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。     

基于手机信令数据的高速公路客流特征分析——以广深高速为例

手机信号会定时与周围手机基站进行连接,通过对手机时空信号的分析,可有效的掌握交通出行的整个过程。以手机信令数据为基础,分析客流出行特征,通过挖掘客流的出发起终点、工作地及居住地等信息,可掌握高速公路客流的交通特性,为高速公路改扩建工程方案设计提供定量支撑。本文选取广深高速公路上的特征断面,通过分析客流手机信令数据,得出广深高速广州及东莞段主要以承担区域公路交通为主,深圳段主要以承担城市短途交通为主。     

手机信令数据在交通枢纽客流监测中的应用——以重庆市为例

为及时、准确地掌握节假日期间综合客运枢纽的出行规律,针对客流数据采集的非实时性问题,采用手机信令数据研究了交通枢纽客流监测方法。以重庆北客运枢纽为例,根据枢纽和基站的分布特性划分了监测范围,采用手机信令数据实现了在站客流、全日客流和集散时间的实时监测,并分析了不同节假日期间交通枢纽的运行特征。最后,通过交通枢纽的历史客流数据对本文提出的监测指标进行了验证。结果显示,利用手机信令数据监测的交通枢纽客流量准确率达90%以上,可用于综合客运枢纽的客流实时监测和预警。     

手机信令数据在交通枢纽客流监测中的应用 ——以重庆市为例

为及时、准确地掌握节假日期间综合客运枢纽的出行规律，针对客流数据采集的非实时性 问题，采用手机信令数据研究了交通枢纽客流监测方法。以重庆北客运枢纽为例，根据枢纽和基站的分布特性划分了监测范围，采用手机信令数据实现了在站客流、全日客流和集散时间的实时 监测，并分析了不同节假日期间交通枢纽的运行特征。最后，通过交通枢纽的历史客流数据对本文提出的监测指标进行了验证。结果显示，利用手机信令数据监测的交通枢纽客流量准确率达 90%以上，可用于综合客运枢纽的客流实时监测和预警。     

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。     

轨道交通车站客流来源空间分析及接驳优化 ——以天津市为例

利用手机信令数据可在提取轨道交通出行链信息的基础上获得各车站的客流来源空间分布,并应用于交通规划中.首先,提出获取轨道交通出行链信息和车站客流来源分布的计算流程以及其中涉及的轨道交通基站检测、出行端点识别、轨道交通乘车信息提取等技术方法.其次,使用中国移动手机信令数据得到天津市轨道交通全网车站的客流来源空间分布.基于车站客流来源空间分布特征对车站进行分类,根据各类型车站的特点提出针对性的接驳改善策略.选取典型车站,对与其接驳的公共汽车线路进行走向与站点的优化设计.研究表明,不同轨道交通车站客流来源的空间分布形态具有差异性,利用手机信令数据可获取轨道交通车站客流来源的空间分布形态,为实现"一站一策"的精准接驳规划设计打下基础.     

交通大数据视角看广佛同城

广佛同城发展由来已久,是中国城市群中同城化程度最高的区域。简要分析广佛同城的交通基础设施发展演变历程,并基于模糊大数据(手机信令数据)和准确大数据(运行监测数据)对广佛通勤交通特征进行分析。结合手机信令数据对广州南站的客流组成及空间分布进行研究,对广州南站选址偏远问题进行解析。结果表明:广佛同城具有双向对等性的联系;地铁在同城化推进过程中起到重要的促进作用,拓展同城化活动范围;广州市机动车交通需求管理政策不够系统,非广佛车牌在通勤小汽车中比例超过40%,需要引起足够的关注;广州南站服务的客流中广州客流与佛山客流比为7:3,与对应的常住人口规模比例相当,初步实现了交通战略规划提出的共享理念。     

基于手机信令数据的旅客联程出行时空特征分析方法

为高效准确地识别旅客联程出行方式,基于旅客联程出行行为特征,引入不同运输方式场站地理位置、场站数据取样最佳半径、旅客行驶速度等关键参数,对旅客手机信令数据进行筛选、校核和计算,提出了基于手机信令数据的旅客联程出行方式识别方法,同时测算了不同运输方式场站数据取样最佳半径。以2018年国庆假期广东省内旅客出行为例进行分析,剔除了约98%的无关信令数据。分析结果显示,广东省内公铁联运出行比例最高,广州、深圳两大枢纽城市的客流集疏运效应突出,广佛城际出行联系较为密切,佛山机场的潜力较大。研究表明,识别方法大幅降低了信令数据分析量和运算成本,方法原理和技术路线清晰,分析结果准确、符合实际。     

基于手机信令的大范围人流移动分析

从移动通信系统获取手机信令数据,根据重庆手机信令数据特点,提出了数据预处理、基站小区定位、出行链识别、分区统计及结果扩样方法,获取居住人口分布、通勤岗位分布、跨区人流OD(origin-destination)。此方法具有覆盖范围广、分析样本大、实施成本低、可长期连续监测的优势,可为城市规划提供了一种全新的数据获取手段。在重庆市城乡总体规划(2007—2020年)深化工作中,基于重庆联通手机信令数据,分析重庆主城与区县及各区县之间的人流交换,定量地评价城市间联系度及城市区位优势,以此为基础开展客流需求预测,作为优化城镇体系结构、调整区域发展战略,规划布局铁路与公路网的依据。     

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。     

基于多源数据的公交客运廊道识别方法

针对现有廊道识别方法存在的不足,提出一种融合多源数据精确识别公交客运廊道的方法,对城市既有公交客运走廊起讫点进行准确识别。首先,通过手机信令数据刻画居民的全方式出行规律,从公交IC和GPS数据中提取居民的现状公交出行链;其次,构建公交客运廊道判别模型,利用需求客流因子和供给客流因子对城市公交客运走廊的客流集聚效应进行量化分析;最后,以融合了多源数据的总客流因子为判断标准,锁定公交客运廊道的最佳起讫点。研究表明:采用多源数据可以实现对乘客出行特征的精准描述,以此得出的廊道判别结果较常规判断方法更贴近乘客实际出行需求,可为城市客运走廊战略规划提供理论支持。     

融合手机信令数据的轨道交通出行分担率模型研究

交通行为模型广泛应用于城市出行需求分析等领域。传统行为模型的参数设置通常依赖经验判断，模型预测精度缺乏大样本验证手段。本文以重庆市解放碑-观音桥组团通道出行行为为研究对象，融合手机信令数据、AFC数据和问卷调查数据，构建随机参数分别为正态分布、均匀分布和 γ 分布的混合Logit模型，将手机信令数据与AFC数据分析结果作为分担率标杆数据进行模型精度对比，其识别的组团间全天轨道出行分担率为37.13%，当混合Logit随机参数为正态分布时，模型预测的分担率为39.5%，预测精度最高。研究表明，利用手机信令数据等多源数据分析校验传统行为模型精度，定量分析并优选最佳的参数分布形式具有实际意义，能够对提高传统行为模型的预测精度提供借鉴。     

不同类型城市轨道交通车站站台客流特性对比研究

随着轨道交通的发展,站台客流拥挤、服务效率低等问题越来越受到重视,研究城市轨道交通客流特性是解决该问题的基础。本文从个体行为和群体行为两个角度重点对不同类型城市轨道交通车站站台上的乘客行为进行对比分析。在乘客个体行为方面,主要研究不同类型城市轨道交通车站站台高峰和平峰时段乘客个体的步幅、步速、步频等属性的特点及之间的关系,并进行建模分析;在乘客群体行为方面,主要研究不同类型城市轨道交通车站站台出站乘客流速度与密度的关系以及针对乘客候车区选择特性分析建模。通过上述分析,得到不同类型城市轨道交通车站站台乘客行为规律及模型,为地铁车站根据自身类型进行客流组织和站台服务设施布置提供一定的理论依据。     

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。     

基于手机传感器数据的出行特征提取方法

手机调查方法的已有研究较多集中于基于手机信令数据的宏观出行特征获取,而手机传感器数据在个体出行链微观出行特征提取方面具有优势.针对城市居民多采用组合交通方式出行的特征,研发智能手机应用软件,实现GPS数据(位置坐标与速度)、加速度计、服务基站、WiFi等传感器数据采集.运用小波分析、神经网络等数据挖掘技术分析不同交通方式出行数据差异,探索多种数据挖掘算法用于个体出行参数提取的可行性及效果.结合实际案例,总结应用手机传感器数据进行出行特征精细化提取的难点和技术关键.最后,探讨精细化个体出行数据在交通模型和理论优化方面的应用.     

基于手机信令数据的城市旅游空间特征分析 ——以青岛市为例

在新的国土空间规划背景下,运用互联网大数据掌握旅游人群的空间分布特征及活动规律,对于城市空间结构布局、基础设施配套以及旅游资源整合开发等具有重要意义.基于手机信令数据获取游客出行数据,并从景区、线路、网络三个维度进行城市旅游客流空间分布特征分析.景区方面运用个体出行链数据分析游客在景区的时间和空间分布特征;旅游线路方面...     

基于手机信令数据的居住地人口分布辨识改进方法

针对传统的基于手机信令数据的居住地人口分布分析方法的不足,通过建立一种基于手机信令数据和问卷调查数据的多源数据融合手段,利用有监督机器学习方法,实现对居住地人口分布现状的分析.首先通过问卷调查数据获取志愿者的实际居住地位置及其所使用的通信运营商相关信息,并进行样本筛选.其次,在通信运营商内部机房建立志愿者用户实际居住地位置与手机信令数据位置信息之间的对应关系.最后,利用手机信令数据,通过获取志愿者在居住地网格位置的停留特征以及非居住地网格位置的停留特征训练朴素贝叶斯分类器模型,继而完成机器学习方法的建立并应用到其他手机用户实际居住地的识别.分析结果表明:基于有监督学习方法的人口分布辨识方法较传统的阈值判断方法预测精度有明显提升.     

城市轨道交通乘客换乘决策因素分析

许多城市的轨道交通系统已经完成从单线运营到多线网络化运营的转变.伴随网络化发展而来的集中换乘客流,给轨道交通的规划建设与安全运营提出了挑战.以上海市轨道交通为例,通过对比手机信令与客流分配模型两种统计途径下的换乘客流差异,探究乘客换乘行为特征与换乘决策影响因素.将绕行换乘行为归纳为6类:高辨识度换乘车站、换乘不便捷车站、多功能复合型车站、长距离少换乘、避免拥堵和纸面地图误导.考虑轨道交通换乘站自身属性,对未来城市轨道交通客流分配模型提出改进方向,为轨道交通网络规划提供参考.     

基于驶入率的服务区合理用地量计算模型

将服务区间距信息、服务水平、高速公路所处地形条件等因素对服务区用地量的影响引入车辆连续行驶时间分布函数中,提出了基于连续行驶时间的服务区驶入率计算方法。考虑主线交通量的交通组成、不同车型的服务需求特性,计算服务区的服务交通量和服务客流量,并对停车场、公共厕所、加减速车道、餐厅等设施的用地面积分别进行计算,从而确定服务区的用地量计算模型。最后借用大广高速衡大段工可阶段OD调查数据,完成了对其沿线各服务区驶入率和各服务设施的合理用地量的计算,得到了各服务区的合理用地量。