问题,提出一种基于KAN N-DBSCAN聚类算法与BP神经网络的热点区域需求预测模型,通过挖掘居民出行聚集模式进而对需求量预测分析.首先在对乌鲁木齐市出租车GPS轨迹数据预处理的基础上,通过数理统计法分析居民出行行为规律与空间出行特征;其次建立基于自适应DBSCAN聚类算法的热点区域识别模型,优化了聚类中参数标定过程,实现了分时段载客热点区域的探测;最后构建BP神经网络进一步对热点区域的居民出行需求进行预测.研究表明:居民出行活动热点区域受不同时间段的影响,交通枢纽以及商业购物区是出行的高热度区域;通过BP神经网络与随机森林模型对比发现,BP神经网络更适用于进行热点区域的交通需求预测.