基于GPS数据的出行方式识别方法研究

发布时间：2017-03-27 16:07

  本文关键词：基于GPS数据的出行方式识别方法研究，由笔耕文化传播整理发布。

【摘要】：随着社会主义现代化的不断深入,人们生活质量越来越高,机动车数量也随之增加,导致城市交通面临着日益增大的压力,从而引发一系列的交通拥堵、环境污染等问题。进行居民出行调查和出行行为分析,掌握居民出行规律和出行特征是缓解交通拥堵等问题的重要举措。居民出行调查中应用最广泛的是传统的居民出行OD调查,其核心思想是通过入户调查等方式获取居民出行信息。但这种调查方式受调查者影响较大,在实际调查时调查者受个人主观回忆的影响,容易出现漏报或错报出行的情况。因此居民出行OD调查存在调查效率较低、调查者负担较重、调查准确性较差等弊端。GPS设备作为一种新的调查工具,具有快速准确记录个人出行轨迹数据等特点,引起了学者们的广泛关注。而基于GPS的出行调查能够不受调查者主观认知影响而精确记录数据,不仅使调查数据的可靠性和完整性得到了显著的提高,同时还具有调查效率高、数据精度高、获取信息量大等优点,已成为获得居民出行行为信息新的有效途径。研究挖掘GPS调查数据,提取出行信息,进行出行方式识别是分析居民出行行为新的途径。本文基于GPS调查数据识别出行方式。提出一种由地铁识别和分层方式识别模型(Nested Logit,NL模型)组成的出行方式识别算法,该算法能够识别出五种出行方式:步行、自行车、地铁、公交车和小汽车(包括出租车和私人小汽车)。首先由于地铁出行线路具有显著确定性,考虑空间距离参数阈值识别地铁。同时为了比较地铁识别方法的准确性,建立基于MNL(Multi-nomial Logit)的地铁识别模型识别地铁和非地铁用于识别结果的对比分析。然后考虑各出行方式之间存在差异性,建立分层方式识别模型识别其他四种出行方式。与对应的纸质填报出行信息的对比误差结果表明考虑空间距离参数阈值识别地铁的准确率要高于基于MNL的地铁识别模型,是识别地铁的有效方法,NL模型也具有较高的识别准确率。验证了所设计的算法具有较高的识别精度。本文提出的基于GPS数据的出行方式识别算法是进行出行方式识别的有效方法,其研究结论可应用于基于GPS的出行方式识别和居民出行特征分析,有利于提高出行调查和数据处理的效率和精度。结论对于GPS在居民出行研究领域的推广,以及分析居民出行行为规律、诊断交通问题、缓解交通拥堵,促进城市交通系统的健康发展具有深远意义。
【关键词】：出行调查 GPS 出行方式 GIS Logit模型
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-18
• 1.1 论文研究背景10-11
• 1.2 论文研究目的及意义11
• 1.3 国内外研究现状11-14
• 1.3.1 国外研究现状11-13
• 1.3.2 国内研究现状13-14
• 1.3.3 研究综述14
• 1.4 研究内容与技术路线14-18
• 1.4.1 研究内容14-16
• 1.4.2 技术路线16-18
• 第2章 基于GPS的出行调查及数据处理18-30
• 2.1 基于GPS的出行调查18-20
• 2.1.1 居民出行调查方法18-19
• 2.1.2 GPS设备及数据收集流程19-20
• 2.2 GPS数据处理20-25
• 2.2.1 GPS数据格式21-23
• 2.2.2 数据格式调整23-24
• 2.2.3 数据过滤24-25
• 2.3 出行特征参数提取分析25-28
• 2.3.1 GPS数据点转化为出行段25-26
• 2.3.2 提取出行特征参数值26
• 2.3.3 参数结果筛选过滤26-28
• 2.4 本章小结28-30
• 第3章 出行方式识别30-52
• 3.1 各种出行方式的出行特征31-34
• 3.2 地铁识别34-43
• 3.2.1 考虑空间距离参数阈值识别地铁34-38
• 3.2.2 建立基于MNL的地铁识别模型识别地铁38-43
• 3.2.3 地铁识别结果分析43
• 3.3 建立分层方式识别模型识别出行方式43-49
• 3.3.1 Nested Logit模型基本理论43-44
• 3.3.2 选择肢确定44-45
• 3.3.3 特性变量选择45
• 3.3.4 模型标定45
• 3.3.5 模型检验45-46
• 3.3.6 Nested Logit模型建立46-49
• 3.4 出行方式识别结果分析49-50
• 3.5 本章小结50-52
• 第4章 实例分析52-62
• 4.1 GPS数据处理52-57
• 4.2 方式识别57-60
• 4.2.1 地铁57-59
• 4.2.2 其他方式59-60
• 4.3 本章小结60-62
• 第5章 论文总结与研究展望62-64
• 5.1 论文总结62-63
• 5.2 研究展望63-64
• 参考文献64-68
• 作者简介68-70
• 致谢70

【参考文献】

中国期刊全文数据库 前10条

1 聂进;吴京梅;吴玲涛;任立海;杨济匡;;基于行人和自行车交通安全的城市道路限速值研究[J];中国公路学报;2014年07期

2 吴瑶;陈红;鲍娜;冯微;;基于多项logit模型的城市公共自行车租借需求预测模型[J];大连交通大学学报;2013年01期

3 张德欣;刘小明;孙立光;刘杰;冉斌;;基于大规模定位数据的出行方式模糊判别研究[J];交通信息与安全;2011年02期

4 邓中伟;季民河;陈雯;施宝宏;徐超;张治华;张波;邬毅敏;;耦合被动式GPS与网络调查的居民出行调查[J];交通运输系统工程与信息;2010年02期

5 赵宝锋;;GPS坐标转换方法比较分析[J];测绘;2009年04期

6 唐勇;;GPS坐标向地方坐标转换的两种方法精度比较[J];山西建筑;2009年05期

7 黄树森;宋瑞;陶媛;;大城市居民出行方式选择行为及影响因素研究——以北京市为例[J];交通标准化;2008年09期

8 王静;叶冬青;;嵌套logit模型在Stata软件中的拟合[J];现代预防医学;2007年11期

9 宗芳;隽志才;;基于活动的出行方式选择模型与交通需求管理策略[J];吉林大学学报(工学版);2007年01期

10 金安;LOGIT模型参数估计方法研究[J];交通运输系统工程与信息;2004年01期

中国重要会议论文全文数据库 前1条

1 高海龙;刘兴旺;吴京梅;;基于多元因素的道路限速值设计方法研究[A];2008第四届中国智能交通年会论文集[C];2008年

中国博士学位论文全文数据库 前2条

1 张治华;基于GPS轨迹的出行信息提取研究[D];华东师范大学;2010年

2 毛海哠;中国城市居民出行特征研究[D];北京工业大学;2005年

中国硕士学位论文全文数据库 前8条

1 王潇;基于GPS数据的出行—活动识别方法研究[D];吉林大学;2015年

2 冯冲;基于移动定位数据的用户出行模式识别[D];昆明理工大学;2011年

3 张俊峰;基于GPS技术的出行OD调查研究[D];北京交通大学;2011年

4 李晓珍;基于IEEE1588的网络时间同步系统研究[D];中国科学院研究生院（国家授时中心）;2011年

5 张博;基于手机网络定位的OD调查的出行方式划分研究[D];北京交通大学;2010年

6 刘宝利;数据库信息管理系统的设计与实现[D];西安电子科技大学;2008年

7 龚勃文;交通方式划分的非集计模型及应用研究[D];吉林大学;2007年

8 王瑞;城市居民出行调查若干问题研究[D];长安大学;2006年

  本文关键词：基于GPS数据的出行方式识别方法研究，，由笔耕文化传播整理发布。

本文编号：270634