CN105608890B - 一种基于手机信号数据的人员出行参数统计方法 - Google Patents
一种基于手机信号数据的人员出行参数统计方法 Download PDFInfo
- Publication number
- CN105608890B CN105608890B CN201510563954.8A CN201510563954A CN105608890B CN 105608890 B CN105608890 B CN 105608890B CN 201510563954 A CN201510563954 A CN 201510563954A CN 105608890 B CN105608890 B CN 105608890B
- Authority
- CN
- China
- Prior art keywords
- trip
- dwell point
- mobile phone
- data
- jth
- 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.)
- Active
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于手机信号数据的人员出行参数统计方法，主要步骤为：建立虚拟传感器网络，以固定时间间隔从手机网络获取该时间间隔内所有手机发出的实时信号数据；根据电子地图信息和实时信号数据得到用户的电子脚印；根据电子脚印判断用户出行以及是否存在二次出行；再根据路网匹配计算出行距离；最终获取整个统计区域的出行OD矩阵，以及相关的出行参数。本发明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信息，即能在短时间完成城市内大范围的交通出行特征调查，同时初期投资相对较小、数据覆盖范围大、数据精度高。
Description
技术领域
本发明涉及交通规划与管理方法技术领域，具体是一种基于手机信号数据的人员出行参数统计方法。
背景技术
城市交通调查和交通规划需要获取大范围准确、可靠的出行现状数据信息，尤其是居民出行特征数据。传统的居民出行调查往往采用抽样问卷的方式，抽样率一般为2-5%甚至更低，并且调查成本较高，组织协调需耗费大量人力、物力和时间，数据汇总处理周期也较长。现阶段中国城市经济高速增长、基础设施建设突飞猛进、土地利用更频繁，但通常间隔若干年才进行一次全面的交通调查，仅能获取相对静态的现状数据，很难跟上交通需求和供给的更新节奏。
随着智能交通系统的兴起，通常要求以较短的周期对OD矩阵进行循环更新，如每天、每小时、甚至更小颗粒度，并要求达到较高准确性。传统方式的信息获取机制、采样率和准确性显然无法满足ITS的需求。因此，无论是交通研究者还是交通从业人员都一直在找寻更经济、更高效率、更高精度的人员出行信息获取技术。
20世纪80年代开始，出现了利用路段流量反推OD矩阵的技术，只要先验OD矩阵具有一定的可信度，就能满足小范围区域交通影响分析的需求，一度成为研究热点。但由于其分配算法的复杂性难以适用于较大区域且数据精度跟先验参数矩阵关系密切。也有GPS终端志愿者等其他方式，试图提高数据精度，扩大应用范围，但由于成本等诸多限制，大部分仅限于理论研究或小样本尝试阶段。此外，感应线圈、微波检测、视频图像识别等定点信息采集技术，以及电子标签等浮动信息采集技术，已经得到了大量应用并取得良好效果，但采集对象主要为运行中的车辆，检测结果更多的是车辆运行信息。根据车流信息反推居民出行信息，由于其分配算法的复杂性，难以用于较大空间范围。因此，交通研究者与交通从业人员都一直在找寻更经济、效率更高、精度更高的居民出行信息获取技术。
随着21世纪个人手机终端的普及，出行群体中手机拥有率和使用率已经达到相当高的比例，人们越来越认识到手机是一种较为理想的交通探测器。手机数据为居民出行信息分析提供了很好的技术选择，可作为现有交通数据采集技术的重要补充之一，通过对长时间的手机信令数据进行跟踪，研究手机用户活动轨迹的识别方法，分析手机用户的有规律的空间分布和出行特征参数。
发明内容
本发明用交通科学或交通工程的基础知识来处理手机信号数据, 获取人员出行参数的方法，目的在于提供一种效率、精度高的基于手机信号数据的人员出行参数统计方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于手机信号数据的人员出行参数统计方法，具体步骤如下：
（1）建立虚拟传感器网络；
（2）以固定时间间隔T从手机网络获取该时间间隔内所有手机发出的实时信号数据；
（3）对所述步骤（2）获取到的数据进行预处理；
（4）从城市区划数据库中读取城市电子地图信息，将上一步得到第i部手机的所有手机数据叠加在电子地图中，得到第i部手机在电子地图中移动的轨迹，将其定义为第i个用户的电子脚印；
（5）根据第i个用户的电子脚印，计算第i个用户在每个地点的停留时间，设定停留时间大于设定阈值T1的为一个停留点，判断得出第i个用户的所有停留点，按时间排序的第j个停留点和第j+1个停留点形成一次出行；
（6）回溯第j个停留点和第j+1个停留点在电子脚印中的轨迹情况，计算这条轨迹的总长度与第j个停留点和第j+1个停留点的直线距离的比值k，根据k的值判断出行链是否需要打断，即将该次出行是否需要分成两次出行；
（7）第j个停留点和第j+1个停留点间的出行的旅行时间为对应信号发生时间的差值，即旅行时间t=Tj+1-Tj，式中，Tj+1为在第j+1个停留点第i部手机信号发生的时间，Tj为在第j个停留点第i部手机信号发生的时间；
（8）计算得到第j个停留点和第j+1个停留点间的出行的距离Lj；
（9）汇总每个手机的每次出行以及每次出行对应的旅行时间及距离，获取到最终的出行OD矩阵，以及相关的出行参数。
作为本发明进一步的方案：所述步骤（2）中对数据进行预处理包括删除无效的数据、处理因为基站漂移产生的数据、分析处理长时间没有产生信号的手机数据。
作为本发明再进一步的方案：所述步骤（8）中计算距离Lj的方法为：
首先计算第j个停留点和第j+1个停留点间的直线距离lj，按照起讫点进行类型的划分，对不同类型出行根据路网特点与基站覆盖特点扩样至最短路径出行，扩样系数为α1，最后根据不同类型出行将最短路径出行扩样至全出行，扩样系数为α2，则最终的出行距离Lj=lj×α1×α2。
与现有技术相比，本发明的有益效果是：
本发明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信息，即能在短时间完成城市内大范围的交通出行特征调查，同时初期投资相对较小、数据覆盖范围大、数据精度高。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
一种基于手机信号数据的人员出行参数统计方法，具体步骤如下：
（1）建立虚拟传感器网络；
（2）以固定时间间隔T从手机网络获取该时间间隔内所有手机发出的实时信号数据；
（3）对所述步骤（2）获取到的数据进行预处理，包括删除无效的数据、处理因为基站漂移产生的数据、分析处理长时间没有产生信号的手机数据；
（4）从城市区划数据库中读取城市电子地图信息，将上一步得到第i部手机的所有手机数据叠加在电子地图中，得到第i部手机在电子地图中移动的轨迹，将其定义为第i个用户的电子脚印；
（5）根据第i个用户的电子脚印，计算第i个用户在每个地点的停留时间，设定停留时间大于设定阈值T1的为一个停留点，判断得出第i个用户的所有停留点，按时间排序的第j个停留点和第j+1个停留点形成一次出行；
（6）回溯第j个停留点和第j+1个停留点在电子脚印中的轨迹情况，计算这条轨迹的总长度与第j个停留点和第j+1个停留点的直线距离的比值k，根据k的值判断出行链是否需要打断，即将该次出行是否需要分成两次出行；
（7）第j个停留点和第j+1个停留点间的出行的旅行时间为对应信号发生时间的差值，即旅行时间t=Tj+1-Tj，式中，Tj+1为在第j+1个停留点第i部手机信号发生的时间，Tj为在第j个停留点第i部手机信号发生的时间；
（8）计算得到第j个停留点和第j+1个停留点间的出行的距离Lj，首先计算第j个停留点和第j+1个停留点间的直线距离lj，按照起讫点进行类型的划分，对不同类型出行根据路网特点与基站覆盖特点扩样至最短路径出行，扩样系数为α1，最后根据不同类型出行将最短路径出行扩样至全出行，扩样系数为α2，则最终的出行距离Lj=lj×α1×α2。
（9）汇总每个手机的每次出行以及每次出行对应的旅行时间及距离，获取到最终的出行OD矩阵，以及相关的出行参数。
本发明通过实时采集、分析移动通信网络中的通信数据，将普通用户使用的手机移动终端作为一种有效的交通检测器，利用本发明提出的方法，分析推算每个手机的出行轨迹和出行时间、距离。本发明无需在手机终端上安装任何特殊设备、无需安装任何软件，将每个个人用户使用的普通手机作为采集终端，突破了传统交通采集技术需要事先安装采集终端的初期投资建设瓶颈，可节约大量基础设施投资。
本发明可以为交通规划和城市规划提供决策支持，适用于相关政府交通管理以及城市规划部门，为道路基础设施规划、交通控制和管理、交通组织设计提供决策支持信息。同时本发明也可用于弥补居民调查对于调查期实际的统计误差偶然性误差，为相关部门提供更经济、效率更高、精度更高的居民出行信息获取技术。
本发明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信息，即能在短时间完成城市内大范围的交通出行特征调查，同时初期投资相对较小、数据覆盖范围大、数据精度高。
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。
Claims (3)
1.一种基于手机信号数据的人员出行参数统计方法，其特征在于，具体步骤如下：
（1）建立虚拟传感器网络；
（2）以固定时间间隔T从手机网络获取该时间间隔内所有手机发出的实时信号数据；
（3）对所述步骤（2）获取到的数据进行预处理；
（4）从城市区划数据库中读取城市电子地图信息，将上一步得到第i部手机的所有手机数据叠加在电子地图中，得到第i部手机在电子地图中移动的轨迹，将其定义为第i个用户的电子脚印；
（5）根据第i个用户的电子脚印，计算第i个用户在每个地点的停留时间，设定停留时间大于设定阈值T1的为一个停留点，判断得出第i个用户的所有停留点，按时间排序的第j个停留点和第j+1个停留点形成一次出行；
（6）回溯第j个停留点和第j+1个停留点在电子脚印中的轨迹情况，计算这条轨迹的总长度与第j个停留点和第j+1个停留点的直线距离的比值k，根据k的值判断出行链是否需要打断，即将该次出行是否需要分成两次出行；
（7）第j个停留点和第j+1个停留点间的出行的旅行时间为对应信号发生时间的差值，即旅行时间t=Tj+1-Tj，式中，Tj+1为在第j+1个停留点第i部手机信号发生的时间，Tj为在第j个停留点第i部手机信号发生的时间；
（8）计算得到第j个停留点和第j+1个停留点间的出行的距离Lj；
（9）汇总每个手机的每次出行以及每次出行对应的旅行时间及距离，获取到最终的出行OD矩阵，以及相关的出行参数。
2.根据权利要求1所述的基于手机信号数据的人员出行参数统计方法，其特征在于，所述步骤（2）中对数据进行预处理包括删除无效的数据、处理因为基站漂移产生的数据、分析处理长时间没有产生信号的手机数据。
3.根据权利要求1所述的基于手机信号数据的人员出行参数统计方法，其特征在于，所述步骤（8）中计算距离Lj的方法为：
首先计算第j个停留点和第j+1个停留点间的直线距离lj，按照起讫点进行类型的划分，对不同类型出行根据路网特点与基站覆盖特点扩样至最短路径出行，扩样系数为α1，最后根据不同类型出行将最短路径出行扩样至全出行，扩样系数为α2，则最终的出行距离Lj=lj×α1×α2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510563954.8A CN105608890B (zh) | 2015-09-08 | 2015-09-08 | 一种基于手机信号数据的人员出行参数统计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510563954.8A CN105608890B (zh) | 2015-09-08 | 2015-09-08 | 一种基于手机信号数据的人员出行参数统计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105608890A CN105608890A (zh) | 2016-05-25 |
| CN105608890B true CN105608890B (zh) | 2017-11-03 |
Family
ID=55988794
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510563954.8A Active CN105608890B (zh) | 2015-09-08 | 2015-09-08 | 一种基于手机信号数据的人员出行参数统计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105608890B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106570184B (zh) * | 2016-11-11 | 2020-08-14 | 同济大学 | 从手机信令数据提取游憩-居住联系数据集的方法 |
| CN108628910A (zh) * | 2017-03-24 | 2018-10-09 | 上海美慧软件有限公司 | 一种分析大型会展综合体客流总量及来源的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101510357A (zh) * | 2009-03-26 | 2009-08-19 | 美慧信息科技（上海）有限公司 | 一种基于手机信号数据检测交通状态的方法 |
| CN101620785A (zh) * | 2009-08-10 | 2010-01-06 | 上海美慧软件有限公司 | 一种基于手机信号数据识别机动车与非机动车的方法 |
| CN102097004A (zh) * | 2011-01-31 | 2011-06-15 | 上海美慧软件有限公司 | 一种基于手机定位数据的出行od矩阵获取方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030061493A (ko) * | 2002-01-14 | 2003-07-22 | 팅크웨어(주) | 이동 통신망을 이용한 교통 정보 수집 시스템 |
| KR100469714B1 (ko) * | 2003-06-04 | 2005-02-02 | 삼성전자주식회사 | 실시간 교통데이터 수집 방법 및 그 장치 |
| CN101692309B (zh) * | 2009-09-04 | 2011-04-27 | 北京工业大学 | 基于手机信息的交通出行计算方法 |
| CN102136192B (zh) * | 2011-01-31 | 2013-04-24 | 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 |
| CN102682041B (zh) * | 2011-03-18 | 2014-06-04 | 日电（中国）有限公司 | 用户行为识别设备及方法 |
| CN102595323B (zh) * | 2012-03-20 | 2014-05-07 | 北京交通发展研究中心 | 基于手机定位数据的居民出行特征参数的获取方法 |
| CN104159189B (zh) * | 2013-05-15 | 2018-03-02 | 同济大学 | 基于智能手机的居民出行信息获取方法 |
| CN104751631B (zh) * | 2015-03-13 | 2017-03-01 | 同济大学 | 基于gps定位和模糊理论判断出行链交通方式的方法 |
-
2015
- 2015-09-08 CN CN201510563954.8A patent/CN105608890B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101510357A (zh) * | 2009-03-26 | 2009-08-19 | 美慧信息科技（上海）有限公司 | 一种基于手机信号数据检测交通状态的方法 |
| CN101620785A (zh) * | 2009-08-10 | 2010-01-06 | 上海美慧软件有限公司 | 一种基于手机信号数据识别机动车与非机动车的方法 |
| CN102097004A (zh) * | 2011-01-31 | 2011-06-15 | 上海美慧软件有限公司 | 一种基于手机定位数据的出行od矩阵获取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105608890A (zh) | 2016-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9830817B2 (en) | Bus station optimization evaluation method and system | |
| CN105760454B (zh) | 一种城市人口分布密度实时动态测量方法 | |
| CN103116696B (zh) | 基于稀疏采样的手机定位数据的人员常驻地点识别方法 | |
| CN102521973B (zh) | 一种手机切换定位的道路匹配方法 | |
| CN102332210B (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 | |
| CN105206048A (zh) | 一种基于交通od数据的城市居民群体换乘模式发现系统及方法 | |
| CN102097004B (zh) | 一种基于手机定位数据的出行od矩阵获取方法 | |
| CN106781479B (zh) | 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 | |
| CN111159254B (zh) | 一种基于大数据处理的车辆与人员的关联方法 | |
| CN104978858B (zh) | 一种基于手机信令的高速公路实时路况监测方法 | |
| CN102609616A (zh) | 一种基于手机定位数据的动态人口分布密度检测方法 | |
| CN105243844A (zh) | 一种基于手机信令的道路状态识别方法 | |
| CN106503843A (zh) | 一种基于手机信令数据的常规公交线网优化与调整方法 | |
| CN105702041A (zh) | 基于神经网络的高速公路多源数据融合状态估计系统及方法 | |
| CN105682025A (zh) | 基于移动信令数据的用户驻留地识别方法 | |
| CN109189949B (zh) | 一种人口分布计算方法 | |
| CN108170793A (zh) | 基于车辆语义轨迹数据的停留点分析方法及其系统 | |
| CN105389996A (zh) | 一种基于大数据的交通运行状态特征参数提取方法 | |
| CN101510357A (zh) | 一种基于手机信号数据检测交通状态的方法 | |
| CN101976500A (zh) | 交通网络分析方法及系统 | |
| CN103079270B (zh) | 一种基于无线定位的移动节点聚集感知方法 | |
| CN105635968A (zh) | 一种基于时间单元的热点区域识别方法、预测方法及装置 | |
| CN104217593A (zh) | 一种面向手机移动速度的路况信息实时获取方法 | |
| CN110021169A (zh) | 一种基于手机信令数据和公交数据的公交乘客下车站点推测方法 | |
| CN106504524B (zh) | 一种基于移动信令动态划分高速公路路段的方法 |
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 |