CN106503843A - 一种基于手机信令数据的常规公交线网优化与调整方法 - Google Patents
一种基于手机信令数据的常规公交线网优化与调整方法 Download PDFInfo
- Publication number
- CN106503843A CN106503843A CN201610911622.9A CN201610911622A CN106503843A CN 106503843 A CN106503843 A CN 106503843A CN 201610911622 A CN201610911622 A CN 201610911622A CN 106503843 A CN106503843 A CN 106503843A
- Authority
- CN
- China
- Prior art keywords
- trip
- mobile phone
- traffic
- network
- public
- 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.)
- Pending
Links
- 230000011664 signaling Effects 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 98
- 238000005457 optimization Methods 0.000 title claims abstract description 63
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 238000011160 research Methods 0.000 claims abstract description 21
- 238000012546 transfer Methods 0.000 claims abstract description 8
- 238000010276 construction Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 88
- 238000013507 mapping Methods 0.000 claims description 28
- 238000010295 mobile communication Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 18
- 238000013441 quality evaluation Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000018199 S phase Effects 0.000 claims description 5
- 210000004247 hand Anatomy 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 4
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 238000004451 qualitative analysis Methods 0.000 abstract description 2
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 10
- 238000005070 sampling Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012732 spatial analysis Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000007781 signaling event Effects 0.000 description 1
- 230000001960 triggered effect Effects 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)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于手机信令数据的常规公交线网优化与调整方法,其包括手机信令数据处理步骤、区域交通出行特征提取步骤和公交线网动态优化调整步骤。本发明以已有的理论研究为基础,结合公交线路线网优化项目中的实践经验和研究成果,将定性分析方法和定量分析方法有机结合起来,使线路优化方法更能符合公交线路优化的实际情况,更具有操作性,为公交公司及相关管理部门在公交规划与管理中提供优化决策支持。达到公交线网直达乘客量最大、公交系统建设成本最低和乘客公交换乘次数最少的目标。本发明是一种能够提高公交服务水平、提升公交可达性和有效缓解交通拥堵的基于手机信令数据的常规公交线网优化与调整方法。
Description
技术领域
本发明属于手机信令数据的应用技术领域,具体的说是涉及一种基于手机信令数据的常规公交线网优化与调整方法。
背景技术
公交网络设计在“逐条布线、优化成网”方法之后出现了重大转折,后人纷纷以该方法作为基础进行研究改进,这一经典方法沿用至今,并且本发明也借鉴该方法进行优化设计。在公交网络优化方面前期的研究主要是以乘客出行时间最短和公交运营成本最低作为优化目标建立优化模型,后来的学者考虑到乘客的舒适度,又加入了换乘次数最少、直达客流最大等目标进行优化。在公交客流分配方面具体有规划手册法、市场分析规划法、系统分析法、基于计算机的交互式辅助系统分析法、数学寻优法、“逐条布设,优化成网”法、全网最优法和功能层次分析法等8种方法。
居民的日常出行活动是城市交通需求的直接反映。随着通信技术在交通出行调查中的应用和推广,交通数据获取方法发展很快。居民手机拥有量日益增长,手机已经能够作为居民随身的出行探测器,移动通信数据中会留下用户的电子脚印,实时反映居民的出行位置等信息。手机信令数据能够提供大量的居民空间活动信息,是分析城市交通的重要数据源,利用手机信令数据分析出行信息已经具备实际应用的条件。
手机数据有很多的特点和优势:1、手机信令数据拥有极大的样本量;2、由于手机使用的普及,采集的居民出行信息覆盖范围广;3、采集数据实时性强,能及时更新数据;4、对基础设施要求低;5、定位精度满足交通分析的需求,位置信息精确到经纬度,能准确定位到出行的起讫点、驻点等,很适用于对通勤交通的分析。基于手机数据能够分析预测居民出行状态、出行规律,为分析城市交通出行状态,居民出行行为,理解城市交通发生机理,分析城市交通拥堵和城市交通管理与规划提供参考依据。
目前在我国常规公交线路优化方法中,基本都是以研究公交线网优化为主,建立了不少数学优化模型,而这些研究基本都属于理论性研究,建立的数学优化模型很难或无法求解。这些优化方法不符合我国公交规划的实际情况,数据也难以采集,缺乏可操作性。在 1989年,王炜教授提出了简便实用的“逐条布设,优化成网”的公交线网优化方法。这种公交线网优化方法的基础是单条公交线路的优化,具有较好的实践指导作用,但在线路优化设计的过程中未考虑公交线路的功能层次。而且现有技术中传统的公交线路调整优化方法需要投入大量的人力进行OD调查和数据收集,且调查的样本量有限、时效性不强。
发明内容
本发明为了克服现有技术存在的不足,提供一种能够提高公交服务水平、提升公交可达性和有效缓解交通拥堵的基于手机信令数据的常规公交线网优化与调整方法。
本发明是通过以下技术方案实现的:一种基于手机信令数据的常规公交线网优化与调整方法,其包括手机信令数据处理步骤、区域交通出行特征提取步骤和公交线网动态优化调整步骤;
(1)手机信令数据处理步骤为:
1)手机信令数据特征分析:
携带手机的用户在由基站构成的移动通信网络范围内活动会产生位置更新信息,并被移动业务中心记录下来,保存在数据库中。本发明通过对移动公司提供的信令数据进行分析了解到,被记录的数据字段包括用户手机识别号、手机号、用户所在位置区LAC及Cell小区、触发事件类型、记录时间等信息。手机数据能够分析预测居民出行状态、出行规律,为分析城市交通出行状态,居民出行行为,理解城市交通发生机理,分析城市交通拥堵和城市交通管理与规划提供参考依据。
2)手机信令数据预处理:
手机信令数据预处理包括信令数据过滤、信令数据除噪和数据字段保留三步;将通信运营商提供的大量手机信令数据存储于SQL数据库中,同时按照不同的规则,在不同的数据处理阶段设置多级过滤器,一步步对大量的原始手机信令数据过滤除噪,最终获得质量较好的手机信令数据信息;
3)手机信令数据质量评估:
手机信令数据处理步骤还包括手机信令数据质量评估,手机信令数据质量评估包括交通交通适用性分析、范围适用性分析、准确性分析和完整性分析4方面。地理空间数据投影与映射步骤还包括区域居住人口识别,区域居住人口识别是对手机长期的历史数据进行分析,得到各个手机用户在不同日期各个时间段的空间活动范围,根据人口在时间与空间上的出现规律,筛选出区域居住人口。手机信令数据质量评估包括交通交通适用性分析、范围适用性分析、准确性分析和完整性分析等4方面。
(2)区域交通出行特征提取步骤为:
移动通信网信号覆盖与交通网络的相互映射关系是手机技术应用于交通参数采集的最为关键的基础数据,将移动通信网络信号覆盖映射到交通网络上,得到手机用户在交通网络中的运动情况,用于计算和分析手机用户的交通出行;根据手机用户在通信网络中的出行情况,推断出手机用户在交通网络中的出行情况;在移动通信网络信号覆盖映射到道路路段用于手机速度计算的基础上,进一步研究移动通信网络信号覆盖映射至交通分析区域和交通分析断面的方法,用于区域客流检测与断面客流检测;
区域交通出行特征提取步骤还包括居民出行轨迹分析,居民出行轨迹分析通过SQL查询语句将研究区域内的常住用户MSID提取出来,并对所有用户重新编号,然后利用循环查询,提取每个用户一天的出行链,按时间顺序排列,并标识出每个位置点映射的交通小区。区域交通出行特征提取步骤还包括机动化出行OD获取,机动化出行OD获取是通过手机停留时间与出行距离来判断手机出行,即手机单次停留时间超过单次停留时间阈值,且在合理距离范围内的出行称为一次手机出行,单次停留时间阈值根据研究区域的居民出行习惯和手机数据时间范围进行综合确定。
区域交通出行特征提取步骤还包括对居民出行时间分布和居民出行空间分布分别进行分析;居民出行时间分布指出行量在不同时段上的分布,以一个小时为时段统计一天内发生的出行量,分别求出各时段的出行发生率,各时段出行发生率按时间顺序连在一起,即为居民出行时间分布;居民出行空间分布指出行量的期望线分布而非实际路径分布,它反映居民出行的空间流动规律、城市交通的主要流向及土地利用布局特点。
区域交通出行特征提取步骤还包括数据扩样步骤,数据扩样步骤即将手机出行数据扩样为总体人群的出行数据,用于真实反映总体人群的出行特征和规律;数据扩样步骤采用多层扩样模型,从有效手机样本群体直接扩至全体人群;首先扩样至所有手机用户,再扩样至所有人群,最终得到全体人群的出行情况。
地理空间数据投影与映射技术:移动通信网信号覆盖与交通网络的相互映射关系,是手机技术应用于交通参数采集的最为关键的基础数据。直接利用手机定位数据,只能得到手机用户在移动通信网络中不同的信号覆盖小区间的运动情况,而只有将移动通信网络信号覆盖映射到交通网络上,才能得到手机用户在交通网络中的运动情况,用于计算和分析手机用户的交通出行。
区域居住人口识别技术:区域居住人口识别技术是对手机长期历史数据分析,得到各个手机用户在不同日期各个时间段的空间活动范围,根据人口在时间与空间上的出现规律,筛选出区域居住人口。
居民出行轨迹分析技术:通过SQL查询语句将研究区域内的常住用户MSID提取出来,并对所有用户重新编号userID。然后利用循环查询,提取每个用户一天的出行链,按时间顺序排列,并标识每个位置点映射的交通小区。
机动化出行OD获取技术:根据出行的定义,出行时间或距离必须达到一定的标准才可算为一次出行。由于本发明是通过获取的手机信令数据进行居民出行特征的研究,针对的是“手机出行”。传统调查对于居民“一次出行”的判断可通过调查直接获取,而通过手机数据判断“手机出行”则需要结合具体的情况来进行界定。
居民出行时空分布分析:居民出行时间分布指出行量在不同时段上的分布,一般以一个小时为时段统计一天内发生的出行量,分别求出各时段的出行发生率,即各时段出行量占全曰出行量的比值,各时段出行发生率按时间顺序连在一起,即为出行时间分布。出行时间分布客观上反映了交通需求在时间上的分布,反映了人们的生活节奏快慢,为分析和缓解高峰小时交通问题提供重要参考依据。
数据扩样技术:由于手机信令数据采集终端会遗漏抓取部分少量数据,同时并非全部人都拥有手机,如部分老人、小孩,种种原因导致基于手机信令数据的出行分析包含的人群和总体人群并不对等,而是针对总体人群的大比例抽样。鉴于此,需将手机出行数据扩样为总体人群的出行数据,以真实反映总体人群的出行特征和规律。
(3)公交线网动态优化调整步骤为:
公交线网动态优化调整步骤以已有理论研究为基础,结合公交线路线网优化项目中的实践经验和研究成果,研究出公交线路功能层次基础上的线路优化实用方法,公交线网动态优化调整步骤遵循出行便捷原则、区域差别原则、功能分级原则和集约高效原则,最终达到公交线网直达乘客量最大、公交系统建设成本最低和乘客公交换乘次数最少的公交线网优化目标。
公交线网动态优化调整步骤的优化条件为:(1)对于新增线路:对于已建成区域,根据轨道交通站点或骨干线的开通、客流需求及服务功能决定是否新辟,主要以驳运线为主;(2)对于调整线路:公交客运走廊上,通过线网优化调整,逐步形成一条主干道上有一条规模化运营的骨干公交线路;与轨道交通同向连续共站3站及以上的公交线路,且轨道交通服务能够满足客流需求时,调整走向;公交线路总长度50%以上与其他线路重复,且其余部分有其他线路覆盖的,对重合部分进行调整;新建轨道交通、枢纽站投入运营时,周边公交线路予以适度调整,使得驳运线、区域线、骨干线之间,公交线路与轨道交通之间可衔接配套;道路新建、断头路打通的情况下,通过调整公交线路优化区域内线网,填补服务空白。
公交线网动态优化调整步骤还包括公交线路运能计算,公交线路运能计算分为可提供能力的计算和已利用能力的计算;可提供能力是在某一方向上,每小时通过一点的最大车辆数或车辆所运送的乘客空间最大数;已利用能力是每小时单方向实际车辆数或运送乘客空间的最大数。
公交线网动态优化调整步骤还包括公交线路供需匹配步骤,公交线路供需匹配步骤将近期公交客流的OD需求一一分配到各条线路,进行公交线网供需匹配,进而得到未被满足的公交出行OD需求量以及运能剩余的线路。
公交线路运能计算:线路能力表示在一般条件下,一条公交线通过一定车辆或者运送一定乘客流的公交系统能力,它也对公交线提供的服务水平有影响,这是由于其它许多性能特征,如速度、可靠性和舒适性等特征都取决于流量与能力的比率,即车辆中的乘客数或线路上的车辆数,因此,线路能力是公交系统中基本特征之一。同时,根据公交网络特性可知,公交线路能力是公交网络运能的重要组成,是影响网络运能的重要因素。
公交线路供需匹配:利用上述方法,将近期公交客流OD需求一一分配到各条线路,进行公交线网供需匹配,得到各线路分配的直达客流OD,进而可得到未被满足的公交出行OD需求量以及运能剩余的线路。为了便于分析剩余公交出行需求的空间分布,将剩余OD需求通过TransCAD绘制出期望线,并筛选出剩余量大于200人次的出行方向。其他出行方向的剩余公交出行需求量较少,故认为可通过换乘完成,无需单独考虑。通过供需匹配筛选出运能存在浪费的线路。
本发明的有益效果是:本发明中的基于手机信令数据的常规公交线网优化与调整方法不同于现有技术中传统的公交线路调整优化方法,传统的公交线路调整优化方法需要投入大量的人力进行OD调查和数据收集,且调查的样本量有限、时效性不强。本发明通过手机信令数据、公交IC卡和GPS数据等多源数据的融合,能够及时、准确、经济的获取公交线路调整所需的数据,并且本发明是基于大数据的公交线网动态优化调整方案,本发明中的常规公交线网优化与调整技术对于提高公交服务水平、提升公交可达性和有效缓解交通拥堵具有重要意义。
本发明的公交线网动态优化调整方法以已有的理论研究为基础,结合公交线路线网优化项目中的实践经验和研究成果,研究公交线路功能层次基础上的线路优化实用方法,将定性分析方法和定量分析方法有机结合起来,使线路优化方法更能符合公交线路优化的实际情况,更具有操作性,为公交公司及相关管理部门在公交规划与管理中提供优化决策支持。公交线网的优化目标为:公交线网直达乘客量最大、公交系统建设成本最低和乘客公交换乘次数最小。
附图说明
图1是本发明手机信令数据处理方法的技术流程图;
图2是本发明公交线网优化与调整方法的调整优化流程图;
图3是本发明公交线网优化与调整方法的技术路线图。
具体实施方式
以下结合附图对本发明作详细描述。
如图1至图3所示,一种基于手机信令数据的常规公交线网优化与调整方法,其包括手机信令数据处理步骤、区域交通出行特征提取步骤和公交线网动态优化调整步骤;
(1)手机信令数据处理步骤为:
1)手机信令数据特征分析:
携带手机的用户在由基站构成的移动通信网络范围内活动会产生位置更新信息,并被移动业务中心记录下来,保存在数据库中。本发明通过对移动公司提供的信令数据进行分析了解到,被记录的数据字段包括用户手机识别号、手机号、用户所在位置区LAC及Cell小区、触发事件类型、记录时间等信息。手机信令数据个字段的具体含义详见表1:
表1:信令数据个字段名称及含义
序号 | 字段名称 | 字符数 | 字段含义 |
1 | MSID | 32 | 移动用户唯一标识ID |
2 | TIMESTAMP | 14 | 信令发生时间,YYYY-MM-DD HH:MI:SS 单位:秒 |
3 | LAC | 5 | 位置区编号 |
4 | CellID | 5 | 小区编号 |
5 | EVENTID | 3 | 事件类型,如开/关机、主叫/被叫、正常位置更新等 |
6 | CAUSE | 3 | 结束通话的原因 |
7 | FLAG | 3 | 标识是否能获取IMSI |
8 | MSCID | 8 | MSC编号 |
9 | BSCID | 8 | BSC编号 |
表1中:事件类型与前述上报手机位置信息的机制是一致的,事件类型字段包括主叫、被叫、位置更新、周期位置更新、收发短信、开机关机等。
随着社会的不断发展、信息化水平的不断提高,手机的普及率和使用率也随之提高,每秒可能产生几十万甚至成百上千万条手机数据记录。因此,海量手机信令数据动态的实时存储和处理十分关键。本发明将通信运营商提供的大量手机信令数据存储于SQL数据库中,利用SQL强大的数据库引擎提高了数据的存储、搜索和查询效率。同时按照不同的规则,在不同的数据处理阶段,设置了多级过滤器,一步步对大量的原始手机信令数据过滤除噪,最终获得质量较好的手机信令数据信息。
携带手机的用户在由基站构成的移动通信网络范围内活动会产生位置更新信息,并被移动业务中心记录下来,保存在数据库中;手机数据能够分析预测居民出行状态、出行规律,为分析城市交通出行状态,居民出行行为,理解城市交通发生机理,分析城市交通拥堵和城市交通管理与规划提供参考依据;
2)手机信令数据预处理:
包括信令数据过滤、信令数据除噪和数据字段保留三步;将通信运营商提供的大量手机信令数据存储于SQL数据库中,同时按照不同的规则,在不同的数据处理阶段设置多级过滤器,一步步对大量的原始手机信令数据过滤除噪,最终获得质量较好的手机信令数据信息;
3)手机信令数据质量评估:
手机信令数据质量评估包括交通交通适用性分析、范围适用性分析、准确性分析和完整性分析4方面。地理空间数据投影与映射步骤还包括区域居住人口识别,区域居住人口识别是对手机长期的历史数据进行分析,得到各个手机用户在不同日期各个时间段的空间活动范围,根据人口在时间与空间上的出现规律,筛选出区域居住人口。
手机信令数据预处理包括信令数据过滤、信令数据除噪和数据字段保留。1)信令数据过滤:
①数据分组:后续系统分析模块牵涉到大量的数据计算,需要进行数据分组优化,其原理与在线系统将运算分布到各节点类似,通过将数据分发至不同的数据组,再分别对每组数据进行计算,达到优化运行效率,缩短运行时间的目的。
②EVENTID过滤功能:由于信令事件类型中的部分类型信令,主要是一些失败类型的信令,其位置并不一定反映用户的真实位置,在分析时需过滤掉这部分信令。
2)信令数据除噪:
基于手机切换定位的交通信息采集技术能够简单、高效、低廉地获取交通信息,为相关应用研究提供丰富的交通数据。但由于移动通信网络自身及周边环境的影响,获取的手机定位数据中夹杂着较多的“噪声”数据,一定程度上影响着交通信息获取的效果。这些噪声数据主要有以下两种:
①切换扰动数据:如兵兵切换,即手机在服务小区和相邻小区之间来回进行切换产生的数据。切换扰动产生的原因是由于手机用户在相邻的蜂窝小区之间时,由于GSM中的基站系统对用户的功率信号变换进行切换判断的误差导致切换扰动引起的,这种数据是普遍存在的;
②在较长的时间内未发生位置切换的数据。在GSM网络中,为防止手机与通信基站失去联系而引入周期性位置更新的功能,要求手机隔一定的时间要向基站系统报告当前所处的CELLID,便于基站及时了解手机所处的位置和状态,因此当用户长时间处于某一固定场所时就会产生大量冗余的定位数据。
由于这些“噪声”数据不利于确定手机用户的运动轨迹,在分析过程中需对其进行处理。如剔除小区编号(CELLID)和位置区编号(LAC)字段为-1、0或空值的数据行,这些是移动设备通信故障时的缺陷数据;剔除MSID、CELLID都相同的重复数据行,这些是冗余的手机数据。
信令数据预处理后,对手机信令数据按时间升序的方式进行排列。提取出每一天每一位手机用户所对应的信令数据,用于标定手机用户出行轨迹,提取的手机信令数据字段主要为:用户编号(MSID)、信令发生时刻(TIMESTAMP)、小区编号(CELLID)。
3)数据字段保留:
由于底层信令采集系统提供的手机用户信令数据存在的字段较多,并且部分字段对交通信息提取没有实际意义,为提升系统的处理效率、查询性能,以及方便各类功能对数据的调用,首先要进行数据的预处理,主要完成数据的质量分析、清洗、转换、预统计、加载等操作,相当于数据挖掘的ETL过程。最终保留需要的字段有MSID、TimeStamp、LAC、CellID,在预处理时能够将不需要的字段去掉。移动通信网络数据还包括基站位置等基础信息,将手机信令数据与基站位置数据表进行关联,可将LAC、CellID字段替换为经纬度字段:X, Y。如果存在同一用户在同一位置有多条记录的情况,需要将同一用户在同一位置发生的事件进行压缩,只考虑用户的出行轨迹,体现出移动性即可,不需要考虑用户发生的具体业务。本发明搭载SQL数据库平台,对原始数据进行预处理,处理后得到的最终手机信令数据。
手机信令数据质量评估包括交通交通适用性分析、范围适用性分析、准确性分析和完整性分析等4方面。
1)交通适用性分析:
运用手机数据进行交通出行特征分析,对其交通适用性分析如下:①对通信运营商来说,信令数据主要用于分析网络的通话质量。而对交通应用来说,其所含的位置、时间信息刚好契合交通分析的需求,而且数据实时、高样本、连续追踪的特点是其它釆集方法难以比拟的。②针对人员出行分析,能定位到交通小区即可,并不要求知道手机用户的确切位置,所以信令数据包含的时间、位置信息能够满足分析的要求。因此通过一定的模型算法对数据进行处理,将能获取所需的出行特征数据。③信令数据采集对象为手机终端,而交通出行的主体人群大多为手机的主要使用群体,经信令数据分析得到的出行信息更能反映人员的出行特征及规律。
2)范围适用性分析:
信令数据的空间分析单元基于基站小区,而基站小区覆盖由于有一定的空间范围,相对于手机用户的真实位置,基站切换定位技术会存在一定范围的偏差,市区一般为50~300米,郊区为100~2000米。所以,信令数据能够表征手机用户的位置改变,而且相较于区域而言,信令数据时间与空间上的偏差都在可接受范围之内,能够用于人员出行分析。
3)准确性分析:
①用户编号准确性:为规避用户隐私信息,信令数据中的用户编号是加密的手机用户ID,非真实手机号码,并要求手机用户和用户编号一一对应。通常能从信令数据中得到手机号码和用户编号的对应关系,通过分析实现手机号码与用户编号一一对应。但是,由于数据采集方采用的用户跟踪算法未能实现所有信令中对手机终端的唯一识别,导致在全体信令数据中同一个手机终端会对应两个MSID,而且无法得知其对应关系。这样,势必会造成部分轨迹点的缺失。
②时间信息准确性:信令数据釆用标准GPS时间,时间单位精确到秒。根据实地路测,信令数据的时间偏差不大于5s,能够满足客流分析需求。③位置信息准确性:信令数据采用基站切换定位技术,通过位置区和基站小区编号表示位置。根据实地路测,信令数据的位置区和基站小区编号准确率100%。④事件信息准确性:每条信令数据都是由事件触发的,在发生开/关机、正常性/周期性位置更新、主/被叫、收/发短信等事件时,均会产生手机信令数据。根据实地路测,目前的手机数据中,事件信息准确率100%。
4)完整性分析:
①空间完整性:理论上,只要不在移动信号的盲区,都会有手机数据覆盖。根据重庆联通的空间覆盖情况,获取的信令数据是完整可靠的。②信息完整性:手机数据因事件触发产生,由于本文采用的是移动手机信令数据,不仅包含话单数据中的主/被叫、收/发短信等时间信息,还包含位置更新、开关机等数据信息。因此,信令数据覆盖了所有的手机用户。但由于信令检测卡对网络的影响手机数据抓取率难以达到100%,通常为80%~90%,这对调查结果也会产生一定的影响。
(2)区域交通出行特征提取步骤为:
移动通信网信号覆盖与交通网络的相互映射关系是手机技术应用于交通参数采集的最为关键的基础数据,将移动通信网络信号覆盖映射到交通网络上,得到手机用户在交通网络中的运动情况,用于计算和分析手机用户的交通出行;根据手机用户在通信网络中的出行情况,推断出手机用户在交通网络中的出行情况;在移动通信网络信号覆盖映射到道路路段用于手机速度计算的基础上,进一步研究移动通信网络信号覆盖映射至交通分析区域和交通分析断面的方法,用于区域客流检测与断面客流检测;
区域交通出行特征提取步骤还包括居民出行轨迹分析,居民出行轨迹分析通过SQL查询语句将研究区域内的常住用户MSID提取出来,并对所有用户重新编号,然后利用循环查询,提取每个用户一天的出行链,按时间顺序排列,并标识出每个位置点映射的交通小区。区域交通出行特征提取步骤还包括机动化出行OD获取,机动化出行OD获取是通过手机停留时间与出行距离来判断手机出行,即手机单次停留时间超过单次停留时间阈值,且在合理距离范围内的出行称为一次手机出行,单次停留时间阈值根据研究区域的居民出行习惯和手机数据时间范围进行综合确定。
区域交通出行特征提取步骤还包括对居民出行时间分布和居民出行空间分布分别进行分析;居民出行时间分布指出行量在不同时段上的分布,以一个小时为时段统计一天内发生的出行量,分别求出各时段的出行发生率,各时段出行发生率按时间顺序连在一起,即为居民出行时间分布;居民出行空间分布指出行量的期望线分布而非实际路径分布,它反映居民出行的空间流动规律、城市交通的主要流向及土地利用布局特点。
区域交通出行特征提取步骤还包括数据扩样步骤,数据扩样步骤即将手机出行数据扩样为总体人群的出行数据,用于真实反映总体人群的出行特征和规律;数据扩样步骤采用多层扩样模型,从有效手机样本群体直接扩至全体人群;首先扩样至所有手机用户,再扩样至所有人群,最终得到全体人群的出行情况。
地理空间数据投影与映射技术:移动通信网信号覆盖与交通网络的相互映射关系,是手机技术应用于交通参数采集的最为关键的基础数据。直接利用手机定位数据,只能得到手机用户在移动通信网络中不同的信号覆盖小区间的运动情况,而只有将移动通信网络信号覆盖映射到交通网络上,才能得到手机用户在交通网络中的运动情况,用于计算和分析手机用户的交通出行。
为了保证提供连续的通信服务给手机用户,要求移动通信网络在城市空间上的每个区域达到最大程度的覆盖。而为了以最小的成本提供服务给更多的手机用户,通常将移动通信网络设计成由若干正六边形的基站小区连接成面状服务区。移动蜂窝网络中的基站小区和交通网络中的小区、道路在空间上呈现有规则的对应。因此,若能建立特定的匹配规则,处理好一对多、多对一、多对多的关系,则可根据手机用户在通信网络中的出行情况,推断出手机用户在交通网络中的出行情况。
而真实的覆盖范围并非为规则正六边形,由于基站信号的强弱与天气、建筑物遮挡等诸多因素有关,基站小区的边界并非有严格的界限。因此,可采用专用的路测设备,对分析范围内的基站小区信号覆盖范围进行有限次路测,如6次。根据有限次路测小区局部边界成果,利用软件中的空间分析工具计算基站小区的泰森多边形边界,作为每个基站小区的边界。
在移动通信网络信号覆盖映射到道路路段用于手机速度计算的基础上,进一步研究移动通信网络信号覆盖映射至交通分析区域和交通分析断面的方法,用于区域客流检测与断面客流检测。
①对区域客流分析来说,利用ArcGIS软件中的空间分析工具。计算某基站小区与某交通分析区域交集覆盖面积,当前基站小区覆盖面积大于当前交通分析区域覆盖面积,当基站小区覆盖面积与交通分析区域覆盖面积分别达到一定的阈值标准时,将当前基站小区映射至当前交通分析区域要求当不同交通分析区域相互独立、相互间无交集时,每个基站小区唯一映射至一个交通分析区域。
②对断面客流分析来说,首先确定反映客流跨越行为的关键断面所在位置,断面的位置设置在基站小区的边界上,如上,此边界并非真实的断面界限,有移动网络信号强弱影响,现实的断面位置在有限的空间范围内。广将断面两侧的基站小区分别进行映射至两侧的交通分析区域TAZ(b),同样要求每个基站小区唯一对应至某个交通分析区域。将符合TAZ(a)-TAZ(b)的手机用户识别为正向跨越断面,符合的手机用户识别为反向跨越断面,以区分跨越断面的方向性。
区域居住人口识别技术:区域居住人口识别技术是对手机长期历史数据分析,得到各个手机用户在不同日期各个时间段的空间活动范围,根据人口在时间与空间上的出现规律,筛选出区域居住人口。本发明将连续一周夜间(0:00-6:00)出现在研究区域4天及以上的手机用户视为本区域的居住人口,将符合条件的手机用户通过SQL数据库筛选出来,并将这些用户夜间停留时间最长的位置点作为该用户的居住地。基于ArcGIS核密度分析,可到研究区域的人口密度分布图。核密度分析使用的核函数为:。
其中:r 为查找半径,scale 为栅格中心点到点、线对象的距离与查找半径的比例,最后通过数据扩样技术对结果进行扩样。
居民出行轨迹分析技术:通过SQL查询语句将研究区域内的常住用户MSID提取出来,并对所有用户重新编号userID。然后利用循环查询,提取每个用户一天的出行链,按时间顺序排列,并标识每个位置点映射的交通小区。为了分析用户的时空出行轨迹特征,需要计算每个位置点之间的时间间隔和距离。本发明仅利用点间距判断空间移动范围以及检验漂移点,此距离并不能反映实际移动距离。由于本发明仅考虑交通小区之间的出行,剔除在相同交通小区连续停留的位置点,仅保留第一个位置点,再计算相邻位置点之间的时间间隔与距离。
机动化出行OD获取技术:根据出行的定义,出行时间或距离必须达到一定的标准才可算为一次出行。由于本发明是通过获取的手机信令数据进行居民出行特征的研究,针对的是“手机出行”。传统调查对于居民“一次出行”的判断可通过调查直接获取,而通过手机数据判断“手机出行”则需要结合具体的情况来进行界定。基于人的出行是有目的的出行,而为了实现目的则需要一定的停留时间,而手机数据恰好能够提供切换时间和位置信息。鉴于此,本发明结合手机信令数据特征和居民出行的内涵,通过手机停留时间与出行距离来判断“手机出行”,即手机单次停留时间超过单次停留时间阈值,且在合理距离范围内的出行称为一次“手机出行”。
针对手机单次停留时间阈值,需要强调的是:目前国内外的研究中,并未对停留时间阈值进行限定,对于不同城市、不同地区其值可能有所区别。因此,在具体的实际应用过程中,需要根据研究区域的居民出行习惯、手机数据时间范围等因素进行综合确定。
居民出行时空分布分析:居民出行时间分布指出行量在不同时段上的分布,一般以一个小时为时段统计一天内发生的出行量,分别求出各时段的出行发生率,即各时段出行量占全曰出行量的比值,各时段出行发生率按时间顺序连在一起,即为出行时间分布。出行时间分布客观上反映了交通需求在时间上的分布,反映了人们的生活节奏快慢,为分析和缓解高峰小时交通问题提供重要参考依据。在高峰时段,道路上的交通需求约为平均需求的两倍,掌握城市居民一天的出行分布规律,对交通设施建设、运营与管理而言意义重大,并能为缓解城市交通拥堵提供指导和借鉴。
根据出行的定义,可知出行具有空间属性。每次出行都有一个起点(O点)和一个讫点(D点),并相应形成了连接0点和D点的出行路径、方向等对空间进行描述的一系列特性,这些特性统称为出行空间分布特征。出行空间分布通常指出行量的期望线分布而非实际路径分布,它反映居民出行的空间流动规律、城市交通的主要流向及土地利用布局特点。对出行空间分布特征的描述,通常釆用期望线图来表征出行的流量流向。居民出行空间分布特征是交通规划、建设和管理需考虑的一个重要因素,它能够帮助了解客运交通的流量和流向、现有交通资源满足出行需求的程度以及需进行交通改善的区域。
数据扩样技术:由于手机信令数据采集终端会遗漏抓取部分少量数据,同时并非全部人都拥有手机,如部分老人、小孩,种种原因导致基于手机信令数据的出行分析包含的人群和总体人群并不对等,而是针对总体人群的大比例抽样。鉴于此,需将手机出行数据扩样为总体人群的出行数据,以真实反映总体人群的出行特征和规律。
扩样是指将抽取样本,根据抽样比例扩大至总体的一个过程,扩大的比例值成为扩样系数。利用移动定位信息计算用户就业居住时,采用的数据并非城市人口全样本数据,因此,在实际应用中,需要对计算结果进行扩样,才能真实反映城市居住人口的分布地、就业地特征。传统的扩样系数是由抽样率决定,由上层方案决定整体抽样比例,再往下落实到各独立小区控制样本量的过程,保证抽样的均匀性,是一种自上而下抽样控制过程,扩样方法简单。而利用移动定位信息进行扩样时,先有各独立小区的抽样计算结果,但不知道抽样的比例,是一种自下而上的扩张过程。其核心思想是将丢失的样本补回各小区,难点在于寻找丢失的样本,将丢失的样本合理分配至不同小区。
为保证调查结果的可靠性,可对手机用户进行一定比例的抽样,抽样率与数据质量及设定的筛选原则相关,一般为手机用户的30%~80%。若仅关注调查结果的总体比例分布则无需扩样;若关注调查结果的总量,则需进行多层扩样,包括运营商手机用户扩样、全体手机用户扩样和总体群体扩样,部分扩样系数可通过入户问卷调查方式一并采集。
本发明采用多层扩样模型,从有效手机样本群体直接扩至全体人群。首先,扩样至所有手机用户,即包括手机关机用户及手机通话较少之类的不活跃用户;再扩样至所有人群,即包括老人、小孩等无手机群体,最终得到全体人群的出行情况。
(3)公交线网动态优化调整步骤为:
公交线网动态优化调整步骤以已有理论研究为基础,结合公交线路线网优化项目中的实践经验和研究成果,研究出公交线路功能层次基础上的线路优化实用方法,公交线网动态优化调整步骤遵循出行便捷原则、区域差别原则、功能分级原则和集约高效原则,最终达到公交线网直达乘客量最大、公交系统建设成本最低和乘客公交换乘次数最少的公交线网优化目标。
公交线网动态优化调整步骤的优化条件为:(1)对于新增线路:对于已建成区域,根据轨道交通站点或骨干线的开通、客流需求及服务功能决定是否新辟,主要以驳运线为主;(2)对于调整线路:公交客运走廊上,通过线网优化调整,逐步形成一条主干道上有一条规模化运营的骨干公交线路;与轨道交通同向连续共站3站及以上的公交线路,且轨道交通服务能够满足客流需求时,调整走向;公交线路总长度50%以上与其他线路重复,且其余部分有其他线路覆盖的,对重合部分进行调整;新建轨道交通、枢纽站投入运营时,周边公交线路予以适度调整,使得驳运线、区域线、骨干线之间,公交线路与轨道交通之间可衔接配套;道路新建、断头路打通的情况下,通过调整公交线路优化区域内线网,填补服务空白。
公交线网动态优化调整步骤还包括公交线路运能计算,公交线路运能计算分为可提供能力的计算和已利用能力的计算;可提供能力是在某一方向上,每小时通过一点的最大车辆数或车辆所运送的乘客空间最大数;已利用能力是每小时单方向实际车辆数或运送乘客空间的最大数。公交线网动态优化调整步骤还包括公交线路供需匹配步骤,公交线路供需匹配步骤将近期公交客流的OD需求一一分配到各条线路,进行公交线网供需匹配,进而得到未被满足的公交出行OD需求量以及运能剩余的线路。
公交线路运能计算:线路能力表示在一般条件下,一条公交线通过一定车辆或者运送一定乘客流的公交系统能力,它也对公交线提供的服务水平有影响,这是由于其它许多性能特征,如速度、可靠性和舒适性等特征都取决于流量与能力的比率,即车辆中的乘客数或线路上的车辆数,因此,线路能力是公交系统中基本特征之一。同时,根据公交网络特性可知,公交线路能力是公交网络运能的重要组成,是影响网络运能的重要因素。
对于线路能力能够分为可提供的能力和已利用的能力;可提供的能力是某一方向上,每小时通过一点的最大车辆数或车辆所运送的乘客空间最大数,而已利用能力是每小时单方向实际车辆数或运送乘客空间的最大数。一般不是所有车辆的空间都能完全利用,这是两个概念之间的主要区别,乘客的不均衡分布,导致了乘客需要长时间地占用空间。理论和实际能力的区别主要取决于运营组织和公交系统的控制,对于道路公交系统,如拥挤交通下的公交车辆或电车,实际能力主要取决于道路条件。
公交线路供需匹配:利用上述方法,将近期公交客流OD需求一一分配到各条线路,进行公交线网供需匹配,得到各线路分配的直达客流OD,进而可得到未被满足的公交出行OD需求量以及运能剩余的线路。为了便于分析剩余公交出行需求的空间分布,将剩余OD需求通过TransCAD绘制出期望线,并筛选出剩余量大于200人次的出行方向。其他出行方向的剩余公交出行需求量较少,故认为可通过换乘完成,无需单独考虑。通过供需匹配筛选出运能存在浪费的线路。
最后应当说明的是,以上内容仅用以说明本发明的技术方案,而非对本发明保护范围的限制,本领域的普通技术人员对本发明的技术方案进行的简单修改或者等同替换,均不脱离本发明技术方案的实质和范围。
Claims (7)
1.一种基于手机信令数据的常规公交线网优化与调整方法,其特征在于: 所述基于手机信令数据的常规公交线网优化与调整方法包括手机信令数据处理步骤、区域交通出行特征提取步骤和公交线网动态优化调整步骤;
(1)所述手机信令数据处理步骤为:
手机信令数据特征分析,携带手机的用户在由基站构成的移动通信网络范围内活动会产生位置更新信息,并被移动业务中心记录下来,保存在数据库中;手机数据能够分析预测居民出行状态、出行规律,为分析城市交通出行状态,居民出行行为,理解城市交通发生机理,分析城市交通拥堵和城市交通管理与规划提供参考依据;
手机信令数据预处理包括信令数据过滤、信令数据除噪和数据字段保留三步;将通信运营商提供的大量手机信令数据存储于SQL数据库中,同时按照不同的规则,在不同的数据处理阶段设置多级过滤器,一步步对大量的原始手机信令数据过滤除噪,最终获得质量较好的手机信令数据信息;
还包括手机信令数据质量评估,所述手机信令数据质量评估包括交通交通适用性分析、范围适用性分析、准确性分析和完整性分析4方面。
2.(2)区域交通出行特征提取步骤为:
移动通信网信号覆盖与交通网络的相互映射关系是手机技术应用于交通参数采集的最为关键的基础数据,将移动通信网络信号覆盖映射到交通网络上,得到手机用户在交通网络中的运动情况,用于计算和分析手机用户的交通出行;根据手机用户在通信网络中的出行情况,推断出手机用户在交通网络中的出行情况;在移动通信网络信号覆盖映射到道路路段用于手机速度计算的基础上,进一步研究移动通信网络信号覆盖映射至交通分析区域和交通分析断面的方法,用于区域客流检测与断面客流检测;
区域交通出行特征提取步骤还包括区域居住人口识别,所述区域居住人口识别是对手机长期的历史数据进行分析,得到各个手机用户在不同日期各个时间段的空间活动范围,根据人口在时间与空间上的出现规律,筛选出区域居住人口;
区域交通出行特征提取步骤还包括居民出行轨迹分析,居民出行轨迹分析通过SQL查询语句将研究区域内的常住用户MSID提取出来,并对所有用户重新编号,然后利用循环查询,提取每个用户一天的出行链,按时间顺序排列,并标识出每个位置点映射的交通小区;
(3)公交线网动态优化调整步骤为:
所述公交线网动态优化调整步骤以已有理论研究为基础,结合公交线路线网优化项目中的实践经验和研究成果,研究出公交线路功能层次基础上的线路优化实用方法,所述公交线网动态优化调整步骤遵循出行便捷原则、区域差别原则、功能分级原则和集约高效原则,最终达到公交线网直达乘客量最大、公交系统建设成本最低和乘客公交换乘次数最少的公交线网优化目标;
所述公交线网动态优化调整步骤的优化条件为:(1)对于新增线路:对于已建成区域,根据轨道交通站点或骨干线的开通、客流需求及服务功能决定是否新辟,主要以驳运线为主;(2)对于调整线路:公交客运走廊上,通过线网优化调整,逐步形成一条主干道上有一条规模化运营的骨干公交线路;与轨道交通同向连续共站3站及以上的公交线路,且轨道交通服务能够满足客流需求时,调整走向;公交线路总长度50%以上与其他线路重复,且其余部分有其他线路覆盖的,对重合部分进行调整;新建轨道交通、枢纽站投入运营时,周边公交线路予以适度调整,使得驳运线、区域线、骨干线之间,公交线路与轨道交通之间可衔接配套;道路新建、断头路打通的情况下,通过调整公交线路优化区域内线网,填补服务空白。
3.根据权利要求1的一种基于手机信令数据的常规公交线网优化与调整方法,其特征在于:所述区域交通出行特征提取步骤还包括机动化出行OD获取,所述机动化出行OD获取是通过手机停留时间与出行距离来判断手机出行,即手机单次停留时间超过单次停留时间阈值,且在合理距离范围内的出行称为一次手机出行,所述单次停留时间阈值根据研究区域的居民出行习惯和手机数据时间范围进行综合确定。
4.根据权利要求1的一种基于手机信令数据的常规公交线网优化与调整方法,其特征在于:所述区域交通出行特征提取步骤还包括对居民出行时间分布和居民出行空间分布分别进行分析;所述居民出行时间分布指出行量在不同时段上的分布,以一个小时为时段统计一天内发生的出行量,分别求出各时段的出行发生率,各时段出行发生率按时间顺序连在一起,即为居民出行时间分布;所述居民出行空间分布指出行量的期望线分布而非实际路径分布,它反映居民出行的空间流动规律、城市交通的主要流向及土地利用布局特点。
5.根据权利要求1的一种基于手机信令数据的常规公交线网优化与调整方法,其特征在于:所述区域交通出行特征提取步骤还包括数据扩样步骤,所述数据扩样步骤即将手机出行数据扩样为总体人群的出行数据,用于真实反映总体人群的出行特征和规律;所述数据扩样步骤采用多层扩样模型,从有效手机样本群体直接扩至全体人群;首先扩样至所有手机用户,再扩样至所有人群,最终得到全体人群的出行情况。
6.根据权利要求1的一种基于手机信令数据的常规公交线网优化与调整方法,其特征在于:所述公交线网动态优化调整步骤还包括公交线路运能计算,所述公交线路运能计算分为可提供能力的计算和已利用能力的计算;所述可提供能力是在某一方向上,每小时通过一点的最大车辆数或车辆所运送的乘客空间最大数;所述已利用能力是每小时单方向实际车辆数或运送乘客空间的最大数。
7.根据权利要求1的一种基于手机信令数据的常规公交线网优化与调整方法,其特征在于:所述公交线网动态优化调整步骤还包括公交线路供需匹配步骤,所述公交线路供需匹配步骤将近期公交客流的OD需求一一分配到各条线路,进行公交线网供需匹配,进而得到未被满足的公交出行OD需求量以及运能剩余的线路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610911622.9A CN106503843A (zh) | 2016-10-20 | 2016-10-20 | 一种基于手机信令数据的常规公交线网优化与调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610911622.9A CN106503843A (zh) | 2016-10-20 | 2016-10-20 | 一种基于手机信令数据的常规公交线网优化与调整方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106503843A true CN106503843A (zh) | 2017-03-15 |
Family
ID=58294784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610911622.9A Pending CN106503843A (zh) | 2016-10-20 | 2016-10-20 | 一种基于手机信令数据的常规公交线网优化与调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106503843A (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108021980A (zh) * | 2017-12-15 | 2018-05-11 | 中国科学院地理科学与资源研究所 | 一种基于手机数据的精细尺度城市人群数量预测方法 |
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 |
CN108564226A (zh) * | 2018-04-25 | 2018-09-21 | 哈尔滨工业大学 | 一种基于出租车gps及手机信令数据的公交线路优化方法 |
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 |
CN109189949A (zh) * | 2018-08-03 | 2019-01-11 | 江苏省城市规划设计研究院 | 一种人口分布计算方法 |
CN109360420A (zh) * | 2018-11-21 | 2019-02-19 | 青岛大学 | 一种公共交通大数据处理系统与方法 |
CN109636120A (zh) * | 2018-11-16 | 2019-04-16 | 浩鲸云计算科技股份有限公司 | 一种公交过需站点的真实od的分析方法 |
CN109711438A (zh) * | 2018-12-10 | 2019-05-03 | 中国联合网络通信集团有限公司 | 大巴交通线路获取方法、装置及设备 |
CN109729518A (zh) * | 2019-03-15 | 2019-05-07 | 上海同济城市规划设计研究院有限公司 | 基于手机信令的城市交通早高峰拥堵源头识别方法 |
CN109831774A (zh) * | 2019-01-08 | 2019-05-31 | 中国联合网络通信集团有限公司 | 一种大数据扩样方法及装置 |
CN109902878A (zh) * | 2019-03-05 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 用于优化公共交通线路的方法及装置 |
CN109978746A (zh) * | 2019-03-27 | 2019-07-05 | 东南大学 | 一种基于信令数据并结合动态阈值判断出行有效性的人口交换量估计方法 |
CN110310477A (zh) * | 2019-05-14 | 2019-10-08 | 浙江工业大学之江学院 | 基于公交gps与手机信令数据的公交客流检测方法 |
CN110913345A (zh) * | 2019-11-15 | 2020-03-24 | 东南大学 | 一种基于手机信令数据的断面客流计算方法 |
CN111200828A (zh) * | 2018-11-20 | 2020-05-26 | 中兴网鲲信息科技(上海)有限公司 | 一种路测数据的动态抽样方法 |
CN111263311A (zh) * | 2018-11-30 | 2020-06-09 | 中国移动通信集团湖南有限公司 | 一种常驻物理小区识别方法和装置 |
CN111372270A (zh) * | 2018-12-25 | 2020-07-03 | 中国移动通信集团福建有限公司 | 疑似故障小区的确定方法、装置、设备和介质 |
CN111476494A (zh) * | 2020-04-11 | 2020-07-31 | 重庆交通开投科技发展有限公司 | 基于多源数据精准分析公交人口地理分布的方法 |
CN111739287A (zh) * | 2020-05-20 | 2020-10-02 | 苏交科集团股份有限公司 | 一种车路协同智慧站台智能调度系统 |
CN112288131A (zh) * | 2020-09-24 | 2021-01-29 | 和智信(山东)大数据科技有限公司 | 公交站点优化方法、电子设备及计算机可读存储介质 |
CN112541013A (zh) * | 2020-01-02 | 2021-03-23 | 北京融信数联科技有限公司 | 基于移动信令大数据的应届毕业生跳槽频率分析方法 |
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 |
CN113190637A (zh) * | 2021-04-27 | 2021-07-30 | 北京交通发展研究院 | 公交线路新增方法、装置、计算机设备及存储介质 |
CN113191622A (zh) * | 2021-04-27 | 2021-07-30 | 北京交通发展研究院 | 公交干线走廊新增方法、装置、计算机设备及存储介质 |
CN113222327A (zh) * | 2021-03-24 | 2021-08-06 | 上海元卓信息科技有限公司 | 一种基于服务能力的地块可达性分析方法 |
CN113610307A (zh) * | 2021-08-12 | 2021-11-05 | 中国民用航空飞行学院 | 一种航班计划管理系统 |
CN113723667A (zh) * | 2021-07-27 | 2021-11-30 | 深圳技术大学 | 轨道交通线网运营方案的优化方法、设备及可读存储介质 |
CN113962615A (zh) * | 2021-12-22 | 2022-01-21 | 华睿交通科技有限公司 | 一种交通资源管控系统、方法及存储介质 |
CN114141008A (zh) * | 2021-10-29 | 2022-03-04 | 东南大学 | 一种基于手机信令数据的新型共享公共交通服务区域选取方法 |
CN115222297A (zh) * | 2022-09-15 | 2022-10-21 | 深圳市城市交通规划设计研究中心股份有限公司 | 公交线路优化调整方案评估方法、电子设备及存储介质 |
CN116233759A (zh) * | 2023-04-25 | 2023-06-06 | 北京城建交通设计研究院有限公司 | 一种居民出行轨迹调查方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976500A (zh) * | 2010-10-25 | 2011-02-16 | 中国科学院深圳先进技术研究院 | 交通网络分析方法及系统 |
CN104217086A (zh) * | 2014-10-09 | 2014-12-17 | 大连海事大学 | 一种城市公交线网优化方法 |
CN105142106A (zh) * | 2015-07-29 | 2015-12-09 | 西南交通大学 | 基于手机信令数据的出行者职住地识别与出行链刻画方法 |
-
2016
- 2016-10-20 CN CN201610911622.9A patent/CN106503843A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976500A (zh) * | 2010-10-25 | 2011-02-16 | 中国科学院深圳先进技术研究院 | 交通网络分析方法及系统 |
CN104217086A (zh) * | 2014-10-09 | 2014-12-17 | 大连海事大学 | 一种城市公交线网优化方法 |
CN105142106A (zh) * | 2015-07-29 | 2015-12-09 | 西南交通大学 | 基于手机信令数据的出行者职住地识别与出行链刻画方法 |
Non-Patent Citations (2)
Title |
---|
关志超 等: "基于手机数据交通规划、建设、管理决策支持应用研究", 《第七届中国智能交通年会优秀论文集》 * |
李丹 等: "武汉市轨道交通配套常规公交优化调整方法研究", 《交通与运输》 * |
Cited By (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108021980B (zh) * | 2017-12-15 | 2020-04-17 | 中国科学院地理科学与资源研究所 | 一种基于手机数据的精细尺度城市人群数量预测方法 |
CN108021980A (zh) * | 2017-12-15 | 2018-05-11 | 中国科学院地理科学与资源研究所 | 一种基于手机数据的精细尺度城市人群数量预测方法 |
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 |
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 |
CN108564226B (zh) * | 2018-04-25 | 2022-07-29 | 哈尔滨工业大学 | 一种基于出租车gps及手机信令数据的公交线路优化方法 |
CN108564226A (zh) * | 2018-04-25 | 2018-09-21 | 哈尔滨工业大学 | 一种基于出租车gps及手机信令数据的公交线路优化方法 |
CN109189949A (zh) * | 2018-08-03 | 2019-01-11 | 江苏省城市规划设计研究院 | 一种人口分布计算方法 |
CN109636120A (zh) * | 2018-11-16 | 2019-04-16 | 浩鲸云计算科技股份有限公司 | 一种公交过需站点的真实od的分析方法 |
CN111200828B (zh) * | 2018-11-20 | 2023-12-29 | 中兴通讯股份有限公司 | 一种路测数据的动态抽样方法 |
CN111200828A (zh) * | 2018-11-20 | 2020-05-26 | 中兴网鲲信息科技(上海)有限公司 | 一种路测数据的动态抽样方法 |
CN109360420A (zh) * | 2018-11-21 | 2019-02-19 | 青岛大学 | 一种公共交通大数据处理系统与方法 |
CN109360420B (zh) * | 2018-11-21 | 2021-03-16 | 青岛大学 | 一种公共交通大数据处理系统与方法 |
CN111263311B (zh) * | 2018-11-30 | 2021-07-30 | 中国移动通信集团湖南有限公司 | 一种常驻物理小区识别方法和装置 |
CN111263311A (zh) * | 2018-11-30 | 2020-06-09 | 中国移动通信集团湖南有限公司 | 一种常驻物理小区识别方法和装置 |
CN109711438A (zh) * | 2018-12-10 | 2019-05-03 | 中国联合网络通信集团有限公司 | 大巴交通线路获取方法、装置及设备 |
CN111372270B (zh) * | 2018-12-25 | 2023-08-15 | 中国移动通信集团福建有限公司 | 疑似故障小区的确定方法、装置、设备和介质 |
CN111372270A (zh) * | 2018-12-25 | 2020-07-03 | 中国移动通信集团福建有限公司 | 疑似故障小区的确定方法、装置、设备和介质 |
CN109831774A (zh) * | 2019-01-08 | 2019-05-31 | 中国联合网络通信集团有限公司 | 一种大数据扩样方法及装置 |
CN109831774B (zh) * | 2019-01-08 | 2021-08-10 | 中国联合网络通信集团有限公司 | 一种大数据扩样方法及装置 |
CN109902878A (zh) * | 2019-03-05 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 用于优化公共交通线路的方法及装置 |
CN109902878B (zh) * | 2019-03-05 | 2023-05-02 | 创新先进技术有限公司 | 用于优化公共交通线路的方法及装置 |
CN109729518A (zh) * | 2019-03-15 | 2019-05-07 | 上海同济城市规划设计研究院有限公司 | 基于手机信令的城市交通早高峰拥堵源头识别方法 |
CN109729518B (zh) * | 2019-03-15 | 2021-08-31 | 上海同济城市规划设计研究院有限公司 | 基于手机信令的城市交通早高峰拥堵源头识别方法 |
CN109978746A (zh) * | 2019-03-27 | 2019-07-05 | 东南大学 | 一种基于信令数据并结合动态阈值判断出行有效性的人口交换量估计方法 |
CN109978746B (zh) * | 2019-03-27 | 2023-02-28 | 东南大学 | 一种基于信令数据并结合动态阈值判断出行有效性的人口交换量估计方法 |
CN110310477A (zh) * | 2019-05-14 | 2019-10-08 | 浙江工业大学之江学院 | 基于公交gps与手机信令数据的公交客流检测方法 |
CN110310477B (zh) * | 2019-05-14 | 2021-11-02 | 浙江工业大学之江学院 | 基于公交gps与手机信令数据的公交客流检测方法 |
CN110913345A (zh) * | 2019-11-15 | 2020-03-24 | 东南大学 | 一种基于手机信令数据的断面客流计算方法 |
CN110913345B (zh) * | 2019-11-15 | 2021-01-05 | 东南大学 | 一种基于手机信令数据的断面客流计算方法 |
CN112541013A (zh) * | 2020-01-02 | 2021-03-23 | 北京融信数联科技有限公司 | 基于移动信令大数据的应届毕业生跳槽频率分析方法 |
CN112541013B (zh) * | 2020-01-02 | 2021-12-28 | 北京融信数联科技有限公司 | 基于移动信令大数据的应届毕业生跳槽频率分析方法 |
CN111476494A (zh) * | 2020-04-11 | 2020-07-31 | 重庆交通开投科技发展有限公司 | 基于多源数据精准分析公交人口地理分布的方法 |
CN111739287A (zh) * | 2020-05-20 | 2020-10-02 | 苏交科集团股份有限公司 | 一种车路协同智慧站台智能调度系统 |
CN112288131B (zh) * | 2020-09-24 | 2021-06-11 | 和智信(山东)大数据科技有限公司 | 公交站点优化方法、电子设备及计算机可读存储介质 |
CN112288131A (zh) * | 2020-09-24 | 2021-01-29 | 和智信(山东)大数据科技有限公司 | 公交站点优化方法、电子设备及计算机可读存储介质 |
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 |
CN113222327A (zh) * | 2021-03-24 | 2021-08-06 | 上海元卓信息科技有限公司 | 一种基于服务能力的地块可达性分析方法 |
CN113190637A (zh) * | 2021-04-27 | 2021-07-30 | 北京交通发展研究院 | 公交线路新增方法、装置、计算机设备及存储介质 |
CN113190637B (zh) * | 2021-04-27 | 2022-01-25 | 北京交通发展研究院 | 公交线路新增方法、装置、计算机设备及存储介质 |
CN113191622B (zh) * | 2021-04-27 | 2022-09-27 | 北京交通发展研究院 | 公交干线走廊新增方法、装置、计算机设备及存储介质 |
CN113191622A (zh) * | 2021-04-27 | 2021-07-30 | 北京交通发展研究院 | 公交干线走廊新增方法、装置、计算机设备及存储介质 |
CN113723667A (zh) * | 2021-07-27 | 2021-11-30 | 深圳技术大学 | 轨道交通线网运营方案的优化方法、设备及可读存储介质 |
CN113723667B (zh) * | 2021-07-27 | 2023-07-11 | 深圳技术大学 | 轨道交通线网运营方案的优化方法、设备及可读存储介质 |
CN113610307A (zh) * | 2021-08-12 | 2021-11-05 | 中国民用航空飞行学院 | 一种航班计划管理系统 |
CN114141008A (zh) * | 2021-10-29 | 2022-03-04 | 东南大学 | 一种基于手机信令数据的新型共享公共交通服务区域选取方法 |
CN113962615A (zh) * | 2021-12-22 | 2022-01-21 | 华睿交通科技有限公司 | 一种交通资源管控系统、方法及存储介质 |
CN115222297B (zh) * | 2022-09-15 | 2023-02-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 公交线路优化调整方案评估方法、电子设备及存储介质 |
CN115222297A (zh) * | 2022-09-15 | 2022-10-21 | 深圳市城市交通规划设计研究中心股份有限公司 | 公交线路优化调整方案评估方法、电子设备及存储介质 |
CN116233759A (zh) * | 2023-04-25 | 2023-06-06 | 北京城建交通设计研究院有限公司 | 一种居民出行轨迹调查方法及系统 |
CN116233759B (zh) * | 2023-04-25 | 2023-07-28 | 北京城建交通设计研究院有限公司 | 一种居民出行轨迹调查方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN105206048B (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 | |
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 | |
CN104484993B (zh) | 用于交通小区划分的手机信令信息的处理方法 | |
WO2023273292A1 (zh) | 基于多源数据融合的居民出行链生成方法及共乘查询方法 | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN109978224B (zh) | 一种分析获取不同性质建筑的交通出行率的方法 | |
CN103077604B (zh) | 交通传感器管理方法和系统 | |
He et al. | Evaluation of city-scale built environment policies in New York City with an emerging-mobility-accessible synthetic population | |
CN105142106A (zh) | 基于手机信令数据的出行者职住地识别与出行链刻画方法 | |
CN109255457A (zh) | 基于大数据挖掘的安全网约车方法及系统 | |
CN105760454A (zh) | 一种城市人口分布密度实时动态测量方法 | |
CN102149103A (zh) | 网络优化系统及方法 | |
CN108571978A (zh) | 基于拓扑和权重的超标排放车辆最短路径跟踪匹配方法 | |
CN109272175A (zh) | 一种基于城市流动网络的数据采集系统及方法 | |
CN109561391A (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 | |
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 | |
CN104320789A (zh) | 一种基于博弈论的车联网rsu最优配置方法 | |
CN114139251B (zh) | 一种边境地区陆路口岸整体布局方法 | |
CN110516866A (zh) | 一种用于城市轨交地铁拥挤度的实时估计方法 | |
CN106547862A (zh) | 基于流形学习的交通大数据降维处理方法 | |
CN109816978A (zh) | 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 | |
CN110288125B (zh) | 一种基于手机信令数据的通勤模型建立方法及应用 | |
CN106408936A (zh) | 一种基于手机数据的高速公路异常事件实时检测方法 | |
CN206546634U (zh) | 基于物联网的城市交通流诱导系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170315 |