基于手机信令数据的区域住房价格与居民出行特性相关性研究

摘要

随着中国现阶段经济增长，现在越来越多人涌入城市。短短20年间，中国的城市化率已经由30%跃升至53.4%。传统的交通调查方法由于调查成本高、耗费人力物力高、调查抽样样本少、后期处理汇总数据周期长，只能短期调查且每次调查时间间隔较长。现阶段城市基础建设突飞猛进、土地利用变更频繁，这使得五年一次的常规综合交通调查无法及时把握城市交通特征的变化，政府也就无法对出行特征的变化进行决策上的及时调整。随着信息技术的不断发展，越来越多当地政府为了全面了解整个城市的交通特性开始越来越重视采用多种信息资源结合的方法来对交通特征进行描述分析，以此支持决策分析的精细化、定量化、科学化来实现治理交通拥堵的目标。近年来，随着移动终端的普及，手机的拥有率和使用率大幅提升，以及手机定位技术的不断进步，人们开始研究并意识到每个人携带的手机终端就是一个非常好的交通探测器。通过手机能够获取更加接近于交通出行全体的、实时性好的、调查成本低的、采集方便快捷的相关数据，为传统的交通调查提供了一项较好的技术选择。 不同收入的群体的交通出行具有一定的同质性和差异性，收入的高低能够影响居民出行方式的选择、出行次数、出行频率、出行时间、出行距离、出行目的等。一般情况下，居住在同一住房单位或地区的人在自我属性上具有高度同质性，如社会阶层、财富、职业、年龄等。不同的住房价格无形中将居民划分为不同的类别，能够一定程度上地反映该区域居民的收入水平。这些居民群体的出行行为和日常活动方式也不同。通过分析住宅平均价格数据，将住宅区划分为若干交通小区，研究各区居民出行特征。显然，区域房价与居民出行方式存在高度相关性。人们在选择住房时会考虑住房的交通便利性，包括他们的住宅和工作场所之间的距离，地铁或公交车站，地点的医院、中央商务区等。同时，房屋类型、价格和分布也影响居民的分布和交通需求分布。 本文旨在使用这一项新的调查技术，结合通信运营商提供的手机信令，通过模型算法计算，对算法进行计算标定，分析得出相关的参数，从中提取分析出成都市的交通出行特征数据，分析居住在不同房价下的不同人群的出行时间、出行距离、出行来源和目的地的出行特征。本文主要研究内容： 介绍研究的相关背景目的意义，总结归纳了国内外手机定位技术的研究和出行OD链的研究。 系统总结介绍了通信系统的主要部件以及各部件功能，比较分析了几种常见的手机定位技术的优缺点并根据具体特点确定了本文所采用的手机切换定位法用作手机定位。介绍了手机信令数据的基本处理方法。 建立手机用户轨迹链获取算法，输入手机用户一天的所有信令记录，分析判断得出用户一天移动的轨迹。根据用户在样本时间段内出现的时间频率判别得出手机用户居住属性。 本文以二手房交易价格作为房价参考，计算各交通小区内所有含二手房交易信息的小区平均参考价格，使用Kmeans算法对用户进行房价和相关出行特征聚类，分析不同收入人群的出行特征。

目录

第一个书签之前

Master Degree Thesis

Grade: 2014

Abstract

第1章 绪论

1.1研究背景

1.2研究目的及意义

1.3.1 手机信令定位技术的研究

1.3.2 出行OD链的研究

1.3.3 收入对出行的影响

1.4.1主要研究内容

第2章 手机数据处理研究

2.1 GSM系统通信原理

2.1.1基站子系统（Base Station Subsystem）

2.1.2网络与交换子系统（Network and Switching Subsystem）

2.1.3 移动台（Mobile Station）

2.1.4 操作支持子系统（Operation Support System）

2.2 手机定位技术

2.2.1 COO定位法

2.2.2 TOA定位法

2.2.3 HANDOVER定位法

2.2.4 本文采用的手机定位技术

2.3.1手机信令数据的提取

2.3.2手机信令数据的过滤清洗

第3章 居住人口和出行分析

3.1出行轨迹链

3.1.1路径识别原理

3.1.2出行轨迹链获取

3.2.1用户分类

3.2.2常住人口算法

3.3出行OD算法

第4章 案例应用分析

4.1.1数据来源和格式

4.1.2交通小区划分

4.2房价数据获取

4.2.1住宅小区房价数据获取

4.2.2 成都市三环内二手房价格分布

4.3.1 常住人口分布

4.3.2 常住人口出行OD

4.3.3 小区出行特征分析

第5章 结果与分析

5.1 Kmeans聚类算法

5.1.1聚类思想

5.1.2 K-means算法过程

5.1.3 K-means算法优劣

5.2 计算步骤

5.2.1数据预处理

5.2.2 关键特征选取

5.2.3 K值选取

5.3.1 聚类结果

5.3.2 结果分析

5.3.3 结果验证

结论与展望

主要结论

主要创新点

后续研究工作

致谢

参考文献

攻读硕士学位期间发表的论文