基于票务数据的团体旅客出行目的推断

为推进城际交通大数据的应用,需要补全出行目的信息,将团体旅客出行目的决策与文本主题生成类比,开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型,以及团体旅客重建和语义化特征设计方法,并通过吉布斯采样估计参数. 基于调查数据的模型对比研究发现,模型对一般私务辨识性能提升7.7%;基于票务数据的案例研究发现,模型对出发时间预测精度达到90.9%,间接验证了模型的可靠性.主题标注表明,模型不仅推断出4种与典型模式相符的出行目的,还辨识出既有认识外的非常规模式.对道路客运分析表明,出行目的构成呈现地区差异,高铁开通对不同出行目的出行量的负向影响程度不一.     

基于出租车运营数据和POI数据的出行目的识别

为了有效获取出租车乘客出行目的,提出了一种基于出租车运营数据和POI(Point of Interest)数据的出行目的识别方法.构建了基于乘客出行特征和下车所属POI点类别的乘客出行目的识别模型,该方法从出行特征及乘客下车点最终可能到达的目的地所属POI点类型两个方面确定乘客的出行目的.为了验证所提方法的有效性及实用性,对成都地区展开了出租车出行调查,并利用调查数据对模型进行了精度验证.结果发现,相比于现有的利用出行特征推断出行目的的方法,本文提出的决策树+POI(II)能够提高最终识别准确度15.76%.最后,将所提方法应用于成都 1周的实际运营数据中,成功地识别出219 942名乘客的出行目的,说明该方法能够应用于实际数据量较大的出行目的识别.本文提出的方法,可以作为出行调查的辅助手段.     

基于面板数据的宁杭城际出行方式选择行为研究

随着中国城市群的快速发展,城际交通出行环境发生了巨大的变化,因此城际出行者也会不断地重建自己的出行习惯,这就要求建立动态模型研究城际出行者出行行为和预测城际交通需求.本文调查出行者在宁杭城际高铁开通前后两个时期的出行信息,并且引入状态依赖变量表征出行者之前选择结果对之后出行选择的影响,建立了基于面板数据的城际出行方式选择动态模型.模型结果表明,基于面板数据的动态模型比传统的基于出行者单次出行数据的模型拥有更高精度.同时本文根据宁杭城际出行背景设置三组政策变化方案预测出行分担率,结果表明,当选择环境发生变化时,传统模型会高估出行方式分担率的变化程度.以上结论能更好地服务于中国城际交通的规划.     

基于居民出行数据的上学接送行为建模研究

传统交通模型构建过程中,忽略了上学出行伴随的家长接送行为,可能导致需求分析结果的失真。基于居民出行调查数据,采用二项logistic回归分析方法,建立上学接送行为的概率模型。模型可以基于不同的家庭及个人属性,获得相应的上学接送概率,并定量描述各因素的作用关系,可用于对交通模型的修正及上学接送行为特征的分析。     

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。     

国内不同类型城市居民出行特征分析

通过收集大量国内城市的居民出行特征调查数据,对数据进行归纳整理,从出行次数、出行目的、出行方式结构、出行耗时等4个方面进行分析.通过对城市进行分类,找出不同类型城市的居民出行特征,分析产生这些特征的原因.对居民出行次数,按照人口规模分类,建立了不同人口规模城市的居民人均出行次数模型,通过建摸的方式找出不同人口规模城市的居民出行次数规律.     

基于宜兴市居民出行特征的客运交通发展对策研究

居民出行调查是城市交通规划、建设和管理的基本依据．本文根据宜兴市2002年居民出行调查的有关数据,对人均出行次数、平均出行时耗、出行方式构成、出行目的和出行时间分布等进行了分析,并在此基础上,结合宜兴市交通现状及城市总体规划,从优先发展公共交通、重视自行车交通、控制摩托丰发展、加强交通管制、强化市场机制、加强企业管理和政府扶持相结合以及颁布公交行业服务标准等方面,提出了宜兴市客运交通发展的几点对策．     

基于多源数据的南昌市岗位类型与出行特征研究

就业岗位是交通需求建模的基础数据,包括不同类型岗位的空间分布及其出行特征.将手机信令大数据与"三调"用地数据、交通模型、"七普"数据、年鉴数据等进行融合分析,实现信令大数据中职住数据、出行数据的精细化扩样及其与地块性质的关联,并进一步对各类就业岗位的出行特征进行研究,包括岗位密度、交通吸引率、通勤距离、通勤速度、交通强...     

基于出行时间预算负效用的出行行为建模

为研究出行者出行行为,引入出行时间预算负效用的概念.分析通勤者出行机理为先确定出发时刻,在给定出发时刻下计算备选路径的出行时间预算负效用,选择效用最大的路径出行,利用此次出行信息来调整下次出行的出发时刻,经过多次出行达到稳定状态.建立了双层规划模型描述不确定环境下出发时刻和路径选择的出行行为.用改进的相继平均法（MSA）求解下层路径选择模型,用遗传算法来解整个双层规划.用一个实例对模型和算法进行了验证.     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加,高速公路缓行和交通拥堵等问题时有发生,特别是在重大节假日期间.目前,解决上述交通问题的主要方法是交通需求管理措施,而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析,掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据,借助 K-means++聚类方法识别使用高速公路日常通勤的车辆,进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度,挖掘城市通勤快速出行廊道分布,研究高速公路网与城市道路网络的关系,对提高交通系统效率和缓解交通问题具有重要的意义.     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加，高速公路缓行和交通拥堵等问题时有发生，特别是在重大节假日期间.目前，解决上述交通问题的主要方法是交通需求管理措施，而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析，掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据，借助 K-means++聚类方法识别使用高速公路日常通勤的车辆，进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度，挖掘城市通勤快速出行廊道分布，研究高速公路网与城市道路网络的关系，对提高交通系统效率和缓解交通问题具有重要的意义.     

基于人口迁徙大数据的城市对外交通客运方式优势出行距离研究

为提高我国城市对外交通中客运多方式协同运行效率,优化客运资源配置,依托人口迁徙大数据,建立量化分析城市对外交通客运方式优势出行距离的方法. 提出用绝对优势出行距离和相对优势出行距离来表征优势出行距离,分别构建城市对外客运方式的绝对优势出行距离模型和相对优势出行距离模型;利用人口迁徙大数据,绘制基于出行距离的客运方式分担率曲线,对优势出行距离模型进行求解. 结果表明,我国城市对外交通中公路、铁路、航空客运方式的绝对优势出行距离分别为[8, 119] km、[119, 1 594] km和[1 594, 3 000] km,相对优势距离分别为[8, 463] km、[318, 983] km和[2 477, 3 000] km.     

基于少数据云推理的短时交通流预测模型

针对短时交通流所存在的不确定性即模糊性与随机性特点和准周期规律,提出基于灰色关联分析和少数据云推理的短时交通流预测模型.首先,针对短时交通流的准周期规律,运用灰色关联分析提取不同日期相同时段历史序列中最相似序列;其次,提出少数据逆向云算法,建立交通流序列一维云推理机制;最后综合利用历史云及当前云生成预测云,用于短时交通流实时预测.实例分析表明,预测精度良好,能够有效实现短时交通流的实时预测.该模型解决了少数据条件下正向云参数确定问题,降低了数据处理工作量,开拓了云模型在短时交通流中的应用.     

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...     

基于贝叶斯网络推理的道路网络级联失效仿真

针对道路网络级联失效与其它复杂网络相比具有的特殊性,基于贝叶斯网络推理,融合驾驶者出行先验及出行信息,研究了道路网络级联失效的演变机理及演变过程.编制MATLAB程序生成基于道路网络的贝叶斯网络结构,根据贝叶斯网络参数学习 MATLAB程序,学习了驾驶者感知路段属性变化;给出了仿真算法,仿真了贝叶斯网络推理中不同出行先验权重,以及出行信息量对道路网络属性及级联失效的影响.结果表明,贝叶斯网络推理可以较好地反映驾驶者出行路段选择对道路网络级联失效的定量影响,为研究道路网络级联失效提供了新的研究思路和方法.     

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.     

基于公交IC 卡数据的上车站点推算研究

为了分析城市公交乘客的出行特征,本文利用公交IC 卡及GPS数据对公交IC 卡乘客上车站点推算进行研究.针对安装车载GPS设备的车辆,运用GPS数据与IC 卡数据融合算法进行推算;对于无车载GPS设备的情况,为适应一票制IC 卡数据挖掘,对贝叶斯决策树算法进行改进,允许节点跳跃,推算上车站点,并且利用Markov 链特性降低算法的运算复杂度.同时,本文以北京公交数据为例,对提出的两种方法进行验证.结果表明,利用本文提出的方法推算上车站点,3 站之内误差的准确率达到90%以上,算法在兼顾算法精度的同时合理地控制了运算复杂度,可以实际运用于城市公交系统.