典型文献
基于C-K-N-Cluster的居民出行时空特征分析
文献摘要：
为解决传统聚类算法在大数据轨迹信息应用中的簇类数不确定、病态初始化等问题,文章提出了一种结合Canopy与K-Means++的小生境遗传智能聚类算法(C-K-N-Cluster),并应用于居民出行时空特征分析;以杭州市为例,对出租车轨迹数据进行降噪标准化等预处理,按照筛选原则提取载客点数据;提取出的数据投入智能聚类算法仿真识别城市上下载客热点地域,结合数据分析方法可视化研究城市居民出行特征.仿真结果表明:改进算法相比传统K-Means能够实现大数据应用场景下的簇类数与初始化自动最优化,分析了杭州市居民出行规律及出租车载客时空特征,为司乘服务和城市功能区优化提供参考.
文献关键词：
轨迹数据;C-K-N-Cluster算法;可视化分析;居民出行特征
中图分类号：
作者姓名：
戴兵;田博;高心雨;严李强
作者机构：
西藏大学 信息科学技术学院,拉萨850000
文献出处：
引用格式：
[1]戴兵;田博;高心雨;严李强-.基于C-K-N-Cluster的居民出行时空特征分析)[J].智能计算机与应用,2022(11):64-70
A类：
载客热点
B类：
Cluster,时空特征分析,聚类算法,轨迹信息,信息应用,病态,初始化,Canopy,Means++,小生境,智能聚类,杭州市,出租车轨迹数据,降噪,算法仿真,市上,下载,数据分析方法,可视化研究,城市居民,居民出行特征,改进算法,大数据应用,数据应用场景,车载,城市功能区
AB值：
0.312085
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
