基于手机传感器数据的个体交通出行链信息采集方法研究
发布时间：2021-03-26 15:52
随着我国城市规模的扩张以及城市功能的地理分工,居民出行模式在时间和空间上都变得更加复杂、多样,对城市交通管理和客流预测带来了巨大挑战。交通出行需求本质是满足人的日常活动需求。深入挖掘城市个体交通活动本源机理、揭示居民日常出行时空规律和活动特征,能够为构建优质、高效的城市交通管理系统提供重要支撑,意义深远。传统居民出行信息主要依靠入户问卷、电话访问等方式获取,长期以来,在数据采集质量和效率方面存在诸多缺陷,如主观回忆数据失真、调查组织复杂繁琐、数据更新困难等,越来越难以支撑现代化交通规划方案对精细居民出行数据的需求。随着大数据和互联网时代的到来,基于手机传感器数据的个体出行轨迹追踪与活动特征分析技术出现了良好发展契机。手机传感器调查技术借助手机GPS、加速度计、陀螺仪、WiFi等多种感知单元,能够实时获取更为丰富的时间、空间和出行状态信息来描绘个体出行过程,数据更加客观、精确,已成为当前交通信息采集领域的前沿热点。本文以手机传感器数据的采集、分析和挖掘技术研究为基础,探索基于手机传感器数据的个体交通出行链信息提取新方法。主要研究要点和成果如下:1)详细分析了智能手机传感器模块和数据采集功...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：141 页
【学位级别】：博士
【部分图文】：
出行轨迹时空特征表达示意图
关系的思考[27]。米兰，2006年麻省理工学院和米兰电信公司合作开展了实时米兰项目，该兰市民电话或短信数据，经过网络附加地理数据库来记录每测快速变化的城市动态，使城市能够高效运作。项目通过手机基站通信数据的聚类融合，以热成像地图的形同时段不同地区的居民活动强度，反映了城市内外流量的变工作日与节假日的居民活动。该项目不仅能够使城市规划者域的“特征”信息（例如用地性质），帮助其更好了解城市进而实时监测城市的使用趋势，便于在某些紧急情况采取救援、示了米兰市区在某天上午 9 点至下午 1 点之间不同区域的手域分别表示手机通话的高密度和低密度区域。可以看出，从区居住地向市区工作地转移[28]，手机通话密度变化反映了米
第 22 页 西南交通大学博士研究生学位论文通过融合手机信令、公交车、出租车等多种实时数据来可视化了解罗马市民日常生活基于居民的聚集移动性分析，通过在移动性信息上加载地理和社会经济因素，揭示了市固定性和流动性元素间的关系。用户可根据实时罗马项目的可视化结果来掌握城市境的变化并做出相应的出行决策。此外，实时罗马地图也适用于长期性描述罗马城市态，能够较好反应人口与城市间的相互作用[29]。1）热点事件期间罗马市民活动状态分析通过展示罗马热点事件期间记录的手机用户移动信息，实现了罗马特定领域内不时间点的手机数据 3D 可视化效果，掌握了热点事件期间居民在城市内的移动和分布况。图 2-2 为 2006 年 7 月意大利和法国进行世界杯决赛时罗马市民手机活动特征。2-3 为 2006 年 6 月麦当娜在罗马举办音乐会时罗马居民手机活动强度分布特征。
【参考文献】：
期刊论文
[1]LBSN上基于兴趣圈中社会关系挖掘的推荐算法[J]. 李鑫,刘贵全,李琳,吴宗大,丁君美. 计算机研究与发展. 2017(02)
[2]中国交通工程学术研究综述·2016[J]. 马建,孙守增,芮海田,马勇,王磊,刘辉,张伟伟,陈红燕,陈磊. 中国公路学报. 2016(06)
[3]大数据背景下重庆市综合交通模型维护升级[J]. 吴祥国,余清星,韦翀. 城市交通. 2016(02)
[4]基于手机传感器数据的出行特征提取方法[J]. 杨飞,姚振兴. 城市交通. 2016(01)
[5]大数据环境下上海市综合交通特征分析[J]. 陈欢,薛美根. 城市交通. 2016(01)
[6]Identification of activity stop locations in GPS trajectories by density-based clustering method combined with support vector machines[J]. Lei Gong,Hitomi Sato,Toshiyuki Yamamoto,Tomio Miwa,Takayuki Morikawa. Journal of Modern Transportation. 2015(03)
[7]大数据视野下的重庆主城区职住关系剖析[J]. 冷炳荣,余颖,黄大全,易峥. 规划师. 2015(05)
[8]基于地理位置的社交网络信息应用方法研究[J]. 陈彦敏. 电子技术与软件工程. 2015(07)
[9]手机数据与规划智慧化——以无锡市基于手机数据的出行调查为例[J]. 任颐,毛荣昌. 国际城市规划. 2014(06)
[10]基于地理位置的社交网络信息数据类别分析[J]. 陈彦敏. 数字技术与应用. 2014(11)
博士论文
[1]基于多源轨迹数据挖掘的居民通勤行为与城市职住空间特征研究[D]. 毛峰.华东师范大学 2015
[2]基于移动通信定位数据的交通信息提取及分析方法研究[D]. 赖见辉.北京工业大学 2014
[3]基于位置社交网络的数据挖掘[D]. 连德富.中国科学技术大学 2014
硕士论文
[1]基于手机GPS数据的出行端点识别方法研究[D]. 戴露.西南交通大学 2017
[2]不同交通状态下基于手机GPS轨迹的出行信息采集效果评估研究[D]. 赵瑜.西南交通大学 2016
[3]手机GPS定位频率对交通出行信息提取精度的影响研究[D]. 曾大堃.西南交通大学 2016
[4]基于签到数据的用户行为轨迹相似度分析[D]. 周永.西华大学 2016
[5]基于手机定位数据的交通OD分布研究[D]. 宋璐.东南大学 2015
本文编号：3101846
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：141 页
【学位级别】：博士
【部分图文】：
出行轨迹时空特征表达示意图
关系的思考[27]。米兰，2006年麻省理工学院和米兰电信公司合作开展了实时米兰项目，该兰市民电话或短信数据，经过网络附加地理数据库来记录每测快速变化的城市动态，使城市能够高效运作。项目通过手机基站通信数据的聚类融合，以热成像地图的形同时段不同地区的居民活动强度，反映了城市内外流量的变工作日与节假日的居民活动。该项目不仅能够使城市规划者域的“特征”信息（例如用地性质），帮助其更好了解城市进而实时监测城市的使用趋势，便于在某些紧急情况采取救援、示了米兰市区在某天上午 9 点至下午 1 点之间不同区域的手域分别表示手机通话的高密度和低密度区域。可以看出，从区居住地向市区工作地转移[28]，手机通话密度变化反映了米
第 22 页 西南交通大学博士研究生学位论文通过融合手机信令、公交车、出租车等多种实时数据来可视化了解罗马市民日常生活基于居民的聚集移动性分析，通过在移动性信息上加载地理和社会经济因素，揭示了市固定性和流动性元素间的关系。用户可根据实时罗马项目的可视化结果来掌握城市境的变化并做出相应的出行决策。此外，实时罗马地图也适用于长期性描述罗马城市态，能够较好反应人口与城市间的相互作用[29]。1）热点事件期间罗马市民活动状态分析通过展示罗马热点事件期间记录的手机用户移动信息，实现了罗马特定领域内不时间点的手机数据 3D 可视化效果，掌握了热点事件期间居民在城市内的移动和分布况。图 2-2 为 2006 年 7 月意大利和法国进行世界杯决赛时罗马市民手机活动特征。2-3 为 2006 年 6 月麦当娜在罗马举办音乐会时罗马居民手机活动强度分布特征。
【参考文献】：
期刊论文
[1]LBSN上基于兴趣圈中社会关系挖掘的推荐算法[J]. 李鑫,刘贵全,李琳,吴宗大,丁君美. 计算机研究与发展. 2017(02)
[2]中国交通工程学术研究综述·2016[J]. 马建,孙守增,芮海田,马勇,王磊,刘辉,张伟伟,陈红燕,陈磊. 中国公路学报. 2016(06)
[3]大数据背景下重庆市综合交通模型维护升级[J]. 吴祥国,余清星,韦翀. 城市交通. 2016(02)
[4]基于手机传感器数据的出行特征提取方法[J]. 杨飞,姚振兴. 城市交通. 2016(01)
[5]大数据环境下上海市综合交通特征分析[J]. 陈欢,薛美根. 城市交通. 2016(01)
[6]Identification of activity stop locations in GPS trajectories by density-based clustering method combined with support vector machines[J]. Lei Gong,Hitomi Sato,Toshiyuki Yamamoto,Tomio Miwa,Takayuki Morikawa. Journal of Modern Transportation. 2015(03)
[7]大数据视野下的重庆主城区职住关系剖析[J]. 冷炳荣,余颖,黄大全,易峥. 规划师. 2015(05)
[8]基于地理位置的社交网络信息应用方法研究[J]. 陈彦敏. 电子技术与软件工程. 2015(07)
[9]手机数据与规划智慧化——以无锡市基于手机数据的出行调查为例[J]. 任颐,毛荣昌. 国际城市规划. 2014(06)
[10]基于地理位置的社交网络信息数据类别分析[J]. 陈彦敏. 数字技术与应用. 2014(11)
博士论文
[1]基于多源轨迹数据挖掘的居民通勤行为与城市职住空间特征研究[D]. 毛峰.华东师范大学 2015
[2]基于移动通信定位数据的交通信息提取及分析方法研究[D]. 赖见辉.北京工业大学 2014
[3]基于位置社交网络的数据挖掘[D]. 连德富.中国科学技术大学 2014
硕士论文
[1]基于手机GPS数据的出行端点识别方法研究[D]. 戴露.西南交通大学 2017
[2]不同交通状态下基于手机GPS轨迹的出行信息采集效果评估研究[D]. 赵瑜.西南交通大学 2016
[3]手机GPS定位频率对交通出行信息提取精度的影响研究[D]. 曾大堃.西南交通大学 2016
[4]基于签到数据的用户行为轨迹相似度分析[D]. 周永.西华大学 2016
[5]基于手机定位数据的交通OD分布研究[D]. 宋璐.东南大学 2015
本文编号：3101846
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3101846.html
