车牌识别数据的通勤模式分析"/>
基于车牌识别数据的通勤模式分析
这是我们实验室发在part C上的一篇论文,链接可直接下载。文章用的方法还是比较简单的,但是我觉得还是有一定创新性和实用性的。
1.文章概述
文章基于车牌识别数据,提取出了若干时空出行特性,然后用因子分析方法去除相关性,得到了3个线性无关的因子,分别从3个角度刻画时空出行特性。继而,使用了3种聚类方法做聚类,选择最好的一种为代表。在此基础上,用决策树模型做通勤规则提取。总体思路是这些,后面也做了一些讨论和行为分析。
2.文章贡献
文章在方法论上实际上没什么创新,都是些简单的方法。我个人觉得这篇文章主要贡献或者说创新在于思路和实践上,包括以下:
- 本方法可推广于很多类似的时空大数据,此外,本方法可应用于超大规模样本数据,且一旦得到规则,无需每次不断的执行算法,该规则也可应用于其他地区或城市,当然应该结合城市特性做修正。
- 文章加深了对通勤模式车辆出行行为特性的理解,这个加深理解我觉得可以有两方面,一方面是我们得到了通勤规则,规则是通勤行为很好的代表,另一方面我们对出行行为做了更深入的分析,这些分析可以加深对通勤车辆出行行为的理解。
- 文章使用了多种聚类算法并进行比较,对车牌识别数据分析挖掘有所助力。
3.参考文献
具体内容可以看文章了。
Yao W, Zhang M, Jin S, et al. (2021). Understanding vehicles commuting pattern based on license plate recognition data. Transportation Research Part C: Emerging Technologies. .1016/j.trc.2021.103142
更多推荐
基于车牌识别数据的通勤模式分析
发布评论