首页 / 基于GPS轨迹大数据的时空行为分析实验教学案例
-
分享
打开微信，点击底部的“发现”，
使用 “扫一扫” 即可将网页分享到我的朋友圈。
收藏
基于GPS轨迹大数据的时空行为分析实验教学案例
学习有效期 长期有效
简介
近年来，促进文体旅产业深度融合发展，成为地方政府和企业共同关心的热点问题。骑行是一种将市民运动和休闲相结合的新兴的文体旅形式，以其环保、健康、可持续的理念深入人心。本案例选取骑行旅游群体，基于骑行游客GPS轨迹大数据，探究游客时空分布和运动行为特征，为增强文体旅产业创新能力，设计多样化产品和服务提供科学依据。实验案例由时间序列分析、空间分析和轨迹高维特征分析三个实验模块构成。案例基于骑行游客真实产生的GPS轨迹大数据，在时间序列分析模块，指导学生学习多种时间序列分析方法，包括SLT分解法、小波分解法和CEEMDAN分解法，获得骑行游客运动的周期性特征，通过不同方法的实验结果对比分析，掌握各方法的适用条件；在空间分析模块，学习DBSCAN空间聚类算法，根据空间分布特征对游客骑行游客进行细分，并采用空间可视化技术实现游客空间行为的可视分析；在轨迹高维特征分析模块，掌握从原始GPS轨迹计算获得高维特征，并实现高维特征的相关性分析，进而，学习K-means聚类算法，实现基于轨迹高维特征的聚类分析。通过案例帮助学生掌握大数据分析和机器学习的理论和方法，提升学生面向真实的应用场景，理论联系实际的能力。
{
"i18nChapterName": "章",
"i18nUnitName": "节",
"i18nLessonName": "课时",
"i18nTaskName":"任务"
}
{
"text": {
"icon": "es-icon es-icon-graphic",
"name": "图文"
}
,
"video": {
"icon": "es-icon es-icon-video",
"name": "视频"
}
,
"audio": {
"icon": "es-icon es-icon-audio",
"name": "音频"
}
,
"live": {
"icon": "es-icon es-icon-entry-live",
"name": "直播"
}
,
"discuss": {
"icon": "es-icon es-icon-discuss",
"name": "讨论"
}
,
"flash": {
"icon": "es-icon es-icon-flash",
"name": "Flash"
}
,
"doc": {
"icon": "es-icon es-icon-document",
"name": "文档"
}
,
"ppt": {
"icon": "es-icon es-icon-ppt",
"name": "PPT"
}
,
"testpaper": {
"icon": "es-icon es-icon-examination",
"name": "考试"
}
,
"homework": {
"icon": "es-icon es-icon-task",
"name": "作业"
}
,
"exercise": {
"icon": "es-icon es-icon-exercise",
"name": "练习"
}
,
"download": {
"icon": "es-icon es-icon-downloadfile",
"name": "下载资料"
}
,
"cases": {
"icon": "es-icon es-icon-school",
"name": "实验"
}
}
1744901360
