基于手机信息的居民出行调查

居民出行数据是交通规划中最重要的基础资料之一,但在传统居民出行调查中该数据的获取耗时长、成本高、自动化程度低,完全不能满足现行中国蓬勃的城市建设、规划的需要。该文提出了“person as sensor”的概念,也就是把居民日常使用的通讯工具——手机作为检测器,利用手机在居民使用过程中产生的大量位置和时间信息进行居民用户调查。该方法对现有的无线网络和手机都不需要进行任何修改,并且一旦实施将能够获取居民出行的实时数据。     

手机APP出行调查系统开发及其模型应用研究

出行调查是出行需求预测模型的重要的数据来源,而国内外近几年使用的调查方法费时费力、数据量不大且很多处于理论阶段无法应用到实际中.为了解决当前调查方法中存在的问题,设计了一套基于手机APP的出行调查系统,同时还探讨了将收集到的出行数据运用到交通规划模型中的问题.该系统在注册填写个人信息以及收集轨迹数据的基础上,利用当前定位技术无法准确获知居民室内位置的特点,以达到收集居民出行数据的目的.具体方法是计算一定时间内轨迹数据的定位精度和速度来判断该段时间居民是否停留,然后将识别出的停留点根据距离进行合并,居民出行结束后在合并后的停留点位置填写相应的出行信息.从在上海青浦区的居民调查中可知,此系统使用的停留点识别方法其识别精度达到96%,因此利用该方法能够客观地收集居民出行过程中活动的空间位置和时间信息,对提升出行预测模型的精度具有重要意义.      

基于智能手机调查数据的居民出行活动特征分析

城市居民出行活动信息是城市规划、交通管理和居民行为研究的重要参考依据。采用传统的基于入户访问和纸质问卷的居民出行调查方式存在受访者负担重、调查精度低、调查成本高等问题,设计并实现了一种基于嵌入GPS(Global Positioning System)模块的智能手机的居民出行调查系统。通过高频的手机GPS定位获取居民出行轨迹,设计基于规则的轨迹数据处理算法,自动提取出行信息。以上海市杨浦区同济新村为例,对比传统问卷调查和基于手机的调查所得的出行数据。利用调查结果对基于智能手机调查的出行生成模型进行系数修正,并对传统调查方式的误差进行分析。发现传统调查的总体误差在33%左右,其中非基家出行的误差更是达到近159%。最后,基于手机调查的数据,对区域内居民活动特征进行分析。     

手机信令数据在城市道路交通量预测中的应用

交通量预测是城市道路可行性研究的核心内容,准确性和可靠性主要依据基础交通调查的准确度和覆盖率,而面对城市居民出行调查,问卷调查等传统的城市居民出行调查存在工程量浩大、耗时耗力、样本量低、经济投入巨大等诸多弊端。随着手机普及率的提高,手机覆盖了城市绝大多数人口,采用手机信令分析技术替代传统的出行调查成为可能。选择长沙市手机信令数据为基础,以长沙市人民路过湘江隧道的交通量预测为例,介绍了通过手机信令数据处理实现交通预测的解决方案。     

基于Logistic模型对居民弹性出行影响因素建模研究

居民弹性出行特征是城市快速发展进程下的产物,随着城市居民生活水平不断提高,弹性出行在所有出行中所占比例逐渐增加,因而对居民弹性出行的研究愈发重要。为研究居民弹性出行特征的影响因素,首先利用居民弹性出行行为调查的RP-SP融合数据,结合方差膨胀检验方法研究影响居民弹性出行特征各因素间的线性相关性,最后构建多元Logistic模型,分析居民弹性出行前获取出行时间信息、天气信息作出出行选择时影响因素的显著性程度。结果表明,在0.05的显著性水平下,影响因素中年龄、游客类型、主要交通出行工具等显著影响居民弹性出行选择;居民出行前获知交通信息,弹性出行的概率能有效降低9%,在一定程度上可以降低交通压力,缓解交通拥挤。     

基于手机APP大数据的交通出行数据获取方法

城市居民的交通出行是交通研究中的基础问题。结合当前手机应用的特点,以手机应用与无线通信网络数据交互时产生的CI(Cell-ID Identify)定位数据为研究对象来获取居民出行数据。采集了"易信"手机应用2013与2014年共3 241 238条有效的CI定位数据,并对其进行了降维、离散化、去噪预处理。提出将定位数据标准化为0-1数据矩阵,以矩阵运算的形式推导用户出行OD矩阵、各小区出入流量等二次数据的算法模型,并在Matlab中进行了实现。结果表明,相较于遍历数据的循环算法,推导效率有显著提升。提出了推导OD矩阵的完整性与真实性评价指标R,并计算得到2013的R为19.1%,2014为69.3%。发现手机应用日均数据量较大的CI数据具有更高的完整性与真实性(2013年为10.6条,2014年为47.4条),但该指标主要反映所有小区中存在交通出行的整体情况,对各小区的出行行为的完整性与真实性尚需做进一步研究。     

面向移动终端的偶发事件信息需求与发布框架研究

目前城市交通运行特性逐渐由规律性向偶发性转变,居民对偶发事件的预警需求也日渐增加.针对常见公共交通偶发事件,通过SP公众小样本调查,从影响程度、发生频率及对居民行为影响等角度开展偶发性事件特征的深入分析;进而利用系统聚类算法实现点、局部、全局三层级的偶发事件分类.在此基础上,分析并明确不同偶发事件下居民对信息需求的类型、位置、提示时间,构建偶发事件信息需求表.通过研究移动互联环境下不同服务终端的信息发布和收取特性,获取最佳信息发布获取渠道,进而构建偶发事件信息发布框架并搭建基于手机APP移动终端的服务平台.结果表明,手机移动终端的居民使用满意率达到85%.有助于解决城市交通运行特性的不确定性与出行信息的可靠性、及时性之间的矛盾,提高交通出行效率.      

基于大规模定位数据的出行方式模糊判别研究

交通需求信息对于从战略上解决交通拥堵问题是非常重要的。从无线通信网络和GPS系统中可以获得大规模的定位数据。从定位数据中可以挖掘出完整的出行轨迹信息和有价值的出行需求特征信息。文中提出了以各种出行方式的先验知识为依据的出行方式模糊判别方法。该方法以从出行轨迹信息中提取的出行属性数据为输入,采用模糊推理机制实现机动车、自行车、步行等3种出行方式的良好区分。该方法可为交通规划工作提供出行方式划分方面的数据,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Mixed Logit模型的新建轨道交通客流转移预测

研究以轨道交通客流转移预测为目标,综合考虑居民出行选择习惯、交通信息及交通环境等因素,利用乌鲁木齐市居民出行方式选择SP调查(Stated Preference Survey)数据构建ML(Mixed Logit,混合Logit)模型,对城市轨道交通客流转移进行实证研究。研究结果表明,ML模型能够反映出个体选择喜好的随机特性;居民出行选择习惯、交通信息及交通环境因素显著影响居民向轨道交通转移的选择;轨道交通1号线和2号线建成后,预测可承担乌鲁木齐市南门附近居民31. 75%的出行,该部分出行主要是从常规公交、BRT和出租车转移而来,而私家车出行向轨道交通转移较困难。研究成果可为轨道交通建设的城市特别是新建轨道交通的城市提供有力的数据支撑和理论基础。     

私家车出行者交通信息需求研究

交通出行信息对私家车出行者行为选择存在不同程度的影响。通过对大连市私家车出行者交通出行信息使用意向调查,获取私家车出行者交通出行信息选择行为特性数据,引入因子分析方法对交通出行信息内容进行合理分类,建立交通出行信息选择累积Logistic回归模型,对私家车出行者交通出行信息需求进行研究。研究结果表明私家车出行者对交通出行信息内容存在不同程度的需求,其中与个人私家车出行质量相关信息的需求最高,面向私家车出行者的城市交通信息服务系统建设与运营应体现针对性。     

北京市居民出行时间成本研究

采用收入法,考虑出行目的、出行方式等因素,给出居民出行时间成本计算的方法与步骤,将居民出行时间价值货币化。以北京市2000年和2005年为对象年,估算了分目的、分方式出行对应的单位时间价值,并根据历年交通调查的数据,获取了当年北京市全社会小汽车、公共交通(包括轨道交通)、出租汽车的平均出行时间和出行量,计算得到北京市全社会当年居民出行的时间成本。     

综合交通信息对小汽车通勤出行链的影响研究

为了量化综合交通信息对小汽车通勤者的诱导效果,实施网络调查获取出行行为数据,分析了调查数据的统计特性,并对比有无综合交通信息时通勤出行链的时间、空间和结构特征,然后,基于SP数据建立通勤者在综合交通信息条件下出行选择行为的网络广义极值模型(NGEV模型),并利用BIOGEME软件包进行求解.通过分析参数标定结果,得到如下结论:综合交通信息下通勤者进行复杂出行链选择公共交通的概率更低,小汽车通勤出行链(私人交通模式)在泊位数充足的情况下转向其他交通模式的倾向性较明显.      

数据挖掘在居民出行调查数据分析中的应用

针对居民出行调查数据背后信息挖掘的需求,介绍了居民出行调查数据挖掘的理论及方法,概述了居民出行调查数据挖掘的常规流程,选择Apriori模型对居民出行调查数据进行分析。以南京市居民出行调查数据为样本实例,采用职业、年龄、受教育程度、出行目的等几种属性,以SPSS软件平台对各属性数据进行关联分析,确定影响居民出行方式选择的因素,得出改善居民出行方式构成的相应建议。     

基于BP神经网络的居民出行方式选择模型

以城市居民出行方式选择行为作为研究对象,分析了影响出行方式选择行为的主要因素,利用BP神经网络可以自动获取研究对象的输入、输出间关系和较强的学习训练特性,建立了基于BP神经网络的居民出行方式选择模型,并通过2009年济南市居民出行调查数据对模型进行了实例分析。结果表明：BP神经网络模型能够较好地描述居民出行交通方式选择行为。     

基于无线定位技术的交通信息获取方法研究

基于无线定位技术的交通信息获取方法是一种应用前景良好的交通信息获取方法。在考虑该方法所涉及各方面问题的基础上，给出了一种适合我国混合交通状况的应用无线定位技术获取交通信息的方法。首先阐述了应用无线定位技术获取交通信息的工作原理及系统框架，进而通过实测获取处于通话状态的移动台在越区切换过程中的切换点数据，并分析切换点的分布特征。在该特征的基础上，应用PARAMICS软件构建仿真环境，设计仿真方案，进行仿真试验，以评价该方法的有效性和实用性。仿真试验的结果表明，基于无线定位技术的交通信息获取方法能够获取相当精度的交通信息。     

基于手机应用软件测算OD数据的区域交通需求预测

随着QQ、微信、支付宝为代表的手机应用在线上和线下各领域的推广和普及,基于位置的服务数据在获取和分析人口出行信息等方面不断体现出很好的应用前景。为探究手机应用软件测算的OD交通量在预测区域交通需求中的可行性,基于腾讯提供的OD交通量数据,以京津冀城市群为例,对城市群日均交通出行量进行了测算和分析。测算方法以传统的交通分配四阶段法为基础,通过设定交通小区划分标准、选取小区质心点、建立路段阻抗计算模型及流量转换模型,在交通规划软件中实现了京津冀城市群主要公路网交通流量的分配。为验证流量分配结果,研究选取了8条代表线路的流量分配结果与2016年实测的交通调查数据进行了比较。结果表明:观测流量与分配流量的误差率在可接受范围内波动,且两者具有很好的线性相关性,可决系数为0.95,从而验证了利用手机多源位置数据进行交通需求预测的可行性。对此类数据在大区域交通规划、出行需求预测、多方式交通组合优化、运行分析方面提出了进一步的应用建议。     

保定市居民出行特征调查报告

居民出行特征调查是编制城市综合交通规划及各类相关规划的基础,为政府的交通政策制定提供依据.该文以大量、翔实的实地调查数据为基础,详细分析了保定市2008年的居民出行基本特征、出行方式特征及出行时间特征,为编制综合交通规划、制定交通政策做准备.     

杭州市居民出行特征分析及交通发展对策探讨

该文根据杭州市2005年居民出行调查的相关数据,结合杭州市城市交通现状,对杭州市居民出行次数、出行时段、出行方式等一系列的指标进行了分析研究,总结归纳杭州市居民出行特征的规律、变化特征及其原因,并在此基础上对杭州市的交通发展提出相关的建议。     

迁安市居民出行调查与交通特性分析

为指导中心城区交通规划的展开,迁安市展开中心城区范围内居民出行调查,对迁安市居民交通出行特征进行全面分析.通过居民出行调查数据分析,从性别、年龄、职业、交通工具拥有量、出行率、出行方式、出行分布等方面,梳理迁安市居民样本特征及出行特性,在相应的调查分析基础上,对迁安市交通特性的发展方向进行预测,为交通需求模型的搭建提供参数,为新城交通政策的制定提供依据,也为类似城市的发展提供借鉴.     

居民出行调查数据扩样及校核方法应用研究

居民出行调查是构建宏观交通模型和科学制定交通发展战略、方案的重要数据来源,调查过程中随机抽样的困难和沉默需求的增加使得对扩样方法要求越来越高.提出了扩样方法总体思路,分别从户扩样、户拥车调整、人扩样、人口调整和出行扩样等几个方面进行组合扩样.在户拥车和人口调整中分别采用了循环扩样方法,使不同指标误差均在合理范围内.在出行扩样中考虑了分目的沉默需求比例,并结合公交IC卡大数据,对公交出行量和OD分布进行校核.最后将方法应用于佛山顺德区的居民出行调查结果扩样,扩样结果验证了扩样方法的有效性.研究成果可为居民出行调查数据扩样及校核提供思路和方法,对利用居民出行调查数据研究城市总体出行特征具有重要意义.