基于手机定位数据的个体出行行为特征分析技术研究 方法与实证PDF电子书下载

1 研究概述 1

1.1 背景与意义 2

1.1.1 个体交通出行活动分析技术缺陷 2

1.1.2 手机传感器调查技术优势 4

1.1.3 数据瓶颈制约交通需求分析与交通模型发展 5

1.1.4 “大数据”时代交通调查技术发展新机遇 5

1.2 研究目标 6

1.2.1 学术理论目标 6

1.2.2 技术应用目标 6

1.3 应用前景 6

1.4 主要内容 7

1.4.1 个体出行手机传感器数据来源采集和解析 7

1.4.2 基于手机传感器数据的个体交通出行特征精细化提取 8

1.4.3 融合交通-通信集成仿真的个体出行活动仿真平台构建 10

1.4.4 个体出行精细化数据在交通规划管理中的应用探究 11

1.5 关键问题 11

1.6 技术路线 13

1.7 研究特色与创新 15

2 基于手机定位的个体出行特征分析技术综述 17

2.1 手机数据分析技术类型与特征 18

2.1.1 手机传感器数据分析技术及特征 18

2.1.2 手机信令数据分析技术 18

2.1.3 手机社交网络数据分析技术 19

2.2 基于手机位置数据的交通分析技术发展总结 19

2.3 基于手机信令数据的个体活动规律分析 24

2.3.1 居民活动规律动态监测 24

2.3.2 区域及断面客流分析 30

2.4 基于GPS定位数据的个体出行行为特征分析 33

2.4.1 出行链信息精细化提取 33

2.4.2 基于GPS轨迹数据的居民出行调查实地应用 40

2.5 基于手机Wi-Fi数据的活动强度分析 41

2.6 基于社交网络数据的居民出行特征分析 43

2.6.1 居民出行特征 43

2.6.2 OD估计 44

2.6.3 职住空间特征 45

2.7 研究总结与发展趋势 45

参考文献 46

3 基于手机传感器数据的挖掘算法理论与应用方法 51

3.1 个体出行链信息精细化提取技术思路 52

3.2 基于空间聚类算法的出行端点识别 54

3.3 基于小波变换模极大值算法的交通方式换乘点识别 56

3.4 基于机器学习算法的个体出行方式识别 59

3.4.1 基于神经网络算法的个体出行方式识别 59

3.4.2 基于支持向量机算法的个体出行方式识别 61

3.4.3 基于贝叶斯网络算法的个体出行方式识别 63

3.4.4 基于随机森林算法的个体出行方式识别 65

3.5 基于GIS地图匹配的个体出行链信息提取结果优化 66

3.6 本章小结 70

参考文献 70

4 手机传感器数据采集APP开发与数据解析 73

4.1 数据采集APP开发 74

4.1.1 APP详细功能 75

4.1.2 APP操作界面 76

4.2 网络数据库管理系统构建 77

4.3 数据安全措施 78

4.4 手机传感器数据内容与基础特征分析 78

4.4.1 GPS模块定位精度与质量 78

4.4.2 个体出行时空停留特征与OD特征分析 80

4.4.3 个体出行移动轨迹点密度特征分析 81

4.4.4 个体出行瞬时速度数据特征分析 85

4.4.5 个体出行瞬时加速度数据特征分析 90

4.5 本章小结 99

5 “行人—交通流—通信”集成仿真平台构建 101

5.1 仿真平台建设框架与思路 103

5.2 交通环境与个体交通出行仿真 104

5.2.1 交通仿真 104

5.2.2 交通仿真模块构建实例——以成都市为例 104

5.3 无线通信场景与通信仿真 105

5.3.1 无线通信事件说明及仿真 106

5.3.2 移动通信信号传播理论模型 109

5.3.3 移动通信环境及仿真实例——以成都市为例 112

5.4 手机传感器数据仿真 113

5.4.1 手机传感器数据扰动加载方法 113

5.4.2 数据加扰实例与效果评估 115

5.5 本章小结 118

参考文献 118

6 基于手机传感器数据的精细化出行参数提取实证研究 119

6.1 手机传感器数据采集实地试验 120

6.1.1 不同出行目的的出行方案设计 121

6.1.2 多方式组合出行方案设计 122

6.1.3 不同交通状态的数据采集方案设计 124

6.1.4 出行日志采集工作 125

6.2 基于空间聚类算法的出行端点识别实证分析 125

6.2.1 算法参数配置 126

6.2.2 个体出行端点识别与出行轨迹切割 127

6.2.3 个体出行端点识别结果与误差分析 128

6.3 基于小波变换模极大值算法的交通方式换乘点识别实证分析 129

6.3.1 算法参数配置 129

6.3.2 多交通方式组合出行换乘点识别实例 130

6.3.3 交通方式换乘点识别结果与误差分析 133

6.4 基于神经网络算法的交通方式识别实证分析 134

6.4.1 算法参数配置 134

6.4.2 交通方式识别实例 135

6.4.3 交通方式识别结果与误差分析 137

6.5 基于GIS地图匹配的出行链信息识别结果优化实证分析 138

6.5.1 基于GIS地图匹配算法参数配置 138

6.5.2 公交车与小汽车的出行方式区分识别实证 140

6.5.3 结果分析 142

6.6 本章小结 143

7 不同影响因素及敏感性分析 145

7.1 关键参数及其对技术精度的影响机理 146

7.2 不同条件实地试验机数据特征分析 148

7.2.1 数据采集 148

7.2.2 数据特征分析 149

7.3 交通方式识别效果敏感性分析 149

7.3.1 算法的选择与影响 149

7.3.2 数据采样频率设置与影响 150

7.3.3 交通状态与影响 151

7.4 交通方式换乘时间点识别效果敏感性分析 152

7.4.1 算法的选择与影响 152

7.4.2 数据采样频率设置与影响 152

7.4.3 交通状态与影响 154

7.5 基于仿真数据的出行链信息识别效果敏感性分析 155

7.5.1 基于仿真数据的交通方式识别效果敏感性分析 155

7.5.2 基于仿真数据的换乘时间点识别效果敏感性分析 157

7.6 本章小结 160

8 精细化数据提取对交通规划与管理的改善应用思考 163

8.1 精细化数据提升传统四阶段模型精度 164

8.2 精细化数据优化公交站点与线网布局 167

8.3 构建基于精细化个体活动的交通模型 169

8.4 精细化个体出行数据的其他应用 169

9 研究展望 171

9.1 完善基于手机传感器数据的个体出行链采集体系 172

9.2 大数据环境下多元异构数据融合提升技术应用效果 172

9.3 探索基于精细化交通调查大数据的交通规划理论与方法 173

附录A 175