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RSSI蓝牙定位的盲人公交出行引导系统设计方法

为有效解决视障群体公交出行难的问题,进一步提升该群体公交出行的安全性与便捷性,更好地营造温暖幸福的无障碍公交出行环境,提出建立智能盲人公交引导系统的解决方案。首先,对我国城市公交无障碍设施建设现况进行全面分析,针对现有公交导盲设施设计不合理、覆盖不全面、使用不便捷、服务不友好等突出问题进行深入剖析,确定视障群体公交出行的真实痛点与功能需求;其次,基于痛点分析提出智能盲人公交引导系统的总体思路,并结合视障群体的实际需求设计预约乘车、登车引导、下车提醒、位置同步等功能,基于无线射频识别(RFID)车辆识别技术与RSSI测距定位技术提出系统技术方案;最后,通过仿真分析与效果评价验证该系统设计的可行性。该系统优化视障群体公交出行环境,有利于提升城市公交无障碍发展水平。     

基于GPS轨迹数据的不同交通状态下交通方式识别流程优化方法

基于GPS轨迹数据的交通调查技术能够有效弥补传统居民出行调查方式的不足，该技术在高峰拥堵时段的交通方式识别效果有待进一步研究.针对公交车和小汽车识别精度较低的问题，本文提出基于支持向量机(SVM)的流程优化方法，加入基于短时傅里叶变换 (STFT)的频域属性，利用遗传算法(GA)对SVM的惩罚系数和核参数进行联合优化，评估不同交通状态下交通方式和方式转换点的识别效果.结果表明：频域属性的加入能够有效提升交通方式识别精度，在道路畅通状态和一般拥堵状态下，交通方式和方式转换点的识别效果均较为理想；在严重拥堵状态下，机动化方式易与非机动化方式相混淆，方式转换点最大识别误差在13 min以内，相比于基于主观回忆的人工问卷调查方式仍具有参考性.     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

基于手机信令数据的出行端点识别效果评估

为了研究利用手机信令数据识别个体出行端点的应用效果，开展实地采集手机信令数据的出行试验，且同步采集相应的GPS轨迹数据和出行日志作为算法评估的真实数据，提出出行端点识别的3阶段处理算法. 首先，提出等时距补点算法平衡各信令定位点的时间权重；然后，利用凝聚层次聚类算法将定位点聚类成不同的类簇；最后，针对已有研究中缺乏关注的类簇震荡现象，提出新的震荡修正算法对聚类结果做进一步优化. 案例结果表明:本文提出的方法对出行端点识别的精度、距离误差和时间误差上均有较好的效果，出行端点识别个数的精度在84%以上，端点位置识别距离平均误差在220 m以内，出行端点的离开和到达时间的平均误差分别为7.7 min 和5.3 min；在不同的出行目的的比较中，以工作为目的的端点识别效果最好，以娱乐购物为目的的端点识别效果相对较差.      

基于多源数据的夜间出行需求空间效应及其异质性分析

为了揭示多维因素对出租车夜间出行需求的空间影响机制与局部关联特征，基于多源数据，利用空间计量模型和多尺度地理加权回归（MGWR）模型分别从全局和局部视角研究多维因素对夜间出行需求影响的空间效应及其异质性。首先，利用出租车GPS数据在分析夜间出行时空分布特征的基础上，明确夜间场景下的研究区域及时段划分；其次，从建成环境、人口分布、路网结构3个维度提出夜间出行需求影响因素指标体系，并基于POI数据、手机信令数据和路网数据进行指标量化。在交通小区尺度下分时段构建空间杜宾模型，从全局视角探讨不同时段下主要影响因素对夜间出行需求的空间效应；通过构造距离负指数衰减形式的空间权重矩阵，量化分析关键影响因素的空间溢出效应随地理距离变动的过程。最后，借助MGWR模型从局部视角分析主要影响因素对夜间出行需求影响的空间异质特征。研究结果表明：各解释变量对夜间出行需求的直接效应大多在0.05水平下显著，而溢出效应差异明显；美食与停车设施密度影响最为显著，两者的溢出效应在不同时段分别表现为负向和正向影响，即美食设施呈现出虹吸现象，停车设施具有诱发作用；停车和美食设施对夜间出行需求的空间溢出效应随距离变化均具有非线性衰减特征，分别呈现先增强后减弱的倒“U”形过程和负向先减弱后增强的过程，并在地理距离分别为1 500 m和1 000 m时，空间溢出效应达到最强；MGWR模型拟合效果优于经典GWR模型，局部回归系数的空间分布模式表明关键影响因素对夜间出行需求空间作用的异质特征显著。研究结论从夜间设施影响范围及强度的空间差异等方面为夜间交通需求的科学预测提供理论依据，进而为夜间商业及交通配套设施的合理配置提供方法支撑。