CN106197458B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN106197458B CN106197458B CN201610653628.0A CN201610653628A CN106197458B CN 106197458 B CN106197458 B CN 106197458B CN 201610653628 A CN201610653628 A CN 201610653628A CN 106197458 B CN106197458 B CN 106197458B
- Authority
- CN
- China
- Prior art keywords
- trip
- user
- mobile phone
- mode
- navigation routine
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Abstract
本发明涉及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,包括以下步骤:首先获取手机用户一段时间内的手机信令数据,并形成用户出行轨迹序列。然后利用驻留点对用户出行轨迹进行有效出行段分割。随后提取每一段有效出行段的起点以及终点,计算两点之间的直线距离,以及用户从起点到终点所花费时长。以此对用户在此有效出行段的出行方式进行初步判断,判定结果为高速出行方式和低速出行方式。随后根据上步的判定结果提取对应的导航路线,利用DBSCAN聚类算法对各导航路线与用户有效出行段的基站序列进行匹配分析,取出匹配程度最大的一条导航路线为用户所走路线,且其出行方式为此导航路线对应的出行方式。本发明优点在于其实现简单,且识别准确率高。
Description
技术领域
本发明属于交通规划与管理方法技术领域,涉及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。
背景技术
各种交通方式的出行比例、公共交通分担率等,一直是交通规划与交通管理部门所关注的重要数据。在交通分析中,常用的交通信息采集手段包括线圈、微波、视频等。不同的信息采集手段都有其优势与使用范围。
由于线圈、微波、视频等交通采集手段的使用空间范围较小,无法对人们出行行为进行持续且有效的追踪,更难以获取人们出行的OD信息。这些交通信息采集设备一般成本较高,由于成本与使用范围的限制,无法对整个城市进行大范围的覆盖。
目前,随着手机的普及,手机用户量庞大。运营商为了提供优质的通信服务,通过增加基站建设的投入,使得手机信号覆盖范围更广。手机号同时又是用户身份标识,易于区分用户,因此手机信令数据很适合用于分析人们出行的行为,从而优化城市的交通规划与管理。
目前,已有使用手机信令数据分析判断用户出行方式的专利。《基于手机信令数据的居民出行方式综合判别方法》通过分析出行子链的平均速度、出行时长、出行距离以及与GIS线网匹配的方法识别用户的出行方式。其缺点在于并未给出用户出行子链的平均速度、出行距离以及出行路径的获取方法。且基于手机信令数据利用现有的路径匹配方法无法获取用户准确的出行路径,则无法获取用户出行子链的出行路程以及平均速度,进而不能准确的识别用户的出行方式。针对以上问题本发明提出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的方法。其能够简单且有效的分析出用户真实的出行路径,进而获取出行路程以及识别用户的出行方式。导航路线是指百度地图、搜狗地图、谷歌地图等为用户规划的以不同出行方式从某一位置到另一位置的出行路径。导航路线数据为导航路线包含的各种信息(如路程、预计花费时长等),此类数据能通过相应的地图开放API接口获取。
发明内容
有鉴于此,本发明的目的在于提供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,该方法具有准确度高、使用方便的优点。
为达到上述目的,本发明提供如下技术方案:
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,该方法包括以下步骤:
S1:获取某手机用户一段时间内的手机信令数据,并对手机信令数据按时间先后顺序排序,形成手机用户出行轨迹序列;
S2:根据驻留点将用户出行轨迹序列切割为多个有效出行段:按照停留时间,识别出此手机用户出行轨迹序列中的驻留点,根据驻留点将出行轨迹序列切割为各有效出行段,其中驻留点为手机用户停留时长超过一定阈值的单个基站或相邻的多个基站;
S3:根据用户出行直线距离以及直线移动速度对其出行方式进行初步判断;
S4:根据步骤S3的判别结果,提取对应的导航路线数据;
S5:利用基于密度的聚类算法DBSCAN(Density-Based Spatial Clustering ofApplications with Noise)分析得到各导航路线与用户此有效出行段的基站序列的匹配度,取匹配度最大的导航路线为用户此有效出行段的出行路线,且此导航路线对应的交通方式为用户的出行方式。
进一步,所述步骤S3具体包括:获取某有效出行段P的起点和终点,计算起点与终点之间的直线距离Lp;获取用户通过P所花费的时长Tp,计算用户直线移动速度Vp=Lp/Tp;根据用户直线移动速度Vp,对出行方式进行初次判别,判别为高速出行方式和低速出行方式,其中高速出行方式包括公共交通与私人机动车,公共交通包括公交车与轨道交通,低速出行方式包括自行车与步行。
进一步,所述步骤S4具体包括:若为高速出行方式,则提取出以驾车和公共交通的出行方式(公共交通包括公交车与轨道交通)从有效出行段P的起点到终点的导航路线;若为低速出行方式,则提取以各种交通方式(交通方式包括驾车、公共交通、自行车和步行,其中公共交通包括公交车与轨道交通)从有效出行段P的起点到终点的导航路线;设获取到的导航路线集合为G={g1,g2,g3,…,gi,…,gn},gi表示第i个导航路线;其中导航路线数据包含从起点到终点所需要经过的道路沿线的经纬度坐标点L={l1,l2,l3,…,li,…,ln},li表示第i个导航路线gi对应的经纬度坐标数据集、路程S={s1,s2,s3,…,si,…,sn},S表示路程集合,si表示第i个导航路线gi对应的从有效出行段P的起点到终点的路程、交通方式Y={y1,y2,y3,…yi,…yn},Y表示交通方式集合,yi表示gi对应的交通方式,以及花费时长D={d1,d2,d3,…di,…,dn},D表示花费时长集合,di表示gi对应的花费时长。
进一步,所述步骤S5具体包括:
S51:设有效出行段P的基站坐标集合为B,使用基于密度的聚类算法DBSCAN对li中的经纬度坐标点和B中的基站坐标点进行聚类;设聚类算法搜索领域半径为Eps,最小包含点数为minPts;各聚类对象之间的距离为经纬度坐标点之间的距离;聚类得到m个坐标点的簇C={c1,c2,c3,…,ct,…,cm},C为簇的集合,ci为第i个簇;
S52:获取C中含有li坐标点的簇CL={ci,cj,……,ck},其中CL包含于C,i、j、k小于m,统计CL各簇中B坐标点的个数Nli;设B中坐标点的个数为Nb,计算Nli与Nb的比率rli,rli=Nli/Nb;由此得到各导航路线与用户此有效出行段的基站序列的匹配度R={rl1,rl2,rl3,…,rli,…rln};
S53:比较各导航路线的匹配度,若R中存在唯一的最大值,则取匹配度最大的导航路线grmax为用户此有效出行段P所走路线,且其出行路线为grmax对应的出行方式yrmax,路程为srmax;若R中存在多个最大值,则转到步骤S54;
S54:将匹配度最大的导航路线视为观察路线,则观察路线集合Gd={gd1,gd2,gd3,…,gdi,…gds},Gd包含于G,ds≤n,对于某些路段可采用多种交通方式,所以存在交通方式不同但路线相同的导航路线;获取Gd中gdi花费时长ddi以及用户此有效出行段P实际花费时长Tp,计算Tp与ddi的差值todi,todi=Tp-ddi;则TO={tod1,tod2,tod3,…todi,…tods},比较TO中各值,确定todi最小的导航线路为用户所走线路gtomin,用户所采用的出行方式为ytomin,出行路程为stomin。
本发明的有益效果在于:与现有技术相比,本发明提供的方法具有实现简单,识别准确率高,使用方便的优点。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明方法的流程示意图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
图1为本发明方法的流程示意图,如图所示,本发明提供的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包括以下步骤:
S1:获取某手机用户一段时间内的手机信令数据,并对手机信令数据按时间先后顺序排序,形成手机用户出行轨迹序列;
S2:根据驻留点将用户出行轨迹序列切割为多个有效出行段:按照停留时间,识别出此手机用户出行轨迹序列中的驻留点,根据驻留点将出行轨迹序列切割为各有效出行段,其中驻留点为手机用户停留时长超过一定阈值的单个基站或相邻的多个基站;
S3:根据用户出行直线距离以及直线移动速度对其出行方式进行初步判断;
S4:根据步骤S3的判别结果,提取对应的导航路线数据;
S5:利用基于密度的聚类算法DBSCAN(Density-Based Spatial Clustering ofApplications with Noise)分析得到各导航路线与用户此有效出行段的基站序列的匹配度,取匹配度最大的导航路线为用户此有效出行段的出行路线,且此导航路线对应的交通方式为用户的出行方式。
其中,在本实施例中,步骤S3具体包括:获取某有效出行段P的起点和终点,计算起点与终点之间的直线距离Lp;获取用户通过P所花费的时长Tp,计算用户直线移动速度Vp=Lp/Tp;根据用户直线移动速度Vp,对出行方式进行初次判别,判别为高速出行方式和低速出行方式,其中高速出行方式包括公共交通与私人机动车,公共交通包括公交车与轨道交通,低速出行方式包括自行车与步行。
步骤S4具体包括:若为高速出行方式,则提取出以驾车和公共交通的出行方式(公共交通包括公交车与轨道交通)从有效出行段P的起点到终点的导航路线;若为低速出行方式,则提取以各种交通方式(交通方式包括驾车、公共交通、自行车和步行,其中公共交通包括公交车与轨道交通)从有效出行段P的起点到终点的导航路线;设获取到的导航路线集合为G={g1,g2,g3,…,gi,…,gn},gi表示第i个导航路线;其中导航路线数据包含从起点到终点所需要经过的道路沿线的经纬度坐标点L={l1,l2,l3,…,li,…,ln},li表示第i个导航路线gi对应的经纬度坐标数据集、路程S={s1,s2,s3,…,si,…,sn},S表示路程集合,si表示第i个导航路线gi对应的从有效出行段P的起点到终点的路程、交通方式Y={y1,y2,y3,…yi,…yn},Y表示交通方式集合,yi表示gi对应的交通方式,以及花费时长D={d1,d2,d3,…di,…,dn},D表示花费时长集合,di表示gi对应的花费时长。
步骤S5具体包括:
S51:设有效出行段P的基站坐标集合为B,使用基于密度的聚类算法DBSCAN对li中的经纬度坐标点和B中的基站坐标点进行聚类;设聚类算法搜索领域半径为Eps,最小包含点数为minPts;各聚类对象之间的距离为经纬度坐标点之间的距离;聚类得到m个坐标点的簇C={c1,c2,c3,…,ct,…,cm},C为簇的集合,ci为第i个簇;
S52:获取C中含有li坐标点的簇CL={ci,cj,……,ck},其中CL包含于C,i、j、k小于m,统计CL各簇中B坐标点的个数Nli;设B中坐标点的个数为Nb,计算Nli与Nb的比率rli,rli=Nli/Nb;由此得到各导航路线与用户此有效出行段的基站序列的匹配度R={rl1,rl2,rl3,…,rli,…rln};
S53:比较各导航路线的匹配度,若R中存在唯一的最大值,则取匹配度最大的导航路线grmax为用户此有效出行段P所走路线,且其出行路线为grmax对应的出行方式yrmax,路程为srmax;若R中存在多个最大值,则转到步骤S54;
S54:将匹配度最大的导航路线视为观察路线,则观察路线集合Gd={gd1,gd2,gd3,…,gdi,…gds},Gd包含于G,ds≤n,对于某些路段可采用多种交通方式,所以存在交通方式不同但路线相同的导航路线;获取Gd中gdi花费时长ddi以及用户此有效出行段P实际花费时长Tp,计算Tp与ddi的差值todi,todi=Tp-ddi;则TO={tod1,tod2,tod3,…todi,…tods},比较TO中各值,确定todi最小的导航线路为用户所走线路gtomin,用户所采用的出行方式为ytomin,出行路程为stomin。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (1)
1.一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,其特征在于:该方法包括以下步骤:
S1:获取某手机用户一段时间内的手机信令数据,并对手机信令数据按时间先后顺序排序,形成手机用户出行轨迹序列;
S2:根据驻留点将用户出行轨迹序列切割为多个有效出行段:按照停留时间,识别出此手机用户出行轨迹序列中的驻留点,根据驻留点将出行轨迹序列切割为各有效出行段,其中驻留点为手机用户停留时长超过一定阈值的单个基站或相邻的多个基站;
S3:根据用户出行直线距离以及直线移动速度对其出行方式进行初步判断;
S4:根据步骤S3的判别结果,提取对应的导航路线数据;
S5:利用基于密度的聚类算法DBSCAN(Density-Based Spatial Clustering ofApplications with Noise)分析得到各导航路线与用户此有效出行段的基站序列的匹配度,取匹配度最大的导航路线为用户此有效出行段的出行路线,且此导航路线对应的交通方式为用户的出行方式;
所述步骤S3具体包括:获取某有效出行段P的起点和终点,计算起点与终点之间的直线距离Lp;获取用户通过P所花费的时长Tp,计算用户直线移动速度Vp=Lp/Tp;根据用户直线移动速度Vp,对出行方式进行初次判别,判别为高速出行方式和低速出行方式,其中高速出行方式包括公共交通与私人机动车,公共交通包括公交车与轨道交通,低速出行方式包括自行车与步行;
所述步骤S4具体包括:若为高速出行方式,则提取出以驾车和公共交通的出行方式从有效出行段P的起点到终点的导航路线;若为低速出行方式,则提取以驾车、公共交通、自行车和步行交通方式从有效出行段P的起点到终点的导航路线;设获取到的导航路线集合为G={g1,g2,g3,…,gi,…,gn},gi表示第i个导航路线;其中导航路线数据包含从起点到终点所需要经过的道路沿线的经纬度坐标点L={l1,l2,l3,…,li,…,ln},li表示第i个导航路线gi对应的经纬度坐标数据集、路程S={s1,s2,s3,…,si,…,sn},S表示路程集合,si表示第i个导航路线gi对应的从有效出行段P的起点到终点的路程、交通方式Y={y1,y2,y3,…yi,…yn},Y表示交通方式集合,yi表示gi对应的交通方式,以及花费时长D={d1,d2,d3,…di,…,dn},D表示花费时长集合,di表示gi对应的花费时长;
所述步骤S5具体包括:
S51:设有效出行段P的基站坐标集合为B,使用基于密度的聚类算法DBSCAN对li中的经纬度坐标点和B中的基站坐标点进行聚类;设聚类算法搜索领域半径为Eps,最小包含点数为minPts;各聚类对象之间的距离为经纬度坐标点之间的距离;聚类得到m个坐标点的簇C={c1,c2,c3,…,ct,…,cm},C为簇的集合,ci为第i个簇;
S52:获取C中含有li坐标点的簇CL={ci,cj,……,ck},其中CL包含于C,i、j、k小于m,统计CL各簇中属于集合B中的坐标点的个数Nli;设B中坐标点的个数为Nb,计算Nli与Nb的比率rli,rli=Nli/Nb;由此得到各导航路线与用户此有效出行段的基站序列的匹配度R={rl1,rl2,rl3,…,rli,…rln};
S53:比较各导航路线的匹配度,若R中存在唯一的最大值,则取匹配度最大的导航路线grmax为用户此有效出行段P所走路线,且其出行路线为grmax对应的出行方式yrmax,路程为srmax;若R中存在多个最大值,则转到步骤S54;
S54:将匹配度最大的导航路线视为观察路线,则观察路线集合Gd={gd1,gd2,gd3,…,gdi,…gds},Gd包含于G,ds≤n,对于某些路段可采用多种交通方式,所以存在交通方式不同但路线相同的导航路线;获取Gd中gdi花费时长ddi以及用户此有效出行段P实际花费时长Tp,计算Tp与ddi的差值todi,todi=Tp-ddi;则TO={tod1,tod2,tod3,…todi,…tods},比较TO中各值,确定todi最小的导航线路为用户所走线路gtomin,用户所采用的出行方式为ytomin,出行路程为stomin。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610653628.0A CN106197458B (zh) | 2016-08-10 | 2016-08-10 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610653628.0A CN106197458B (zh) | 2016-08-10 | 2016-08-10 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106197458A CN106197458A (zh) | 2016-12-07 |
CN106197458B true CN106197458B (zh) | 2018-11-13 |
Family
ID=57515174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610653628.0A Active CN106197458B (zh) | 2016-08-10 | 2016-08-10 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106197458B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341135A (zh) * | 2019-12-24 | 2020-06-26 | 中山大学 | 基于兴趣点及导航数据的手机信令数据出行方式识别方法 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897420B (zh) * | 2017-02-24 | 2020-10-02 | 东南大学 | 一种基于手机信令数据的用户出行驻留行为识别方法 |
CN107463940B (zh) * | 2017-06-29 | 2020-02-21 | 清华大学 | 基于手机数据的车辆类型识别方法和设备 |
CN107609709A (zh) * | 2017-09-26 | 2018-01-19 | 上海爱优威软件开发有限公司 | 基于场景分类的路径规划方法及系统 |
CN107845260B (zh) * | 2017-10-26 | 2020-02-14 | 杭州东信北邮信息技术有限公司 | 一种用户公交出行方式的识别方法 |
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 |
CN109996178B (zh) * | 2017-12-30 | 2021-04-13 | 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 |
CN108520028B (zh) * | 2018-03-27 | 2021-05-07 | 北京邮电大学 | 基于dpi数据的用户地理位置特征提取方法及系统 |
CN108712719B (zh) * | 2018-05-17 | 2020-09-15 | 北京中交汇智数据有限公司 | 基于终端信令大数据的交通等时线获取方法和系统 |
CN109284773A (zh) * | 2018-08-15 | 2019-01-29 | 西南交通大学 | 基于多层凝聚层次聚类算法的交通出行端点识别方法 |
CN108882177A (zh) * | 2018-09-05 | 2018-11-23 | 北京工业大学 | 基于手机信令数据的机场轨道旅客识别方法 |
CN109272032A (zh) * | 2018-09-05 | 2019-01-25 | 广州视源电子科技股份有限公司 | 出行方式识别方法、装置、计算机设备和存储介质 |
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 |
CN109327798B (zh) * | 2018-10-16 | 2021-01-26 | 抚州市发展和改革委员会 | 一种基于移动终端的出行方式的判断方法 |
CN109561386A (zh) * | 2018-11-23 | 2019-04-02 | 东南大学 | 一种基于多源定位数据的城市居民出行活动模式获取方法 |
CN109583648A (zh) * | 2018-11-30 | 2019-04-05 | Oppo广东移动通信有限公司 | 出行管理方法、装置、存储介质及终端设备 |
CN109788437B (zh) * | 2019-01-03 | 2021-02-02 | 中国联合网络通信集团有限公司 | 一种出行路线管理系统和方法 |
CN110377687A (zh) * | 2019-07-26 | 2019-10-25 | 智慧足迹数据科技有限公司 | 用户出行方式判别方法、装置和服务器 |
CN110753307B (zh) * | 2019-10-24 | 2020-10-30 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于居民调查数据获取带有标签的手机信令轨迹数据方法 |
CN112747767A (zh) * | 2019-10-30 | 2021-05-04 | 中国电信股份有限公司 | 出行方式的确定方法、装置和计算机可读存储介质 |
CN111653097B (zh) * | 2020-05-29 | 2021-08-10 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据且含个人属性修正的城市出行方式综合识别方法 |
CN111735456A (zh) * | 2020-06-28 | 2020-10-02 | 北京百度网讯科技有限公司 | 一种导航方法、装置、设备以及存储介质 |
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 |
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 |
CN112556717B (zh) * | 2021-02-20 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 出行方式筛选方法和出行路线推荐方法和装置 |
CN113079463A (zh) * | 2021-03-31 | 2021-07-06 | 上海晨擎信息科技有限公司 | 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 |
CN113282808B (zh) * | 2021-07-22 | 2021-09-28 | 深圳市汇鑫垒刀模科技有限公司 | 轨迹的存储方法、系统及存储介质 |
CN116052436B (zh) * | 2023-04-03 | 2023-08-01 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种跨城出行方式识别方法、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810851A (zh) * | 2014-01-23 | 2014-05-21 | 广州地理研究所 | 一种基于手机定位的交通出行模式识别方法 |
CN105608505A (zh) * | 2015-12-22 | 2016-05-25 | 重庆邮电大学 | 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 |
CN105657725A (zh) * | 2016-02-01 | 2016-06-08 | 重庆邮电大学 | 一种基于手机信令数据的城市功能区辐射区域界定方法 |
CN105809962A (zh) * | 2016-06-13 | 2016-07-27 | 中南大学 | 一种基于手机数据的交通出行方式划分的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2484921B (en) * | 2010-10-25 | 2014-10-08 | Sca Ipla Holdings Inc | Communications device and method |
-
2016
- 2016-08-10 CN CN201610653628.0A patent/CN106197458B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810851A (zh) * | 2014-01-23 | 2014-05-21 | 广州地理研究所 | 一种基于手机定位的交通出行模式识别方法 |
CN105608505A (zh) * | 2015-12-22 | 2016-05-25 | 重庆邮电大学 | 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 |
CN105657725A (zh) * | 2016-02-01 | 2016-06-08 | 重庆邮电大学 | 一种基于手机信令数据的城市功能区辐射区域界定方法 |
CN105809962A (zh) * | 2016-06-13 | 2016-07-27 | 中南大学 | 一种基于手机数据的交通出行方式划分的方法 |
Non-Patent Citations (2)
Title |
---|
基于手机定位信息的地铁乘客出行路径辨识方法;赖见辉等;《计算机应用》;20130201;第33卷(第2期);第583-586页 * |
移动数据的交通出行方式识别方法;肖艳丽等;《智能系统学报》;20141031;第9卷(第5期);第536-543页 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341135A (zh) * | 2019-12-24 | 2020-06-26 | 中山大学 | 基于兴趣点及导航数据的手机信令数据出行方式识别方法 |
CN111341135B (zh) * | 2019-12-24 | 2021-05-14 | 中山大学 | 基于兴趣点及导航数据的手机信令数据出行方式识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106197458A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106197458B (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 | |
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 | |
CN104751631B (zh) | 基于gps定位和模糊理论判断出行链交通方式的方法 | |
CN108959466B (zh) | 基于bcs-dbscan的出租车载客热点可视化方法及系统 | |
CN105608505B (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 | |
WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
CN111818313B (zh) | 一种基于监控视频的车辆实时追踪方法及装置 | |
CN103593974B (zh) | 一种基于定位信息的公交载客量采集方法 | |
CN111653096B (zh) | 一种基于手机信令数据的城市出行方式识别方法 | |
WO2017084221A1 (zh) | 交通状态的获取方法及装置 | |
US10373494B1 (en) | Method and apparatus for estimating a parking event based on device signal observations | |
CN104424812B (zh) | 一种公交到站时间预测系统和方法 | |
CN106935027A (zh) | 一种基于行驶数据的交通信息预测方法及装置 | |
CN102779410B (zh) | 一种多源异类海量交通数据融合的并行实现方法 | |
CN108961758B (zh) | 一种基于梯度提升决策树的路口展宽车道探测方法 | |
CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
CN101136140A (zh) | 道路交通的通行速度计算和匹配的方法和系统 | |
Liu et al. | Exploiting heterogeneous human mobility patterns for intelligent bus routing | |
CN109102114B (zh) | 一种基于数据融合的公交出行下车站点估计方法 | |
CN107845260B (zh) | 一种用户公交出行方式的识别方法 | |
CN111862606A (zh) | 一种基于多源数据的非法营运车辆识别方法 | |
Zhu et al. | Inferring taxi status using gps trajectories | |
CN110472999B (zh) | 基于地铁和共享单车数据的客流模式分析方法及装置 | |
CN107085944A (zh) | 一种交通数据处理系统及方法 | |
CN106327867B (zh) | 一种基于gps数据的公交准点预测方法 |
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 |