5.2.4 模型应用 5.2.4.1 数据集
(1)网约出行数据集。网约车数据集来源于国内主要运营商 滴滴出行。
基于前述章节,需要把订单数据中连续的信息进行离散化 处理,离散处理后的数据集见表。
第5章 基于大数据的群体出行分析及预测技术 交通大数据应用技术
5.2 基于贝叶斯网络的城市区域出行需求稳定性分析技术
第5章 基于大数据的群体出行分析及预测技术 交通大数据应用技术
5.1 区域出行时空特性分析方法
5.1.1 不同区域居住者出行空间活动范围
第5章 基于大数据的群体出行分析及预测技术 交通大数据应用技术
5.1 区域出行时空特性分析方法
5.1.1 不同区域居住者出行空间活动范围
CBD区域样本用户Sch均值为32.2km2 ,以Sch的自然对数 [ln(Sch)]为横轴,统计ln(Sch)的频数及累积频率,如图所示。
第5章 基于大数据的群体出行分析及预测技术 交通大数据应用技术
5.2 基于贝叶斯网络的城市区域出行需求稳定性分析技术
5.2.2 基于贝叶斯网络的区域分类模型构建方法 5.2.2.1 模型构建
对于任一交通小区h来说,该交通小区共有K个主题特征,主题特征分 布θh服从参数αh的Dirichlet分布,对与某一主题zh,k下的单词分布,有服从 参数为β和γ的Dirichlet分布。假设共有K个主题,ψ为K×V t矩阵,V t表示不 同时间窗口个数,φ是K×V s矩阵,其中V s表示不同出行特征个数。ψtk (φsk) 矩阵中的每个元素表示不同特征的概率分布。综上,即可观测到交通小区h 中不同时间窗口w th下和出行特征w sh的联合概率分布。在任一交通小区内 的总共出行记录条数可以标记为Ntaz,上述整体生成模型的概率图模型可以