CN102097004A

CN102097004A - 一种基于手机定位数据的出行od矩阵获取方法

Info

Publication number: CN102097004A
Application number: CN 201110033833
Authority: CN
Inventors: 刘杰; 陈明威; 裘炜毅; 邱志军; 冉斌
Original assignee: Shanghai Meihui Software Co Ltd
Current assignee: Shanghai Meihui Software Co Ltd
Priority date: 2011-01-31
Filing date: 2011-01-31
Publication date: 2011-06-15
Anticipated expiration: 2031-01-31
Also published as: CN102097004B

Abstract

本发明提供了一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：步骤为：首先确定某一路网区域的交通小区划分方案，然后获取上述路网区域中指定路网范围的所有出行群体在某一时间范围内的所有手机定位数据，再对每个出行者的每个位置点进行位移状态判断。根据上述判断，获得每个出行者在某一时间范围内产生的每次出行的起点和终点，并将其映射到相应的交通小区上，对识别出的所有出行行为进行分组统计，形成原始的出行OD矩阵数据。本发明的优点是：充分依托现有的移动通信网络资源，利用已有手机通信网络中的定位信息，即能低成本、高频度、自动化迅速地获取大范围城市路网范围内的出行OD矩阵数据。

Description

一种基于手机定位数据的出行OD矩阵获取方法

技术领域

本发明涉及一种基于手机定位数据的出行OD矩阵估计方法，用于高频度、自动化地获取出行OD矩阵数据，可为交通规划、交通需求管理政策评估与制定以及交通管理工作服务，属于交通规划与交通需求管理的技术领域。

背景技术

出于交通规划的需要，根据行政区划、地理水文特征、社会经济性质等因素，将整个城市路网区域划分为若干个子区域，每个子区域称为一个交通小区。城市居民的出行就发生在不同的交通小区之间。统计在任意两个交通小区之间发生的出行次数，构成一个数值矩阵，称为居民出行OD矩阵。居民出行OD矩阵反映的是最基本的交通需求信息，是对支持交通规划工作实施定量分析的重要数据资源，也是挖掘常态交通拥堵原因以便于有针对性地进行整治的数据依据。

传统的居民出行调查方法耗费成本高、涉及人员多、组织难度大、实施周期长。一般只有较大规模的城市才有实力实施全市范围内大规模居民出行调查，且每隔数年才开展一次。因此，只能获取一定时段内的静态的交通需求信息，而无法获取逐月、逐日乃至单日内随时间的变化的动态交通需求特征。

近年来，随着我国经济的快速发展，城市基础设施建设蓬勃开展，土地利用性质变化很快。随着各种先进的交通运输工具以及各种信息化的交通管理手段的应用，交通基础设施与交通运行模式都在迅速地发生变化。在这种情况下，通过传统居民出行调查来获取出行OD矩阵数据的方法，无论在经济性上，还是在成果准确性、时效性上，都无法满足新时代交通规划和管理的需要。因此，产生了对能够高频度、低成本、自动化获取出行OD矩阵数据的新技术的迫切需求。

随着移动运营商的无线通信网络日益完善、无线通信网络信令采集和监控平台、安全加密机制等技术的发展，使得在合理保护隐私的前提下，从手机与通信网络的交互行为中获取手机位置数据成为可能。同时，随着手机终端大范围普及，出行者群体的手机拥有率和使用率达到了相当高的比例，无线通信网络中蕴含的海量的手机定位数据为出行OD矩阵数据的自动化获取提供了良好的数据源，并且在成本和数据覆盖等方面的具有独特优势。

发明内容

本发明的目的是提供一种面向给定交通小区划分方案的、低成本、高频度的出行OD矩阵数据的获取方法。

为了达到上述目的，本发明的技术方案是提供了一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：步骤为：

步骤1、确定某一路网区域的交通小区划分方案；

步骤2、获取上述路网区域中指定路网范围的所有出行群体在某一时间范围内的所有手机定位数据，每个手机定位数据包含有产生该手机定位数据时，手持移动终端的出行者所处的位置点信息；

步骤3、对每个出行者的每个位置点进行位移状态判断，判断当前位置点是处于位移状态，还是停留状态；

步骤4、将属于同一出行者的一系列位置点中相邻的处于停留状态的位置点作为一个集合，经过有效性筛选之后，若得到N个集合，则该出行者在某一时间范围内产生N-1次出行，将相邻的两个集合的中心位置点分别定义为该N-1次出行中某次出行的起点和终点，从而得到N-1次出行的所有起点和终点；

步骤5、根据步骤4获得每个出行者在某一时间范围内产生的每次出行的起点和终点；

步骤6、根据交通小区划分方案，将步骤5中得到的每个出行者每一次出行的起点与终点映射到相应的交通小区上，对识别出的所有出行行为进行分组统计，得到所有“出行——到达”交通小区组合对应的出行次数，这些数据汇总在一起，形成原始的出行OD矩阵数据。

步骤7、根据手机用户群体占据城市出行者群体的比例，对原始的出行OD矩阵进行扩样处理，得到最终的出行OD矩阵。

本发明的优点是：充分依托现有的移动通信网络资源，利用已有手机通信网络中的定位信息，即能低成本、高频度、自动化获取大范围城市路网范围内的出行OD矩阵数据。

附图说明

图1为本发明提出的基于手机定位数据的出行OD矩阵获取方法的流程图；

图2为判断位置点状态流程图；

图3为将出行的出发点和到达点映射到交通小区的示意图。

具体实施方式

以下结合实施例来具体说明本发明。

实施例

如图1所示，本发明提供了一种基于手机定位数据的出行OD矩阵获取方法，本实施例中涉及到的各个阈值参数的取值如表1所示。

阈值符号	取值	量纲
			Tmin	10	秒
Tmax	15	分钟
			Vmin	1	公里/小时
Lmax	1000	米
			Tstill-min	15	分钟

表1

本发明提供的方法的具体步骤为：

步骤1、确定交通小区划分方案，交通小区划分方案是根据行政区划、地理水文属性、土地利用性质以及道路分布情况对整个路网区域实施的一种面域分割方案，可从相关交通规划相关的政府管理部门直接获取；

步骤2、手机定位数据的预处理；获取指定路网范围的所有出行群体对应的一整天的手机定位数据，将手机定位数据按照出行者ID进行分组，每个出行者对应一组定位数据，再对每个出行者的定位数据按照时间戳属性进行排序；选取一天作为最小的时间范围，是因为一天是绝大部分出行行为的自然时间边界，可以保证路网区域上发生的绝大部分出行行为都是完整的；例如：经过排序之后的编号为2的出行者在2008年10月15日全天的定位数据，如表2所示；

表2

步骤2.1、将手机定位数据中的经过加密之后的手机序号作为满足唯一性的出行者ID，将一天的手机定位数据按照出行者ID进行分组；

步骤2.2、将属于同一个出行者ID的手机定位数据按照数据中包含的时间戳进行排序；

步骤3、对每个出行者的每个位置点进行位移状态判断，第一个和最后一个位置点直接判断为停留状态，对每一个中间的位置点，根据该位置点与前后相邻的两个位置点之间的空间距离差和时间差，判断当前位置点是处于位移状态，还是停留状态；

步骤3.1、将出行者的位置点序列中的第一个和最后一个点直接判断为停留（STAY）状态；

步骤3.2、如果出行者的位置点序列中存在相邻的两个点的时间差小于给定的阈值Tmin，则删除后一个位置点，在本实施例中，阈值Tmin设置为10秒；

步骤3.3、针对每一个中间位置点，计算该位置点与前一个位置点的时间差DT1和点间位移速度V1，计算该位置点与后一个位置点的时间差DT2和点间位移速度V2；例如：编号为2的出行者在2008年10月15日的各位置点的计算结果参见表2中的“DT1、DT2、V1、V2”各列数据；

步骤3.4、参照图2所示的逻辑判断流程，如果DT1小于给定的阈值Tmax，且V1大于给定的阈值Vmin，同时，DT2也小于Tmax，且V2也大于Vmin，就将该位置点判断为位移（MOVE）状态，反之，判断为停留（STAY）状态；在本实施例中，Tmax设置为15分钟，Vmin设置为1公里/小时；例如：编号为2的出行者在2008年10月15日各位置点的位移状态判断结果如表2中的“位移状态”一列数据所示；

步骤4、根据出行者的一系列位置点的位移（MOVE）或停留（STAY）状态，识别出其中最可能属于某次出行的出发地点和到达地点的位置点集合，称为有效停留位置，根据出发与到达位置识别出出行者发生的若干次出行；

步骤4.1、将相邻的属于停留状态的位置点作为一个集合，计算该点集的位置浮动范围L和持续时间Tstill，其中，L定义为点集中任两点之间距离的最大值，量纲为米，Tstill定义点集中第一个点与最后一个点的时间差，量纲为分钟；例如：编号为2的出行者在2008年10月15日的计算结果如表3中的“L、Tstill”各列数据所示；

Figure 2011100338334100002DEST_PATH_IMAGE002

表3

步骤4.2、第一个和最后一个停留位置点集合，作为特例直接被判断为有效的停留位置，对于中间的其他位置点集合，如果其位置浮动范围L小于给定的阈值Lmax，且持续时间Tstill大于给定的阈值Tstill-min，就将其判断为有效的停留位置，反之，将其中所有位置点修改为位移状态，在本实施例中，阈值Lmax设置为1000米，阈值Tstill-min设置为15分钟；例如：编号为2的出行者在2008年10月15日的停留位置有效性判断结果如表3中的“是否有效”列数据所示；

步骤4.3、将每一个有效的停留位置判定为前一次出行的到达地点和后一次出行的出发地点，将相邻的两个有效的停留位置的组合识别为一次有效的出行行为；例如：编号为2的出行者在2008年10月15日的有效停留位置的判断结果如表3所示，在其一天的出行轨迹中包含了5个有效停留位置，任意相邻两个位置进行组合，共识别出4次出行，对于任意相邻的两次出行，前者的到达位置与后者的出发位置是重合的，出行识别结果如表4所示；

用户编号	出行序号	出发位置序号	达到位置序号	出发时刻	到达时刻
						2	1	1	2	7:25	8:01
2	2	2	3	13:24	13:42
						2	3	3	4	15:30	15:55
2	4	4	5	17:35	18:02

表4

步骤4.4、每次出行的出发和到达位置都对应一个位置点集合，计算这些位置点集合的中心点坐标，作为该次出行的出发点和到达点；例如：编号为2的出行者在2008年10月15日的停留位置中心点坐标的计算结果如表3中的“中心点位置”列数据所示；

步骤5、根据交通小区划分方案，将步骤5中得到的每一次出行的出发与到达点位置，映射到相应的交通小区上，当点落在两个小区边界上时，以两个小区的面积为权重，按照随机概率分配映射的交通小区；例如：如图3所示，某次出行从A点到B点，通过地理位置匹配，A点落在交通小区i内部，B点落在交通小区j内部，就将这次出行归属为从交通小区i到交通小区j的一次出行；如果B点落在了交通小区j和k的边界上，同时小区j的面积是小区k的2倍，则通过随机决策，使本次出行有2/3的概率归属为从交通小区i到交通小区j的一次出行，有1/3的概率归属为从交通小区i到交通小区k的一次出行；

步骤6、根据步骤5得出的每次出行的出发交通小区和到达交通小区属性，对识别出的所有出行行为进行分组统计，得到所有“出行——到达”交通小区组合对应的出行次数，这些数据汇总在一起，形成原始的出行OD矩阵数据；例如：整个路网区域内包含N个交通小区，则出行OD矩阵是一个N*N的矩阵；

步骤7、根据手机用户群体占据城市出行者群体的比例，设置合理的扩样系数Alpha，Alpha表示出行者群体总人数与手机用户群体总人数之比，例如：如果使用中国移动的手机数据进行出行OD矩阵获取，而中国移动的手机用户数量占据出行者总数的60%，则Alpha可设置为1.67（=1/0.6）；将步骤6中得到的N*N的矩阵中的每一个数值都乘以扩样系数Alpha，得到最终的出行OD矩阵；经过扩样处理之后，出行OD矩阵中，第i行、第j列位置上的数值表示从交通小区i出发、去往交通小区j的出行次数，第j行、第i列位置上的数值表示从交通小区j出发、去往交通小区i的出行次数，第i行、第i列位置上的数值表示在交通小区i内部发生的出行的次数。

Claims

1.一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：步骤为：

步骤1、确定某一路网区域的交通小区划分方案；

步骤6、根据交通小区划分方案，将步骤5中得到的每个出行者每一次出行的起点与终点映射到相应的交通小区上，对识别出的所有出行行为进行分组统计，得到所有“出行——到达”交通小区组合对应的出行次数，这些数据汇总在一起，形成原始的出行OD矩阵数据；

2.如权利要求1所述的一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：步骤2所述的某一时间范围至少为1天。

3.如权利要求1所述的一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：在步骤2中获得所有手机定位数据后，还对数据进行预处理，其步骤为：

步骤2.1、将手机定位数据中的经过加密之后的手机序号作为满足唯一性的出行者ID，将某一时间范围内的手机定位数据按照出行者ID进行分组，将属于同一出行者ID的手机定位数据分入同一组；

步骤2.2、对每一组内的手机定位数据按照手机定位数据所包含的时间戳进行排序。

4.如权利要求1所述的一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：在步骤3中进行位移判断时将每个出行者第一个获取到的手机定位数据及最后一个获取到的手机定位数据所对应的位置点直接判定为处于停留状态。

5.如权利要求3所述的一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：所述步骤3包括：

步骤3.1、将一组手机定位数据中的第一个和最后一个手机定位数据所对应的位置点直接判断为处于停留状态；

步骤3.2、针对其他手机定位数据所对应的位置点，计算当前位置点与前一个位置点的时间差DT1和点间位移速度V1，计算当前位置点与后一个位置点的时间差DT2和点间位移速度V2；

步骤3.3、如果时间差DT1小于给定的阈值Tmax，且点间位移速度V1大于给定的阈值Vmin，同时，时间差DT2也小于给定的阈值Tmax，且点间位移速度V2也大于给定的阈值Vmin，就将当前位置点判断为处于位移状态，反之，则判断为处于停留状态，重新返回步骤3.1直至将所有手机定位数据组都计算完毕。

6.如权利要求5所述的一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：为了减少计算量，在所述步骤3.1与所述步骤3.2还对位置点进行剔除，其步骤为：若一组手机定位数据中存在相邻的两个手机定位数据点所对应的位置点之间的时间差小于给定的阈值Tmin，则删除后一个手机定位数据点。

7.如权利要求1所述的一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：对步骤4中所述集合进行有效性判断再统计出行次数，有效性判断的步骤为：

步骤4.1、计算每个集合的位置浮动范围L和持续时间Tstill，其中，位置浮动范围L定义为集合中任两个位置点之间距离的最大值，持续时间Tstill定义为集合中第一个位置点与最后一个位置点的时间差；

步骤4.2、将第一个集合和最后一个集合直接被判断为有效的集合，对于其他集合，如果当前集合的位置浮动范围L小于给定的阈值Lmax，且持续时间Tstill大于给定的阈值Tstill-min，就将其判断为有效的集合。

8.如权利要求1所述的一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：在步骤4中，将相邻的两个集合中的中心点坐标分别定义为该N-1次出行中某次出行的起点和终点。

9.如权利要求1所述的一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：在步骤6中，若每个出行者每一次出行的起点或终点映射在两个交通小区的边界上时，以两个交通小区的面积为权重，按照随机概率分配映射的交通小区。

10.如权利要求1所述的一种基于手机定位数据的出行OD矩阵获取方法，其特征在于：所述步骤7的具体步骤为：根据手机用户群体占据步骤1所述的某一路网区域出行者群体的比例，设置合理的扩样系数Alpha，Alpha表示出行者群体总人数与手机用户群体总人数之比，将步骤6中得到的原始的出行OD矩阵数据中的每一个数值都乘以扩样系数Alpha，得到最终的出行OD矩阵。