CN108961134A - 基于手机信令数据的机场旅客出行od识别方法 - Google Patents
基于手机信令数据的机场旅客出行od识别方法 Download PDFInfo
- Publication number
- CN108961134A CN108961134A CN201811030386.5A CN201811030386A CN108961134A CN 108961134 A CN108961134 A CN 108961134A CN 201811030386 A CN201811030386 A CN 201811030386A CN 108961134 A CN108961134 A CN 108961134A
- Authority
- CN
- China
- Prior art keywords
- point
- trip
- airport
- anchor point
- anchor
- 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 19
- 230000011664 signaling Effects 0.000 title claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 24
- 230000033001 locomotion Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 206010057855 Hypotelorism of orbit Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000002040 relaxant effect 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
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及基于手机信令数据的机场旅客出行OD识别方法。机场旅客在城市端的分布是研究机场影响范围和改善机场陆侧交通服务水平的重要依据,同时也是机场及城市规划的重要依据。本发明专利借助手机信令数据,通过机场旅客出行定位点形成,定位点移动状态判断、出行起讫点(OD)判断、交通小区匹配与交通量统计四个步骤,实现对机场旅客出行OD的判断识别。利用本方法对首都国际机场旅客的出行OD进行识别,有效识别率达到91.45%。因此,本发明为机场旅客城市端出行特征研究提供了一种新的途径,借助该技术,可对机场轨道交通旅客的城市分布进行深入挖掘和分析。
Description
技术领域
航空旅客的出行可以分为两个阶段,其中一个阶段是城市与城市之间的空中飞行阶段,而另一个阶段是由出发点到达机场(或是由机场到达最终目的地)的城市地面交通阶段。空中飞行阶段可以通过机票可以准确得到机场旅客的来源,而旅客在城市地面交通阶段的出发地或目的地却无法得知。机场旅客在城市端的分布是研究机场影响范围和改善机场陆侧交通服务水平的重要依据,同时也是机场及城市规划的重要依据。
随着手机的普及,用户在出行过程中会在移动运营商的数据库中留下其运动的电子轨迹。因此,手机信令数据为识别机场旅客出行的OD提供了非常可靠的数据来源。
背景技术
处于待机状态的手机通过基站(CELL)与手机通信网络保持联系,手机通信网络对手机所处的位置区(Location Area)信息进行记录,在用户拨打电话和接听电话时根据所记录的位置信息可通过呼叫路由选择找到手机,建立通话连接,位置信息都以数据库的形式存储在来访用户位置寄存器(VRL)中。除打接电话外,当用户发生下列动作时,也将触发通信网络记录触发信息。
·主叫、被叫
·收、发短信
·开、关机;
·周期性位置更新:长时间没有上报位置信息时触发;
·正常位置更新:在待机状态下跨越了位置区时触发。
通信网络记录触发信息数据库包括有区别用户的手机识别号(IMSI),动作发生的时间,所在位置区编号,连接的蜂窝扇区编号以及动作发生的类型。
图1移动定位信息采集原理
表1通信网络记录触发信息数据库
发明内容
基于手机信令数据的机场旅客出行OD识别方法,其特征在于,包括数据读入与机场旅客出行定位点形成,定位点移动状态判断、出行起讫点(OD)判断、交通小区匹配与交通量统计四个步骤。
步骤一:数据读入与机场旅客定位点形成
1.1:从移动运行商通信网络记录触发信息数据库读取用户的数据,用户的每条数据构成一个出行定位点,分别将不同用户的出行定位点按时间排序,得到所有用户的定位点记录;
1.2:若用户数据中存在隶属于机场的基站位置区编号,则提取为机场旅客,并将其余用户数据予以删除。
步骤二:定位点移动状态判断
2.1:定位点合并。相邻定位点间间距<300米,或两个定位点之间的记录时间<5分钟,则删除第二个定位点,将定位点按时间排序;
2.2:旅客轨迹用连续两个定位点的连线和旅客行进方向构成的向量表示,当连续两个定位点的向量夹角<90度,则判断该定位点为移动点。向量夹角>90 度则进入2.3进行下一步判断;
2.3:当向量夹角≥90度且<120度,读取下一个定位点数据,对下一个定位点向量夹角进行判断,若下一个定位点向量夹角<90度,则该定位点运动状态为移动,否则为停留。当向量夹角>120度,则删除第二定位点;
2.4:进入下一个定位点,返回2.2,对该点的运动状态进行判断,直至所有定位点的状态判断完成。
步骤三:出行起讫点(OD)判断
3.1:按照时间顺序读入连续两个定位点移动状态。若相邻两个定位点中第一个定位点状态为停留,而第二个定位点状态为移动,则判断第二个定位点为出行的起始点;
3.2:若相邻两个定位点中第一个定位点状态为移动,而第二个定位点状态为停留,则判断第一个定位点为出行的结束点;
3.3:除起始点和结束点以外的其他点判断为中间点;
3.4:读入下一组定位点,返回3.1,对出行的起讫点进行判断,直至所有定位点是否为出行起讫点判断完毕。
3.5:按照时间顺序读入各个出行起讫点,相邻的出行起始点至结束点的状态为出行,相邻的出行结束点至起始点的状态为停留;
3.6:若相邻出行结束点至起始点时间间隔<30分钟,则认为该次停留为非活动停留,该组出行结束点和起始点转为中间点;
3.7:若相邻出行起始点至结束点距离间隔<300米,则认为该次移动为非活动移动,该组出行起始点和结束点转为中间点;
3.8:进入下一组起讫点,返回3.6,直至所有起讫点判断完毕;
3.9:相邻的出行起始点和结束点构成了一次有效的出行,记录出行起始点的基站经纬度以及出行结束点的基站经纬度,作为机场旅客出行的出发区域和结束区域。
步骤四:交通小区匹配与交通量统计
4.1:按照步骤一至步骤三遍历数据库中所有机场旅客,对旅客的出行起始区域和结束区域进行判断;
4.2:将单个机场旅客的出行起始点和结束点基站经纬度与城市交通小区(每平方公里作为一个交通小区)进行匹配,出行起始点所在的交通小区交通产生量 +1,出行结束点所在的交通小区交通吸引量+1;
4.3:读入下一个机场旅客的数据,返回4.2,直至所有旅客的出行起始点和结束点交通小区识别完毕,最终得到城市各交通小区总的交通产生量和吸引量。
附图说明
图1移动定位信息采集原理
图2移动状态判断流程图
图3正常出行定位点示意图
图4典型的漂移定位点示意图
图5出行转弯处的定位点
图6典型的出行开始
图7典型的出行结束
图8停留时段示意图
图9停留时段示意图
图10生成小区OD流程图
图11首都国际机场旅客城市分布图
具体实施方式
机场旅客出行OD识别方法实施方案包括旅客移动状态判断、出行起讫点判断、出行OD判断和交通小区识别匹配四个步骤,以下是对四个阶段的说明。
1)移动状态判断
手机信令位置数据漂移是指用户的位置信息受到基站信号强度的影响在几个基站中跳转,所以即使当用户处于静止状态时,其位置区编号也可能随着这种跳转而发生变化。数据漂移的特性十分复杂,距离分布范围较广,使用单纯的阈值判断存在一定限制。本方法首先使用多个判断条件(定位点间的距离和时间、定位点的向量夹角)判断机场旅客在各个定位点的状态,机场旅客在各个定位点的状态分为移动和停留。以下是机场旅客定位点状态的三个判断条件。
a)判断条件一
为了更有效的利用数据,所有定位点(包括作为骨架的周期性位置更新点和作为加密的通信事件点等)都将计入计算。为了防止在基站密度较大区域漂移或短距离位移被误判为出行的情况,同时提高计算效率,相邻定位点间将采用一个距离阈值进行判断,距离过近的点将直接忽略,根据经验阈值可取为300米;此外两点间还将采用一个时间阈值以约束实际为停留的“过慢出行”,根据经验阈值可取为>5分钟。
(b)判断条件二
人出行时,为尽快到达目的地,其出行轨迹不会出现折返现象,用向量表示即连续向量间的夹角应当为锐角。虽然由于定位误差的影响,定位点前后两向量的夹角可能会大于真实的出行轨迹。因此可以用向量夹角是否<90度作为分辨正常出行和漂移的标准。
(b)判断标准三
此外,由于城市中直角路口的普遍存在,定位点误差在出行轨迹转弯处可能会出现>90度的情况。
由于增大方向角阈值可能会显著增大将漂移点误判为出行的风险,因此采用在放宽阈值(放宽阈值取值120度)的同时,读取下一个定位点数据,对下一个定位点向量夹角进行判断,若下一个定位点向量夹角<90度,则运动状态为移动,否则为停留。
因此,根据上述规则除初始点外,至少还需要3个定位点构成两段出行向量,才能根据定位点间的距离和时间,以及定位点向量的夹角判断机场旅客是否出行。
2)出行起讫点判断
通过连续运用上节提出的机场旅客出行状态识别方法,可以判断机场旅客在各个定位点处的状态,根据前后定位点的状态变化,判断旅客的连续移动状态。然后再根据旅客的连续移动状态,识别机场旅客出行的起讫点。以下是机场旅客出行起讫点的识别步骤。
(a)出行起始点判断
如前所述,对上次判断为停留,本次判断为移动的判断过程,本次判断至少需要3个定位点。对于一次典型的出行,第2个点和第3个点的事件类型EventID 值为4(正常位置更新)。而第1个点的事件类型EventID值为1-3,因此第1个点和第2个点的时间间隔变化范围为系统周期性位置更新的周期,取值为120 分钟。在这次判断中,真实的出行发生在第1个点和第2个点的记录时间之间,并且根据前文的旅客状态判断方法,只有点2可以被确认为是处于移动状态,然后基于以下理由点2将被判断为出行起点:
●第1个点可能是出行开始相当长时间之前的位置更新,若将该点作为出行开始,出行开始时间将可能产生极大的误差;
●第2个点处于运动状态,达到正常运行速度时间更快,误差相对较小。
因此第2个点将直接作为这次出行的起始点。在读取了第4个定位点进行第二个向量夹角判断的情况下,点2和点3均可以被认为是处于移动状态,并且仍然将点2作为出行的起始点。
(b)出行结束点判断
对上次判断为移动,本次判断为停留的判断过程,如图7所示:
点0为上次判断的点,点1以后为进入本次判断的点,根据上节的判断规则有三种可能情况:
●本次判断点为1、2、3、4,由点2、3和3、4组成的向量夹角仍然不满足阈值(90度);
●本次判断点为1、2、3',由1、2和2、3'组成的向量夹角大于放宽的角度阈值(120度);
●本次判断点为1、2、3”,其中3”与2重合,且1到3”的时间过长超过时间阈值(5分钟)。
无论上述哪种情况,点2及后续点均可以认为已经完全处于停留状态,而实际的出行结束于1到2的记录时间之间。与出行开始相似,点1与2的时间间隔变化范围为系统周期性位置更新的周期,取值为120分钟,因此取点1作为出行的结束点。
3)机场旅客出行OD
经过上述过程,可以得到处于停留状态的点的集合。对该集合中连续多个处于停留状态的点,其起止时间差超过30分钟的记为停留点,又称为机场旅客的活动点,即认为机场旅客在该点进行了一系列社会经济活动。连续的停留点在时间上构成了一个停留时段。如图8所示,横轴为时间轴,深色的S1到S4条块表示该时间段为停留时段。
每个停留时段中由于漂移或难以区分的短距离出行,停留点位置通常有多个,停留点将通过以下规则最后集成为一个:将每个点到下一个点的间隔时间作为该点的停留时间,以该停留时段内总停留时间最长的点作为估计的机场旅客停留点。
此外由于实际情况的复杂性,可能会出现相邻停留时段停留点距离过近的情况。因此将设置距离阈值300米,当相邻停留时段停留点距离小于该值时将后一个停留点合并到前一个停留点。图8中,若S2和S3的停留点间距小于预先设定的距离阈值,则将S3点合并到S2点中,最后得到如图9所示的三个停留时段S1、S2和S3。
确定机场旅客的停留时段后,前后停留时段之间首尾相连即构成了机场旅客的出行OD。前一个停留时段的停留点作为出行的起点,停留时段结束时间作为出行的开始时间;后一个停留时段的停留点作为出行的终点,停留时段的开始时间作为出行的结束时间。如图9中,三个停留时段分别构成了两次出行。S1和 S2构成了一次出行,出行的起讫点分别为S1和S2的停留点,出行的开始时间为S1的结束时间(约6:15),出行的结束时间为S2的开始时间(约7:15)。同理,由S2和S3构成了一次起讫点为S2的停留点和S3的停留点,起讫时间为S2的结束时间(约17:30)和S3的开始时间(约19:00)的出行。
4)交通小区OD辨识技术
在得到机场旅客出行OD后,交通小区OD生成即将个体机场旅客的出行 OD集计到各交通小区中的过程。
由于个体机场旅客的出行起讫点均采用经纬度点表示,因此可以根据空间中点到面的包含关系将机场旅客出行的起讫点即停留点分别匹配到多个交通小区中。根据OD矩阵的需求截取相应的时段机场旅客出行结果,集计结果即为特定时段的机场旅客出行OD矩阵。操作流程如图10:
本方法利用手机信令数据,对机场旅客的出行OD进行判断识别,为机场旅客城市端出行特征研究提供了一种新的途径,借助该技术,可对机场轨道交通旅客的城市分布进行深入挖掘和分析。
利用本方法对首都国际机场旅客的出行OD进行识别,有效识别率达到 91.45%。这一识别精度,满足了机场旅客城市分布特征研究的需求。以下是根据首都国际机场旅客出行OD识别结果,进一步分析得到的首都国际机场旅客城市分布图。
Claims (1)
1.基于手机信令数据的机场旅客出行OD识别方法,其特征在于,包括数据读入与机场旅客出行定位点形成,定位点移动状态判断、出行起讫点判断、交通小区匹配与交通量统计四个步骤;
步骤一:数据读入与机场旅客定位点形成
1.1:从移动运行商通信网络记录触发信息数据库读取用户的数据,用户的每条数据构成一个出行定位点,分别将不同用户的出行定位点按时间排序,得到所有用户的定位点记录;
1.2:若用户数据中存在隶属于机场的基站位置区编号,则提取为机场旅客,并将其余用户数据予以删除;
步骤二:定位点移动状态判断
2.1:定位点合并;相邻定位点间间距<300米,或两个定位点之间的记录时间<5分钟,则删除第二个定位点,将定位点按时间排序;
2.2:旅客轨迹用连续两个定位点的连线和旅客行进方向构成的向量表示,当连续两个定位点的向量夹角<90度,则判断该定位点为移动点;向量夹角>90度则进入2.3进行下一步判断;
2.3:当向量夹角≥90度且<120度,读取下一个定位点数据,对下一个定位点向量夹角进行判断,若下一个定位点向量夹角<90度,则该定位点运动状态为移动,否则为停留;当向量夹角>120度,则删除第二定位点;
2.4:进入下一个定位点,返回2.2,对该点的运动状态进行判断,直至所有定位点的状态判断完成;
步骤三:出行起讫点判断
3.1:按照时间顺序读入连续两个定位点移动状态;若相邻两个定位点中第一个定位点状态为停留,而第二个定位点状态为移动,则判断第二个定位点为出行的起始点;
3.2:若相邻两个定位点中第一个定位点状态为移动,而第二个定位点状态为停留,则判断第一个定位点为出行的结束点;
3.3:除起始点和结束点以外的其他点判断为中间点;
3.4:读入下一组定位点,返回3.1,对出行的起讫点进行判断,直至所有定位点是否为出行起讫点判断完毕;
3.5:按照时间顺序读入各个出行起讫点,相邻的出行起始点至结束点的状态为出行,相邻的出行结束点至起始点的状态为停留;
3.6:若相邻出行结束点至起始点时间间隔<30分钟,则认为该次停留为非活动停留,该组出行结束点和起始点转为中间点;
3.7:若相邻出行起始点至结束点距离间隔<300米,则认为该次移动为非活动移动,该组出行起始点和结束点转为中间点;
3.8:进入下一组起讫点,返回3.6,直至所有起讫点判断完毕;
3.9:相邻的出行起始点和结束点构成了一次有效的出行,记录出行起始点的基站经纬度以及出行结束点的基站经纬度,作为机场旅客出行的出发区域和结束区域;
步骤四:交通小区匹配与交通量统计
4.1:按照步骤一至步骤三遍历数据库中所有机场旅客,对旅客的出行起始区域和结束区域进行判断;
4.2:将单个机场旅客的出行起始点和结束点基站经纬度与城市交通小区进行匹配,出行起始点所在的交通小区交通产生量+1,出行结束点所在的交通小区交通吸引量+1;
4.3:读入下一个机场旅客的数据,返回4.2,直至所有旅客的出行起始点和结束点交通小区识别完毕,最终得到城市各交通小区总的交通产生量和吸引量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811030386.5A CN108961134B (zh) | 2018-09-05 | 2018-09-05 | 基于手机信令数据的机场旅客出行od识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811030386.5A CN108961134B (zh) | 2018-09-05 | 2018-09-05 | 基于手机信令数据的机场旅客出行od识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108961134A true CN108961134A (zh) | 2018-12-07 |
CN108961134B CN108961134B (zh) | 2021-05-28 |
Family
ID=64475219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811030386.5A Active CN108961134B (zh) | 2018-09-05 | 2018-09-05 | 基于手机信令数据的机场旅客出行od识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108961134B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020980A (zh) * | 2019-04-08 | 2019-07-16 | 江苏号百信息服务有限公司 | 基于手机信令数据的机场到发旅客识别与客情分析方法 |
CN110113718A (zh) * | 2019-05-31 | 2019-08-09 | 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铁路交通枢纽人口类型识别方法 |
CN111681421A (zh) * | 2020-06-10 | 2020-09-18 | 南京瑞栖智能交通技术产业研究院有限公司 | 基于手机信令数据的对外客运枢纽集疏空间分布分析方法 |
CN112231392A (zh) * | 2020-10-29 | 2021-01-15 | 广东机场白云信息科技有限公司 | 民航客源数据分析方法、电子设备、计算机可读存储介质 |
CN112822639A (zh) * | 2020-12-18 | 2021-05-18 | 河北师范大学 | 基于手机信令的进出港旅客机场腹地范围划定方法 |
CN113705382A (zh) * | 2021-08-12 | 2021-11-26 | 捻果科技(深圳)有限公司 | 一种用于旅客离机离开航空器的始终时间的自动识别方法 |
KR102591908B1 (ko) * | 2022-11-30 | 2023-10-23 | 한국교통연구원 | 항공교통이용자 선별 및 OD(Origin-Destination) 분석 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030069683A1 (en) * | 1999-09-27 | 2003-04-10 | Dror Lapidot | Traffic monitoring system and methods for traffic monitoring and route guidance useful therewith |
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 |
CN107040894A (zh) * | 2017-04-21 | 2017-08-11 | 杭州市综合交通研究中心 | 一种基于手机信令数据的居民出行od获取方法 |
-
2018
- 2018-09-05 CN CN201811030386.5A patent/CN108961134B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030069683A1 (en) * | 1999-09-27 | 2003-04-10 | Dror Lapidot | Traffic monitoring system and methods for traffic monitoring and route guidance useful therewith |
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 |
CN107040894A (zh) * | 2017-04-21 | 2017-08-11 | 杭州市综合交通研究中心 | 一种基于手机信令数据的居民出行od获取方法 |
Non-Patent Citations (1)
Title |
---|
胡永恺: "基于手机信令数据的交通OD提取方法改进", 《交通信息与安全》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020980A (zh) * | 2019-04-08 | 2019-07-16 | 江苏号百信息服务有限公司 | 基于手机信令数据的机场到发旅客识别与客情分析方法 |
CN110020980B (zh) * | 2019-04-08 | 2023-08-18 | 江苏号百科技有限公司 | 基于手机信令数据的机场到发旅客识别与客情分析方法 |
CN110113718A (zh) * | 2019-05-31 | 2019-08-09 | 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铁路交通枢纽人口类型识别方法 |
CN111681421A (zh) * | 2020-06-10 | 2020-09-18 | 南京瑞栖智能交通技术产业研究院有限公司 | 基于手机信令数据的对外客运枢纽集疏空间分布分析方法 |
CN111681421B (zh) * | 2020-06-10 | 2022-07-29 | 南京瑞栖智能交通技术产业研究院有限公司 | 基于手机信令数据的对外客运枢纽集疏空间分布分析方法 |
CN112231392A (zh) * | 2020-10-29 | 2021-01-15 | 广东机场白云信息科技有限公司 | 民航客源数据分析方法、电子设备、计算机可读存储介质 |
CN112822639A (zh) * | 2020-12-18 | 2021-05-18 | 河北师范大学 | 基于手机信令的进出港旅客机场腹地范围划定方法 |
CN113705382A (zh) * | 2021-08-12 | 2021-11-26 | 捻果科技(深圳)有限公司 | 一种用于旅客离机离开航空器的始终时间的自动识别方法 |
CN113705382B (zh) * | 2021-08-12 | 2024-02-20 | 捻果科技(深圳)有限公司 | 一种用于旅客离机离开航空器的始终时间的自动识别方法 |
KR102591908B1 (ko) * | 2022-11-30 | 2023-10-23 | 한국교통연구원 | 항공교통이용자 선별 및 OD(Origin-Destination) 분석 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN108961134B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108961134A (zh) | 基于手机信令数据的机场旅客出行od识别方法 | |
Caceres et al. | Traffic flow estimation models using cellular phone data | |
Caceres et al. | Review of traffic data estimations extracted from cellular networks | |
CN105142106B (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 | |
CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
Sohn et al. | Dynamic origin–destination flow estimation using cellular communication system | |
CN103428275B (zh) | 基于wsn的室内移动目标行动路线追踪方法 | |
CN110213724B (zh) | 一种伪基站运动轨迹的识别方法 | |
Qu et al. | Transportation mode split with mobile phone data | |
CN106529815A (zh) | 城市轨道交通网络乘客出行时空轨迹估计方法及其应用 | |
CN109084788B (zh) | 路线确定方法和装置 | |
EP2608181B1 (en) | Method for detecting traffic | |
CN102097004A (zh) | 一种基于手机定位数据的出行od矩阵获取方法 | |
CN102521973A (zh) | 一种手机切换定位的道路匹配方法 | |
CN106997666A (zh) | 一种利用手机信令数据位置切换获取交通流速度的方法 | |
CN107833161A (zh) | 一种基于大数据的旅游交通管理系统 | |
CN110309936A (zh) | 一种基于手机定位数据和路径推断相结合的地铁换乘站识别方法 | |
CN104837116B (zh) | 用户出行数据检测方法和系统 | |
Li et al. | Estimating crowd flow and crowd density from cellular data for mass rapid transit | |
Zahabi et al. | Transit trip itinerary inference with GTFS and smartphone data | |
CN102156909A (zh) | 一种基于手机信号数据的轨道交通出行方式识别方法 | |
CN112711576A (zh) | 一种识别手机信令数据高铁、飞机城际出行方式的方法 | |
Xue et al. | UPS: Combatting urban vehicle localization with cellular-aware trajectories | |
Chiang et al. | Estimating instant traffic information by identifying handover patterns of UMTS signals | |
Zhang et al. | Extracting the complete travel trajectory of subway passengers based on mobile phone data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |