CN112000755B - 一种基于手机信令数据的区域出行廊道识别方法 - Google Patents

一种基于手机信令数据的区域出行廊道识别方法 Download PDF

Info

Publication number
CN112000755B
CN112000755B CN202010818820.7A CN202010818820A CN112000755B CN 112000755 B CN112000755 B CN 112000755B CN 202010818820 A CN202010818820 A CN 202010818820A CN 112000755 B CN112000755 B CN 112000755B
Authority
CN
China
Prior art keywords
travel
space unit
base station
space
file
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
CN202010818820.7A
Other languages
English (en)
Other versions
CN112000755A (zh
Inventor
王振
胡倩
张志敏
宋军
禚保玲
王天青
陈天一
盛捷
高玉亮
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.)
Qingdao Urban Planning And Design Institute
Original Assignee
Qingdao Urban Planning And Design Institute
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 Qingdao Urban Planning And Design Institute filed Critical Qingdao Urban Planning And Design Institute
Priority to CN202010818820.7A priority Critical patent/CN112000755B/zh
Publication of CN112000755A publication Critical patent/CN112000755A/zh
Application granted granted Critical
Publication of CN112000755B publication Critical patent/CN112000755B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种基于手机信令数据的区域出行廊道识别方法，从手机信令数据中识别得到出行OD样本，将基站地理文件与目标空间单元进行空间关联得到基站空间单元对应表，将出行OD样本个体根据起讫点对应时间段提取轨迹点进行轨迹回溯，然后基于基站空间单元对应表实现与目标空间单元的连接，进而采用空间单元途径人流密度等级方式筛选目标空间单元内的路网数据集并创建路网缓冲区，筛选途径人流密度大于设定的途径人流密度阈值且位于路网缓冲区内的空间单元得到出行廊道；本发明基于出行回溯轨迹，能够消除非出行用户信令数据的干扰，提高对出行廊道的识别准确率，且通过路网缓冲区和人流密度筛选得到出行廊道，使得出行廊道的识别效率更高。

Description

一种基于手机信令数据的区域出行廊道识别方法
技术领域
本发明属于城市及交通规划技术领域，具体地说，是涉及一种基于手机信令数据的区域出行廊道识别方法。
背景技术
科学地识别城市及区域廊道，有利于经济、社会、环境、资源等要素的空间优化配置,对推动社会经济可持续发展、建设“美丽中国”具有重要意义。
现有的交通廊道识别主要借助交通信息采集技术，通过高速公路出入口数据、公共交通刷卡数据、出租车轨迹数据等进行流量检测，集计汇总后分析得到不同出行方式的出行廊道。这些方法存在最大的问题在于难以获取全方式全样本的出行廊道，同时数据精度高度依赖于采集设备，误差较大。
鉴于手机普及率越来越高，手机信令数据具有获取方便、成本低、样本高以及覆盖面广等特点，可以通过个体出行轨迹点刻画出行廊道的数据源。但在运用海量轨迹数据时，未出行用户的信令定位数据对出行廊道的识别会带来较大干扰，导致出行廊道的识别存在较大偏差。
发明内容
本发明的目的在于提供一种基于手机信令数据的区域出行廊道识别方法，基于出行反推轨迹，能够消除非出行用户信令数据的干扰，提高出行廊道的识别准确率，通过路网缓冲区和人流密度筛选得到出行廊道，识别效率更高，解决现有出行廊道识别中存在的上述问题。
为解决上述技术问题，本发明采用以下技术方案予以实现：
提出一种基于手机信令数据的区域出行廊道识别方法，包括：采用手机信令数据建立原始时空数据库DatabaseO，识别得到出行OD样本数据；将基站地理文件与目标空间单元进行空间关联，得到基站空间单元对应表；根据起讫点对应的时间段提取所有出行OD样本的轨迹点，建立第一出行时空数据库DatabaseT；汇总所述第一出行时空数据库DatabaseT中所有出行OD样本的空间单元链，得到第二出行时空数据库DatabaseU；其中，所述空间单元链按照如下步骤得到：将一个出行OD样本一次出行的轨迹点基于所述基站空间单元对应表转换到目标空间单元，并按照时间顺序删掉重复出现的空间单元得到个体出行空间单元链；汇总所述出行OD样本所有出行的个体出行空间单元链得到所述出行OD样本的空间单元链；根据空间单元途经人流密度等级选择路网数据集，并创建路网缓冲区；基于设定的途经人流密度阈值筛选空间单元，与路网缓冲区进行交集分析得到出行廊道。
进一步的，所述将基站地理文件与目标空间单元进行空间关联，得到基站空间单元对应表，具体包括：将目标空间单元矢量文件导入地理系统并进行定位；将基站地理文件导入地理系统并进行定位；将所述基站地理文件与所述目标空间单元矢量文件进行空间关联，得到关联目标空间单元的基站矢量文件；将关联目标空间单元的基站矢量文件的属性表导出为文本文件；将导出的文本文件导入大数据处理平台，得到基站挂接目标空间单元的基站空间单元对应表。
进一步的，所述空间单元途经人流密度等级按照如下方法得出：将第二出行时空数据库DatabaseU进行分组汇总，得到每个空间单元途经的人流Pi；根据每个空间单元的面积Si计算每个空间单元的途经人流密度δi；按照分位数法进行空间单元途经人流密度等级分类。
进一步的，所述每个空间单元途经人流密度δi为基于kPi/Si扩样后的空间单元途经人流密度；其中，k为扩样系数，按照如下方式得出：根据目标空间单元的总人口P和人均出行次数t的乘积计算所述目标空间单元内全方式出行量T；根据所述目标空间单元内全方式出行量T与出行OD样本总量S的比值计算得到所述扩样系数k。
与现有技术相比，本发明的优点和积极效果是：本发明提出的基于手机信令数据的区域出行廊道识别方法中，从手机信令数据中识别得到出行OD样本，将出行OD样本个体进行轨迹回溯，得到轨迹点集合，然后基于基站空间单元对应关系实现与目标空间单元的连接，进而采用空间单元途经人流密度等级方式筛选目标空间单元内的路网数据集，也即主要道路，对主要道路创建路网缓冲区，筛选空间单元途经人流密度大于设定的途经人流密度阈值且位于路网缓冲区内的空间单元得到出行廊道；本发明基于出行回溯轨迹，能够消除非出行用户信令数据的干扰，提高对出行廊道的识别准确率，且通过路网缓冲区和人流密度筛选得到出行廊道，使得出行廊道的识别效率更高。
结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。
附图说明
图1为本发明提出的基于手机信令数据的区域出行廊道识别方法的流程图；
图2为本发明提出的基于手机信令数据的区域出行廊道识别方法一个具体实施例识别架构；
图3为本发明实施例中空间单元分布图；
图4为本发明实施例中基站分布图；
图5为本发明实施例中途经人流密度分布图；
图6为本发明实施例中等级路网缓冲区分布图；
图7为本发明实施例中识别出的出行廊道。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步详细的说明。
本发明提出的基于手机信令数据的区域出行廊道识别方法，如图1所示，包括：
步骤S11：采用手机信令数据建立原始时空数据库DatabaseO，识别得到出行OD样本数据。
采用通讯运营商提供的带有时间、经度和纬度的手机信令数据建立原始时空数据库DatabaseO，通过数据加密技术为不同出行个体添加唯一编号msid。
利用原始时空数据库DatabaseO，通过出行OD(Origin and Destination)识别算法，得到若干出行OD样本，总量记为S。
步骤S12：将基站地理文件与目标空间单元进行空间关联，得到基站空间单元对应表。
根据精度要求，运用ArcGIS10.2软件划分目标空间单元，如街道、网格等不同尺度，同时将基站地理文件与划分的目标空间单元进行空间连接，得到基站空间单元对应表，如下表一所示：
表一
步骤S13：根据起讫点对应的时间段提取所有出行OD样本的轨迹点，建立第一出行时空数据库DatabaseT。
从原始时空数据库DatabaseO中，基于出行OD样本对应的msid，根据起讫点对应的时间段提取中间轨迹点，建立第一出行时空数据库DatabaseT。
其中，当天出行OD样本n，也即用户n的第m次的出行轨迹点集合表示如下：
本发明以出行OD样本回溯轨迹点的方式，能够消除非出行用户信令数据对识别出行廊道造成的干扰，起到提高对出行廊道的识别准确率的作用。
步骤S14：汇总第一出行时空数据库DatabaseT中所有出行OD样本的空间单元链，得到第二出行时空数据库DatabaseU。
空间单元链按照如下方式获得：
1、将一个出行OD样本一次出行的轨迹点基于基站空间单元对应表转换到目标空间单元。
手机信令数据基于基站进行定位，轨迹点对应的地理坐标即为连接的基站对应的地理坐标。
本发明实施中以用户n第m次出行为例。
2、按照时间顺序删掉重复出现的空间单元，得到个体出行空间单元链。
如下表二所示的个体出行空间单元链：
表二
删掉前后重复出现的空间单元，消除重复计数的影响，得到个体出行空间单元链。
3、重复1和2，得到该出行OD样本(用户n)所有出行的个体出行空间单元链。
4、汇总该出行OD样本(用户n)所有出行的个体出行空间单元链，得到该出行OD样本的空间单元链。
重复1-4，在得到每个出行OD样本的空间单元链后，汇总所有出行OD样本的空间单元链，得到添加了空间单元字段(Ui、Uj、……、Uk)的第二出行时空数据库DatabaseU。
步骤S15：根据空间单元途经人流密度等级选择路网数据集，并创建路网缓冲区。
在本发明一些实施例中，空间单元途经人流密度等级按照如下方式分类：
1、将第二出行时空数据库DatabaseU进行分组汇总，得到每个空间单元途经的人流Pi。
运用Hsql编程将DatabaseU数据库中按照空间单元字段(Ui、Uj、……、Uk)进行分组汇总，得到每个空间单元途经的人流Pi。
2、根据每个空间单元的面积Si计算每个空间单元的途经人流密度δi。
在本发明一些实施例中，k为扩样系数，按照如下方式得出：
1)根据目标空间单元的总人口P和人均出行次数t的乘积(P*t)计算目标空间单元内全方式出行量T；2)根据目标空间单元内全方式出行量T与出行OD样本总量S的比值(T/S)计算得到扩样系数k。
通过扩样技术得到全方式居民出行总量。
3、按照分位数法进行空间单元途经人流密度等级分类。
通过ArcGIS10.2软件，按照分位数法进行途经人流密度等级分类，得到人流密度等级。
以得到N个等级为例，针对每个等级对应的空间单元，根据区域范围大小从等级路网数据库中筛选不同等级的路网数据集，并对筛选出的路网数据集创建路网缓冲区。
步骤S16：基于设定的途经人流密度阈值筛选空间单元，与路网缓冲区交集分析等到出行廊道。
根据实际情况设定途经人流密度阈值，根据该阈值筛选空间单元，并与路网缓冲区进行交集分析，校核修正后得到出行廊道。
本发明通过路网换缓冲区和人流密度筛选的方式得到出行廊道，数据量小，起到提高出行廊道的识别效率的作用。
下面以一个具体的实施例对本发明提出的基于手机信令数据的区域出行廊道识别方法做出详细说明。
如图2所示，本实施例中，将上述提出的基于手机信令数据的区域出行廊道识别方法分为三部分：
1、出行识别部分
1)个体筛选：采用通信运营商提供的带有时间及经纬度的手机信令数据建立原始时空数据库DatabaseO，通过数据加密技术为不同出行个体添加唯一编号msid。
将XX省某工作日(时间边界)移动信令数据导入Hadoop大数据处理平台，构建原始时空数据库DatabaseO，其中包含个体ID、时间、纬度、经度四个字段。
将DatabaseO数据库中的个体ID重新编号，具体包括：将所有出行记录按照个体ID和时间进行升序排列，将个体ID重新从1开始编号。
2)利用原始时空数据库DatabaseO，运用时空贪婪算法，通过Hsql程序分析得到XX省出行OD样本，总量为S，其中包含个体编号、出发时间、出发点经度、出发点纬度、到达时间、到达点经度、到达点纬度七个字段。
3)查阅XX省统计年鉴中的区域总人口P和搜索城市居民出行的人均出行次数t，根据P*t计算区域内全方式出行量T。
4)根据XX省出行OD样本总量S和全方式出行量T，基于k＝T/S得到扩样系数k。
5)空间聚类:根据精度要求，运用ArcGIS10.2软件划分空间单元，将基站地理文件与划分的空间单元进行空间连接，得到基站空间单元对应表。
具体的，5.1)基于分析需求，将目标空间单元矢量文件，本实施例中以XX省街道边界矢量文件为例，导入地理信息系统ARCGIS10.2，采用2000大地国家坐标系进行定位，如图3所示。
5.2)将通信运营商提供的基站地理文件，本实施例中以XX省基站矢量文件为例，导入地理信息系统ARCGIS10.2，采用2000大地国家坐标系进行定位，如图4所示。
5.3)通过ArcGIS10.2中的空间连接功能，将XX省基站矢量文件和XX省街道边界矢量文件进行空间关联，得到关联街道后的XX省基站矢量文件，包含基站编号、经度、纬度、街道编号四个字段。
5.4)将关联街道后的XX省基站矢量文件属性表进行导出为文本文件，包含基站编号、经度、纬度、街道编号四个字段。
5.5)将文本文件导入Hadoop大数据处理平台，得到基站挂接XX省街道矢量文件，也即基站空间单元对应表。
2、出行轨迹反推部分
6)原始信令轨迹回溯:基于分析得到XX省出行OD样本对应的编号msid，从原始时空数据库DatabaseO中，根据起讫点对应的时间段提取中间轨迹点，建立第一出行时空数据库DatabaseT，包含个体ID、时间、经度、维度四个字段。
当天用户n的第m次的出行轨迹点集合如下所示：
7)轨迹拟合：基于用户n的第m次出行，以步骤5)得到的基站空间单元对应表为基础，通过Hsql中的表连接可以将轨迹点转换到空间单元。
7.1)提取第一出行时空数据库DatabaseT中用户n的第m次出行为出行轨迹表。
7.2)运用Hsql编程语句，将出行轨迹表与XX省基站挂接街道矢量文件通过经纬度进行表连接，得到出行轨迹挂接街道表，包含个体ID、时间、经度、维度、街道编号五个字段。
8)轨迹拟合：针对分析得到的出行轨迹挂接街道表，按照时间顺序，一次出行中街道编号前后相同的轨迹点删除，消除重复计数的影响，得到个体出行空间单元链。
9)轨迹拟合：重复步骤7)和步骤8)，得到用户n所有出行经过的空间单元链，建立个体出行空间单元数据集。
10)轨迹拟合：重复步骤7)、步骤8)和步骤9)得到DatabaseT数据库中所有用户出行的空间单元链，汇总后的得到添加街道编号字段的、并且去重后的第二出行时空数据库DatabaseU。
3、出行廊道提取
11)空间单元密度分析：运用Hsql编程将第二出行时空数据库DatabaseU中按照街道编号字段进行分组汇总，得到每个街道途经的人流Pi，包含街道编号、途经人流两个字段。
12)空间单元密度分析：根据每个空间单元的面积Si计算每个空间单元扩样后的途经人流密度。
12.1)运用ArcGIS10.2中计算几何功能，将XX省街道边界矢量文件添加面积字段并计算面积，得到各街道面积。
12.2)将步骤11)中得到的途经人流按照扩样系数k统一进行扩样，通过计算得到各个街道扩样后的途经人流密度。
13)空间单元密度分析：通过ArcGIS10.2软件，按照分位数法进行途经人流密度进行等级分类，共得到八个等级。
如图5所示的途经人流密度分布图。
14)出行廊道：从XX省等级路网数据库中，选择不同等级的路网数据集，通过ArcGIS10.2软件创建路网缓冲区。
如图6所示的等级路网缓冲区分布图。
14.1)将XX省等级路网矢量文件导入地理信息软件ArcGIS10.2，创建全省等级路网数据库。
14.2)从XX省等级路网数据库中筛选高速公路，并创建500米缓冲区。
15)出行廊道：通过设定的人流密度阈值筛选不同等级的街道，并与路网缓冲区进行交集分析，校核修正后得到出行廊道。
15.1)将途经人流密度大于100人/平方公里的街道作为高密度街道。
15.2)将路网缓冲区经过的高密度街道作为候选出行廊道，删掉前后不连接的孤立街道校核修正后得到全省出行廊道。
如图7所示识别出的出行廊道。
应该指出的是，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (2)

1.一种基于手机信令数据的区域出行廊道识别方法，其特征在于，包括：
采用手机信令数据建立原始时空数据库DatabaseO，识别得到出行OD样本数据；
将基站地理文件与目标空间单元进行空间关联，得到基站空间单元对应表；
根据起讫点对应的时间段提取所有出行OD样本的轨迹点，建立第一出行时空数据库DatabaseT；
汇总所述第一出行时空数据库DatabaseT中所有出行OD样本的空间单元链，得到第二出行时空数据库DatabaseU；其中，所述空间单元链按照如下步骤得到：将一个出行OD样本一次出行的轨迹点基于所述基站空间单元对应表转换到目标空间单元，并按照时间顺序删掉重复出现的空间单元得到个体出行空间单元链；汇总所述出行OD样本所有出行的个体出行空间单元链得到所述出行OD样本的空间单元链；
根据空间单元途经人流密度等级选择路网数据集，并创建路网缓冲区；
基于设定的途经人流密度阈值筛选空间单元，与路网缓冲区进行交集分析得到出行廊道；
所述空间单元途经人流密度等级按照如下方法得出：
将第二出行时空数据库DatabaseU进行分组汇总，得到每个空间单元途经的人流Pi；
根据每个空间单元的面积Si计算每个空间单元的途经人流密度δi；
按照分位数法进行空间单元途经人流密度等级分类；
所述每个空间单元途经人流密度δi为基于kPi/Si扩样后的空间单元途经人流密度；其中，k为扩样系数，按照如下方式得出：
根据目标空间单元的总人口P和人均出行次数t的乘积计算所述目标空间单元内全方式出行量T；
根据所述目标空间单元内全方式出行量T与出行OD样本总量S的比值计算得到所述扩样系数k。
2.根据权利要求1所述的基于手机信令数据的区域出行廊道识别方法，其特征在于，所述将基站地理文件与目标空间单元进行空间关联，得到基站空间单元对应表，具体包括：
将目标空间单元矢量文件导入地理系统并进行定位；
将基站地理文件导入地理系统并进行定位；
将所述基站地理文件与所述目标空间单元矢量文件进行空间关联，得到关联目标空间单元的基站矢量文件；
将关联目标空间单元的基站矢量文件的属性表导出为文本文件；
将导出的文本文件导入大数据处理平台，得到基站挂接目标空间单元的基站空间单元对应表。
CN202010818820.7A 2020-08-14 2020-08-14 一种基于手机信令数据的区域出行廊道识别方法 Active CN112000755B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010818820.7A CN112000755B (zh) 2020-08-14 2020-08-14 一种基于手机信令数据的区域出行廊道识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010818820.7A CN112000755B (zh) 2020-08-14 2020-08-14 一种基于手机信令数据的区域出行廊道识别方法

Publications (2)

Publication Number Publication Date
CN112000755A CN112000755A (zh) 2020-11-27
CN112000755B true CN112000755B (zh) 2024-03-12

Family

ID=73473189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010818820.7A Active CN112000755B (zh) 2020-08-14 2020-08-14 一种基于手机信令数据的区域出行廊道识别方法

Country Status (1)

Country Link
CN (1) CN112000755B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112543427B (zh) * 2020-12-01 2021-11-09 江苏欣网视讯软件技术有限公司 基于信令轨迹及大数据分析识别城市交通走廊的方法与系统
CN115641243B (zh) * 2022-12-02 2023-05-02 北京市城市规划设计研究院 通勤廊道确定方法、装置、设备和存储介质
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 (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609616A (zh) * 2012-01-29 2012-07-25 上海美慧软件有限公司 一种基于手机定位数据的动态人口分布密度检测方法
CN105491532A (zh) * 2015-11-25 2016-04-13 交科院（北京）交通技术有限公司 一种用于路网运行状态分析的手机信令过滤方法和装置
CN105679019A (zh) * 2016-01-28 2016-06-15 广州杰赛科技股份有限公司 一种道路交通状态识别方法及装置
CN105844031A (zh) * 2016-03-29 2016-08-10 东南大学 一种基于手机定位数据的城市交通廊道识别方法
CN106600960A (zh) * 2016-12-22 2017-04-26 西南交通大学 基于时空聚类分析算法的交通出行起讫点识别方法
CN106912018A (zh) * 2017-02-28 2017-06-30 上海讯飞瑞元信息技术有限公司 基于信令轨迹的地图匹配方法及系统
CN107134142A (zh) * 2017-07-10 2017-09-05 中南大学 一种基于多源数据融合的城市道路流量预测方法
WO2017202226A1 (zh) * 2016-05-23 2017-11-30 中兴通讯股份有限公司 人群流量的确定方法及装置
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
CN110516708A (zh) * 2019-07-23 2019-11-29 江苏大学 一种基于轨迹与路网匹配的路径预测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10387457B2 (en) * 2014-06-17 2019-08-20 Sap Se Grid-based analysis of geospatial trajectories

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609616A (zh) * 2012-01-29 2012-07-25 上海美慧软件有限公司 一种基于手机定位数据的动态人口分布密度检测方法
CN105491532A (zh) * 2015-11-25 2016-04-13 交科院（北京）交通技术有限公司 一种用于路网运行状态分析的手机信令过滤方法和装置
CN105679019A (zh) * 2016-01-28 2016-06-15 广州杰赛科技股份有限公司 一种道路交通状态识别方法及装置
CN105844031A (zh) * 2016-03-29 2016-08-10 东南大学 一种基于手机定位数据的城市交通廊道识别方法
WO2017202226A1 (zh) * 2016-05-23 2017-11-30 中兴通讯股份有限公司 人群流量的确定方法及装置
CN106600960A (zh) * 2016-12-22 2017-04-26 西南交通大学 基于时空聚类分析算法的交通出行起讫点识别方法
CN106912018A (zh) * 2017-02-28 2017-06-30 上海讯飞瑞元信息技术有限公司 基于信令轨迹的地图匹配方法及系统
CN107134142A (zh) * 2017-07-10 2017-09-05 中南大学 一种基于多源数据融合的城市道路流量预测方法
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
CN110516708A (zh) * 2019-07-23 2019-11-29 江苏大学 一种基于轨迹与路网匹配的路径预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于手机信令数据的城市区域间交通流分析及可视化;曹仲等;计算机与现代化(第3期);第116-126页 *

Also Published As

Publication number Publication date
CN112000755A (zh) 2020-11-27

Similar Documents

Publication Publication Date Title
CN102595323B (zh) 基于手机定位数据的居民出行特征参数的获取方法
CN110245981B (zh) 一种基于手机信令数据的人群类型识别方法
CN112000755B (zh) 一种基于手机信令数据的区域出行廊道识别方法
Jiang et al. Activity-based human mobility patterns inferred from mobile phone data: A case study of Singapore
CN106096631B (zh) 一种基于手机大数据的流动人口分类识别分析方法
CN106931974B (zh) 基于移动终端gps定位数据记录计算个人通勤距离的方法
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
CN111653099B (zh) 基于手机信令数据的公交客流od获取方法
CN110753307B (zh) 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
CN102332210A (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
WO2023050955A1 (zh) 一种基于功能混合度和集成学习的城市功能区识别方法
CN107529135A (zh) 基于智能设备数据的用户活动类型判别方法
CN106651027A (zh) 一种基于社交网络的互联网班车线路优化方法
CN105355047B (zh) 多交通检测源动态时间粒度的数据融合处理方法
CN105844031B (zh) 一种基于手机定位数据的城市交通廊道识别方法
CN110413855A (zh) 一种基于出租车下客点的区域出入口动态提取方法
CN115100012B (zh) 一种轨道交通站点步行可达性计算方法
Yang et al. Detecting home and work locations from mobile phone cellular signaling data
Jiao et al. Understanding the land use function of station areas based on spatiotemporal similarity in rail transit ridership: A case study in Shanghai, China
CN114141008B (zh) 一种基于手机信令数据的共享公共交通服务区域选取方法
Yao et al. Analysis of key commuting routes based on spatiotemporal trip chain
CN113096785B (zh) 一种疫情时期医疗资源分配方法
Zhao et al. Planning bikeway network for urban commute based on mobile phone data: A case study of Beijing
CN113610346B (zh) 基于多源数据的村庄发展潜力评价及村庄分类方法及装置
Liu Dynamic analysis of multicenter spatial structure with big data in smart city

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