基于CDMA系统手机定位的居民出行OD调查技术

居民出行信息是进行城市路网规划、交通评估、交通管理与运营等相关工作的基础数据。传统的OD信息是通过调查的方式如路边询问调查、电话咨询或是发放调查问卷等形式获取。调查过程往往因被调查者隐瞒或遗忘等情形而造成所获取的出行数据基本不可信,失去可以利用的价值。CDMA系统手机定位获取交通信息技术因其可用性高、便捷、使用范围广等优势而越来越受到人们的青睐。介绍CDMA系统的手机定位技术,以及该项技术在居民出行信息采集中的应用,并在文章最后列出在实现过程中可能遇到的问题。     

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。     

居民出行调查中的抽样技术研究

居民出行调查的数据是城市交通规划的基础,它的准确度直接影响着规划的质量。恰当的调查方法和抽样率对保证数据精度和节省费用至关重要。目前,我国绝大多数城市在进行居民出行调查时,根据国外经验来确定抽样率,理论依据不充分,无法估计调查数据的精度和预测数据的准确性。运用抽样技术理论,首先对居民出行调查中用的抽样方法和抽样率的计算做理论上的阐述,然后对常用的抽样率计算公式进行推导,并讨论其他相关问题,最后给出计算实例。     

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。     

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。     

基于手机信令数据的区域通道出行特征研究

针对传统OD调查耗时长、费用高、精度低等问题,提出利用手机信令数据建立用户特征提取模型,从用户不同出行状态触发附近基站产生的时空轨迹数据,判定用户状态与时空特征。研究区域通道客流出行次数、方向不均匀性、出行方式等特征指标,并在重庆主城-合川-江津三个区域通道进行实例分析。应用结果表明,该方法基于重庆移动手机信令数据,可定量分析三个区域通道之间的出行特征;相较于传统OD调查,具有费用低和可行性高等优点,可以为未来区域铁路网与公路网的规划布局提供依据。     

基于公交IC卡刷卡记录的居民出行OD推算方法研究

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.      

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。     

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.     

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。     

不同规模城市居民出行方式影响因素分析

明确影响不同规模城市中居民出行方式选择的关键因素及其影响路径,有助于采取针对性策略调节城市居民出行结构,进而提高城市交通系统效率,缓解交通拥堵、空气污染等"城市病".现有研究较少关注中、小城市的居民出行方式选择,较缺少同省份居民出行方式选择的跨城市规模对比分析,不利于策略制定者运用出行方式关键影响因素调节居民出行行为....     

Trip characteristics impact on the frequency of harsh events recorded via smartphone sensors

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.     

基于神经网络的交通方式选择模型

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。     

长株潭城市群城际与城内客运出行特征

为研究城市群区域客运出行规律,对长株潭城市群客运交通出行进行了抽样调查。根据调查结果对城市群区域城内与城际出行者在社会经济特性、出行目的、出行方式选择以及出行时间分布等方面做了对比分析,并对其规律进行了总结,发现城内与城际出行除在方式选择考虑因素方面有共性外,其他方面个性特征明显,另外对城市群内出行特征及其发展趋势作了预估。     

数据分析在快速路规划中的应用-以淄博为例

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。     

驾驶过程中手机使用行为数据采集及分析

驾驶过程中使用手机的行为存在安全隐患,是当今导致交通安全事故的原因之一。文章借助于信息技术开发出采集使用手机行为数据的App,从真实数据出发,客观地分析驾驶员在开车过程中使用手机这一不良驾驶行为的覆盖程度及危险程度,并提出将手机使用行为作为驾驶风险评价因子。     

使用手机对低龄驾驶人可靠度影响的模拟驾驶实验分析

以驾驶模拟器为实验平台,分析使用手机对驾驶可靠度的影响.通过40名驾驶人参与模拟驾驶实验,统计比较不同通话方式下完成的不同驾驶任务,建立使用手机条件下的驾驶人可靠度模型.研究发现:频繁的多次通话后的可靠度将比长时通话的可靠度更低,频繁通话具有较高危险性;可靠度的极限值出现在驾驶人多重失误的情况下,使用手机同时完成双重任务的干扰性远比单一任务大.