CN112711576B - 一种识别手机信令数据高铁、飞机城际出行方式的方法 - Google Patents
一种识别手机信令数据高铁、飞机城际出行方式的方法 Download PDFInfo
- Publication number
- CN112711576B CN112711576B CN202011445155.8A CN202011445155A CN112711576B CN 112711576 B CN112711576 B CN 112711576B CN 202011445155 A CN202011445155 A CN 202011445155A CN 112711576 B CN112711576 B CN 112711576B
- Authority
- CN
- China
- Prior art keywords
- data
- time
- user
- signaling
- geohash
- 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
- 230000011664 signaling Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004140 cleaning Methods 0.000 claims abstract description 4
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract 1
- 101100100125 Mus musculus Traip gene Proteins 0.000 description 21
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007781 signaling event Effects 0.000 description 1
Images
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
- H04W8/183—Processing at user equipment or user record carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Educational Administration (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
针对手机信令数据出行方式背景技术的不足,我们设计提供了一种识别手机信令数据火车、飞机城际出行的方法。具体实施方案包括:步骤S1)从运营商获取目标城市一个月内的手机信令数据,按照时间顺序排列每一个用户的信令数据;步骤S2)清洗数据,剔除不合理、漂移、重复数据及没有离开过目标城市的用户数据;步骤S3)根据geohash停留时间、进出目标城市时间分割出城际出行的起始点和时间;步骤S4)获取全国火车站、飞机场地理信息;步骤S5)通过获取的火车站、飞机场地理信息及每次城际出行自身特征判断是否为火车或飞机出行。利用手机信令数据和火车站、飞机场的地理信息,较为准确地识别出火车、飞机城际出行,便于之后的城际交通分析和规划。
Description
技术领域
本发明属于交通规划领域,特别提供一种基于手机信令数据的城际火车、飞机出行方式识别。
背景技术
近年来,随着移动通信行业和智能手机行业的科技进步以及国内包括移动支付在内的移动端应用的快速发展,国内大部分区域包括老人、小孩在内,基本做到了人手一部手机。截止2020年6月,中国三个运营商中国移动、中国电信和中国联通各有移动用户数9.47亿、3.43亿和3.10亿户,总用户数达到15.7亿,基本可以覆盖国内的所有人口。
手机信令数据是在手机发生信令事件时(通话、短信、使用流量、基站变换等)记录在移动业务交换中心的数据字段。由于几乎每个人都随身携带手机,所以手机信令数据基本可以覆盖全人口。分析挖掘手机信令数据,可以快速准确获取城市内及城市与城市间宏观层面的相关数据,如城市内出行OD、城际出行OD等,这对交通规划工作提供了数据支撑。
大数据技术的高速发展离不开数据存储技术领域的突破。随着数据量的大幅增加,单台机器的存储能力已经无法满足实际需求。分布式数据库的出现解决了大数据的存储上限问题。分布式数据库是指将大批量的存储任务切分成多个小文件,分别储存在不同的机器上。分布式数据库的出现打破了单个机器的储存上限问题,大幅降低了数据库系统的管理和维护费用,并且提升了数据库的存储性能,为大数据的分析和挖掘打下了夯实的基础。
发明内容
本发明的目的在于提供一种识别手机信令数据高铁、飞机城际出行方式的方法。
本发明技术方案如下:
一种识别手机信令数据高铁、飞机城际出行方式的方法,其特征在于:
步骤S1)从运营商获取目标城市一段时间内的手机信令数据,按照时间顺序排列每一个用户的信令数据;
步骤S2)清洗数据,剔除不合理、漂移、重复数据及没有离开过目标城市的用户数据;
步骤S3)在同一用户信令数据中根据geohash(一种地理编码系统)停留时间、进出目标城市时间分割出城际出行的起始点和时间;
步骤S4)获取全国火车站、飞机场地理信息;
步骤S5)通过获取的火车站、飞机场地理信息及每次城际出行自身特征判断是否为火车或飞机出行。
进一步地,所述步骤S1包括:
通过运营商获取所有在目标城市出现过的用户一个月的手机信令数据,运营商提供的位置信息为用户连接到的基站所在的位置,所述位置以geohash形式为主,即以字符串的形式来表达一个二维的经纬度。
进一步地,所述步骤S2,剔除不合理、漂移、重复数据包括:
对于同一用户,若在同一个时间点出现多条geohash不同的数据,提取该时间点前一时刻geohash和后一时刻geohash,计算两个geohash之间距离S1(中点距离),时间差t1,通过速度公式:
V1=S1/t1
剔除速度不满足要求的不合理数据,若仍有多个符合要求的记录,计算每条记录与前后时刻geohash的距离之和,保留距离最小的记录,剔除其他记录。
对于同一用户,获取其连续两条信令记录的时间差t;
通过geohash解码获取对应geohash的中心点经纬度坐标(a,b)
球面距离公式:
S=R×cos-1[cos a1×cos b2×cos(a1-a2)+sin(b1)×sinb2]
及速度公式:
V=S/t
其中,S为两点间的球面距离,R为地球半径,a1、a2,b1、b2分别为两点的经度和纬度,根据以上两个公式可计算得到速度V;
剔除速度大于速度阈值Vmax的记录。若连续多条信令记录所处geohash为同一个,则合并多条记录为同一条,以第一条的出发时间和最后一条的离开时间为准。
所述步骤S2剔除没有离开过目标城市的用户数据,包括:
对每一个用户一个月数据,判断其所有停留geohash中是否有目标城市以外的geohash,若没有则移除该用户当月数据,若有则该用户当月数据保留。
进一步地,所述步骤S3包括:
步骤S31)将单个用户一个月内所有信令数据按照时间顺序排列,并根据geohash判断在目标城市内部还是外部。若连续两条记录为一内部一外部,视为穿越城市边界;
步骤S32)判断穿越目标城市边界信令的时间和位置,每一次有效的穿越目标城市边界信令代表一次城际出行。有效穿越定义为时间一次穿越之后时间T0内没有再次发生穿越或发生多次穿越后信令稳定位置与起始位置不同为目标城市内部或不同为目标城市外部;此步骤的主要目的是避免在目标城市边界来回跳动的手机信令被识别为多次城际出行;
步骤S33)根据用户在穿越目标城市边界前后各geohash的停留时间判断一次城际出行的起始两点,当用户在时间T1内在当前网格及周边8个网格(共9个网格中)停留时间超过时间T2即认定当前网格为起/终点;
步骤S34)将步骤S33中一次有效城际出行的起始两点间所有信令数据提取,作为一次城际出行的完整轨迹;
进一步地,所述步骤S4包括:
通过网络地图数据(开放街道地图、高德应用程序编程接口等)获取全国机场和火车站的地理信息,以机场、火车站的地理坐标围栏为主。由于手机信令的位置信息为基站位置,并非用户实际所在位置,因此机场、火车站的地理坐标围栏可根据geohash字符数作缓冲区;
进一步地,所述步骤S5包括:
步骤S51)提取每一条完整的城际出行信令数据;
步骤S52)根据起始两点是否任意一点在S4中获取的机场地理围栏中及信令缺失时间是否大于T3,判断是否为飞机出行;此步骤的主要思路为用户乘坐飞机时需要将手机关机或调整飞行模式,因此会出现信号中断的情况。
步骤S53)将步骤S52中剔除飞机出行之后的数据根据起始两点是否任意一点在S4中获取的火车站地理围栏中及全程经过的火车站个数与出行距离的比值是否大于r判断是否为火车出行。此步骤的主要思路为用户乘坐火车是沿铁路形式将经过多个火车站。
本发明的有益效果为:仅利用手机信令数据和火车站、飞机场地理信息,准确识别出火车、飞机城际出行方式,与传统的城市对外出行调查相比,节省了人力和时间成本。同时,手机信令数据具有覆盖范围广、样本量大、用户持有率高的特点,可以更准确地反应人流时空变化规律。本发明也可为未来城际出行交通规划提供数据支撑。
附图说明
图1为本发明的流程示意图;
图2为本发明中步骤S3的流程示意图
图3为本发明中步骤S5的流程示意图
图4为本发明中geohash字符长度对应精度图
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例公开了一种识别手机信令数据高铁、飞机城际出行方式的方法,如图1所示,包括以下步骤:
步骤S1)从中国联通获取上海市2020年6月的手机信令数据,按照时间顺序排列每一个用户的信令数据;
步骤S2)清洗数据,剔除漂移数据及没有离开过上海的用户数据;
步骤S3)在同一用户信令数据中根据geohash停留时间、进出目上海时间分割出城际出行的起始点和时间;
步骤S4)通过高德地图api获取全国火车站、飞机场地理信息;
步骤S5)通过获取的火车站、飞机场地理信息及每次城际出行自身特征判断是否为火车或飞机出行。
所述步骤S1包括:
通过中国联通获取所有在上海出现过的用户一个月的手机信令数据,中国联通提供的位置信息为用户连接到的基站所在的位置,为7位字符串geohash。详情请见附图3。按照时间顺序排列每一个用户的信令数据。
所述步骤S2,剔除不合理、漂移、重复数据包括:
对于同一用户,若在同一个时间点出现多条geohash不同的数据,提取该时间点前一时刻geohash和后一时刻geohash,计算两个geohash之间距离S1(中点距离),时间差t1,通过速度公式:
V1=S1/t1
剔除速度大于1000km/h的不合理数据,若仍有多个符合要求的记录,计算每条记录与前后时刻geohash的距离之和,保留距离最小的记录,剔除其他记录。
对于同一用户,获取其连续两条信令记录的时间差t;
通过geohash解码获取对应geohash的中心点经纬度坐标(a,b)
球面距离公式:
S=R×cos-1[cos a1×cos b2×cos(a1-a2)+sin(b1)×sin b2]
及速度公式:
V=S/t
其中,R为地球半径,a1、a2,b1、b2分别为两点的经度和纬度,根据以上两个公式可计算得到速度V;
剔除速度大于1000km/h的记录。若连续多条信令记录所处geohash为同一个,则合并多条记录为同一条,以第一条的出发时间和最后一条的离开时间为准。
所述步骤S2,剔除没有离开过上海的用户数据,包括:
对每一个用户一个月数据,判断其所有停留geohash中是否有上海市以外的geohash,若没有则移除该用户当月数据,若有则该用户当月数据保留。
所述步骤S3包括:
步骤S31)将单个用户一个月内所有信令数据按照时间顺序排列,并根据geohash判断在上海内部还是外部。若连续两条记录为一个在上海市内一个在上海市外,视为穿越城市边界;
步骤S32)判断穿越上海边界信令的时间和位置,每一次有效的穿越上海边界信令代表一次城际出行。有效穿越定义为时间一次穿越之后5分钟内没有再次发生穿越或发生多次穿越后信令稳定位置与起始位置不同为上海内部或不同为上海外部;
步骤S33)根据用户在穿越上海边界前后各geohash的停留时间判断一次城际出行的起始两点。判断起点时,当用户在20分钟内在当前网格及周边8个网格(共9个网格中)停留时间超过19.5分钟即认定当前网格为起/终点;判断终点时当用户在10分钟内在当前网格及周边8个网格(共9个网格中)停留时间超过9.5分钟即认定当前网格为终点。
步骤S34)将步骤S33中一次有效城际出行的起始两点间所有信令数据提取,作为一次城际出行的完整轨迹;
进一步地,所述步骤S4包括:
通过高德应用程序编程接口获取全国机场和火车站的地理信息,以机场、火车站的地理坐标围栏为主;
进一步地,所述步骤S5包括:
步骤S51)提取每一条完整的城际出行信令数据;
本发明未尽事宜为公知技术。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种识别手机信令数据高铁、飞机城际出行方式的方法,其特征在于:
步骤S1)从运营商获取目标城市一段时间内的手机信令数据,按照时间顺序排列每一个用户的信令数据;
步骤S2)清洗数据,剔除不合理、漂移、重复数据及没有离开过目标城市的用户数据;
步骤S3)在同一用户信令数据中根据geohash停留时间、进出目标城市时间分割出城际出行的起止点和时间;
步骤S4)获取全国火车站、飞机场地理信息;
步骤S5)通过获取的火车站、飞机场地理信息及每次城际出行自身特征判断是否为火车或飞机出行;
其中,所述步骤S3包括:
步骤S31)将单个用户一个月内所有信令数据按照时间顺序排列,并根据geohash判断在目标城市内部还是外部,若连续两条记录为一内部一外部,视为穿越城市边界;
步骤S32)判断穿越目标城市边界信令的时间和位置,每一次有效的穿越目标城市边界信令代表一次城际出行,有效穿越定义为一次穿越之后时间T0内没有再次发生穿越或发生多次穿越后信令稳定位置与起始位置不同为目标城市内部或不同为目标城市外部;
步骤S33)根据用户在穿越目标城市边界前后各geohash的停留时间判断一次城际出行的起止两点,当用户在时间T1内在当前网格及周边网格停留时间超过时间T2即认定当前网格为起/终点;
步骤S34)将步骤S33中一次有效城际出行的起止两点间所有信令数据提取,作为一次城际出行的完整轨迹;
所述步骤S5包括:
步骤S51)提取每一条完整的城际出行轨迹;
2.按照权利要求1所述,其特征在于,所述步骤S1包括:
通过运营商获取所有在目标城市出现过的用户一个月的手机信令数据,运营商提供的位置信息为用户连接到的基站所在的位置,所述位置以geohash形式来表达一个二维的经纬度。
3.按照权利要求1所述,其特征在于,所述步骤S2,剔除不合理、漂移、重复数据包括:
对于同一用户,若在同一个时间点出现多条geohash不同的数据,提取该时间点前一时刻geohash和后一时刻geohash,计算两个geohash之间距离S1,时间差t1,通过速度公式:
V1=S1/t1
剔除速度不满足要求的不合理数据,若仍有多个符合要求的记录,计算每条记录与前后时刻geohash的距离之和,保留距离最小的记录,剔除其他记录;
对于同一用户,获取其连续两条信令记录的时间差t;
通过geohash解码获取对应geohash的中心点经纬度坐标(a,b)
球面距离公式:
S=R×cos-1[cosa1×cosb2×cos(a1-a2)+sin(b1)×sinb2]
及速度公式:
V=S/t
其中,R为地球半径,a1、a2,b1、b2分别为两点的经度和纬度,根据以上两个公式可计算得到速度V;
剔除速度大于Vmax的记录;
若连续多条信令记录所处geohash为同一个,则合并多条记录为同一条,以第一条的出发时间和最后一条的离开时间为准。
4.按照权利要求1所述,其特征在于,所述步骤S2剔除没有离开过目标城市的用户数据,包括:
对每一个用户一个月数据,判断其所有停留geohash中是否有目标城市以外的geohash,若没有则移除该用户当月数据,若有则该用户当月数据保留。
5.按照权利要求1所述,其特征在于,所述步骤S4包括:
通过网络地图数据获取全国机场和火车站的地理信息,所述地理信息为地理坐标围栏。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011445155.8A CN112711576B (zh) | 2020-12-11 | 2020-12-11 | 一种识别手机信令数据高铁、飞机城际出行方式的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011445155.8A CN112711576B (zh) | 2020-12-11 | 2020-12-11 | 一种识别手机信令数据高铁、飞机城际出行方式的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112711576A CN112711576A (zh) | 2021-04-27 |
CN112711576B true CN112711576B (zh) | 2023-03-10 |
Family
ID=75542989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011445155.8A Active CN112711576B (zh) | 2020-12-11 | 2020-12-11 | 一种识别手机信令数据高铁、飞机城际出行方式的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112711576B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115967950B (zh) * | 2023-02-17 | 2023-06-20 | 东南大学 | 基于手机数据的特征与时序双驱动城际出行模式辨识方法 |
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 (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106067154A (zh) * | 2016-05-30 | 2016-11-02 | 上海华企软件有限公司 | 一种基于手机大数据的城市间迁移客流分析方法 |
CN106197458A (zh) * | 2016-08-10 | 2016-12-07 | 重庆邮电大学 | 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 |
CN106327000A (zh) * | 2015-06-30 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 识别出行方式的方法及系统 |
CN107241512A (zh) * | 2017-06-30 | 2017-10-10 | 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 |
WO2018095145A1 (zh) * | 2016-11-26 | 2018-05-31 | 上海壹账通金融科技有限公司 | 获取出行信息的方法、计算机可读存储介质及装置 |
CN109376207A (zh) * | 2018-09-18 | 2019-02-22 | 同济大学 | 从手机信令数据中提取高速列车乘客常住地的方法 |
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 |
WO2020042536A1 (zh) * | 2018-08-30 | 2020-03-05 | 中南大学 | 一种基于多源交通数据的全局动态出行需求估计方法 |
CN110909106A (zh) * | 2019-11-26 | 2020-03-24 | 杭州三汇数字信息技术有限公司 | 一种轨迹预测方法和系统 |
CN110990443A (zh) * | 2019-10-28 | 2020-04-10 | 上海城市交通设计院有限公司 | 一种基于手机信令的职住人口特征估算方法 |
CN111445158A (zh) * | 2020-04-03 | 2020-07-24 | 广州市交通规划研究院 | 一种基于信息数据的交通同城化阶段和出行模式划分方法 |
CN111770452A (zh) * | 2020-05-27 | 2020-10-13 | 中山大学 | 一种基于个人出行轨迹特征的手机信令停留点识别方法 |
WO2020238631A1 (zh) * | 2019-05-31 | 2020-12-03 | 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人群类型识别方法 |
-
2020
- 2020-12-11 CN CN202011445155.8A patent/CN112711576B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327000A (zh) * | 2015-06-30 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 识别出行方式的方法及系统 |
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 |
CN106067154A (zh) * | 2016-05-30 | 2016-11-02 | 上海华企软件有限公司 | 一种基于手机大数据的城市间迁移客流分析方法 |
CN106197458A (zh) * | 2016-08-10 | 2016-12-07 | 重庆邮电大学 | 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 |
WO2018095145A1 (zh) * | 2016-11-26 | 2018-05-31 | 上海壹账通金融科技有限公司 | 获取出行信息的方法、计算机可读存储介质及装置 |
CN107241512A (zh) * | 2017-06-30 | 2017-10-10 | 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 |
WO2020042536A1 (zh) * | 2018-08-30 | 2020-03-05 | 中南大学 | 一种基于多源交通数据的全局动态出行需求估计方法 |
CN109376207A (zh) * | 2018-09-18 | 2019-02-22 | 同济大学 | 从手机信令数据中提取高速列车乘客常住地的方法 |
WO2020238631A1 (zh) * | 2019-05-31 | 2020-12-03 | 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人群类型识别方法 |
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 |
CN110990443A (zh) * | 2019-10-28 | 2020-04-10 | 上海城市交通设计院有限公司 | 一种基于手机信令的职住人口特征估算方法 |
CN110909106A (zh) * | 2019-11-26 | 2020-03-24 | 杭州三汇数字信息技术有限公司 | 一种轨迹预测方法和系统 |
CN111445158A (zh) * | 2020-04-03 | 2020-07-24 | 广州市交通规划研究院 | 一种基于信息数据的交通同城化阶段和出行模式划分方法 |
CN111770452A (zh) * | 2020-05-27 | 2020-10-13 | 中山大学 | 一种基于个人出行轨迹特征的手机信令停留点识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112711576A (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111653099B (zh) | 基于手机信令数据的公交客流od获取方法 | |
CN107241512B (zh) | 基于手机数据的城际交通出行方式判断方法和设备 | |
CN112150796B (zh) | 基于手机信令数据的定制公交站点布局方法 | |
CN108961134B (zh) | 基于手机信令数据的机场旅客出行od识别方法 | |
CN104167092A (zh) | 一种确定出租车上下客热点区域中心的方法以及装置 | |
CN112711576B (zh) | 一种识别手机信令数据高铁、飞机城际出行方式的方法 | |
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 | |
CN102097004A (zh) | 一种基于手机定位数据的出行od矩阵获取方法 | |
EP2608181B1 (en) | Method for detecting traffic | |
CN110460962B (zh) | 轨道交通用户识别方法和装置 | |
CN109190685A (zh) | 融合空间聚类和基站序列规则的轨道出行特征提取方法 | |
CN109729518A (zh) | 基于手机信令的城市交通早高峰拥堵源头识别方法 | |
CN113887617A (zh) | 一种市域内部铁路出行轨迹识别方法、装置及存储介质 | |
CN114139251A (zh) | 一种边境地区陆路口岸整体布局方法 | |
Zahabi et al. | Transit trip itinerary inference with GTFS and smartphone data | |
CN112087743A (zh) | 一种面向智慧交通的高铁虚拟卡口到发旅客分析方法 | |
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 | |
Wang et al. | Analysis of subway passenger flow based on smart card data | |
CN115510056A (zh) | 一种利用手机信令数据进行宏观经济分析的数据处理系统 | |
CN115472008A (zh) | 一种基于k-means聚类的网约车出行时空特性分析方法 | |
Zhang et al. | Extracting the complete travel trajectory of subway passengers based on mobile phone data | |
CN106485921A (zh) | 一种基于社交数据的区域高速路网车流状态分析方法 | |
CN106202577A (zh) | 一种基于mda的多维数据抽取方法 | |
Zheng et al. | Urban Rail Transit Passenger Flow Monitoring Method Based on Call Detail Record Data | |
Wang et al. | Identifying the urban transportation corridor 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 |