基于货车GPS数据的城市货运停留行为识别模型

目前多数货运研究以提取货车静态停留行为为主，缺少对货车区域持续作业等动态停留行为的采集；停留行为结合物流园区、兴趣点、货运调查等数据研究货运出行特征，存在一定局限性、不稳定性。该文利用重型货车GPS数据与城市用地数据，设计基于时空序列的停留域搜索算法；构建停留时间、用地距离、用地性质权重三个维度的货运停留行为特征；运用轮廓系数评价聚类效果确定最佳簇数，基于围绕中心点划分的分类回归决策树（PAM-CART）算法建立城市货运停留行为识别模型，区别货运停留行为、非货运停留行为、混合货运停留行为。通过训练数据与验证数据交叉验证，模型准确率为99.3%。结果表明模型能准确地识别城市货运停留行为，可为城市货运交通、货运物流经济、货车碳排放等相关政策研究制定提供技术与数据支持。