基于兴趣点与导航数据的手机信令数据出行方式识别

发布时间：2021-07-08 08:44

　　手机信令数据具有样本量大、采集成本低、跟随性强等优势,基于手机信令数据的居民出行特征分析具有重要意义。文章针对手机信令数据,设计了一套用户出行特征分析的框架,包括数据清洗、轨迹点分析、出行链提取、兴趣点分析与出行方式识别;基于兴趣点、路网数据与导航数据将用户的出行方式划分为驾车、公交、步行与骑行四种模式。结果表明,结合兴趣点与导航数据后,用户出行方式的识别正确率得到明显提升,与仅使用导航数据的识别算法相比,所提出的结合兴趣点与导航数据的算法正确率提升超过10%,具有较高的识别准确率。 

【文章来源】：中山大学学报(自然科学版). 2020,59(03)北大核心CSCD

【文章页数】：10 页

【部分图文】：

基站与其覆盖范围内

手机信令数据具有样本量大、采集成本低、跟随性强等优势,基于手机信令数据的居民出行特征的有效获取将极大地提升交通信息获取效率,降低交通数据采集成本。本文针对手机信令数据,设计了一套用户出行特征提取方法,包括数据清洗、轨迹点分析、出行链提取、兴趣点分析与出行方式识别五个部分。基于兴趣点、路网数据与导航数据将用户的出行方式划分为驾车、公交、步行与骑行四种模式,并计算不同出行方式及路线的路径匹配度、时间匹配度以及二者的权重,综合判断用户的出行方式。并自主开发设计了基站采集App,同时记录手机信令数据与用户的实际出行,获取了193次有效出行的真实数据。利用本研究所提出的算法进行了出行方式的识别,得到四种出行方式的整体正确率为73.32%,相比于仅使用导航数据的方法,获得了超过10%的正确率提升。

【参考文献】：
期刊论文
[1]基于NB和DTW组合模型的稀疏浮动车数据填充[J]. 许伦辉,陈凯勋,郭雅婷.  中山大学学报(自然科学版). 2019(04)
[2]基于多类型浮动车数据的高速公路路段速度修正模型[J]. 孙威巍,何兆成,陈锐祥,叶伟佳.  中山大学学报(自然科学版). 2018(06)
[3]手机信令数据在城市道路交通量预测中的应用[J]. 周南,齐远,龙科军.  公路工程. 2018(05)
[4]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)
[5]手机信令数据分析在城镇体系规划中的应用实践——南昌大都市区的案例[J]. 姚凯,钮心毅.  上海城市规划. 2016(04)
[6]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)
[7]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)
[8]基于手机信令数据的上海市不同等级商业中心商圈的比较——以南京东路、五角场、鞍山路为例[J]. 王德,王灿,谢栋灿,钟炜菁,武敏,朱玮,周江评,李渊.  城市规划学刊. 2015(03)
[9]手机数据在交通调查和交通规划中的应用[J]. 冉斌.  城市交通. 2013(01)

博士论文
[1]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

硕士论文
[1]基于移动信令数据的用户出行行为研究[D]. 李耀辉.重庆邮电大学 2017
[2]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
[3]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：3271243