共查询到19条相似文献,搜索用时 437 毫秒
1.
2.
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. 相似文献
3.
《交通信息与安全》2015,(6)
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。 相似文献
4.
5.
6.
7.
8.
居民出行OD调查需要耗费巨大的资金和人力,并且常常由于调查的组织不力或者调查人员的不负责而导致调查数据不可信.公交IC卡数据可以准确显示每位持卡人的出行信息,通过对数据进行分析可以获得居民出行OD信息.根据公交IC卡数据的特征,针对不同类型的数据,提出了相应的数据预处理方法,利用处理后的数据使用VBA结合ADO技术推算公交出行的OD矩阵.利用此方法对昆明市公交出行OD进行推算,获得数据精确度较高,可以作为传统的大规模人工OD调查的替代方法.结合推算过程遇到的问题,为公交IC卡数据记录方式提出4条改善建议以使数据能够更准确、更简便地应用于OD推算. 相似文献
9.
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。 相似文献
10.
《交通信息与安全》2015,(6)
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。 相似文献
11.
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. 相似文献
12.
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。 相似文献
13.
14.
《国际交通安全学会研究报告》2021,45(4):574-583
The Internet of Things (IoT) constantly offers new opportunities and features to monitor and analyze driver behavior through wide use of smartphones, effective data collection and Big Data analysis, resulting in assessment and improvement of driver behavior and safety. The objective of the present study is to investigate the impact of detailed trip characteristics on the frequency of harsh acceleration and harsh braking events through an innovative smartphone application developed within the framework of BeSmart project. A 200-driver naturalistic experiment spanning 12 months is carried out since July 2019. During the first two months, participants were asked to drive in the way they usually did, without receiving any feedback on their driving behavior from the application. Over the subsequent two months, participants were provided with personalized feedback, a trip list and a scorecard regarding their driving behavior, allowing them to identify their critical deficits or unsafe behaviors. Some of the most important risk factors, such as speed and driving above the speed limit, usage of mobile phone while driving and harsh events (acceleration and braking) are recorded through the application and subsequently analyzed. Generalized Linear Mixed-Effects Models were fitted to the trips of car drivers who made frequent trips for both experiment phases in order to model the frequencies of harsh events. Results indicate that maximum speed, the percentage of speeding duration and total trip duration are positively correlated with both harsh acceleration and harsh braking frequencies. On the other hand, the exposure metric of total trip distance was found to be negatively correlated with both harsh event types. A small positive correlation of the percentage of mobile use duration with harsh accelerations was also detected. 相似文献
15.
基于神经网络的交通方式选择模型 总被引:4,自引:1,他引:4
已有的交通拥挤问题研究大多关注于城市交通的宏观层面,而对于微观层面的居民出行个体研究甚少,这主要是因为与出行个体相关的特征指标难以量化,只能做定性分析,引入神经网络模型即能够识别线性指标又能够识别非线性指标的特性。分析了影响居民出行方式选择的相关因素,这些因素包括出行者自身特性、出行者的出行特性、运输系统特性、出行区域特性和目的地区域特性5类,并建立了神经网络居民出行方式选择预测模型。通过实际调查数据的验证,表明本文模型具有很好的实用性,为城市居民出行方式的选择预测提供了新的思路。 相似文献
16.
17.
大数据技术提供了一种观察系统整体规律的重要手段,其渗透力是广泛的,基于大数据的规划方法正将交通规划行业引入新的范式。本文基于手机信令数据和导航地图数据,分析城市交通可达性特征、产生吸引特征、通勤特征、通道特征等,并以淄博市快速路系统规划为例,验证了数据分析方法的有效性。 相似文献
18.