手机信令数据背景下城市交通出行方式选择辨识方法研究

发布时间：2020-04-01 10:07

【摘要】：大数据和互联网的兴起带来了交通出行的巨大变革。智能手机普及和ICT技术的飞速发展为手机数据应用于交通出行行为调查提供了契机。手机信令数据因其大样本、全覆盖的特性,已成为研究城市居民交通出行行为的新数据源。针对手机信令数据进行出行信息提取、OD分析、通勤行为分析等方面取得了较多研究成果。但是针对手机信令数据进行进一步出行方式辨识的研究还较少。在此背景下,考虑实际中多源数据获取的难度,以能快速实施迁移为目标,本文提出了一套基于城市整体起讫点手机信令出行数据集的城市交通出行方式辨识方法,仅通过对信令数据的深入挖掘,辨识步行、自行车、公交车、小汽车和地铁5种城市常用出行方式。首先,在基于手机定位原理进行信令数据预处理分析后,归纳总结了出行基础理论,对手机信令数据进行了基本出行特征提取和统计;基于基站用户流动量的时空特征,给出了基站土地利用信息标定方法,通过聚类算法挖掘基站用户增量背后蕴含的土地利用信息,提取了具有明显时空客流分布的典型居住区、工作区、交通枢纽和混合区。其次,研究了基于先验知识的城市交通出行方式模糊辨识方法。基于传统交通研究范式,在分析常见出行方式特征取值的基础上,给出了各出行方式的优势出行距离、出行时长和出行平均速度特征的通用先验知识;通过模糊数学理论构建基本辨识模型,给出了一般性建模和求解方法;基于交通状态和基站土地利用信息标定结果修正了模糊辨识模型。第三,研究了基于信令数据出行方式特征挖掘的城市交通出行方式综合辨识方法。提取了出行距离、出行时长、出行平均速度等出行方式观测特征,根据聚类理论构建了基于信令数据的出行方式特征聚类模型,对聚类簇簇内特征、簇间特征进行了分析,辨识了典型出行方式;结合模糊辨识模型对出行方式语义效果不明确的聚类簇进行了辅助判别,综合给出基于信令数据特征挖掘的出行方式辨识模型与方法。最后,将全文研究过程提炼升华,提出了一种“大数据样本聚类分析—类内、类间特征剖析——局部模糊处理”的中宏观分析框架。本文基于工作日信令数据进行了全天有效出行的出行方式辨识。将辨识结果与实际出行统计结果进行对比,证明本文提出的方法能够比较准确区分慢行、公交车、小汽车和地铁,但对于步行和自行车的区分精度还有待于进一步提高。
【图文】：

系统总体结构,位置寄存器,通信网

基站控制器（ＢＳＳ）、移动业务交换中心（ＭＳＣ）、拜访位置寄存器（ＶＬＲ）、归属逡逑位置寄存器（ＨＬＲ）、设备识别寄存器（ＥＩＲ）、鉴权中心（ＡＵＣ）和操作维护中心逡逑（ＯＭＣ）。ＧＳＭ总体结构如图２－１所示。各子系统间相互连接并可以信令的方式逡逑交换信息。其中，信令是与通信相关的一系列控制信号，在通信网中的每一个节点逡逑都会被分析处理，是用户及通信网中各节点相互交换信息的共同语言。逡逑１１逡逑

流程图,信令,数据集,工作日

行提取、分析等处理之前设计相应的噪声数据过滤方法以及冗余数据、异常数据、逡逑缺失数据的剔除方法。逡逑结合信令数据常见噪声特点和数据集特性，设计数据预处理过程如图２－２所逡逑／ＪＮ邋0逡逑开始逡逑调取移动信令数据逡逑＾逦删除该条数据逡逑否逦删除该条数据逡逑保留该条数据逡逑图２－２数据预处理流程图逡逑Ｆｉｇ．２－２邋Ｄａｔａ邋ｐｒｅｐｒｏｃｅｓｓｉｎｇ邋ｆｌｏｗｃｈａｒｔ逡逑本文研究的广州市２０１５年１２月某工作日移动信令数据集，，原有３１，４３３，４１２逡逑条出行数据，删除出行ＯＤ基站相同的数据４０５，４１０条，删除出行ＯＤ出发点相同逡逑的数据１４，１４７，２００条，最终得到１６，８８０，８０２条有效数据。下文可基于对一次出行逡逑的定义，继续针对时间、距离设定筛选阈值。逡逑２．３本章小结逡逑本章对移动通信理论、手机定位技术以及手机信令数据常见噪声进行了简要逡逑介绍，给出了信令数据集预处理方法。在此基础上，对手机信令数据集进行了预处逡逑理，为后文研宄打下了数据基础。逡逑１４逡逑
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491

【参考文献】