CN105608505A - 一种基于手机信令数据的居民轨道交通出行方式识别方法 - Google Patents
一种基于手机信令数据的居民轨道交通出行方式识别方法 Download PDFInfo
- Publication number
- CN105608505A CN105608505A CN201510970023.XA CN201510970023A CN105608505A CN 105608505 A CN105608505 A CN 105608505A CN 201510970023 A CN201510970023 A CN 201510970023A CN 105608505 A CN105608505 A CN 105608505A
- Authority
- CN
- China
- Prior art keywords
- grid
- track traffic
- trip
- data
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 230000005754 cellular signaling Effects 0.000 title abstract 4
- 230000011664 signaling Effects 0.000 claims description 47
- 241000209094 Oryza Species 0.000 claims description 8
- 235000007164 Oryza sativa Nutrition 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 235000009566 rice Nutrition 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 6
- 241001269238 Data Species 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基于手机信令数据的居民轨道交通出行方式识别方法,其特征在于,步骤为:获取某个居民一日出行中所有手机信令数据,并识别出有效出行段,构建地理栅格系统,将轨道交通线路与有效出行段映射到地理栅格系统中,用栅格坐标序列记录位置信息。在栅格系统中,根据有效出行段与轨道交通线路的位置匹配、轨迹相似度以及出行段平均速度值判断是否属于轨道交通出行。本发明利用海量手机信令数据,高实时性、高精度的实现了对轨道交通出行方式的判断。本发明有助于交通管理部门准确掌握轨道交通线路信息,合理规划轨道交通线路,对提高居民的生活质量以及对城市交通的满意度有重要意义。
Description
技术领域
本发明涉及交通规划以及计算机应用技术,特别是涉及一种基于手机信令数据的居民轨道交通出行方式识别方法。
背景技术
在现代化的城市交通规划方面,合理的规划轨道交通线路与轨道交通站点,可以用力的解决城市某些区域道路拥堵的问题,提高居民的出行效率与出行质量。为了合理的对轨道交通线路进行规划,首先需要获取居民出行中属于轨道交通方式的信息,用于分析后可以对线路规划进行技术上的支持。
传统获取居民出行信息的方式分为人工调查,视频监控人像识别与IC卡数据统计。人工调查对于现在快速发展的城市交通现状而言,时效性与适用性会大打折扣。视频监控方式识别精度不高,同时存在监控死角,获取的数据集不完整,结果存在偏差。利用IC卡数据进行客流统计的方式,对于比较复杂的换乘以及不出站往返的出行情况无法精准统计,数据存在局限。
目前多数专利中存在利用手机信令数据进行交通方面的技术研究,其多是单纯利用速度阈值来判断出行方式,这种方案判断条件单一,根据目前复杂的交通状况,难以区分轨道交通出行方式与地铁沿线的驾车出行方式或者公共交通出行方式,判断准确率低。在《一种基于手机信号数据的轨道交通出行方式》专利中,其利用额外的虚拟传感器网络来映射当前用户轨迹来进行出行方式识别。
由于以上各种方案存在各种问题,因此需要一种利用手机信令数据实时获取用户出行状态的新方法,来判断基于轨道交通的出行方式。本专利构建城市地理栅格系统,不仅利用居民手机信令位置信息映射,同时考虑居民出行轨迹与轨道交通轨道的相似性,以及利用栅格系统准确计算居民出行距离以及出行速度,多维度的对居民出行中轨道交通出行方式进行识别。
发明内容
针对以上各种方法的不足,本发明的目的在于提供一种基于利用居民手机信号进行轨道交通出行方式识别的办法,通过该方法可以有效的对居民日常出行中属于轨道交通出行的出行段进行精确识别。
本发明解决上述问题的技术方案是提供了一种基于手机信令数据的居民轨道交通出行方式识别方法,其特征在于,步骤为:
步骤1、获取居民一日出行中所有手机信令数据集,提取数据集中基站数据,用半径为R的圆将基站聚类为基站聚集点。在该数据集中,若居民在相同基站聚集点下连续停留t分钟及以上,则将该基站聚集点作为该居民有效出行段分割点,定义为联合驻留点。利用联合驻留点,将该居民一日出行分割为多个有效出行段G(1)、G(2)…G(i)…G(N),其中1<=i<=N,N是分割的有效出行段总数,统计每个有效出行段中的所有手机信令数据。
步骤2、根据先验知识,设定轨道交通合理速度范围以及站点停靠时间Tstop。
步骤3、根据目标城市道路与轨道交通分布情况,在地图中用边长为P米的多个正方形栅格构建城市地理栅格系统,覆盖范围为O。将以上边长为P米的正方形栅格定义为B型栅格,记为B[XI,YJ],其中XI指该B型栅格在覆盖范围O中的行数,YJ是指该栅格在覆盖范围O中的列数。在B型栅格中,以边长Q米的正方形划定S型栅格且S型栅格填满B型栅格,记每个S型栅格为B[XI,YJ]-S[xi,yj],其中xi是指该S型栅格在B型栅格中的行数,yj是指该S型栅格在B型栅格中的列数。将每条轨道交通线路根据其位置坐标,映射在栅格系统的B型栅格跟S型栅格中,记为N-B[XI,YJ]和N-B[XI,YJ]-S[xi,yj],其中N是指这条轨道交通的名称,利用轨道交通线路栅格序列记录轨道交通线路信息。
步骤4、将该居民一个有效出行段中手机信令位置坐标映射在地理栅格系统中,用栅格坐标序列记录有效出行段信息。
步骤5、进行地理位置匹配:若步骤4中该有效出行段栅格坐标序列与某条或某几条轨道交通路线栅格坐标序列成功匹配,则判定该出行段中拟采用了轨道交通出行,同时记录下匹配的第一个栅格坐标所在手机信令数据Startmsg以及最后一个栅格坐标所在手机信令数据Endmsg,进入步骤6。若没有成功匹配,判定该段出行方式为非轨道交通。
步骤6、进行轨迹轨道相似度匹配:统计手机信令数据Startmsg到Endmsg中位置数据坐标,利用最小二乘法拟合为曲线y1;统计该出行段中包含的所有轨道交通站点位置数据坐标,利用最小二乘法拟合为曲线y2,选取手机信令数据Startmsg到Endmsg中位置数据横坐标范围内任意d个横坐标,分别计算这些横坐标在曲线y1与y2中对应的纵坐标,利用以上坐标计算其皮尔森相关系数作为这两条曲线的相似程度值Psame。
步骤7、进行速度匹配:计算手机数据信令Startmsg和Endmsg两者间隔时间Tgo,Tgo=TE–TS,其中TE为Endmsg信令中时间数据,TS为Startmsg信令中时间数据.
计算手机数据信令Startmsg和Endmsg两者对应栅格坐标之间轨道交通路线长度Sgo。根据以下公式,计算轨道线路在每个S型栅格中的长度Dis_S[xi,yj]和对应的每个B型栅格中的长度Dis_B[XI,YJ]。
其中,(xi1,yj1)与(xi2,yj2)是轨道交通线路与S型栅格的两个交点坐标。
根据以下公式,计算手机数据信令Startmsg和Endmsg对应栅格坐标之间轨道交通路线长度Sgo。
考虑到轨道交通车辆会在站点停靠,利用步骤2中先验知识得到的站点停靠时间Tstop的时间,结合以下公式,计算该出行段的出行平均速度Vgo。
根据以下公式,计算平均速度Vgo符合轨道交通出行的概率。
其中,Vrmin是先验知识中该轨道交通速度范围的最小值,Vrmax是先验知识中该轨道交通速度范围的最大值。
步骤8、结合相似度值Psame和平均速度符合概率Pv,根据以下公式计算匹配值result。
result=λ1*Psame+λ2*Pv
其中,λ1与λ2是Psame和Pv的权值,且λ1+λ2=1。将匹配值result与设立的阈值进行比较。若大于阈值,则判定该段出行方式为轨道交通。否则,判定该段出行方式为非轨道交通。
本发明充分利用手机信令数据资源,不需要额外的设备支持,从大量的居民日常手机信令数据中挖掘轨道交通出行方式,并计算该出行方式的出行距离。该发明可用于轨道交通线路规划、运力分布分析、客流量预测与干预中。
附图说明
图1为基于手机信令数据的居民轨道交通出行方式识别方法的流程图
图2为城市地理栅格系统和轨道交通的线路映射图
图3为部分城市地理栅格系统B型栅格
图4为部分城市地理栅格系统S型栅格
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但并不用来限制本发明的范围。
实施例
如图1所示,本发明提供了一种基于手机信令数据的居民轨道交通出行方式识别方法,其步骤为:
步骤1、获取居民一日出行中所有手机信令数据集,提取数据集中基站数据,用半径为R的圆将基站聚类为基站聚集点。在该数据集中,若居民在相同基站聚集点下连续停留t分钟及以上,则将该基站聚集点作为该居民有效出行段分割点,定义为联合驻留点。利用联合驻留点,将该居民一日出行分割为多个有效出行段G(1)、G(2)…G(i)…G(N),其中1<=i<=N,N是分割的有效出行段总数,统计每个有效出行段中的所有手机信令数据。
步骤2、根据先验知识,设定轨道交通合理速度范围以及站点停靠时间Tstop。
步骤3、根据目标城市道路与轨道交通分布情况,在地图中用边长为P米的多个正方形栅格构建城市地理栅格系统,覆盖范围为O。在本实施例中,构建的城市地理栅格系统和轨道交通的线路映射如图2所示,图中空心圆代表轨道交通站点。将以上边长为P米的正方形栅格定义为B型栅格,如图3所示,每个B型栅格记为B[XI,YJ],其中XI指该B型栅格在覆盖范围O中的行数,YJ是指该栅格在覆盖范围O中的列数。在B型栅格中,以边长Q米的正方形划定S型栅格且S型栅格填满B型栅格,如图4所示,记每个S型栅格为B[XI,YJ]-S[xi,yj],其中xi是指该S型栅格在B型栅格中的行数,yj是指该S型栅格在B型栅格中的列数。将每条轨道交通线路根据其位置坐标,映射在栅格系统的B型栅格跟S型栅格中,记为N-B[XI,YJ]和N-B[XI,YJ]-S[xi,yj],其中N是指这条轨道交通的名称,利用轨道交通线路栅格序列记录轨道交通线路信息。
步骤4、将该居民一个有效出行段中手机信令位置坐标映射在地理栅格系统中,用栅格坐标序列记录有效出行段信息。
步骤5、进行地理位置匹配:若步骤4中该有效出行段栅格坐标序列与某条或某几条轨道交通路线栅格坐标序列成功匹配,则判定该出行段中拟采用了轨道交通出行,同时记录下匹配的第一个栅格坐标所在手机信令数据Startmsg以及最后一个栅格坐标所在手机信令数据Endmsg,进入步骤6。若没有成功匹配,判定该段出行方式为非轨道交通。
步骤6、进行轨迹轨道相似度匹配:统计手机信令数据Startmsg到Endmsg中位置数据坐标,利用最小二乘法拟合为曲线y1;统计该出行段中包含的所有轨道交通站点位置数据坐标,利用最小二乘法拟合为曲线y2,选取手机信令数据Startmsg到Endmsg中位置数据横坐标范围内任意d个横坐标,分别计算这些横坐标在曲线y1与y2中对应的纵坐标,利用以上坐标计算其皮尔森相关系数作为这两条曲线的相似程度值Psame。
步骤7、进行速度匹配:计算手机数据信令Startmsg和Endmsg两者间隔时间Tgo,Tgo=TE–TS,其中TE为Endmsg信令中时间数据,TS为Startmsg信令中时间数据.
计算手机数据信令Startmsg和Endmsg两者对应栅格坐标之间轨道交通路线长度Sgo。根据以下公式,计算轨道线路在每个S型栅格中的长度Dis_S[xi,yj]和对应的每个B型栅格中的长度Dis_B[XI,YJ]。
其中,(xi1,yj1)与(xi2,yj2)是轨道交通线路与S型栅格的两个交点坐标。
根据以下公式,计算手机数据信令Startmsg和Endmsg对应栅格坐标之间轨道交通路线长度Sgo。
考虑到轨道交通车辆会在站点停靠,利用步骤2中先验知识得到的站点停靠时间Tstop的时间,结合以下公式,计算该出行段的出行平均速度Vgo。
根据以下公式,计算平均速度Vgo符合轨道交通出行的概率。
其中,Vrmin是先验知识中该轨道交通速度范围的最小值,Vrmax是先验知识中该轨道交通速度范围的最大值。
步骤8、结合相似度值Psame和平均速度符合概率Pv,根据以下公式计算匹配值result。
result=λ1*Psame+λ2*Pv
其中,λ1与λ2是Psame和Pv的权值,且λ1+λ2=1。将匹配值result与设立的阈值进行比较。若大于阈值,则判定该段出行方式为轨道交通。否则,判定该段出行方式为非轨道交通。
Claims (1)
1.一种基于手机信令数据的居民轨道交通出行方式识别方法,其特征在于,步骤为:
步骤1、获取居民一日出行中所有手机信令数据集,提取数据集中基站数据,用半径为R的圆将基站聚类为基站聚集点。在该数据集中,若居民在相同基站聚集点下连续停留t分钟及以上,则将该基站聚集点作为该居民有效出行段分割点,定义为联合驻留点。利用联合驻留点,将该居民一日出行分割为多个有效出行段G(1)、G(2)…G(i)…G(N),其中1<=i<=N,N是分割的有效出行段总数,统计每个有效出行段中的所有手机信令数据。
步骤2、根据先验知识,设定轨道交通合理速度范围以及站点停靠时间Tstop。
步骤3、根据目标城市道路与轨道交通分布情况,在地图中用边长为P米的多个正方形栅格构建城市地理栅格系统,覆盖范围为O。将以上边长为P米的正方形栅格定义为B型栅格,记为B[XI,YJ],其中XI指该B型栅格在覆盖范围O中的行数,YJ是指该栅格在覆盖范围O中的列数。在B型栅格中,以边长Q米的正方形划定S型栅格且S型栅格填满B型栅格,记每个S型栅格为B[XI,YJ]-S[xi,yj],其中xi是指该S型栅格在B型栅格中的行数,yj是指该S型栅格在B型栅格中的列数。将每条轨道交通线路根据其位置坐标,映射在栅格系统的B型栅格跟S型栅格中,记为N-B[XI,YJ]和N-B[XI,YJ]-S[xi,yj],其中N是指这条轨道交通的名称,利用轨道交通线路栅格序列记录轨道交通线路信息。
步骤4、将该居民一个有效出行段中手机信令位置坐标映射在地理栅格系统中,用栅格坐标序列记录有效出行段信息。
步骤5、进行地理位置匹配:若步骤4中该有效出行段栅格坐标序列与某条或某几条轨道交通路线栅格坐标序列成功匹配,则判定该出行段中拟采用了轨道交通出行,同时记录下匹配的第一个栅格坐标所在手机信令数据Startmsg以及最后一个栅格坐标所在手机信令数据Endmsg,进入步骤6。若没有成功匹配,判定该段出行方式为非轨道交通。
步骤6、进行轨迹轨道相似度匹配:统计手机信令数据Startmsg到Endmsg中位置数据坐标,利用最小二乘法拟合为曲线y1;统计该出行段中包含的所有轨道交通站点位置数据坐标,利用最小二乘法拟合为曲线y2,选取手机信令数据Startmsg到Endmsg中位置数据横坐标范围内任意d个横坐标,分别计算这些横坐标在曲线y1与y2中对应的纵坐标,利用以上坐标计算其皮尔森相关系数作为这两条曲线的相似程度值Psame。
步骤7、进行速度匹配:计算手机数据信令Startmsg和Endmsg两者间隔时间Tgo,Tgo=TE–TS,其中TE为Endmsg信令中时间数据,TS为Startmsg信令中时间数据.
计算手机数据信令Startmsg和Endmsg两者对应栅格坐标之间轨道交通路线长度Sgo。根据以下公式,计算轨道线路在每个S型栅格中的长度Dis_S[xi,yj]和对应的每个B型栅格中的长度Dis_B[XI,YJ]。
其中,(xi1,yj1)与(xi2,yj2)是轨道交通线路与S型栅格的两个交点坐标。
Dis_B[XI,YJ]=∑Dis_S[xi,yj]
根据以下公式,计算手机数据信令Startmsg和Endmsg对应栅格坐标之间轨道交通路线长度Sgo。
Sgo=∑Dis_B[XI,YJ]
考虑到轨道交通车辆会在站点停靠,利用步骤2中先验知识得到的站点停靠时间Tstop的时间,结合以下公式,计算该出行段的出行平均速度Vgo。
根据以下公式,计算平均速度Vgo符合轨道交通出行的概率。
其中,Vrmin是先验知识中该轨道交通速度范围的最小值,Vrmax是先验知识中该轨道交通速度范围的最大值。
步骤8、结合相似度值Psame和平均速度符合概率Pv,根据以下公式计算匹配值result。
result=λ1*Psame+λ2*Pv
其中,λ1与λ2是Psame和Pv的权值,且λ1+λ2=1。将匹配值result与设立的阈值进行比较。若大于阈值,则判定该段出行方式为轨道交通。否则,判定该段出行方式为非轨道交通。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510970023.XA CN105608505B (zh) | 2015-12-22 | 2015-12-22 | 一种基于手机信令数据的居民轨道交通出行方式识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510970023.XA CN105608505B (zh) | 2015-12-22 | 2015-12-22 | 一种基于手机信令数据的居民轨道交通出行方式识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105608505A true CN105608505A (zh) | 2016-05-25 |
CN105608505B CN105608505B (zh) | 2020-02-11 |
Family
ID=55988429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510970023.XA Active CN105608505B (zh) | 2015-12-22 | 2015-12-22 | 一种基于手机信令数据的居民轨道交通出行方式识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105608505B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106197458A (zh) * | 2016-08-10 | 2016-12-07 | 重庆邮电大学 | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 |
CN106529815A (zh) * | 2016-11-15 | 2017-03-22 | 同济大学 | 城市轨道交通网络乘客出行时空轨迹估计方法及其应用 |
CN106781479A (zh) * | 2016-12-23 | 2017-05-31 | 重庆邮电大学 | 一种基于手机信令数据实时获取高速公路运行状态的方法 |
CN107784597A (zh) * | 2017-09-19 | 2018-03-09 | 平安科技(深圳)有限公司 | 出行方式识别方法、装置、终端设备及存储介质 |
CN108320501A (zh) * | 2017-12-21 | 2018-07-24 | 江苏欣网视讯软件技术有限公司 | 基于用户手机信令的公交线路识别方法 |
CN108322891A (zh) * | 2018-01-11 | 2018-07-24 | 江苏欣网视讯软件技术有限公司 | 基于用户手机信令数据的区域拥堵识别方法 |
CN108444487A (zh) * | 2018-01-30 | 2018-08-24 | 北京小度信息科技有限公司 | 导航数据处理方法、导航方法及相关装置 |
CN108665191A (zh) * | 2018-06-05 | 2018-10-16 | 北方工业大学 | 基于聚集效应的地铁站外关联区域计算方法 |
CN108806254A (zh) * | 2018-06-28 | 2018-11-13 | 中国联合网络通信有限公司深圳市分公司 | 城市交通走廊的识别方法、装置及计算机可读存储介质 |
CN109035787A (zh) * | 2018-09-10 | 2018-12-18 | 华南理工大学 | 一种利用移动通信数据识别交通工具类别的方法 |
CN109754631A (zh) * | 2017-11-01 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 车辆位置追踪的方法、装置、计算机设备及存储介质 |
CN109996178A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团江西有限公司 | 定位方法、装置、设备和介质 |
CN110460962A (zh) * | 2019-08-15 | 2019-11-15 | 智慧足迹数据科技有限公司 | 轨道交通用户识别方法和装置 |
CN111222381A (zh) * | 2018-11-27 | 2020-06-02 | 中国移动通信集团上海有限公司 | 用户出行方式识别方法、装置、电子设备及存储介质 |
CN112511971A (zh) * | 2020-11-26 | 2021-03-16 | 西安建筑科技大学 | 一种基于手机信令数据的出行方式识别方法 |
CN112542043A (zh) * | 2020-12-01 | 2021-03-23 | 江苏欣网视讯软件技术有限公司 | 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统 |
CN112711576A (zh) * | 2020-12-11 | 2021-04-27 | 上海城市交通设计院有限公司 | 一种识别手机信令数据高铁、飞机城际出行方式的方法 |
CN112866934A (zh) * | 2020-12-31 | 2021-05-28 | 江苏欣网视讯软件技术有限公司 | 地铁用户识别方法与系统 |
CN114598733A (zh) * | 2020-12-02 | 2022-06-07 | 四川交通职业技术学院 | 基于手机信令数据的居民出行量分布计算方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002300632A (ja) * | 2001-03-29 | 2002-10-11 | Denso Corp | 携帯型無線通信装置 |
CN102136192A (zh) * | 2011-01-31 | 2011-07-27 | 上海美慧软件有限公司 | 一种基于手机信号数据的出行方式识别方法 |
CN102156909A (zh) * | 2011-01-31 | 2011-08-17 | 上海美慧软件有限公司 | 一种基于手机信号数据的轨道交通出行方式识别方法 |
CN102607553A (zh) * | 2012-03-06 | 2012-07-25 | 北京建筑工程学院 | 一种基于出行轨迹数据的行程识别方法 |
CN102708680A (zh) * | 2012-06-06 | 2012-10-03 | 北京交通大学 | 基于agps技术的交通出行方式识别方法 |
CN104159189A (zh) * | 2013-05-15 | 2014-11-19 | 同济大学 | 基于智能手机的居民出行信息获取方法 |
CN105117789A (zh) * | 2015-07-29 | 2015-12-02 | 西南交通大学 | 基于手机信令数据的居民出行方式综合判别的方法 |
-
2015
- 2015-12-22 CN CN201510970023.XA patent/CN105608505B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002300632A (ja) * | 2001-03-29 | 2002-10-11 | Denso Corp | 携帯型無線通信装置 |
CN102136192A (zh) * | 2011-01-31 | 2011-07-27 | 上海美慧软件有限公司 | 一种基于手机信号数据的出行方式识别方法 |
CN102156909A (zh) * | 2011-01-31 | 2011-08-17 | 上海美慧软件有限公司 | 一种基于手机信号数据的轨道交通出行方式识别方法 |
CN102607553A (zh) * | 2012-03-06 | 2012-07-25 | 北京建筑工程学院 | 一种基于出行轨迹数据的行程识别方法 |
CN102708680A (zh) * | 2012-06-06 | 2012-10-03 | 北京交通大学 | 基于agps技术的交通出行方式识别方法 |
CN104159189A (zh) * | 2013-05-15 | 2014-11-19 | 同济大学 | 基于智能手机的居民出行信息获取方法 |
CN105117789A (zh) * | 2015-07-29 | 2015-12-02 | 西南交通大学 | 基于手机信令数据的居民出行方式综合判别的方法 |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106197458B (zh) * | 2016-08-10 | 2018-11-13 | 重庆邮电大学 | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 |
CN106197458A (zh) * | 2016-08-10 | 2016-12-07 | 重庆邮电大学 | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 |
CN106529815A (zh) * | 2016-11-15 | 2017-03-22 | 同济大学 | 城市轨道交通网络乘客出行时空轨迹估计方法及其应用 |
CN106781479A (zh) * | 2016-12-23 | 2017-05-31 | 重庆邮电大学 | 一种基于手机信令数据实时获取高速公路运行状态的方法 |
CN106781479B (zh) * | 2016-12-23 | 2019-03-22 | 重庆邮电大学 | 一种基于手机信令数据实时获取高速公路运行状态的方法 |
CN107784597A (zh) * | 2017-09-19 | 2018-03-09 | 平安科技(深圳)有限公司 | 出行方式识别方法、装置、终端设备及存储介质 |
CN109754631A (zh) * | 2017-11-01 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 车辆位置追踪的方法、装置、计算机设备及存储介质 |
CN108320501A (zh) * | 2017-12-21 | 2018-07-24 | 江苏欣网视讯软件技术有限公司 | 基于用户手机信令的公交线路识别方法 |
CN108320501B (zh) * | 2017-12-21 | 2021-01-12 | 江苏欣网视讯软件技术有限公司 | 基于用户手机信令的公交线路识别方法 |
CN109996178A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团江西有限公司 | 定位方法、装置、设备和介质 |
CN108322891A (zh) * | 2018-01-11 | 2018-07-24 | 江苏欣网视讯软件技术有限公司 | 基于用户手机信令数据的区域拥堵识别方法 |
CN108322891B (zh) * | 2018-01-11 | 2020-08-28 | 江苏欣网视讯软件技术有限公司 | 基于用户手机信令的交通区域拥堵识别方法 |
CN108444487A (zh) * | 2018-01-30 | 2018-08-24 | 北京小度信息科技有限公司 | 导航数据处理方法、导航方法及相关装置 |
CN108665191A (zh) * | 2018-06-05 | 2018-10-16 | 北方工业大学 | 基于聚集效应的地铁站外关联区域计算方法 |
CN108665191B (zh) * | 2018-06-05 | 2022-05-03 | 北方工业大学 | 基于聚集效应的地铁站外关联区域计算方法 |
CN108806254A (zh) * | 2018-06-28 | 2018-11-13 | 中国联合网络通信有限公司深圳市分公司 | 城市交通走廊的识别方法、装置及计算机可读存储介质 |
CN109035787A (zh) * | 2018-09-10 | 2018-12-18 | 华南理工大学 | 一种利用移动通信数据识别交通工具类别的方法 |
CN109035787B (zh) * | 2018-09-10 | 2020-07-28 | 华南理工大学 | 一种利用移动通信数据识别交通工具类别的方法 |
CN111222381A (zh) * | 2018-11-27 | 2020-06-02 | 中国移动通信集团上海有限公司 | 用户出行方式识别方法、装置、电子设备及存储介质 |
CN110460962A (zh) * | 2019-08-15 | 2019-11-15 | 智慧足迹数据科技有限公司 | 轨道交通用户识别方法和装置 |
CN110460962B (zh) * | 2019-08-15 | 2020-11-27 | 智慧足迹数据科技有限公司 | 轨道交通用户识别方法和装置 |
CN112511971A (zh) * | 2020-11-26 | 2021-03-16 | 西安建筑科技大学 | 一种基于手机信令数据的出行方式识别方法 |
CN112511971B (zh) * | 2020-11-26 | 2022-08-16 | 西安建筑科技大学 | 一种基于手机信令数据的出行方式识别方法 |
CN112542043A (zh) * | 2020-12-01 | 2021-03-23 | 江苏欣网视讯软件技术有限公司 | 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统 |
CN112542043B (zh) * | 2020-12-01 | 2021-10-26 | 江苏欣网视讯软件技术有限公司 | 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统 |
CN114598733A (zh) * | 2020-12-02 | 2022-06-07 | 四川交通职业技术学院 | 基于手机信令数据的居民出行量分布计算方法及系统 |
CN112711576A (zh) * | 2020-12-11 | 2021-04-27 | 上海城市交通设计院有限公司 | 一种识别手机信令数据高铁、飞机城际出行方式的方法 |
CN112711576B (zh) * | 2020-12-11 | 2023-03-10 | 上海城市交通设计院有限公司 | 一种识别手机信令数据高铁、飞机城际出行方式的方法 |
CN112866934A (zh) * | 2020-12-31 | 2021-05-28 | 江苏欣网视讯软件技术有限公司 | 地铁用户识别方法与系统 |
CN112866934B (zh) * | 2020-12-31 | 2022-02-15 | 江苏欣网视讯软件技术有限公司 | 地铁用户识别方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105608505B (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105608505A (zh) | 一种基于手机信令数据的居民轨道交通出行方式识别方法 | |
CN107241512B (zh) | 基于手机数据的城际交通出行方式判断方法和设备 | |
CN104634352B (zh) | 一种基于浮动车移动轨迹与电子地图融合的道路匹配方法 | |
WO2022206974A1 (zh) | 一种基于路侧感知单元的静态和非静态物体点云识别方法 | |
CN103177575B (zh) | 城区出租车动态在线调度优化系统及其方法 | |
CN104197945B (zh) | 一种基于低采样率浮动车数据的全局投票地图匹配方法 | |
CN102521973B (zh) | 一种手机切换定位的道路匹配方法 | |
CN106197458A (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
CN108320501A (zh) | 基于用户手机信令的公交线路识别方法 | |
Huang et al. | Survey on vehicle map matching techniques | |
CN104167092A (zh) | 一种确定出租车上下客热点区域中心的方法以及装置 | |
CN105243844A (zh) | 一种基于手机信令的道路状态识别方法 | |
CN104778274A (zh) | 基于稀疏出租车gps数据的大范围城市路网旅行时间估计方法 | |
CN106710208A (zh) | 交通状态的获取方法及装置 | |
CN103106280A (zh) | 一种道路网络环境下不确定时空轨迹数据的范围查询方法 | |
CN102332210A (zh) | 基于手机定位数据的实时城市道路交通流数据提取方法 | |
CN105261212A (zh) | 一种基于出租车gps数据地图匹配的出行时空分析方法 | |
CN109729518B (zh) | 基于手机信令的城市交通早高峰拥堵源头识别方法 | |
CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
CN107656987A (zh) | 一种基于lda模型的地铁站点功能挖掘方法 | |
CN113079463A (zh) | 一种基于手机信令数据的旅游景点游客出行活动识别方法 | |
CN106547862A (zh) | 基于流形学习的交通大数据降维处理方法 | |
CN115795332A (zh) | 一种用户出行模式识别的方法 | |
CN109493601B (zh) | 一种公交支线设置方法 | |
Li et al. | Estimating crowd flow and crowd density from cellular data for mass rapid transit |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |