CN106448173B - 一种基于手机数据的长距离出行交通方式划分方法 - Google Patents

一种基于手机数据的长距离出行交通方式划分方法 Download PDF

Info

Publication number
CN106448173B
CN106448173B CN201611090032.0A CN201611090032A CN106448173B CN 106448173 B CN106448173 B CN 106448173B CN 201611090032 A CN201611090032 A CN 201611090032A CN 106448173 B CN106448173 B CN 106448173B
Authority
CN
China
Prior art keywords
trip
city
traveler
mobile phone
transportation
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
Application number
CN201611090032.0A
Other languages
English (en)
Other versions
CN106448173A (zh
Inventor
李林超
冉斌
戴冠臣
张健
徐云霞
洪阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201611090032.0A priority Critical patent/CN106448173B/zh
Publication of CN106448173A publication Critical patent/CN106448173A/zh
Application granted granted Critical
Publication of CN106448173B publication Critical patent/CN106448173B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于手机数据的长距离出行交通方式划分方法，包括如下步骤：1、确定城市A和城市B间常用的I类出行交通方式，获取志愿者出行信息和手机信令数据；2、获取I类出行交通方式中每一类出行路径的完整轨迹点集合T(i)及出行耗时t(i)；3、提取两城市间出行者集合C；4、获取集合C中每个出行者的轨迹点集合E(j)；5、得到城市A到城市B的出行用户集合D；6、判断集合D中每个出行者轨迹点集合E(j)与集合T(i)的关系；若且i取值唯一，则得出第j个出行者采用第i类交通方式；7、若且i取值不唯一；计算第j个出行者的出行耗时s(j)，在i的可能取值中选取对应交通方式的出行耗时与s(j)最接近的作为第j个出行者采用的交通方式。该方法可以准确识别出跨城市出行者采用的交通方式。

Description

一种基于手机数据的长距离出行交通方式划分方法
技术领域
本发明属于智能交通领域，具体涉及一种长距离出行交通方式划分方法。
背景技术
不同交通方式的出行比例，对交通规划与交通管理部门具有重要的意义，传统的交通方式划分主要采用问卷调查的方式实现，然而该种方式耗材、耗力，而且结果不尽如人意。尤其对长距离出行，由于获取的样本量较少，精度难以保证。
随着通讯技术的不断发展，手机用户量不断增加，几乎可以达到全覆盖，运营商通过增加基站不断提升通信服务水平，手机信号覆盖范围广，适合用于分析出行者的出行行为，从而为交通规划提供依据。
目前，随着手机的快速普及应用，其被广泛应用于进行OD分析(Origin-Destination，出发地-目的地)、断面客流量统计和获取交通状态数据，已经成为一种新型的出行信息采集方式。然而利用手机信令数据进行交通方式划分的研究还不多，如何利用其识别出行者的出行方式仍为业界难题之一。这是因为手机信令数据无法像GPS数据一样，实时精确定位出行者的位置，其属于模糊定位范畴。然而GPS数据样本量极少，无法满足分析的要求。
发明内容
发明目的：针对现有技术中存在的不足，本发明公开了一种利用手机信令数据的长距离出行交通方式划分方法，该方法依据出行者的手机接入基站的轨迹序列，与志愿者的轨迹序列进行匹配，并结合行程时间，对长距离出行者交通方式进行划分。
技术方案：一种基于手机数据的长距离出行交通方式划分方法，包括如下步骤：
(1)确定城市A和城市B之间常用的I类出行交通方式，获取志愿者的出行信息和手机信令数据；
(2)从志愿者的手机信令数据中获取I类出行交通方式中每一类出行路径的完整轨迹点集合T(i)及出行耗时t(i)，其中i＝1,2,…,I；
(3)从城市A和城市B的所有手机信令数据中提取城市A和城市B之间的所有出行者集合C，设其中集合C中有J个出行者；
(4)提取集合C中每个出行者在出行起点和出行终点之间的手机接入基站的位置坐标数据，得到每个出行者的轨迹点集合G(j)，其中j＝1,2,…,J；
(5)判别城市A和城市B出行者的出行起点和出行终点，得到城市A到城市B的出行用户集合D，并从G(j)中选取与用户集合D对应的出行者轨迹点集合E(j)；
(6)判断出行用户集合D中每个出行者的轨迹点集合E(j)与集合T(i)的关系，i＝1,2,…,I；若且i取值唯一，则得出第j个出行者采用第i类交通方式；
(7)若且i取值不唯一；计算第j个出行者的出行耗时s(j)，在i的可能取值中选取对应交通方式的出行耗时与s(j)最接近的作为第j个出行者采用的交通方式。
具体地，手机信令数据包括时间、接入基站位置坐标。
进一步地，步骤(3)包括如下步骤：
(31)将城市A和城市B的手机信令数据中某日出现的所有用户定义为集合SA和集合SB，则城市A和城市B之间的所有出行者集合C为：C＝SA∩SB，设集合C中有J个出行者；
(32)提取C中所有出行者的手机接入基站的轨迹数据，并按时间序列进行排序，根据序列中基站出现在A、B的时间提取出城市A到城市B的出行用户集合D。
步骤(4)中所述的出行起点是指出行者在城市A最后时刻接入的基站；所述的终点是指出行者在城市B最早时刻接入的基站。
优选地，步骤(7)包括如下步骤：
(71)若且i取值不唯一，设i的可能取值构成集合P；计算第j个出行者的出行耗时s(j)；
(72)获取集合P中每一个元素对应的出行耗时t(p)，则i的取值为s(j)与t(p)绝对误差最小时的p,即
作为另一种优选，步骤(7)包括如下步骤：
(701)若且i取值不唯一，设i的可能取值构成集合P；计算第j个出行者的出行耗时s(j)；
(702)获取集合P中每一个元素对应的出行耗时t(p)，则i的取值为s(j)与t(p)相对最小时的p,即
有益效果：与现有技术相比，本发明公开的基于手机数据的长距离出行交通方式划分方法具有以下优点：1、本发明利用广泛使用的手机，弥补了传统交通方式划分方法造价高的不足；2、手机信令数据接近于统计学上的全样本，因此利用手机信令数据进行交通方式划分具有较高的精度，3、本发明可以准确的识别跨城市出行的出行者所采用的交通方式，为交通规划和运营管理部门提供可靠的决策依据。
附图说明
图1是本发明公开的交通方式划分方法流程。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明。
一种基于手机数据的长距离出行交通方式划分方法，如图1所示，其原理是利用手机信令数据及基站的位置信息来确定长距离出行者所选用的交通方式。首先通过试验，确定不同交通方式的手机接入基站序列，并计算平均出行耗时；然后对手机信令数据进行除燥，进行数据重构，计算用户与不同交通方式的接入基站序列的匹配度；最后通过匹配度和行程时间判断出用户的出行方式，本方法可以准确的识别出行群之间出行者的出行方式，为交通规划和交通管理提供可靠的决策依据。其具体流程如图1所示。
一种基于手机数据的长距离出行交通方式划分方法，包括如下步骤：
步骤1、确定城市A和城市B之间常用的I类出行交通方式，获取志愿者的出行信息和手机信令数据；
步骤2、采集志愿者的手机信令数据，获取I类出行交通方式中每一类出行路径的完整轨迹点集合T(i)及出行耗时t(i)，其中i＝1,2,…,I；本实施例中手机信令数据包括时间、接入基站位置坐标；出行耗时t(i)为对应出行路径中所有志愿者的平均耗时；
步骤3、从城市A和城市B的所有手机信令数据中提取城市A和城市B之间的所有出行者集合C，设其中集合C中有J个出行者；具体包括如下步骤：
(31)将城市A和城市B的手机信令数据中某日出现的所有用户定义为集合SA和集合SB，则城市A和城市B之间的所有出行者集合C为：C＝SA∩SB，设集合C中有J个出行者；
(32)提取C中所有出行者的手机接入基站的轨迹数据，并按时间序列进行排序，根据序列中基站出现在A、B的时间提取出城市A到城市B的出行用户集合D。
步骤4、提取集合C中每个出行者在出行起点和出行终点之间的手机接入基站的位置坐标数据，得到每个出行者的轨迹点集合G(j)，其中j＝1,2,…,J；
出行起点是指出行者在城市A最后时刻接入的基站；所述的终点是指出行者在城市B最早时刻接入的基站。
步骤5、判别城市A和城市B出行者的出行起点和出行终点，得到城市A到城市B的出行用户集合D，并从G(j)中选取与用户集合D对应的出行者轨迹点集合E(j)；
步骤6、判断出行用户集合D中每个出行者的轨迹点集合E(j)与集合T(i)的关系，i＝1,2,…,I；若且i取值唯一，则得出第j个出行者采用第i类交通方式；
步骤7、若且i取值不唯一；计算第j个出行者的出行耗时s(j)，在i的可能取值中选取对应交通方式的出行耗时与s(j)最接近的作为第j个出行者采用的交通方式。
步骤7中可以采用绝对误差来衡量出行耗时的接近程度，即采用如下步骤：
(71)若且i取值不唯一，设i的可能取值构成集合P；计算第j个出行者的出行耗时s(j)；
(72)获取集合P中每一个元素对应的出行耗时t(p)，则i的取值为s(j)与t(p)绝对误差最小时的p,即
步骤7也可以采用相对误差来衡量出行耗时的接近程度，即采用如下步骤：
(701)若且i取值不唯一，设i的可能取值构成集合P；计算第j个出行者的出行耗时s(j)；
(702)获取集合P中每一个元素对应的出行耗时t(p)，则i的取值为s(j)与t(p)相对最小时的p,即

Claims (6)

1.一种基于手机数据的长距离出行交通方式划分方法，其特征在于，包括如下步骤：
(1)确定城市A和城市B之间常用的I类出行交通方式，获取志愿者的出行信息和手机信令数据；
(2)从志愿者的手机信令数据中获取I类出行交通方式中每一类出行路径的完整轨迹点集合T(i)及出行耗时t(i)，其中i＝1,2,…,I；
(3)从城市A和城市B的所有手机信令数据中提取城市A和城市B之间的所有出行者集合C，设其中集合C中有J个出行者；
(4)提取集合C中每个出行者在出行起点和出行终点之间的手机接入基站的位置坐标数据，得到每个出行者的轨迹点集合G(j)，其中j＝1,2,…,J；
(5)判别城市A和城市B出行者的出行起点和出行终点，得到城市A到城市B的出行用户集合D，并从G(j)中选取与用户集合D对应的出行者轨迹点集合E(j)；
(6)判断出行用户集合D中每个出行者的轨迹点集合E(j)与集合T(i)的关系，i＝1,2,…,I；若且i取值唯一，则得出第j个出行者采用第i类交通方式；
(7)若且i取值不唯一；计算第j个出行者的出行耗时s(j)，在i的可能取值中选取对应交通方式的出行耗时与s(j)最接近的作为第j个出行者采用的交通方式。
2.根据权利要求1所述的出行交通方式划分方法，其特征在于，所述的手机信令数据包括时间、接入基站位置坐标。
3.根据权利要求1所述的出行交通方式划分方法，其特征在于，步骤(3)包括如下步骤：
(31)将城市A和城市B的手机信令数据中同一日出现的所有用户定义为集合SA和集合SB，则城市A和城市B之间的所有出行者集合C为：C＝SA∩SB，设集合C中有J个出行者；
(32)提取C中所有出行者的手机接入基站的轨迹数据，并按时间序列进行排序，根据序列中基站出现在A、B的时间提取出城市A到城市B的出行用户集合D。
4.根据权利要求1所述的出行交通方式划分方法，其特征在于，步骤(4)中所述的出行起点是指出行者在城市A最后时刻接入的基站；所述的终点是指出行者在城市B最早时刻接入的基站。
5.根据权利要求1所述的出行交通方式划分方法，其特征在于，步骤(7)包括如下步骤：
(71)若且i取值不唯一，设i的可能取值构成集合P；计算第j个出行者的出行耗时s(j)；
(72)获取集合P中每一个元素对应的出行耗时t(p)，则i的取值为s(j)与t(p)绝对误差最小时的p,即
6.根据权利要求1所述的出行交通方式划分方法，其特征在于，步骤(7)包括如下步骤：
(701)若且i取值不唯一，设i的可能取值构成集合P；计算第j个出行者的出行耗时s(j)；
(702)获取集合P中每一个元素对应的出行耗时t(p)，则i的取值为s(j)与t(p)相对最小时的p,即
CN201611090032.0A 2016-11-28 2016-11-28 一种基于手机数据的长距离出行交通方式划分方法 Active CN106448173B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611090032.0A CN106448173B (zh) 2016-11-28 2016-11-28 一种基于手机数据的长距离出行交通方式划分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611090032.0A CN106448173B (zh) 2016-11-28 2016-11-28 一种基于手机数据的长距离出行交通方式划分方法

Publications (2)

Publication Number Publication Date
CN106448173A CN106448173A (zh) 2017-02-22
CN106448173B true CN106448173B (zh) 2018-10-23

Family

ID=58222511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611090032.0A Active CN106448173B (zh) 2016-11-28 2016-11-28 一种基于手机数据的长距离出行交通方式划分方法

Country Status (1)

Country Link
CN (1) CN106448173B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105788244B (zh) * 2016-05-12 2017-12-08 中国联合网络通信集团有限公司 一种拼车方法及系统
CN107241512B (zh) 2017-06-30 2019-10-18 清华大学 基于手机数据的城际交通出行方式判断方法和设备
CN109743723B (zh) * 2019-01-28 2021-07-06 同济大学 一种将手机基站数据分配到周边空间单元的方法
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
CN111653093B (zh) * 2020-05-29 2022-06-17 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的城市出行方式综合识别方法
CN113823081A (zh) * 2021-03-08 2021-12-21 上海评驾科技有限公司 一种基于商用车行程起终点的空间定位方法
CN114399233B (zh) * 2022-03-25 2022-06-07 南京大学 基于深度学习和od补全的交通规划方法及装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9046924B2 (en) * 2009-03-04 2015-06-02 Pelmorex Canada Inc. Gesture based interaction with traffic data
US8565586B2 (en) * 2009-05-20 2013-10-22 Microsoft Corporation Recorder vacation mode
CN102013163A (zh) * 2010-11-25 2011-04-13 广州通易科技有限公司 使用手机基站数据与营运车辆gps数据进行公交od调查的方法
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
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
KR101290093B1 (ko) * 2011-03-29 2013-07-26 기아자동차주식회사 트립컴퓨터 표시모드의 자동순환시스템 및 그 방법
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
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
CN105101092A (zh) * 2015-09-01 2015-11-25 上海美慧软件有限公司 一种基于c4．5决策树的手机用户出行方式识别方法
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

Also Published As

Publication number Publication date
CN106448173A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN106448173B (zh) 一种基于手机数据的长距离出行交通方式划分方法
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
CN104766473B (zh) 基于多模式公交数据匹配的公共交通出行特征提取方法
CN109561391B (zh) 基于蜂窝网和Wi-Fi数据的高速公路服务区人流量分析方法
US9830817B2 (en) Bus station optimization evaluation method and system
Biagioni et al. Easytracker: automatic transit tracking, mapping, and arrival time prediction using smartphones
CN104508719B (zh) 驾驶辅助系统以及驾驶辅助方法
CN102521973B (zh) 一种手机切换定位的道路匹配方法
CN104504099B (zh) 基于位置轨迹的交通出行状态切分方法
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
CN109189949B (zh) 一种人口分布计算方法
Assemi et al. Developing and validating a statistical model for travel mode identification on smartphones
CN108288321A (zh) 基于ic卡数据与车辆gps信息的公交站点上下客流量确定方法
CN106710208A (zh) 交通状态的获取方法及装置
CN104916133B (zh) 一种基于交通轨迹数据的道路海拔信息提取方法及系统
CN105101092A (zh) 一种基于c4．5决策树的手机用户出行方式识别方法
CN115168529B (zh) 一种基于手机定位数据的枢纽客流溯源方法
CN108225356A (zh) 一种基于货车历史轨迹的货运导航方法及装置
CN103366560A (zh) 一种道路交通运行状态跟车探测方法、系统及应用
CN113128899B (zh) 一种基于移动位置数据的城市通勤特征解析系统
CN106205120A (zh) 一种提取道路路口交通限制的方法及装置
CN107330840A (zh) 基于站台视频分析的城市公交客流调查方法及其调查系统
CN105893352A (zh) 一种基于社交网络大数据的空气质量预警和监测分析系统
CN110413855A (zh) 一种基于出租车下客点的区域出入口动态提取方法
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

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