基于智能手机调查数据的居民出行行为分析
发布时间：2021-11-25 09:52
随着我国经济的快速增长以及城市规模的不断扩大,人民生活水平逐渐提高。城市机动车的数量也在逐年增加。这样的快速增长在给人们的工作生活带来便捷的同时,也给城市交通带来了诸多难题。居民出行调查是城市交通规划调查的重要组成部分,同时也是获取居民的活动-出行行为规律的重要手段。以往的居民出行调查多采用纸质调查的方式,调查结果受志愿者对调查问题主观认知的影响较大,数据精度较低。此外,由于调查项目较多,受访者需耗费大量时间和精力填写调查报告,致使拒访率较高,回答准确度下降。随着定位技术的快速发展,基于智能手机的GPS数据调查方法为分析居民出行行为提供了新的数据获取手段和数据处理途径。论文内容主要包括以下三个部分:（1）介绍以智能手机和GPS网络为基础的居民出行调查方法。（2）基于GPS数据的出行方式识别。通过R语言编程对已收集到的上百万条居民出行GPS数据进行处理,并提取出行时间、出行距离、速度相关特征和加速度相关特征等作为推断出行方式的特征指标;然后,使用BP神经网络算法对步行、自行车、小汽车等6种出行方式进行识别,得到90.2%的整体识别精度和85.3%的平均识别精度;最后,用识别精度进行算法比...
【文章来源】：兰州交通大学甘肃省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
图２．１手机定位软件用户界面??
基于智能手机调查数据的居民出行行为分析???等，通过培训，使志愿者明白出行的定义，并会对各种出行方式和出行目的进行正??断。??数据采集??本节主要对ＧＰＳ轨迹数据的采集流程进行介绍，并对采集到的志愿者的个人、家??社会信息进行简单的数据描述性分析。??．?１出行数据采集流程??基于智能手机的出行调查，其目的在于获得精度较高的轨迹数据。本次ＧＰＳ数据??是通过智能手机以及庞大的手机网络进行的，其具体的数据采集流程如图２．２所示。??
??８０％，图２．３为志愿者具体的社会经济属性分布情况。从图２．３?（ａ）中可以看出２１－３０、??３１－４０岁之间人数最多，为主要的的调查群体，志愿者人数分别超过总志愿者人数的５０％??和３５％，而其他年龄段的人数均占比较少，这足以说明在年龄代表性方面样本存在一定??的缺陷；就学历而言，志愿者的学历主要以大专、本科及本科以上为主，该部分志愿者??人数达到总数的８０％以上，相对而言，高中及其以下的样本数量较少；职业分布方面，??志愿者所从事的职业包括政府工作人员、生产企业人员、商业和服务业人员、个体、学??生、离退休人员以及其他职业，就调查情况而言，从事前三种职业以及其他职业的志愿??者人数最多，为主要群体；最后，对收入情况也进行了统计，收入在５００１至１００００元??区间的人数最多，占总人数的３５％，其次为３００１至５０００元区间的人数，比例超过总人??数的３０％
【参考文献】：
期刊论文
[1]基于决策树的出租车乘客出行目的识别[J]. 潘秀琴,孙东银. 中央民族大学学报(自然科学版). 2016(04)
[2]基于贝叶斯网络的城市居民出行方式研究[J]. 申健,王建锋. 计算技术与自动化. 2015(03)
[3]基于GPS定位数据的出行端点推断[J]. 肖光年,隽志才,高晶鑫. 吉林大学学报(工学版). 2016(03)
[4]基于加速度传感器的放置方式和位置无关运动识别[J]. 侯仓健,陈岭,吕明琪,陈根才. 计算机科学. 2014(10)
[5]基于大规模定位数据的出行方式模糊判别研究[J]. 张德欣,刘小明,孙立光,刘杰,冉斌. 交通信息与安全. 2011(02)
[6]基于活动分析法的人类空间行为研究[J]. 柴彦威,沈洁. 地理科学. 2008(05)
[7]城市交通规划中居民出行调查常见问题及对策[J]. 张卫华,陆化普. 城市规划学刊. 2005(05)
博士论文
[1]基于GPS轨迹的出行信息提取研究[D]. 张治华.华东师范大学 2010
硕士论文
[1]基于GPS数据的出行目的识别[D]. 齐厚成.吉林大学 2018
[2]基于智能手机的城市居民出行方式研究[D]. 卢军莉.兰州交通大学 2018
[3]基于GPS轨迹数据的交通出行方式识别研究[D]. 沈云.北京交通大学 2017
[4]基于GPS数据的出行方式识别方法研究[D]. 白玉.吉林大学 2016
[5]移动网络环境下城市居民出行方式判别方法研究[D]. 王瑾.中国海洋大学 2014
[6]基于AGPS手机的交通方式识别研究[D]. 闫彭.北京交通大学 2012
[7]基于移动定位数据的用户出行模式识别[D]. 冯冲.昆明理工大学 2011
[8]基于GPS技术的出行OD调查研究[D]. 张俊峰.北京交通大学 2011
[9]基于手机网络定位的OD调查的出行方式划分研究[D]. 张博.北京交通大学 2010
本文编号：3517897
【文章来源】：兰州交通大学甘肃省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
图２．１手机定位软件用户界面??
基于智能手机调查数据的居民出行行为分析???等，通过培训，使志愿者明白出行的定义，并会对各种出行方式和出行目的进行正??断。??数据采集??本节主要对ＧＰＳ轨迹数据的采集流程进行介绍，并对采集到的志愿者的个人、家??社会信息进行简单的数据描述性分析。??．?１出行数据采集流程??基于智能手机的出行调查，其目的在于获得精度较高的轨迹数据。本次ＧＰＳ数据??是通过智能手机以及庞大的手机网络进行的，其具体的数据采集流程如图２．２所示。??
??８０％，图２．３为志愿者具体的社会经济属性分布情况。从图２．３?（ａ）中可以看出２１－３０、??３１－４０岁之间人数最多，为主要的的调查群体，志愿者人数分别超过总志愿者人数的５０％??和３５％，而其他年龄段的人数均占比较少，这足以说明在年龄代表性方面样本存在一定??的缺陷；就学历而言，志愿者的学历主要以大专、本科及本科以上为主，该部分志愿者??人数达到总数的８０％以上，相对而言，高中及其以下的样本数量较少；职业分布方面，??志愿者所从事的职业包括政府工作人员、生产企业人员、商业和服务业人员、个体、学??生、离退休人员以及其他职业，就调查情况而言，从事前三种职业以及其他职业的志愿??者人数最多，为主要群体；最后，对收入情况也进行了统计，收入在５００１至１００００元??区间的人数最多，占总人数的３５％，其次为３００１至５０００元区间的人数，比例超过总人??数的３０％
【参考文献】：
期刊论文
[1]基于决策树的出租车乘客出行目的识别[J]. 潘秀琴,孙东银. 中央民族大学学报(自然科学版). 2016(04)
[2]基于贝叶斯网络的城市居民出行方式研究[J]. 申健,王建锋. 计算技术与自动化. 2015(03)
[3]基于GPS定位数据的出行端点推断[J]. 肖光年,隽志才,高晶鑫. 吉林大学学报(工学版). 2016(03)
[4]基于加速度传感器的放置方式和位置无关运动识别[J]. 侯仓健,陈岭,吕明琪,陈根才. 计算机科学. 2014(10)
[5]基于大规模定位数据的出行方式模糊判别研究[J]. 张德欣,刘小明,孙立光,刘杰,冉斌. 交通信息与安全. 2011(02)
[6]基于活动分析法的人类空间行为研究[J]. 柴彦威,沈洁. 地理科学. 2008(05)
[7]城市交通规划中居民出行调查常见问题及对策[J]. 张卫华,陆化普. 城市规划学刊. 2005(05)
博士论文
[1]基于GPS轨迹的出行信息提取研究[D]. 张治华.华东师范大学 2010
硕士论文
[1]基于GPS数据的出行目的识别[D]. 齐厚成.吉林大学 2018
[2]基于智能手机的城市居民出行方式研究[D]. 卢军莉.兰州交通大学 2018
[3]基于GPS轨迹数据的交通出行方式识别研究[D]. 沈云.北京交通大学 2017
[4]基于GPS数据的出行方式识别方法研究[D]. 白玉.吉林大学 2016
[5]移动网络环境下城市居民出行方式判别方法研究[D]. 王瑾.中国海洋大学 2014
[6]基于AGPS手机的交通方式识别研究[D]. 闫彭.北京交通大学 2012
[7]基于移动定位数据的用户出行模式识别[D]. 冯冲.昆明理工大学 2011
[8]基于GPS技术的出行OD调查研究[D]. 张俊峰.北京交通大学 2011
[9]基于手机网络定位的OD调查的出行方式划分研究[D]. 张博.北京交通大学 2010
本文编号：3517897
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3517897.html
