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。     

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.     

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.     

基于多层模型的城市建成环境对通勤行为的影响

为研究城市建成环境对居民通勤行为的影响,考虑个体社会经济属性和交通小区建成环境属性的跨层次结构,建立多层模型,分别分析了个体社会经济属性层面和交通小区建成环境层面对通勤时间及通勤距离的影响,并利用长春市居民出行调查数据标定模型参数. 结果表明：多层模型比传统的回归模型拟合效果更好;控制个体社会经济属性特征后,土地利用混合度、交叉口密度及公共交通站点密度对居民通勤出行时间和距离的影响均呈现显著的负效应,而居民居住地到城市中心商务区(CBD)的距离仅对通勤距离有显著的正向影响.研究结果可为通过城市规划优化通勤结构提供理论支持.     

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。     

动迁居民通勤出行特征研究——以上海市大型居住社区江桥基地为例

随着城市发展，上海市人口增长的重点逐渐由中心城区转向城市外围地区，将对动迁居民的通勤出行产生巨大影响，有必要对该类人群的出行特征进行研究。以上海市嘉定区江桥基地为例，开展出行调查，分析搬迁至该社区的居民的通勤出行特征，包括出行时耗、出行距离、出发时间、出行方式、工作地点。将动迁通勤者与非动迁通勤者及上海市中心城区通勤出行数据进行对比分析，结果显示，虽然一部分动迁居民改变了工作地点，但总体上其通勤出行时耗和出行距离更长、出发时间更早。最后，针对江桥基地周边交通系统提出改善建议。     

上海市中心城区公共交通典型通勤出行链特征分析

基于居民调查与爬取的数据,梳理上海市中心城公共交通为主体的通勤出行链,并分析其主要出行时空区间,从中提取以公共交通为主的4类典型通勤出行链,探究不同公交出行链服务的通勤出行距离分布、出行耗时差异及起讫点在中心城的圈层分布特征。而后采用公交小汽车行程时间比指标,对不同距离区间内典型公交出行链的服务效率及服务竞争力进行评估,为公共交通在新业态重组后的城市交通系统中的重新定位及精准优化提供参考。     

基于个体出行数据的公共交通出行链提取方法

公共交通个体出行信息的提取对掌握公共交通出行的时空特征,改善居民通勤出行效率具有重要意义.研究从公交刷卡数据、公交定位数据、轨道AFC数据等海量公共交通多源数据的关联匹配与处理方法入手,提出了公共交通出行链信息提取中,换乘关系判断、通勤行为判别及出行起讫点匹配的方法与规则,标定了出行链匹配阈值参数,建立了基于个体出行数据的公共交通通勤出行链提取模型.提取模型的准确度验证表明:出行链结构提取及通勤出行判别的成功率均达到100%,出行阶段起讫点匹配成功率为87.5%,准确性为97.1%,满足了公共交通出行特征提取的需求.该方法为公共交通通勤出行判别及基于个体的微观通勤出行时空特征的深入分析奠定了基础.     

城市公共交通常乘客通勤出行提取方法

为挖掘公共交通通勤出行精准化特征，从追踪出行链的角度出发，利用公交与轨道多源数据研究常乘客通勤出行提取方法。通过选取潜在职住地设置高频职住地集合，提出公共交通常乘客职住地识别算法，结合出行链起讫站点与职住地空间信息匹配提取通勤出行链，并将常乘客出行分为home-work通勤、work-home通勤和非通勤出行。以北京市“回天地区”公交与轨道出行链数据为例，提取常乘客通勤出行。结果表明：常乘客职住地识别率达到85.9%，常乘客通勤出行和非通勤出行在出行时空分布和出行方式上存在明显差异，通勤出行提取可为北京市面向常乘客开展“预约出行”并分析其出行需求动态特征变化提供依据。     

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.     

城市居民通勤活动行为的时空特征研究——以上海浦东新区为例

通勤活动行为是人类最基本的日常活动之一，通勤方式的选择一定程度上决定着通勤的基本特征。本文根据2005年浦东新区人口变动追踪调查的结果，以城市居民通勤方式、通勤时间以及通勤距离的基本特征分析为基础，着重从通勤方式的角度研究城市居民通勤行为活动的时空特征，并探讨了通勤现象的距离变化特性。     

学区尺度下小学生通学事故风险评估及影响因素

为评估学区尺度下小学生通学事故风险并获取其影响因素，融合交通事故数据、道路运行数据和学区划分数据，构建学区尺度下通学事故风险评估方法，并运用随机森林模型分析其影响因素。以小学生在学区内部小学通学为原则，构建基于交通事故数据和道路长度的道路暴露度模型评估小学生通学事故风险。以深圳市中心城区为例进行验证。结果表明：深圳市中心城区高风险学区主要聚集于南山区北部和罗湖区北部，低风险学区主要分布在南山区中南部和福田中部学区；基于随机森林构建的学区尺度下小学生通学事故风险评估模型预测准确率达85.93%，能够较为准确地评估小学生通学事故风险；小学密度和学区面积是小学生通学事故风险的主要影响因素，分别能解释37.15%和22.86%通学事故风险。     

深圳市停车收费调整探索

为了有针对性地实施交通需求管理、调控小汽车通勤出行,对深圳市停车收费调整方案及其立法保障进行研究和探索。首先对深圳市交通拥堵状况和停车收费状况进行分析,在此基础上提出＂分区、分类、分时＂差别化的停车收费调整总体思路。重点针对小汽车通勤出行停车时间长、进出停车场时间集中两个特征,提出两种停车收费调整方案——交通方式转移和鼓励错峰出行,同时创新性地提出征收行政性收费——路外停车场停车调节费,并将提高停车收费后停车场经营者新增的收益纳入市财政。最后,从制度层面探讨落实停车收费方案的相关立法保障。     

一种基于手机信令的通勤OD 训练方法

针对基站定位精度低、信令采样间隔长、轨迹不连续的手机信令,提出一种职 住及通勤OD(origin-destination)计算框架.对用户单日手机轨迹按时间排序,标识每个轨 迹点的进出时间及停留时间,剔除长距离漂移轨迹点,对邻近轨迹点进行空间聚合.将全 天划分为多个时窗,叠加用户多日轨迹,计算稳定指数并识别用户在各时窗内的多日稳 定点.综合工作日与节假日稳定点判断用户居住地、工作地.采用基于常住人口的扩样方 法,对街道通勤OD矩阵进行扩样.模型结果与重庆主城常住人口分布、2014 年居民出行 调查结果吻合.     

基于通勤模式的都市圈中心结构判别研究

面对日益严重的城市交通问题，城市管理者尝试从城市空间规划层面引导交通出行模式的转型，调节供需关系，缓解交通问题，而中心结构识别作为城市空间规划的重要步骤，在分析方法与数据应用等方面仍然受限。本文利用百度位置数据挖掘出的都市圈通勤数据，采用基于网格的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)密度聚类算法，识别出我国35个主要都市圈的中心布局，并根据5种通勤模式的理论模型和相应的量化指标对都市圈中心结构进行判别，最后对主要中心结构下影响通勤效率的因素进行回归分析。研究发现，虽然不同都市圈的中心布局差异明显，但大部分都市圈表现为非均衡多中心结构。不同中心结构的 分布呈现出一定的地域特征，单中心结构都市圈主要位于中西部城市，而约束扩散结构和均衡多中心结构都市圈大多是由东部沿海开放城市发展形成。城市规模与通勤时耗的相关性最为显著，职住平衡度对通勤时耗也有较大影响。上述研究结果为针对性地制定不同都市圈的资源配 置策略和通勤效率优化策略提供了有效支撑，对都市圈空间规划和交通可持续发展具有一定的理论价值和现实指导意义。     

基于手机传感器数据的交通出行调查实证评估

应用手机传感器与调查问卷, 同步采集了校园内高校学生2周的真实出行轨迹; 考虑了真实出行环境下的手机传感器数据特征, 结合高斯滤波预处理数据, 根据轨迹点的时空聚类特性, 用时空聚类算法识别了出行端点和出行时间, 结合轨迹点速度、加速度特征, 利用支持向量机识别了出行方式; 将手机传感器数据与调查问卷、查核线数据对比, 分析了手机传感器数据出行特征识别的准确程度, 验证了出行特征的提取效果。分析结果表明: 手机传感器与问卷调查识别出行链的成功匹配比例为81.66%, 说明手机传感器数据可有效记录出行轨迹; 时空聚类算法参数中核心点空间半径为26.92 m, 最小样本点为129, 时间约束为129 s时, 出行端点识别准确率为93.02%, 出行时间识别准确率为90.84%, 说明手机传感器识别出行端点和出行时间的效果较好; 当支持向量机设置类型为经典支持向量机, 核函数为径向基函数, 惩罚系数为0.797, 核参数为2.260时, 出行方式识别准确率为89.86%, 即利用手机传感器能够有效识别出行方式。可见, 手机传感器数据识别结果合理, 能为手机传感器数据应用于实际出行调查做支撑。