基于手机信令数据的城市通勤出行特征研究

通勤交通出行特征是研究城市交通规划的重要数据基础,如何有效提取通勤出行特征成为研究城市居民通勤出行的关键。文章通过分析手机信令数据特性和通勤出行特征,利用手机信令数据挖掘的相关技术,建立通勤出行特征提取模型并进行实例研究,与传统的居民出行调查分析进行对比,验证利用手机信令数据进行通勤出行特征研究的可行性。     

基于手机信令的交通出行特征分析——以日照市为例

利用手机信令数据了解人口规模、职住分布、出行特征等指标,有助于城市空间规划与设施布局等的应用研究。原始手机信令数据需要经过一系列算法处理,才能提炼、分析相应指标。首先对手机信令数据的处理流程进行梳理,再介绍数据处理的关键算法及其参数确定方法,最后结合应用实践,对案例城市的人口岗位分布、居民出行特征及通勤特征开展分析,相关流程及方法可为类似项目提供参考。     

基于手机信令数据的居民出行调查分析——以石家庄为例

传统的综合交通调查工作受时间和人工成本的限制,存在着样本量小、精度差、时效性差等问题,随着科技信息化水平的不断提高,利用手机信令数据分析技术辅助居民出行调查工作成为现实。文章阐述了利用手机信令数据进行分析的关键技术方法,并详细介绍了手机信令数据分析技术在石家庄市人口和就业岗位分布、出行率分析、出行总量分析、全日通勤客流空间主通道走廊分析等方面的应用,为今后开展更深入研究与应用奠定了基础。     

基于手机信令数据的上海市域职住空间分析

居民居住地与工作地的空间关系是城市空间布局的重要依据.基于手机信令数据,提出分区域的居民通勤距离和就业岗位通勤距离计算方法.通过对比验证了手机信令数据与居民出行调查数据的职住空间和距离分布特征较为吻合.重点分析上海市中心城区及周边地区的职住空间关系及通勤距离.提出职住通道平衡概念,并分析职住通道不平衡地区与轨道交通拥挤程度的关系,指出土地利用布局优化对职住通道平衡的重要性.通过分析不同新城的职住空间特征,探讨新城范围划定对统计分析的影响,总结了新城职住空间较为独立、居民内部就业率较高的特征.     

城市居民通勤出行方式服务水平评价

随着城市居民就业范围的扩大,通勤出行距离不断增加,通勤时段逐渐延长,使通勤出行日益复杂.因此,有必要对居民的通勤出行特征进行全面的分析研究,进而掌握通勤出行的规律,改善通勤出行的交通环境.本文首先从出行时间特征、出行距离,出行时耗、交通方式选择等方面对通勤出行的特征进行了分析;然后给出了通勤出行的评价体系,通过将logit模型和层次分析法相结合,得到通勤出行方式的服务水平;最后通过实例,验证了该方法的合理性,并给出了相应的评价结果.     

手机数据在交通调查和交通规划中的应用

手机作为一种理想的交通探测器,为居民出行信息分析提供了很好的技术选择。将手机数据映射至交通分析单元,并经信息预处理、匹配分析、交通模型分析处理、数据去噪、扩样等一系列海量数据运算处理,最终可获得居民出行特征数据。利用长期历史手机话单数据,可分析常住人口和就业人口分布、通勤出行特征、大区间OD、特定区域出行特征、流动人口出行特征等。手机信令数据能够较完整地识别手机用户的出行轨迹,可进一步应用于分析城市人口时空动态分布、特定区域客流集散、查核线断面或关键通道客流、轨道交通客流特征、出行时耗、出行距离、出行强度、道路交通状态等。根据天津手机话单数据应用案例及上海手机信令数据应用案例,验证了技术可行性。     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据，研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口，以及手机信令数据分析出行频次分布等因素进行综合分析，获取居民初步出行特征；基于手机信令、IC、AFC、GPS 等大数据，通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析；最后，以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知，传统抽样调查居民出行漏报率为30%，每天出行2次的比例相差39.5%，全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明，多源数据融合驱动的居民出行特征分析方法，在总量上有效挖掘居民出行的沉默需求，在时空分布上起到了“削峰填谷”的作用，是一种研究居民出行特征的有效方法.     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据，研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口，以及手机信令数据分析出行频次分布等因素进行综合分析，获取居民初步出行特征；基于手机信令、IC、AFC、GPS 等大数据，通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析；最后，以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知，传统抽样调查居民出行漏报率为30%，每天出行2次的比例相差39.5%，全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明，多源数据融合驱动的居民出行特征分析方法，在总量上有效挖掘居民出行的沉默需求，在时空分布上起到了“削峰填谷”的作用，是一种研究居民出行特征的有效方法.     

基于手机信令数据的人员出行特征跟踪调查

利用海量的手机信令数据开展人员出行特征调查是大数据技术在交通领域的一项重要应用。通过对长时间的手机信令数据进行跟踪,研究手机用户活动轨迹的识别方法,分析手机用户有规律的空间分布和出行特征,以上海临空经济园区和徐家汇地区为例,介绍在特定区域内基于手机信令数据调查人员出行特征的技术方法和主要成果。     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加,高速公路缓行和交通拥堵等问题时有发生,特别是在重大节假日期间.目前,解决上述交通问题的主要方法是交通需求管理措施,而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析,掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据,借助 K-means++聚类方法识别使用高速公路日常通勤的车辆,进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度,挖掘城市通勤快速出行廊道分布,研究高速公路网与城市道路网络的关系,对提高交通系统效率和缓解交通问题具有重要的意义.