基于手机信令数据的游客识别与出行轨迹匹配方法

为统计旅游交通的客运量，分析公路交通运输需求，优化运输组织，合理构建“快进慢游”综合交通旅游网络，研究提出基于手机信令数据的游客识别与出行轨迹匹配方法。通过划定景区边界，设置停留时间阈值，识别手机用户的游客身份；同时，借助地图工具批量计算信令发生位置间的出行路线与行程时间，匹配实际公路网。实例分析结果表明，手机信令数据能呈现手机用户的出行轨迹，且信令数据的位置轨迹与公路线位走向结合密切。在人们越来越依赖地图导航软件规划出行路径的背景下，利用该方法能更准确地识别景区游客并估计游客往来景区的出行路径。     

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。     

一种基于手机定位数据的出行行程识别方法

提出并实现了一种基于手机定位轨迹数据的出行行程识别方法.通过速度对轨迹点进行划分,将低于一定速度阈值以下的轨迹点合并为候选停留位置,再利用距离阈值和时间阈值对候选停留位置进行合并,从而确定出真正的停留点,继而自动统计出行次数和出行时间.该方法解决了手机定位数据的定位漂移和抖动的问题,行程识别精度高,识别结果可为交通规划工作提供相关数据,并具有比传统交通调查方法更低的成本和更短的数据更新周期.     

基于 SVM 的出行方式特征分析和识别研究

基于智能手机采集的居民出行轨迹信息,分析了不同出行方式的特征,利用支 持向量机进行了出行方式识别研究.首先探讨了利用手机软件所能检测和记录的参数,进 而从出行轨迹和特征参数两个方面对出行方式特征进行了分析,探讨了不同出行方式两 两可分的关键变量,提取用于识别不同出行方式的特征向量,最后建立了径向基核函数 支持向量机（SVM）分类器.利用从大连市出行轨迹数据获取的出行方式样本,训练了该 支持向量机,并且以决策树、BP 神经网络为对照.结果表明,SVM 识别精确度为 89.6%,BP 神经网络为 85.5%,决策树为 77.3%,SVM 具有更好的识别性能.     

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。     

基于手机信令的全社会公路旅客出行量测算方法

为了准确统计全社会公路旅客出行量,针对传统公路客运量统计口径小、覆盖范围不全、无法全面反映公路旅客实际出行情况的问题,基于手机信令数据,通过用户位置识别、旅客出行链整理、旅客出行方式判别、城区范围划分及数据多层扩样,构建了全社会公路旅客出行量测算方法.为了验证所建方法的准确性和合理性,以京津冀地区的手机信令数据为例,对...     

手机定位数据获取出行OD：现状及展望

手机定位数据可以用于获取交通信息。近年来利用这种数据获取路段速度已经成为研究热点,但在获取OD方面研究较少。通过总结手机定位获取OD方面的研究现状,分析目前研究存在的主要问题,指出未来的研究重点。     

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.      

基于手机信令数据和Needleman-Wunsch序列匹配算法的都市圈出行方式识别

为弥补传统的居民出行调查方法在都市圈出行调查中的不足,提出一套基于手机信令数据的都市圈跨市出行方式识别算法,通过分析不同出行方式在出行路径、出行时间、出行地点方面的差异,实现高铁、大巴及小汽车3类主要跨市出行方式识别。首先,在成都市成华区和资阳市雁江区设计都市圈出行试验,招募志愿者采集出行手机信令数据;然后,分析都市圈跨市出行连接信号基站分布特征,再基于Needleman-Wunsch序列匹配算法提取出行路径信息,区分高铁出行和公路出行;最后,针对公路出行方式构建模糊识别模型,划分小汽车和大巴车出行。研究结果显示,在志愿者出行识别中,通过与志愿者出行日志对比,所提模型出行路径识别准确率达93.80%,3种出行方式均被正确识别;在研究区域全部手机用户集计出行识别中,3种出行方式占比大致为12.79%, 1.36%, 85.85%,与成都交通发展研究院2021年公布的《成德眉资区域出行报告》中出行分担比基本相同（12.23%, 1.36%,86.41%）,证明所提算法识别效果良好。     

基于手机定位的交通OD数据获取技术

居民出行OD数据是交通规划中最重要的基础资料之一。传统的利用纸和笔、电话调查以及路边询问等调查方式虽然简单,但存在较大局限性。随着信息技术、移动技术等的发展,手机信息和定位技术应用于交通数据采集是研究的热点之一。在CDMA通信网络和gpsOne手机定位技术的基础上,对出行者进行连续位置跟踪,通过数据处理提取出行者的起讫点位置信息,再结合已有交通区划分,根据点与多边形关系的算法中的面积判断算法得到出行者的OD信息。最后利用所提出的方法对重庆市九龙坡区杨家坪地区进行了OD调查,得到OD发生集中专题和OD线专题。     

基于移动通信网络下的TDOA手机定位技术在交通信息采集中的应用

着重于利用手机定位技术进行交通信息的采集研究,构建由TDOA手机定位、地图匹配和交通信息采集组成的技术框架。TDOA定位技术由于定位精度较高且相对容易实现,日渐受到研究人员的关注。文章给出了TDOA技术的模型算法,分析了地图匹配过程,进而研究各方面交通信息的采集方法。研究结果表明:手机定位技术覆盖范围广、定位精度高,能以较低的经济代价获取大量信息,通过有效地计算可将这些信息转化为实用的交通信息。     

���ڵͲ���Ƶ�ʸ��������г̳�����Ϣʵʱ�ɼ�����

智能运输系统(ITS)是当前解决交通问题的最佳途径之一,而动态交通信息的发布与预测是ITS的关键所在。然而由于在各种外部因素下,道路交通状态呈现出随机变化的特性使得动态交通信息的发布与预测成为一大难点。结合某城市的实际情况,本文建立了在定位误差、采样间隔、车辆类型、道路类型等因素影响下的行程车速估计模型,并用实测数据对模型进行精度验证。结合出租车车辆的特殊信息,改进了低采样频率浮动车技术的估计算法,建立了空车数据处理模型;针对城市复杂和相似路段问题,提出了基于距离、方向角、连通性、历史数据以及车流方向等约束条件下的地图匹配算法;针对低采样频率浮动车数据,提出了考虑交叉口影响下的行程车速估计算法,通过实测数据评估了算法的性能;最后,针对不同检测技术的特征,提出了数据融合算法。     

以移动电话为媒介的高速公路信息发布

交通信息的有效发布能够改善高速公路的运行状况,提高路网的通行能力。在我国现有高速公路信息发布系统的基础上,可以移动电话为媒介,利用短信、GPRS或3G移动通信业务为监控系统通信平台,及时准确地向道路使用者提供有效、全面、实时的交通信息。     

基于时空轨迹数据的出行特征挖掘方法

在车联网应用发展的背景下,许多城市的私家车和出租车上安装了配备GPS 设备的智能终端, 产生着大量的时空轨迹数据.为挖掘这些数据蕴含的驾驶员出行特征, 本文以北京市出租车时空轨迹数据为例,基于时空GIS 的视角提出并实现了驾驶员居住 地挖掘方法和作息规律性分析方法. 样本实验结果一方面展示了驾驶员居住地空间分 布,另一方面表明作息规律性总相似度在0.6–1之间的驾驶员数量较多,占到了总数的 73.75%.通过本文方法挖掘的信息可为出租车的管理提供辅助决策,方法同样适用私家 车时空轨迹数据的挖掘,对私家车出行规律的研究和掌握更有意义.     

Multi-Band Hybrid Mobile Phone Antenna Based on Electromagnetic Coupling

This research presents a multi-band hybrid mobile phone antenna based on electromagnetic coupling,which can be applied to mobile handheld devices, occupying a small board space of 39.7 mm × 15.6 mm on the system circuit board. By adding resonant and coupled branch instead of multi-feed on the traditional bent antenna,this design provides four wide operating bands of 0.772—0.998 GHz, 1.540—1.600 GHz, 1.680—2.270 GHz and2.300—2.690 GHz with the hybrid feature of planar inverted-F antenna(PIFA), L-shape, U-shape and S-shape structures, which cover nine-band, i.e., GSM850, GSM900, GPS1575, DCS1800, PCS1900, IMT200, LTE2300,LTE2600 and Blue Tooth/Wi-Fi. Ansoft software HFSS is used in this research to make the antenna performance better and the operating principle of the proposed antenna is described in detail. Result of simulation reveals that the maximum gains of these four wide bands are 2.20,-0.99, 4.01 and 4.05 dBi, respectively. Moreover, this research also tests the return loss(S11) of the fabricated antenna with the vector network analyzer and the result is in accordance with the simulation result on the whole. There are four wide resonant frequencies which cover nine-band of wireless wide area network(WWAN), wireless local area network(WLAN) and long term evolution(LTE), when the available bandwidth is better than 6 d Bi return loss.     

基于手机信令数据的常规公交站间OD识别

为识别手机用户乘坐常规公交的OD,结合公交车辆GPS轨迹,在考虑常规公交换乘行为的基础上,建立基于手机用户与车辆轨迹相似度的常规公交出行识别模型,以及站间OD概率模型.通过地铁出行识别,融合手机信令数据与IC卡数据,提取包含百万样本的公交与非公交出行数据,以此作为验证集.进一步分析各参数取值、出行距离、公交线路重复系数...     

基于移动数据的用户出行方式识别研究

为研究智能手机所采集到的位置数据在识别用户出行方式领域的应用,首先,比选出速度、速度的百分位数、轨迹点数量占比、出行距离、停止率这5 个适用于移动终端定位数据区分出行方式的特征变量,并对各特征变量的判别阈值进行了定义。然后,针对基站分布导致的数据偏差和位置信息漂移等问题,采用扇形定位结合地图匹配技术对数据进行了修正,进而在对时间阈值和距离阈值分割的基础上提出了移动终端用户出行链的获取方法。接着,建立C4.5 决策树模型,以此判别移动终端用户的出行方式。最后,基于在某地区采集的7 000 部移动终端的位置数据（包含：终端编号、定位时刻、经度、纬度） 来对用户的出行方式进行研究。结果表明,模型在区分机动车和非机动车时准确率较高,达到了90%以上;在进一步区分中,如区分步行与自行车以及公交车和小汽车的出行上准确率相对较低,但也达到了80%以上的精度。