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。     

基于移动信令数据的城市交通出行结构探索及实证研究

移动网络有着海量的用户资源,基于移动用户信令数据统计分析运算,可以获取全面、准确的居民出行数据。本文基于广东省各地市中心城区移动用户信令数据,提出了一种判别城市交通出行方式的方法,利用移动终端PAAS大数据平台探索各地市中心城区移动用户的出行结构,为交通运输管理部门制定城市交通发展政策提供支撑。     

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。     

大数据驱动的公共交通系统出行方式选择特性研究

掌握出行者选择偏好对于提高公共交通系统吸引力和优化运营策略有重要作用,且数据检测技术的发展使得交通大数据的收集更加便捷.本文以北京市出行大数据为依托,通过分析与建模,挖掘人们在公共交通中的方式选择特性,并探讨如何为交通运营提供决策支持.首先,对原始数据进行预处理、数据清洗与数据集成,获得了模型所需的数据集.然后根据效用函数理论,建立了分层多项Logit模型,并对模型进行求解与验证.最后,基于模型结果得出不同出行群体VOT,进行部分变量的敏感性分析.得出中距离出行者票价敏感性最高,短途出行者速度敏感性最高,6:00-7:00的出行群体票价敏感性最高且速度敏感性最低等结论,可用于支持公共交通运营部门制定最佳运营策略.     

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。     

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.     

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...     

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.     

一种基于手机信令的通勤OD 训练方法

针对基站定位精度低、信令采样间隔长、轨迹不连续的手机信令,提出一种职 住及通勤OD(origin-destination)计算框架.对用户单日手机轨迹按时间排序,标识每个轨 迹点的进出时间及停留时间,剔除长距离漂移轨迹点,对邻近轨迹点进行空间聚合.将全 天划分为多个时窗,叠加用户多日轨迹,计算稳定指数并识别用户在各时窗内的多日稳 定点.综合工作日与节假日稳定点判断用户居住地、工作地.采用基于常住人口的扩样方 法,对街道通勤OD矩阵进行扩样.模型结果与重庆主城常住人口分布、2014 年居民出行 调查结果吻合.     

基于手机定位的实时交通数据采集技术

交通数据采集是建设智能交通系统的首要环节,如何通过较为经济的方式及时获得质量可靠的交通数据是当前国内外交通数据采集面临的重大问题。首先介绍了手机定位技术应用于交通数据采集的发展背景和需求,同时介绍了TDOA,A．GPS,CELL ID with TA,Handover等常用定位技术,并对其定位精度进行对比。分析了基于手机定位技术的交通数据采集技术的关键问题,总结了近年国外高校、交通研究机构的主要研究成果和项目经验,最后提出进一步需要解决的问题。     

�����ֻ���λ����������� ʵʱ��ͨ��������

提出利用“微观”交通信息— 道路上独立车辆的行驶状态来估计道路交通参 数,发展一类新的交通参数估计方法.文中通过移动通信网络获得的在路手机位置及运动速度作为检测信息,应用聚类分析佑计在路车辆运行状态,进而实现高速公路交通参数的实时佑计.本文提出的方法可以进行较大范围交通参数检测,且利用已有的通信网络,不需检测设备的大量投资.实验结果证明了方法的有效性.     

���й����ͨ��������ĸĽ�Logitģ�ͼ�������

充分考虑城市轨道交通网络中影响乘客路径选择的主要因素,包括乘车时间、换乘次数和换乘时间,通过对换乘时间进行惩罚,构造了包括换乘在内的城市轨道交通网络的路径广义费用模型,基于随机效用理论分析了乘客的路径选择行为.根据最短路径费用定义OD之间的有效路径集合,同时,使用路径相对费用代替路径绝对费用,对传统Logit模型进行改进,提出基于改进Logit模型的城市轨道交通网络客流分配方法.采用基于图的遍历算法确定OD间的有效路径.最后,以2008年北京市轨道交通网络为研究对象,对模型和算法进行了分析和验证.     

基于手机数据的城市交通大区OD分布估计 ——以旧金山市为例

在大数据时代,手机数据因普及率高、采集成本低等优点逐渐受到人们的重视.手机通信运营商在为手机用户提供通信服务的同时会记录每次服务的时空信息,因此利用手机数据可以挖掘出用户的位置信息,并应用于城市居民出行OD分布估计.提出以手机数据为基础对城市交通大区之间OD分布进行估计的方法.利用居民手机数据估计美国旧金山市各交通大区之间的出行分布,并结合居民出行调查数据对估计结果进行检验.结果显示基于手机数据的出行估计具有较高的可靠性.     

手机信令数据在交通枢纽客流监测中的应用 ——以重庆市为例

为及时、准确地掌握节假日期间综合客运枢纽的出行规律,针对客流数据采集的非实时性 问题,采用手机信令数据研究了交通枢纽客流监测方法。以重庆北客运枢纽为例,根据枢纽和基站的分布特性划分了监测范围,采用手机信令数据实现了在站客流、全日客流和集散时间的实时 监测,并分析了不同节假日期间交通枢纽的运行特征。最后,通过交通枢纽的历史客流数据对本文提出的监测指标进行了验证。结果显示,利用手机信令数据监测的交通枢纽客流量准确率达 90%以上,可用于综合客运枢纽的客流实时监测和预警。     

城市轨道交通新线开通对出行方式选择的影响研究

为研究城市轨道交通新线开通对出行方式选择的影响,开展了出行方式转换的SP(Stated Preference)调查,构建全目的和通勤出行方式选择的MNL模型(Multinomial Logit model)。定量分析了个体属性和交通方式属性对出行者交通方式选择的影响。研究表明：乘客感知的轨道交通全目的出行时耗负效用为相同时耗公交的91%,而通勤时耗负效用为全目的出行的1.89倍;轨道交通出行总时耗对分担率影响最显著,前者增减50%时,后者变动约10%;公交是轨道交通的主要竞争方式,当前者出行耗时提高50%时,后者分担率将增加6.8%;停车费小幅提高和出行时耗增加不能显著促使小汽车使用者转向轨道交通,交通需求管理是引导出行转移的重要途径。