基于手机信令数据的在线交通仿真交通方式划分方法研究
发布时间：2021-04-06 14:34
时变OD的获取一直是我国在线交通仿真技术发展的瓶颈所在。目前采用宏观模型、实时交通生成模型以及固定检测器获取OD的方法都不是解决时变OD的优选方案。近几年,随着交通信息采集技术的不断发展,通过手机信令数据提取出行OD的技术已较为成熟,其具有的近乎全样本、时空特性好、可实时采集等特点,可考虑作为在线交通仿真很好的输入数据,但前提是要解决手机信令数据在交通方式划分上的问题。为解决手机信令数据所提取OD无法划分交通方式的问题,本文融合手机信令数据和网络爬取数据,对手机用户的出行属性、个人属性等特征进行提取,作为模型输入数据。基于机器学习模型良好的预测、泛化能力,采用居民调查数据为样本构建交通方式划分模型,并对模型进行多指标评价。文章主要工作内容如下:首先,基于手机通信原理讨论了手机信令数据的适用性,并对比传统交通方式划分模型分析了机器学习方法的优越性,从而论证了基于手机信令数据和机器学习方法进行交通方式划分的初步可行性及关键点。其次,在特征选取上,对已有特征数据进行重要性分析、对模型应用特征数据进行易获取性分析,以保留重要易获取特征、替换重要难获取特征为原则,保证重要性特征值的存在;在数据处...
【文章来源】：深圳大学广东省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
技术路线图
基于手机信令数据的在线交通仿真交通方式划分方法研究10第2章理论基础及方法研究2.1手机信令数据概述2.1.1手机信令数据采集原理及内容手机信令来源于移动通信系统（MobileCommunicationsSystem），是手机用户与发射基站之间产生信息交换而形成的一系列控制指令[28]。移动通信系统主要由NSS系统、MS系统、BSS系统这三个实体系统及负责对这些实体系统进行管理控制的OSS系统四部分组成。其中，MS系统指含有SIM卡能与运营商发生信号连接的移动设备；BSS系统是无线通信地面基础设备的总称，其核心是基站控制器，是基站接发信息台和移动交换中心之间信息交换的接口；NSS系统主要负责通信交换和数据管理移动，移动交换中心是其核心构成；OSS系统则主要负责以上设备的日常管理与维护。通过移动通信系统可以得到的信令数据主要分为基站控制器端口数据和移动交换中心端口数据两类，一般，由基站控制器端口采集到的数据由于数据量过于巨大、难以保存，在使用后基本直接进行抛弃，而由移动交换中心端口采集得到的数据，较基站控制器端口数据更易于传输与储存。且从数据丰富性和频率性来看，既可以满足长期规律性信息分析，也可形成单日出行链提取，十分适合于交通出行特征等方面的分析[29]，以下为手机信令采集原理图。图2-1手机信令数据采集系统构成及原理图当移动设备端执行接收/呼叫、收/发讯息、上网、切换基站、更新位置等操作时，
数据信息内容主要分为以下三大类：包括性别、年龄、职业、收入、学历等个人属性；家庭成员数、交通工具拥有情况等家庭属性及出行时间、目的、起讫点、交通方式等出行属性。并根据研究需要，选取中长距离（2 公里及以上）的出行数据，将特性一致的交通方式归于一类，即公共交通出行（公共巴士、轨道交通、快速公交）（以下简称为方式一）、小汽车出行（私家车及单位配车、出租车、单位业务车、网络约车、单位班车或小区巴士、校车）（以下简称为方式二）和以电动自行车、摩托车为主的出行（步行、电动自行车、自行车、摩托车、摩的）（以下简称为方式三）三类。从构成上看，此三种方式分别占 26.6%、42%、31.4%，其中又分别以公共巴士、小汽车以及电动自行车为主，分别占各类方式的 72.6%、88.9%及 64.8%。
【参考文献】：
期刊论文
[1]基于进退法的神经网络隐含层节点数的确定方法[J]. 孙弋清. 现代商贸工业. 2018(35)
[2]运营商大数据用户画像实践[J]. 王晓霞,刘静沙,许丹丹. 电信科学. 2018(05)
[3]机器学习在运营商用户流失预警中的运用[J]. 赵慧,刘颖慧,崔羽飞,张第. 信息通信技术. 2018(01)
[4]用户画像在互联网金融中的应用[J]. 沈金波. 现代商业. 2017(33)
[5]三层BP神经网络隐层节点数确定方法探究[J]. 蔡荣辉,崔雨轩,薛培静. 电脑与信息技术. 2017(05)
[6]基于手机信令和导航数据的出行方式识别方法[J]. 杜亚朋,雒江涛,程克非,唐刚,徐正,罗克韧,余疆. 计算机应用研究. 2018(08)
[7]蓬勃发展的中国大数据产业[J]. 信息化建设. 2017(04)
[8]基于DAG-SVM的居民出行方式选择模型[J]. 曹雄赳,贾洪飞,伍速锋,张洋,康浩. 交通信息与安全. 2016(05)
[9]基于大数据技术的手机用户画像与征信研究[J]. 丁伟,王题,刘新海,韩涵. 邮电设计技术. 2016(03)
[10]基于手机信令数据的交通OD提取方法改进[J]. 胡永恺,宋璐,张健,冉斌. 交通信息与安全. 2015(05)
硕士论文
[1]基于手机信令数据的区域住房价格与居民出行特性相关性研究[D]. 廖锟.西南交通大学 2018
[2]大城市中等收入群体出行选择行为影响因素研究[D]. 田涛.东南大学 2016
[3]手机数据用于居民出行分布的可行性研究[D]. 钱乾.昆明理工大学 2016
[4]城市交通在线仿真关键技术研究及应用[D]. 吴斗.电子科技大学 2016
[5]基于手机信令数据的动态OD分析与交通速度估算[D]. 刘锴.北京交通大学 2016
[6]基于手机信令技术的区域交通出行特征研究[D]. 毛晓汶.重庆交通大学 2014
[7]子空间聚类集成的关键技术研究[D]. 刘波.西南交通大学 2014
[8]基于手机定位信息和出行调查的动态OD获取方法[D]. 吴亦政.北京交通大学 2014
[9]基于效用理论的城市居民出行方式选择分析[D]. 郑常龙.北京工业大学 2013
[10]基于数据挖掘的动态公交客流OD获取方法研究[D]. 章玉.北京交通大学 2010
本文编号：3121611
【文章来源】：深圳大学广东省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
技术路线图
基于手机信令数据的在线交通仿真交通方式划分方法研究10第2章理论基础及方法研究2.1手机信令数据概述2.1.1手机信令数据采集原理及内容手机信令来源于移动通信系统（MobileCommunicationsSystem），是手机用户与发射基站之间产生信息交换而形成的一系列控制指令[28]。移动通信系统主要由NSS系统、MS系统、BSS系统这三个实体系统及负责对这些实体系统进行管理控制的OSS系统四部分组成。其中，MS系统指含有SIM卡能与运营商发生信号连接的移动设备；BSS系统是无线通信地面基础设备的总称，其核心是基站控制器，是基站接发信息台和移动交换中心之间信息交换的接口；NSS系统主要负责通信交换和数据管理移动，移动交换中心是其核心构成；OSS系统则主要负责以上设备的日常管理与维护。通过移动通信系统可以得到的信令数据主要分为基站控制器端口数据和移动交换中心端口数据两类，一般，由基站控制器端口采集到的数据由于数据量过于巨大、难以保存，在使用后基本直接进行抛弃，而由移动交换中心端口采集得到的数据，较基站控制器端口数据更易于传输与储存。且从数据丰富性和频率性来看，既可以满足长期规律性信息分析，也可形成单日出行链提取，十分适合于交通出行特征等方面的分析[29]，以下为手机信令采集原理图。图2-1手机信令数据采集系统构成及原理图当移动设备端执行接收/呼叫、收/发讯息、上网、切换基站、更新位置等操作时，
数据信息内容主要分为以下三大类：包括性别、年龄、职业、收入、学历等个人属性；家庭成员数、交通工具拥有情况等家庭属性及出行时间、目的、起讫点、交通方式等出行属性。并根据研究需要，选取中长距离（2 公里及以上）的出行数据，将特性一致的交通方式归于一类，即公共交通出行（公共巴士、轨道交通、快速公交）（以下简称为方式一）、小汽车出行（私家车及单位配车、出租车、单位业务车、网络约车、单位班车或小区巴士、校车）（以下简称为方式二）和以电动自行车、摩托车为主的出行（步行、电动自行车、自行车、摩托车、摩的）（以下简称为方式三）三类。从构成上看，此三种方式分别占 26.6%、42%、31.4%，其中又分别以公共巴士、小汽车以及电动自行车为主，分别占各类方式的 72.6%、88.9%及 64.8%。
【参考文献】：
期刊论文
[1]基于进退法的神经网络隐含层节点数的确定方法[J]. 孙弋清. 现代商贸工业. 2018(35)
[2]运营商大数据用户画像实践[J]. 王晓霞,刘静沙,许丹丹. 电信科学. 2018(05)
[3]机器学习在运营商用户流失预警中的运用[J]. 赵慧,刘颖慧,崔羽飞,张第. 信息通信技术. 2018(01)
[4]用户画像在互联网金融中的应用[J]. 沈金波. 现代商业. 2017(33)
[5]三层BP神经网络隐层节点数确定方法探究[J]. 蔡荣辉,崔雨轩,薛培静. 电脑与信息技术. 2017(05)
[6]基于手机信令和导航数据的出行方式识别方法[J]. 杜亚朋,雒江涛,程克非,唐刚,徐正,罗克韧,余疆. 计算机应用研究. 2018(08)
[7]蓬勃发展的中国大数据产业[J]. 信息化建设. 2017(04)
[8]基于DAG-SVM的居民出行方式选择模型[J]. 曹雄赳,贾洪飞,伍速锋,张洋,康浩. 交通信息与安全. 2016(05)
[9]基于大数据技术的手机用户画像与征信研究[J]. 丁伟,王题,刘新海,韩涵. 邮电设计技术. 2016(03)
[10]基于手机信令数据的交通OD提取方法改进[J]. 胡永恺,宋璐,张健,冉斌. 交通信息与安全. 2015(05)
硕士论文
[1]基于手机信令数据的区域住房价格与居民出行特性相关性研究[D]. 廖锟.西南交通大学 2018
[2]大城市中等收入群体出行选择行为影响因素研究[D]. 田涛.东南大学 2016
[3]手机数据用于居民出行分布的可行性研究[D]. 钱乾.昆明理工大学 2016
[4]城市交通在线仿真关键技术研究及应用[D]. 吴斗.电子科技大学 2016
[5]基于手机信令数据的动态OD分析与交通速度估算[D]. 刘锴.北京交通大学 2016
[6]基于手机信令技术的区域交通出行特征研究[D]. 毛晓汶.重庆交通大学 2014
[7]子空间聚类集成的关键技术研究[D]. 刘波.西南交通大学 2014
[8]基于手机定位信息和出行调查的动态OD获取方法[D]. 吴亦政.北京交通大学 2014
[9]基于效用理论的城市居民出行方式选择分析[D]. 郑常龙.北京工业大学 2013
[10]基于数据挖掘的动态公交客流OD获取方法研究[D]. 章玉.北京交通大学 2010
本文编号：3121611
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3121611.html
