基于手机信令数据的居住地人口分布辨识改进方法

针对传统的基于手机信令数据的居住地人口分布分析方法的不足,通过建立一种基于手机信令数据和问卷调查数据的多源数据融合手段,利用有监督机器学习方法,实现对居住地人口分布现状的分析.首先通过问卷调查数据获取志愿者的实际居住地位置及其所使用的通信运营商相关信息,并进行样本筛选.其次,在通信运营商内部机房建立志愿者用户实际居住地...     

基于手机信令数据的城市区域居民出行OD预测模型

为揭示城市区域居民出行规律和OD产生原理,基于手机信令数据探索城市区域居民出行目的地选择机制,考虑人口数量和POI数量两类数据建立一个地点机会选择(POS)模型。利用联通智慧足迹平台获取得到哈尔滨市居民手机信令出行数据,从交通小区和交通中区两个尺度,对哈尔滨市市二环、三环、四环不同范围展开实例研究。结果表明：地点机会选择模型预测结果在吸引能力和出行距离分布中基本符合实际数据规律,从交通小区和中区两个尺度上看,该模型预测精度分别能够达到67%～72%、75%～83%,较机会优先选择模型预测精度分别提高了13%～18%、9%～20%,较辐射模型预测精度分别提高了57%～60%、55%～60%。本文所提出模型的优越性在于模型简单且无待定参数,输入数据较容易获取,具有较高的预测精度,能够为城市交通规划提供理论参考。     

基于手机信令数据的出行特性分析

随着信息技术的不断发展,越来越多政府开始采用多种信息资源结合的方法来全面了解本地的交通特性。近年来,随着移动终端的普及,手机的拥有率和使用率大幅提升,手机定位技术的不断进步,使人们意识到手机终端就是一个非常好的交通探测器。通过调查手机使用情况获得的交通出行数据更加全面、实时性好,而且调查成本低,采集数据方便快捷,为传统交通调查提供了一种较好的技术选择。本文利用这一新的调查技术,结合通信运营商的手机信令,以成都为例,通过模型算法计算,对成都市交通出行特征进行了初步研究分析。     

基于手机信令数据的城市通勤出行特征研究

通勤交通出行特征是研究城市交通规划的重要数据基础,如何有效提取通勤出行特征成为研究城市居民通勤出行的关键。文章通过分析手机信令数据特性和通勤出行特征,利用手机信令数据挖掘的相关技术,建立通勤出行特征提取模型并进行实例研究,与传统的居民出行调查分析进行对比,验证利用手机信令数据进行通勤出行特征研究的可行性。     

基于手机信令数据的高速公路服务区客流特征研究

为了提高我国高速公路服务区的服务水平和质量,建立了服务区客流特征研究体系。首先对手机信令数据进行数据提取、处理及分析,然后从用户职住分布、用户行为轨迹、用户行为特征3个角度对服务区客流特征进行可视化研究和科学分析,并以运营商提供的京沪高速公路马驹桥服务区连续8周的手机信令数据作为该研究体系的实验案例。案例分析结果表明,该服务区服务设施现状水平不能充分满足用户多样化的需求,应针对用户需要合理增设及配置服务设施,提升服务区服务水平;也证明了服务区客流特征研究体系可以有效挖掘服务区现存问题,明确服务区发展方向,能为制定更为完善的服务区改善措施提供决策依据。     

基于手机信令数据的郊区公路交通状态分析

由于技术手段存在的一些不足,目前对郊区公路交通现状的掌握也一直存在局限,影响管理与服务水平的进一步提高.从郊区公路路网模型构建、数据提取与预处理、停留点识别、出行轨迹识别、流量与速度获取、营运或非营运交通识别等环节,提出基于手机信令数据进行郊区公路交通状态分析的全流程技术路线,采用DBSCAN聚类算法、地图A PI工具等技术手段加以实现.对北京市怀柔区郊区公路进行实例分析,得到研究区域内各等级道路的全天候流量、不均衡系数、速度变化等特征,并根据相关规范进行公路服务水平评价,为我国郊区公路的交通状态研究补充数据资料.     

基于手机信令数据的人员出行特征跟踪调查

利用海量的手机信令数据开展人员出行特征调查是大数据技术在交通领域的一项重要应用。通过对长时间的手机信令数据进行跟踪,研究手机用户活动轨迹的识别方法,分析手机用户有规律的空间分布和出行特征,以上海临空经济园区和徐家汇地区为例,介绍在特定区域内基于手机信令数据调查人员出行特征的技术方法和主要成果。     

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...     

基于手机信令数据的旅游交通出行网络特性

为了合理开展面向区域城市群的旅游交通协同规划,以江浙沪皖地区的18个主要旅游城市为例,基于入境旅游者的手机信令数据构建了城市间的旅游出行网络,并运用节点结构指标和网络结构指标对其进行评价,定量分析了入境旅游客流在城市间的空间分布特征。研究结果表明：上海、杭州和南京等城市在区域旅游交通规划中起着重要的引领作用;连云港、徐州和盐城等城市需加强与核心城市之间构建高效的出行路径;城际间便捷的综合交通出行网络对于提升区域旅游的整体竞争力发挥着重要作用。     

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.      

基于手机信令数据的上海市域职住空间分析

居民居住地与工作地的空间关系是城市空间布局的重要依据.基于手机信令数据,提出分区域的居民通勤距离和就业岗位通勤距离计算方法.通过对比验证了手机信令数据与居民出行调查数据的职住空间和距离分布特征较为吻合.重点分析上海市中心城区及周边地区的职住空间关系及通勤距离.提出职住通道平衡概念,并分析职住通道不平衡地区与轨道交通拥挤程度的关系,指出土地利用布局优化对职住通道平衡的重要性.通过分析不同新城的职住空间特征,探讨新城范围划定对统计分析的影响,总结了新城职住空间较为独立、居民内部就业率较高的特征.     

基于手机信令数据的通勤与交通运行关系模型

通勤是导致城市早晚高峰交通拥堵的主要原因.为探究通勤与交通运行的关系及其机理,分析了北京市通勤、非通勤出行距离、出行结构等基本特征,识别了通勤出行与路网速度分时间段的特征关系,基于此构建了通勤出行对交通运行贡献度六段模型,并通过逐段拟合标定模型参数.由模型分析可知:路网速度与通勤出行高度线性相关,且在早高峰形成及晚高峰消散阶段随通勤出行变化最为显著;晚高峰阶段路网速度是通勤、非通勤出行的混合熵函数;晚高峰较早高峰更拥堵、周五晚高峰拥堵水平加剧,均是由于晚高峰较早高峰、周五晚高峰较其他工作日晚高峰出行混合熵增加,进而导致整个交通系统熵增所致.因此,除了错峰通勤等措施外,减少非通勤弹性出行也是缓解早晚高峰拥堵的重要手段.     

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。     

面向城市交通规划的多源手机信令数据相关性研究

随着智能手机的普及，基于手机信令数据获取城市交通出行和人口活动信息成为了一种常用手段.但在实际应用中，绝大部分的信令数据分析都是基于单个运营商的数据.由于无法确定不同运营商数据之间是否存在显著差异，也就无法保证基于单个运营商数据的计算结果能够满足城市交通分析的精度要求.针对这一问题，本文使用某城市 2个运营商 5个工作日的信令数据，分别计算了交通规划中常用的人口分布和交通出行信息.计算结果发现，在使用算法一致的前提下，2个运营商的人口和交通出行结果十分相似，特别是居民移动人口分布和出行 OD矩阵基本没有差距，相关系数在 0.9以上，且当时间和空间尺度发生变化时仍然保持较高的相似性.但是，从城市停留人口分布的计算结果来看，由于 2个运营商设置的位置更新周期的差异，导致计算的停留人口分布相关系数较低，在0.7左右.     

融合手机信令数据的轨道交通出行分担率模型研究

交通行为模型广泛应用于城市出行需求分析等领域.传统行为模型的参数设置通常依赖经验判断,模型预测精度缺乏大样本验证手段.本文以重庆市解放碑-观音桥组团通道出行行为为研究对象,融合手机信令数据、AFC数据和问卷调查数据,构建随机参数分别为正态分布、均匀分布和γ分布的混合Logit模型,将手机信令数据与AFC数据分析结果作为...     

基于手机信令定位数据的居民出行时空 分布特征提取方法

为了得到可靠的居民出行时空分布特征,并为城市交通规划提供准确的出行现状数据,基 于手机信令定位数据设计了提取居民出行时空分布特征的方法。通过对重复冗余的手机数据进行 处理、运用地理信息系统将手机数据映射至所研究的交通区域、划分交通小区、定义出行识别、 建立OD矩阵及绘制出行期望线等出行数据挖掘,得到了居民的出行时空分布特征。为了验证设 计方法的可行性,以北京市的手机信令定位数据为例,提取出北京市居民的出行时空分布特征, 并将所得的结果与北京市第4 次综合交通调查的数据进行对比得出：两者的出行时间分布特征平 均偏差为0.78%,早晚高峰进出城方向比例的偏差为0.1,全市的出行发生量与吸引量的平均偏差 均小于3%。     

面向城市交通规划的多源手机 信令数据相关性研究

随着智能手机的普及,基于手机信令数据获取城市交通出行和人口活动信息成为了一种常用手段.但在实际应用中,绝大部分的信令数据分析都是基于单个运营商的数据.由于无法确定不同运营商数据之间是否存在显著差异,也就无法保证基于单个运营商数据的计算结果能够满足城市交通分析的精度要求.针对这一问题,本文使用某城市 2个运营商 5个工作日的信令数据,分别计算了交通规划中常用的人口分布和交通出行信息.计算结果发现,在使用算法一致的前提下,2个运营商的人口和交通出行结果十分相似,特别是居民移动人口分布和出行 OD矩阵基本没有差距,相关系数在 0.9以上,且当时间和空间尺度发生变化时仍然保持较高的相似性.但是,从城市停留人口分布的计算结果来看,由于 2个运营商设置的位置更新周期的差异,导致计算的停留人口分布相关系数较低,在0.7左右.     

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。     

基于手机信令数据的高速公路客流特征分析——以广深高速为例

手机信号会定时与周围手机基站进行连接,通过对手机时空信号的分析,可有效的掌握交通出行的整个过程.以手机信令数据为基础,分析客流出行特征,通过挖掘客流的出发起终点、工作地及居住地等信息,可掌握高速公路客流的交通特性,为高速公路改扩建工程方案设计提供定量支撑.本文选取广深高速公路上的特征断面,通过分析客流手机信令数据,得出...     

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。