基于手机GPS定位轨迹的出行信息采集技术

针对居民出行调查主要依靠传统纸质问卷形式获取居民出行信息、调查数据很难准确反映实际交通需求特征的问题,提出运用手机GPS技术获取个体出行轨迹信息,挖掘分析不同交通方式的轨迹特征,并运用支持向量机算法对出行方式进行识别。结合实例分析表明:提出的算法对步行-自行车-步行、步行-公交车-步行、步行-小汽车-步行3种组合的出行方式识别正确率均较高,为以后城市居民出行调查提供一种新型的调查方法。     

基于居民出行时间价值的SP调查设计

不同城市和地区的居民出行时间价值研究方法各异,SP调查逐渐成为研究出行时间价值的重要手段。首先系统梳理SP调查的方法、设计、实施和特点。基于北京市第四次居民出行调查的SP分项调查,详细阐述SP调查的技术方案、实施方法、调查规模和抽样方式,重点分析SP调查方案的设计。基于均匀设计方法,采用SP调查和RP调查相结合的方案,通过确定影响因素、设定情景模式和主要参数,基于不同出行方式分别设计了SP调查表格和情景模式卡。通过对北京市SP调查相关实证分析,提出SP调查实施改进的对策建议。     

基于出行全过程的居民出行模式分析

作为城市交通规划、建设的依据,居民出行调查显得尤为重要。调查数据的挖掘分析可以为交通结构的改善及交通政策的制定提供一定参考。利用西安市居民出行调查样本数据,借助于Classification And Regression Tree算法,分别构建了可达过程与乘车过程的决策树模型。该模型结果表明:到站距离为可达过程出行方式选择的主要影响因素;在乘车过程中,出行距离为出行方式的主要影响因素,远距离出行条件下,居民更愿意选择私家车及"公交+地铁"组合出行方式;近距离出行更倾向于选择公交出行。在此基础上,年龄、是否拥有小汽车、有无公交卡等因素对出行方式的选择产生进一步影响。     

多公交信息下居民出行前方式选择意向分析

为了研究公交信息对出行前交通方式选择的影响,选取了公交出行距离信息、 公交车辆位置信息、道路拥堵情况信息和公交换乘信息等四种公共交通信息,通过均匀 设计方法,设计四种公共交通信息组合条件下的居民出行交通方式选择意向调查,并通 过在湖北襄阳获得的数据,建立了多项Logit 模型,定量分析了显著影响因素.研究结果表 明,公交信息对出行前方式选择行为的影响比较显著,且不同的公交信息对出行方式选 择的影响存在差异,但总体上会增加人们选择公交出行的意愿;对于已购车的出行者,公 交信息的影响十分有限,而个人对于公共交通的偏好也会影响其出行方式选择的意向.研 究建议,提供更准确和丰富的公交信息服务以增加城市公共交通的吸引力.     

耦合被动式GPS与网络调查的居民出行调查

减轻受访者负担是提高居民出行调查回应率和精准度的关键,而基于传统问卷调查的改进对此难有突破. 本文设计和实验一种耦合GPS技术和网络调查技术的居民出行调查方案,以期获得实质性改善. 方案使用GPS模块进行被动式跟踪确定出行路径,同时利用网络调查收集受访者个人/家庭信息和行程目的. 设计利用GPS对出行时空轨迹具有高精准定义的特点,降低对行程信息调查表的填写要求,并且通过互联网调查允许受访者自行选择时间填写,把对行程回忆的不良影响减到最小. 方案实验使用了华东师范大学教职工群体做驾车出行调查,并与传统问卷调查做了比较. 试验的初步结果表明,新方案能够显著提高出行数据收集的精度和效率,明显降低受访者负担和调查费用,有望发展成为下一代交通调查的主要手段.     

沈阳市居民出行调查数据统计分析系统构建

基于Access数据库,利用Visual Basic语言编写沈阳市居民出行调查数据统计分析系统。对沈阳市居民出行调查数据统计分析系统的调查数据录入、数据有效性验证、样本数据特征分析、调查数据播种及扩样、查核线校核修正、扩样后数据特征分析等模块进行介绍。     

基于非集计模型的居民出行方式选择行为研究

基于ML模型的基本理论与建模方法,利用2009年济南市居民出行调查数据,对影响城市居民出行方式选择的因素进行了分析,确定了影响居民出行方式选择的特性变量,建立了居民出行方式选择ML模型.研究结果表明:居民出行方式选择与个人属性、家庭属性和出行属性之间有较稳定的关系,通过对影响居民出行方式选择的可控影响因素进行引导和调整,可以达到优化和调整交通方式结构的目的.     

��ϱ���ʽGPS���������ľ�����е���

减轻受访者负担是提高居民出行调查回应率和精准度的关键,而基于传统问卷调查的改进对此难有突破. 本文设计和实验一种耦合GPS技术和网络调查技术的居民出行调查方案,以期获得实质性改善. 方案使用GPS模块进行被动式跟踪确定出行路径,同时利用网络调查收集受访者个人/家庭信息和行程目的. 设计利用GPS对出行时空轨迹具有高精准定义的特点,降低对行程信息调查表的填写要求,并且通过互联网调查允许受访者自行选择时间填写,把对行程回忆的不良影响减到最小. 方案实验使用了华东师范大学教职工群体做驾车出行调查,并与传统问卷调查做了比较. 试验的初步结果表明,新方案能够显著提高出行数据收集的精度和效率,明显降低受访者负担和调查费用,有望发展成为下一代交通调查的主要手段.     

基于综合交通调查多源数据的公交OD更新方法

在上海市第6次综合交通大调查多源数据的基础上,研究一种基于公交线路客运量数据、居民出行调查数据、公交卡刷卡数据、跟车调查数据和轨道接驳方式结构数据的OD更新方法。首先,以居民出行调查为基础,通过校核、扩样处理,采用传统的"四阶段法"结合历史年份的公交模型得到新一轮大调查下的公交出行OD;其次,通过线路客流数据和刷卡上客数据反推全市道路上的断面量,并以公交断面量、线路客运量为依据调整公交OD,小区层面结构依据居民出行调查小区OD分布结构加以补充;最后,通过线路层面、跟车调查、出行距离时耗和总体特征指标的校核,证实分配结果达到宏观应用要求。     

把握居民出行特征、科学决策城市交通——解析广州市廿年居民出行特征变化

居民出行调查是城市综合交通规划一项重要的基础性工作。开展好城市居民出行调查,准确把握居民出行的内在规律,城市交通规划和决策的科学性才能得到有力的保证。通过广州市两次居民出行指标的比较,分析广州市20年城市交通特征的演变,并为城市交通决策提出了针对性的建议。     

浮动车交通信息采集系统

浮动车交通信息系统是伴随着ITS新技术的应用而在近几年发展起来的新型交通流信息采集技术,它可以直接和方便地测得可靠、准确的车辆行驶速度、路段行程时间等参数。该系统作为一种重要的交通信息采集方法,可以弥补现有传统交通信息采集技术存在的数据不完全、数据量不足、数据质量差等问题,对我国交通信息采集工作具有很好的现实意义。     

基于手机数据的城市交通大区OD分布估计 ——以旧金山市为例

在大数据时代,手机数据因普及率高、采集成本低等优点逐渐受到人们的重视.手机通信运营商在为手机用户提供通信服务的同时会记录每次服务的时空信息,因此利用手机数据可以挖掘出用户的位置信息,并应用于城市居民出行OD分布估计.提出以手机数据为基础对城市交通大区之间OD分布进行估计的方法.利用居民手机数据估计美国旧金山市各交通大区之间的出行分布,并结合居民出行调查数据对估计结果进行检验.结果显示基于手机数据的出行估计具有较高的可靠性.     

基于出租车运营数据和POI数据的出行目的识别

为了有效获取出租车乘客出行目的,提出了一种基于出租车运营数据和POI(Point of Interest)数据的出行目的识别方法.构建了基于乘客出行特征和下车所属POI点类别的乘客出行目的识别模型,该方法从出行特征及乘客下车点最终可能到达的目的地所属POI点类型两个方面确定乘客的出行目的.为了验证所提方法的有效性及实用性,对成都地区展开了出租车出行调查,并利用调查数据对模型进行了精度验证.结果发现,相比于现有的利用出行特征推断出行目的的方法,本文提出的决策树+POI(II)能够提高最终识别准确度15.76%.最后,将所提方法应用于成都 1周的实际运营数据中,成功地识别出219 942名乘客的出行目的,说明该方法能够应用于实际数据量较大的出行目的识别.本文提出的方法,可以作为出行调查的辅助手段.     

基于模型优选及融合的高教园区出行生成预测方法

为了提高高教园区出行生成预测数据的可靠性,提出了一种基于模型优选及融合的出行生成预测方法。根据选取的模型评价指标,借助ELECTRE方法对区域出行产生模型进行优选,利用证据理论方法,对优选模型的权重进行标定,最后借助标定后的权重对区域交通生成量进行数据融合预测,并与实际结果进行了对比。分析结果表明:多模型融合预测相对误差在10%以下,预测结果与实际情况非常接近,该预测方法有效。     

基于路段间转移概率的最优路径预测方法

提出一种基于路段间转移概率的最优路径预测方法，即根据出行时间，将历史出行数据分为早高峰、晚高峰、非高峰3组反映不同交通状况的时间段；根据起点和终点所在区域，对出行数据作进一步处理，解决给定起点与终点之间出行数据不足的问题。基于有经验的出行者选择路径即为最优路径这一假设，通过历史出行轨迹计算得到路段间的转移概率，建立Markov链模拟出行者路段选择行为，将最大选择概率路径作为最优路径的预测结果，并给出其求解方法。该方法仅利用历史出行轨迹进行最优路径预测，避免了复杂的路段阻抗计算，且具有数据易获取，与实际出行行为一致性高，计算量小的优点。案例分析表明，预测结果准确性在不同出行时段下产生变化，而交通区域划分的大小对其影响较小。     

���񹫽�����ODԤ���о�

在应用“四步骤法”进行居民公交出行OD 预测中,为了提高出行分布与方式划分预测的精度,本文分别提出了交通阻抗确定新方法和交通小区间公交出行量预测方法. 本文利用各小区内道路节点之间的最短路距离确定小区内及小区间的交通阻抗. 该方法有效避免了传统交通阻抗确定方法的缺陷,将其应用于重力模型预测居民出行分布,预测精度有所提高. 在获得现状居民出行特征的基础上,利用马尔可夫链法预测未来年公交出行总量,然后利用公交出行距离转移曲线具体预测各小区之间的公交出行比例,利用该比例结合公交出行总量获得公交出行OD. 该法可在定量分析的基础上综合考虑城市规划、政策等因素对预测结果的影响,其预测结果更加合理.     

基于人口迁徙大数据的城市对外交通客运方式优势出行距离研究

为提高我国城市对外交通中客运多方式协同运行效率，优化客运资源配置，依托人口迁徙大数据，建立量化分析城市对外交通客运方式优势出行距离的方法. 提出用绝对优势出行距离和相对优势出行距离来表征优势出行距离，分别构建城市对外客运方式的绝对优势出行距离模型和相对优势出行距离模型；利用人口迁徙大数据，绘制基于出行距离的客运方式分担率曲线，对优势出行距离模型进行求解. 结果表明，我国城市对外交通中公路、铁路、航空客运方式的绝对优势出行距离分别为[8, 119] km、[119, 1 594] km和[1 594, 3 000] km，相对优势距离分别为[8, 463] km、[318, 983] km和[2 477, 3 000] km.     

基于出行链的OD扩样方法研究

现状OD出行矩阵是分析城市居民现状出行特征的基础,也是未来出行分布模型标定的基础．本文借鉴出行链的理论研究成果,按照出行链的主要个体影响因素对不同属性的抽样数据分别进行扩样,在一定程度上消除了传统扩样方法的弊端,也提高了扩样过程的可理解性．同时,为保证该扩样方法具有可实施性,文中提出了构建城市街道的GIs平台、改进抽样方法、构建扩样系统和统一调研时间等四项措施,旨在进一步增加不同样本类别间抽样率的差别,提高扩样结果的质量．文章结尾进一步说明该方法在运用过程中需要同时注重出行链成果的更新和相应数据库的建立．     

基于售检票数据挖掘的轨道交通乘客居住区辨识

以自动售检票数据潜在包含的时空关联关系为基础,构建城市轨道交通乘客居住区辨识方法.假设轨道交通大部分乘客出行满足：一日内首次出行起始站与末次出行终点站相同,首次出行起始站与前日末次出行终点站相同,连续时期内首次出行起始站与末次出行终点站总是紧邻“家”的位置,以此为基础构建居住区辨识中心点法.以北京市轨道交通为对象进行实证分析,通过连续一周自动售检票数据挖掘能对88.7%的公交卡(不包括单程票、员工卡)所对应乘客的居住区进行辨识,验证了本文方法的准确性与有效性.本文研究提高了售检票数据应用价值,为乘客出行行为及需求特征分析提供了方法支持.     

居民公交出行OD预测研究

在应用“四步骤法”进行居民公交出行OD 预测中,为了提高出行分布与方式划分预测的精度,本文分别提出了交通阻抗确定新方法和交通小区间公交出行量预测方法. 本文利用各小区内道路节点之间的最短路距离确定小区内及小区间的交通阻抗. 该方法有效避免了传统交通阻抗确定方法的缺陷,将其应用于重力模型预测居民出行分布,预测精度有所提高. 在获得现状居民出行特征的基础上,利用马尔可夫链法预测未来年公交出行总量,然后利用公交出行距离转移曲线具体预测各小区之间的公交出行比例,利用该比例结合公交出行总量获得公交出行OD. 该法可在定量分析的基础上综合考虑城市规划、政策等因素对预测结果的影响,其预测结果更加合理.