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%。     

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。     

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.     

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.     

基于手机信令的城市机动化方式细分双层模型研究

针对现阶段手机信令数据难以适用城市复杂出行环境，无法有效区分密集路网下机动化出行方式，本文提出一种考虑路径精准拟合与多维时空特征的双层识别模型。在出行路径识别层面，Savitzky-Golay(S-G)滤波能有效平滑信令数据相对实际出行路径的波动，线性插值算法能弥补信令数据时空缺失。在出行方式识别层面，探究了识别路径相似度、出行时间相似度、加速度、小波速度等关键因素，利用K-临近算法识别公交、小汽车。结果表明：本文提出方法能有效细分城市密集路网环境下的公交与小汽车出行，识别准确度分别达到88.29%和82.28%。在不同出行距离、出行时段、拥挤状态、道路等级、道路类型及识别路径相似度等角度，识别效果均优于随机森林等算法。研究支撑了基于信令数据的出行特征精准挖掘，为道路规划建设，公交线网规划等提供重要基础。     

基于狄利克雷过程混合模型的城市活动聚类方法研究

手机信令数据不仅记录个体出行轨迹，也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法，以手机信令提取居民出行OD为基础，将每个基站的到发出行量作为表征该基站所处空间位置的活动特征，研究特征的聚类方法.引入狄利克雷分布作为先验分布，由中餐馆模型推定特征聚类数量.与其他聚类方法相比，该方法最大的优点在于无需事先指定聚类数量，避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中，结果能够有效地反应不同城市功能组团的活动特征.     

基于狄利克雷过程混合模型的城市活动聚类方法研究

手机信令数据不仅记录个体出行轨迹，也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法，以手机信令提取居民出行OD为基础，将每个基站的到发出行量作为表征该基站所处空间位置的活动特征，研究特征的聚类方法.引入狄利克雷分布作为先验分布，由中餐馆模型推定特征聚类数量.与其他聚类方法相比，该方法最大的优点在于无需事先指定聚类数量，避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中，结果能够有效地反应不同城市功能组团的活动特征.     

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.     

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。     

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。     

基于数据融合与双重特征的居民出行调查扩样

居民出行调查数据具有个体属性清晰、交通含义明确、针对性强等特点,在城市交通规划与交通需求模型构建方面具有不可替代的重要作用.为保障抽样调查数据准确反映总体的真实特征,在综合考虑效率与精度基础上,提出一种多源数据融合、家庭户及人口特征双重约束、牛顿迭代法相结合的居民出行调查数据完整扩样处理方法与流程.以天津滨海新区第一次综合交通调查数据为例,论述了算法和流程的应用情况.结果表明,该方法能有效获取家庭户及人口的总体规模及其分布,并考虑家庭户及其人口特征对扩样系数的双重影响,具有效率高、精度高、易于推广等特点.     

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.