移动网络环境下城市居民出行方式判别方法研究

摘要

交通对于城市的发展至关重要,它作为连接城市的纽带,为城市发展输送人流、物流,是城市前进的主要动力。时代的发展,带来了经济、技术的快速发展,同时在新形势的要求下,城市的发展也面临着与时俱进的新问题。新的交通模式——智能交通的实施势在必行,21世纪将会是智能交通的世纪。
　　发展智能交通的关键获得丰富的交通信息。交通信息作为智能交通中的基础信息,服务于城市日常的交通管理、交通服务中,伴随着城市发展的需要,越来越被人们所重视。其中居民出行方式是重要的交通信息库之一,目前成为交通规划领域的研究热点。有效判别城市居民的出行方式,不仅能够为后期进行交通结构划分提供了可靠的数据来源和评价参考,同时对于解决城市拥堵,空间结构优化,城市能源消耗等问题有着重要意义。
　　在城市居民出行方式判别方法研究进程中,最关键的问题之一是居民出行数据的获取。随着计算机、通信、信息技术的发展,智能手机的迅速普及,传统的出行数据采集方法如调查问卷、家访、回想日志等已经不能满足交通管理的需求。人们开始关注在新的技术背景和社会背景下利用新技术、新手段进行出行数据的获取。本论文在移动网络环境下提出了一种基于手机定位的出行信息采集方法,利用 Java语言设计研发一款针对智能终端的数据采集器。该数据采集器安装使用简单,采集的数据类型广泛,既包含静态信息,又包含动态信息。此外,在数据采集的同时,进行了数据预处理,并对出行轨迹进行预判别,与传统的采集方法相比,具有投资少、精度高、全天候实时采集、数据预处理能力强大等优势。通过数据采集器进行海量出行信息的实时提取,从而进行出行方式判别研究。
　　在进行出行方式判别研究中,本文不仅仅止步于传统的模糊判别,力争在一段出行轨迹上实现更精细的交通方式划分。在不同交通方式预分类的基础上,结合数据采集方法,以及换乘点的数据特点,提出了演绎性时序聚类分割算法进行轨迹分段,理论和探索性方法结合使用,大大提高了对不同交通方式段提取的精度。此后,根据轨迹分段结果,深入分析城市居民出行方式特性,不依赖于辅助数据(如公交站点、公交线路、地铁线路、道路网等)以及相关经验知识,借助机器学习算法决策树进行出行方式的细致划分,并通过测试数据对该判别方法进行准确度验证及结果分析。
　　最后,本文在探索理论方法研究的基础上,构建了出行方式判别模型,实现了在自主研发平台 i4People平台中加入了出行方式判别模块,为后期将研究成果付诸实践打下了坚实基础。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景

1.2 国内外研究现状及发展趋势

1.3 相关技术简介

1.4 研究内容

1.5 章节安排

2 移动网络环境下的数据采集

2.1 基于手机定位技术的出行数据采集器

2.2 出行数据采集方案

3 城市居民出行轨迹分段算法研究

3.1 出行方式二值化

3.2 演绎性时序聚类分割

3. 3 轨迹段后处理

3. 4 出行轨迹分段精度

4 基于决策树的出行方式判别

4.1 选取统计量

4.2 基于决策树的出行方式识别模型建立

4.3 出行方式识别精度验证

4.4 基于出行方式识别模型的人迹数据可视化

5 总结创新与展望

5.1 总结

5.2 创新

5.3 展望

参考文献

附录

致谢

个人简历、在学期间发表的学术论文与研究成果