排序方式： 共有2条查询结果，搜索用时 78 毫秒
1
1.
车辆GPS轨迹加油行为建模与时空分布分析 总被引：1，自引：0，他引：1
车辆加油行为不仅反映了能源的消耗和补充情况,同时也是能源需求和能源配置的重要指标,传统基于小样本问卷的加油行为调查方法无法揭示城市宏观加油行为的时空分布特征。本文采用时空GPS轨迹大数据,对城市加油行为进行了描述与建模,并分析了其时空分布规律。该方法采用车辆与道路距离、平均速度、时间间隔、轨迹点间距4个指标,对加油行为进行了描述并建模;分析了在一定时间间隔采样下,加油行为轨迹4个指标的具体时空特征;最后以武汉市出租车GPS轨迹数据为例,探测并分析了武汉市出租车加油行为与时空分布规律。试验结果表明,本文方法可有效探测和分析城市加油行为,并能够揭示能源空间配置低效情况。 相似文献
2.
核密度估计(KDE)方法是分析点要素或线要素空间分布模式的一种重要方法,但目前线要素核密度方法只能分析线要素在二维均质平面空间的密度分布,不能正确分析交通拥堵、交叉口排队、出租车载客等线事件在一维非均质道路网络空间中的密度分布。本文提出了一种网络空间中线要素的核密度估计方法(网络线要素KDE方法),首先确定每个线要素在网络空间上的密度分布,然后根据网络空间距离和拓扑关系确定网络空间的线要素核密度与时空分布。以出租车GPS轨迹数据中提取的"上客"线事件为例,分析出租车"上客"线事件在网络空间中的密度分布,通过与现有方法比较的试验结果表明,本文提出的方法更能准确反映路网空间中线事件的分布特征。 相似文献
1