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。     

基于手机信令定位数据的居民出行时空 分布特征提取方法

为了得到可靠的居民出行时空分布特征,并为城市交通规划提供准确的出行现状数据,基 于手机信令定位数据设计了提取居民出行时空分布特征的方法。通过对重复冗余的手机数据进行 处理、运用地理信息系统将手机数据映射至所研究的交通区域、划分交通小区、定义出行识别、 建立OD矩阵及绘制出行期望线等出行数据挖掘,得到了居民的出行时空分布特征。为了验证设 计方法的可行性,以北京市的手机信令定位数据为例,提取出北京市居民的出行时空分布特征, 并将所得的结果与北京市第4 次综合交通调查的数据进行对比得出：两者的出行时间分布特征平 均偏差为0.78%,早晚高峰进出城方向比例的偏差为0.1,全市的出行发生量与吸引量的平均偏差 均小于3%。     

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.     

面向城市交通规划的多源手机信令数据相关性研究

随着智能手机的普及，基于手机信令数据获取城市交通出行和人口活动信息成为了一种常用手段.但在实际应用中，绝大部分的信令数据分析都是基于单个运营商的数据.由于无法确定不同运营商数据之间是否存在显著差异，也就无法保证基于单个运营商数据的计算结果能够满足城市交通分析的精度要求.针对这一问题，本文使用某城市 2个运营商 5个工作日的信令数据，分别计算了交通规划中常用的人口分布和交通出行信息.计算结果发现，在使用算法一致的前提下，2个运营商的人口和交通出行结果十分相似，特别是居民移动人口分布和出行 OD矩阵基本没有差距，相关系数在 0.9以上，且当时间和空间尺度发生变化时仍然保持较高的相似性.但是，从城市停留人口分布的计算结果来看，由于 2个运营商设置的位置更新周期的差异，导致计算的停留人口分布相关系数较低，在0.7左右.     

面向城市交通规划的多源手机 信令数据相关性研究

随着智能手机的普及，基于手机信令数据获取城市交通出行和人口活动信息成为了一种常用手段.但在实际应用中，绝大部分的信令数据分析都是基于单个运营商的数据.由于无法确定不同运营商数据之间是否存在显著差异，也就无法保证基于单个运营商数据的计算结果能够满足城市交通分析的精度要求.针对这一问题，本文使用某城市 2个运营商 5个工作日的信令数据，分别计算了交通规划中常用的人口分布和交通出行信息.计算结果发现，在使用算法一致的前提下，2个运营商的人口和交通出行结果十分相似，特别是居民移动人口分布和出行 OD矩阵基本没有差距，相关系数在 0.9以上，且当时间和空间尺度发生变化时仍然保持较高的相似性.但是，从城市停留人口分布的计算结果来看，由于 2个运营商设置的位置更新周期的差异，导致计算的停留人口分布相关系数较低，在0.7左右.     

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。     

基于潜能模型的就医出行公共交通可达性分析

大型综合性医院是居民生活出行目的地之一。公共交通是就医出行的重要出行模式,其服务水平对居民出行及就医具有双重影响。可达性是衡量交通系统为出行者提供到达某地点以获得某种服务或参加某项活动的能力指标,换乘对就医出行可达性具有重要影响,基于潜能模型,选择出行时间、换乘时间及服务覆盖人口数量构建可达性计算模型。以友谊医院为例,根据该模型进行各交通小区的就医出行可达性计算并分级,并与通过问卷调查得到的区域平均出行满意度进行比较。据统计,高于93.5%交通小区的上述两种评价一致。实验表明模型在就医出行可达性的计算上与出行者主观评价一致,可用于研究居民就医出行的便捷性,对提高医疗服务的区域覆盖及交通便利性具有指导意义。     

���ڷǼ���ѡ��ģ�͵ij����о���������ݷ���

传统的四步骤模型中的出行生成模型是预测研究范围内每个交通小区的出行发生次数和出行吸引次数，直接将居民的出行次数简单的按交通小区进行集计处理，并没有充分考虑每个人的出行次数，难以反映个人和家庭的社会经济等因素对居民个人出行次数的影响。本文根据2003年吉林省长春市居民出行调查数据，利用非集计模型建立居民个人的出行次数选择模型，并应用相关统计软件对模型进行标定，进而分析居民个人的出行次数，从而求得居民个人出行次数的期望值，初步尝试探索非集计模型和四步骤模型的综合应用问题。     

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.     

���񹫽�����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GPS和IC卡数据的公交出行OD推算方法

主要基于GPS和公交IC卡数据研究推算交通小区公交出行OD的一种方法。将居民公交出行分为闭合型出行链和非连续型公交出行链,通过数据的挖掘融合技术,结合居民公交出行规律推算交通小区的公交OD矩阵,利用站点吸引强度对无明显规律的紊乱出行数据进行修正,提出了基于GPS和公交IC卡数据推算公交出行交通小区OD的方法,并以佛山市中心城区为例验证推算方法的可靠性。研究表明:所得公交出行OD矩阵精度较高。     

风景区居民出行交通方式选择研究

为改善景区交通拥堵问题,研究景区居民出行行为,在石花洞景区展开居民出行特征问卷调查,分析景区居民出行需求和居民出行交通方式选择影响因素,并利用非集计模型构建景区居民出行交通方式选择预测模型。结果表明,景区居民出行交通方式选择受出行时长影响较大,家中有车居民在日常活动中更愿意驾车出行,男性居民出行更偏向于使用私家车,中青年尤其喜欢自驾出行,且以景区居民出行者的性别、年龄、出行目的、出行时间、私家车拥有量为影响因素的交通方式选择非集计模型预测精度较高,其中步行方式的预测准确率高达95.5%。     

基于网约车数据的城市区域出行时空特征识别与预测研究

针对交通需求特征识别和需求预测问题，构建改进的LDA(Latent Dirichlet Allocation)城市区域内出行需求识别与预测组合模型，快速识别城市区域内出行需求特征并对需求做出预测. 构建城市交通小区尺度内的空间和时间维度下的主要出行需求特征分布挖掘辨识方法，以及数据集在不同时间尺度下时间维度出行特征构建及预测方法. 利用北京市三环内网约车出行订单数据，验证模型的有效性和准确性. 结果表明，模型能够对不同时间窗口下的区域出行需求特征进行辨识和预测，取得较好的结果.     

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.     

考虑偏好差异的后疫情时代居民出行方式选择行为研究

为探究后疫情时代居民出行方式选择行为，运用选择实验的方法，基于问卷调查获得选择行为数据，构建出行方式选择的混合Logit模型和潜在类别条件Logit模型。采用Stata软件标定模型参数，得到后疫情时代影响居民出行方式选择的主要因素。结果表明，两种模型均体现了个体出行方式选择的异质性，潜在类别条件Logit模型与混合Logit模型相比拟合优度提高了13%， 预测精度提高了3.03%，为突发公共卫生事件下分析出行行为的个体异质性提供了一种有效工具。潜在类别条件Logit模型根据居民所处低、中风险区两种情景，分别将居民划分为4类、5类人 群。从出行方式属性上看，等待时间和在途时间成为居民选择出行方式最重要的影响因素。从个人社会经济属性上看，在后疫情时代收入更高的女性更倾向选择私家车出行，年龄越大对行程费用越敏感，男性更愿意选择公交、地铁出行。     

北京市共享单车出行的时空规律与需求预测研究

基于北京市摩拜单车的工作日骑行数据，利用非负矩阵分解算法(NMF)从时间和空间两 个维度深入探究共享单车的出行规律，并构建逆序群体稳定性指标(RPSI)改善 k 值选择过程。利用得到的出行规律，运用MATLAB构建基于非负矩阵分解算法的BP神经网络预测模型，对共享单车的出行需求进行预测，并分别与BP神经网络预测模型和长短期记忆(LSTM)神经网络预测模 型的结果进行对比。研究结果表明，共享单车可分为5种基本的出行模式，每个区域的出行都可以由这5种出行模式的线性组合来表达，其中的系数代表了每一种出行模式的强度和随时间变动情况。依据这5种出行模式的时间特征和空间特征，分别确定其出行含义：通勤出行中居住地到 地铁站的出行；通勤出行中地铁站到工作地点的最后一公里连接；居民其他的非通勤出行行为， 如休闲娱乐活动等；回程通勤出行中从工作地点到地铁站；回程通勤出行中从地铁站到居住区的最后一公里连接。最后，模型预测结果的对比分析显示，本文构建的基于非负矩阵分解算法的BP神经网络预测模型不管是在预测精度还是实际操作便捷性上都优于其他两种预测模型。     

基于SVM的高原川道型城市通勤者出行方式选择研究

为探究典型高原川道型城市(西宁市)的出行者对交通出行方式选择的行为,以大规模的居民出行调查数据为基础,提取个人、家庭社会经济属性及出行特征指标,将包含小汽车出行和出租车出行的私人交通方式与公共交通方式这2项通勤方式选择作为目标变量,并通过显著性检验得出影响出行方式选择的8项决策变量.针对29960次有效出行样本,合理划分出训练样本集和测试样本集.基于此,分别构建支持向量机(SVM)和传统的二项Binary logistic (BL)模型以识别通勤者的出行方式选择,选取3项定量指标分方式的分类预测精度、总体分类预测精度和平均绝对百分比误差以对比不同模型的分类结果.研究结果表明:相比BL模型,SVM对分类数据具有更好的拟合效果,对出行方式选择的预测适用性良好,具体来说,对私人交通方式的预测,SVM的预测准确率比BL模型的预测准确率高出8.08％,公共交通则高出了2.76％;SVM的总体分类准确率比BL模型的预测准确率高出4.82％.