基于手機信令的軌道交通乘客出行行為分析方法研究.pdf_第1頁
已閱讀1頁,還剩151頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、軌道交通具有大運量、長距離、準時性、速達性、舒適性、安全性、高效性等諸多優(yōu)點。提高軌道交通服務水平,增加軌道交通方式吸引力,是解決城市交通問題的重要手段。利用智能交通技術,對交通信息進行精細化的采集和分析,既可以為交通管理者提供運營管理決策的依據,也可以為出行者提供出行信息誘導,從而提高軌道交通的運營效率和服務質量。手機信令數據作為交通大數據的一種,在個體與群體出行特征分析、交通系統(tǒng)運行狀態(tài)分析領域有著日益廣泛的應用。
  論文首

2、先提出了基于手機信令的個人出行活動分析以及群體出行特征分析的方法體系。由手機信令數據分析交通特征參數的核心是從個人信令事件記錄的序列中提取出個人活動的時空軌跡,這一過程中包括信令記錄的空間定位,根據交通設施的時空約束與個人活動能力的時空約束進一步定位個人活動軌跡,并根據已知的軌跡點進一步結合時空約束對信令記錄未能反映的活動過程進行推斷。最后根據軌跡點的時空屬性進行統(tǒng)計可以得到站點、車輛的交通特征參數。上述匹配、過濾、推斷和統(tǒng)計方法分別應

3、用于數據定位、預處理、歷史數據分析、實時數據分析等步驟。
  信令數據的初始位置匹配采用起源蜂窩小區(qū)定位的方法,利用開源數據和實地測量來獲取基站地理位置信息,根據基站位置區(qū)和小區(qū)編碼,對信令事件發(fā)生的位置進行匹配,確定每條信令記錄的經緯度坐標。論文提出了軌道交通站點線路的編碼方案和換乘站點的編碼方案,將軌道交通系統(tǒng)相關基站與線路和站點編碼進行匹配。對于經緯度坐標缺失的情況,提出了基于時空約束的坐標修復方法。該方法以坐標精確的基站為

4、基準,以乘客途經三個基站所花費時間內活動能力上限為時空約束,確定基站信號的可能覆蓋范圍。計算結果表明該方法修復的經緯度誤差與起源蜂窩小區(qū)定位本身的精度接近,可用于修復產生信令數量較多的坐標缺失基站。
  移動信號的波動性和個人空間活動復雜性會在信令記錄中留下冗余和錯誤的信息。針對上述兩類成因,論文分別基于時空約束提出了手機信令的預處理方法和個人出行軌跡提取算法。預處理方法用于過濾由信號不穩(wěn)定而產生的無效冗余數據、乒乓數據、漂移數據

5、。數據預處理的目標是盡可能地減少對后續(xù)判別有錯誤干擾或毫無意義的噪聲數據,同時盡可能保留對后續(xù)判別提供依據的數據,實現無用數據最小化,效用數據最大化。根據這一原則,分別提出了乒乓數據、漂移數據的判別規(guī)則、判別流程、判別閾值。根據試算以及信號覆蓋特征確定判別閾值,并對噪聲數據進行刪除。該方法可在剔除無效和錯誤數據的基礎上,盡可能多地保留了原始數據中包含的有價值信息。
  軌道交通乘客出行軌跡提取算法針對個人空間活動的復雜性,對乘客在

6、地下軌道交通系統(tǒng)的進站點、換乘點、出站點等關鍵軌跡點的空間和時間信息進行了識別和提取,同時提取了本次軌道交通出行的出發(fā)點和目的地。在出站點識別中,提出了基于就近原則的出站線路和站點識別方法,減少了出站點識別對地面調查的依賴;在換乘點識別中,按照識別次序提出了信令序列、站點序列、線路序列、關鍵點序列的識別方法,充分利用了不同種類信令事件提供的判別依據。在識別關鍵軌跡點的基礎上,利用相鄰關鍵軌跡點之間信令的時空序列,結合列車運行的時空軌跡,

7、將乘客與列車進行匹配,由此完成由一日信令序列到乘客全部軌道交通出行過程的還原。上述方法改進了現有多數算法中以正常位置更新事件記錄為核心的方法,充分利用了信了序列中的所有有價值時空信息,降低了對非理想數據直接刪除的處理方式帶來的采樣偏差的可能性。根據乘客個體一日軌道交通出行軌跡中的站點、線路、車次、時間信息,以站點和線路為分析對象,可以進一步分析研究不同時刻各個站點進出站與乘斷面客流量,站點與車輛空間乘客數量,乘客車外步行時間、站點服務范

8、圍。
  實時數據的數據條件與歷史數據存在一定的差異性,區(qū)別在于實時數據不能通過個人一日完整的信令序列來相互映證每個信令事件所對應的真實出行過程。在軌道交通系統(tǒng)中,除正常位置更新外,由于其余類型信令事件數據具有隨機性和稀疏性,信令數據對不同指標的反映具有不同的采樣特征。在基于實時數據的軌道交通實時運營狀態(tài)分析方法中,對于采樣率較高的指標,利用乘客當前狀態(tài)判別和歷史狀態(tài)修正實時動態(tài)反饋,提出了乘客狀態(tài)判別的直接判別法,分析站點斷面客

9、流量、位置區(qū)內空間乘客數量、出站過程時間等運營狀態(tài)指標;對于采樣率較低的指標,基于大數據的理念選取不同的信令特征指標進行相關性分析,并使用機器學習的方法進行空間乘客數量判別計算。在相關性分析的基礎上,提出了異??土黝A警的方法,分別對客流在系統(tǒng)內的聚集情況和站外大量客流進站的情況進行了判別。
  在各類分析方法研究的基礎上,選擇某軌道交通網絡化運營的特大城市作為案例進行分析,分別從歷史數據分析和實時數據分析的角度對提取方法進行了計算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論