基于手机定位信息和出行调查的动态OD获取方法

摘要

作为对一定时间范围内交通需求描述的OD矩阵，是现代化城市交通研究中必不可少的部分。随着信息化进程的加快，利用手机定位信息获取交通信息已经成为可能。但目前对手机定位信息的研究还多局限于理论建模阶段，并且出行识别技术尚未成熟。基于此，本文将基于手机定位信息以及辅助的出行调查信息，开展基于典型区域的动态OD获取方法研究。
　　首先，本研究针对现有的OD估计方法展开综述研究，并且对OD估计的数据采集方法进行研究，分析和总结了现存方法的优缺点。进而总结了现阶段手机定位技术的研究现状。在此基础上，确定了本文研究内容。
　　其次，针对手机定位信息和出行调查信息，分别进行了对原始数据的分析，以及交通OD信息的提取。针对手机定位信息，本研究在分析数据特性的基础上，设计了基于手机定位信息的出行链获取方法，通过速度阈值、时间阈值以及距离阈值的限定，对OD点进行识别。
　　然后，本研究重点分析了手机定位信息的触发机制，并依据该机制，将手机定位信息划分为主动方式和被动方式。在此基础上，本研究对两种方式的时间分布特征进行了分析，得到了不同方式下的24小时时变特征，从而总结了两种不同触发机制下数据的优缺点。进而，针对主动方式和被动方式分别设计了基于出行调查数据的OD矩阵修正方法。对于主动方式触发的OD数据，首先根据OD总量时变规律进行修正，进而对单个OD对进行分别的调整。对于被动方式触发的OD数据，根据其自身的数据特性，本研究依据出行调查的OD矩阵数据，利用手机OD的时变规律曲线，设计了修正方法。
　　最后，本研究以典型区域为例进行了动态OD获取方法的验证。对区域界定后的典型区进行原始OD数据的获取，并按照修正方法，进行基于出行调查数据的OD矩阵修正。对全方式触发的OD矩阵数据以及被动方式触发的OD矩阵数据分别进行不同维度的验证。从出行总量维度分析，修正之后的误差从原先的30.08％降低到7.11％。从小区间产生吸引关系来看，一维相关系数都有明显提升。从矩阵相关性分析，虽然也有提升，但提升幅度不明显，这可能与数据来源的技术差异以及研究过程中的假设有关。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景与意义

1．2 研究目标与内容

1．3 研究方法与技术路线

2 国内外研究综述

2．1 OD估计方法研究综述

2．1．1 静态OD估计方法

2．1．2 动态OD估计方法

2．2 用于OD估计的数据采集方法研究综述

2．2．1 传统调查数据采集方法

2．2．2 固定源数据采集方法

2．2．3 移动源数据采集方法

2．3 基于手机定位数据获取OD的研究综述

2．4 本章小结

3 基于手机定位信息和出行调查的交通OD获取技术

3．1 基于手机定位信息的交通OD获取技术

3．1．1 手机定位方法概述

3．1．2 手机定位数据分析

3．1．3 手机定位数据处理方法

3．1．4 基于手机定位信息的出行链获取方法

3．1．5 基于C#平台的手机OD获取程序

3．2 基于出行调查的交通OD获取方法

3．2．1 抽样设计与抽样调查

3．2．2 出行的定义

3．2．3 出行调查数据扩样

3．2．4 出行调查结果

3．3 本章小结

4 基于出行调查的手机OD修正方法

4．1 手机定位信息总量的特性分析

4．1．1 手机定位信息的触发机制

4．1．2 手机定位信息时间分布特性分析

4．1．3 手机数据市场占有率影响

4．2 针对全方式触发的手机OD矩阵修正方法

4．2．1 基于出行调查的OD总量时变规律修正方法

4．2．2 基于出行调查的单个OD对修正方法

4．3 针对被动方式触发的手机OD矩阵修正方法

4．4 本章小结

5 典型区域的动态OD获取方法应用实例

5．1 研究区域界定及交通小区划分

5．2 原始OD数据处理方法

5．3 基于出行调查数据的OD矩阵修正

5．3．1 全方式触发的OD矩阵总量时变规律修正

5．3．2 全方式触发的单个OD对修正

5．3．3 被动方式的OD矩阵修正

5．4 OD矩阵总量及相关性分析

5．4．1 OD矩阵总量时变规律分析

5．4．2 小区间产生吸引关系分析

5．4．3 OD矩阵相关性分析

5．5 交通小区间期望线对比分析

5．6 本章小结

6 总结与展望

6．1 本文主要结论

6．2 研究展望

参考文献

附录A

附录B

附录C

作者简历

学位论文数据集