交通物流模型 | Python实现基于张量分解的交通流量时空模式挖掘(出租车车载GPS数据、公交卡刷卡数据、POI的分布数据)

文章目录

      • 效果一览
      • 文章概述
      • 研究内容
      • 源码设计
      • 参考资料


效果一览

交通物流模型 | Python实现基于张量分解的交通流量时空模式挖掘(出租车车载GPS数据、公交卡刷卡数据、POI的分布数据)_第1张图片

交通物流模型 | Python实现基于张量分解的交通流量时空模式挖掘(出租车车载GPS数据、公交卡刷卡数据、POI的分布数据)_第2张图片
交通物流模型 | Python实现基于张量分解的交通流量时空模式挖掘(出租车车载GPS数据、公交卡刷卡数据、POI的分布数据)_第3张图片

文章概述

一般出行行程通常都由某种明确目的驱使,例如上班、购物或娱乐,出行的起始区域因其承担功能的不同,通常能够反映出用户的出行目的,于此同时,从宏观来看,区域之间的交通流量在一天内的变化规律也能够反映出区域的功能,此外,由于出行的紧迫程度等因素的差异,人们出行时在不同情况下,可能会采用不同的通行方式,目前,地铁、公交、出租车是大型城市主要的三种出行方式,智能公交卡刷卡日志记录了城市内人口乘坐公交或地铁的每一次行程,包括出行的时间和起止站点,出租车车载GPS能够对出租车的位置进行定位得到出租车的行

你可能感兴趣的:(交通物流模型(TLM),张量分解,交通流量时空模式,交通物流,时空模式挖掘)