1、軌道交通具有大運(yùn)量、長距離、準(zhǔn)時(shí)性、速達(dá)性、舒適性、安全性、高效性等諸多優(yōu)點(diǎn)。提高軌道交通服務(wù)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(shù)，對交通信息進(jìn)行精細(xì)化的采集和分析，既可以為交通管理者提供運(yùn)營管理決策的依據(jù)，也可以為出行者提供出行信息誘導(dǎo)，從而提高軌道交通的運(yùn)營效率和服務(wù)質(zhì)量。手機(jī)信令數(shù)據(jù)作為交通大數(shù)據(jù)的一種，在個(gè)體與群體出行特征分析、交通系統(tǒng)運(yùn)行狀態(tài)分析領(lǐng)域有著日益廣泛的應(yīng)用。
　　論文首

2、先提出了基于手機(jī)信令的個(gè)人出行活動(dòng)分析以及群體出行特征分析的方法體系。由手機(jī)信令數(shù)據(jù)分析交通特征參數(shù)的核心是從個(gè)人信令事件記錄的序列中提取出個(gè)人活動(dòng)的時(shí)空軌跡，這一過程中包括信令記錄的空間定位，根據(jù)交通設(shè)施的時(shí)空約束與個(gè)人活動(dòng)能力的時(shí)空約束進(jìn)一步定位個(gè)人活動(dòng)軌跡，并根據(jù)已知的軌跡點(diǎn)進(jìn)一步結(jié)合時(shí)空約束對信令記錄未能反映的活動(dòng)過程進(jìn)行推斷。最后根據(jù)軌跡點(diǎn)的時(shí)空屬性進(jìn)行統(tǒng)計(jì)可以得到站點(diǎn)、車輛的交通特征參數(shù)。上述匹配、過濾、推斷和統(tǒng)計(jì)方法分別應(yīng)

3、用于數(shù)據(jù)定位、預(yù)處理、歷史數(shù)據(jù)分析、實(shí)時(shí)數(shù)據(jù)分析等步驟。
　　信令數(shù)據(jù)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(shù)據(jù)和實(shí)地測量來獲取基站地理位置信息，根據(jù)基站位置區(qū)和小區(qū)編碼，對信令事件發(fā)生的位置進(jìn)行匹配，確定每條信令記錄的經(jīng)緯度坐標(biāo)。論文提出了軌道交通站點(diǎn)線路的編碼方案和換乘站點(diǎn)的編碼方案，將軌道交通系統(tǒng)相關(guān)基站與線路和站點(diǎn)編碼進(jìn)行匹配。對于經(jīng)緯度坐標(biāo)缺失的情況，提出了基于時(shí)空約束的坐標(biāo)修復(fù)方法。該方法以坐標(biāo)精確的基站為

4、基準(zhǔn)，以乘客途經(jīng)三個(gè)基站所花費(fèi)時(shí)間內(nèi)活動(dòng)能力上限為時(shí)空約束，確定基站信號的可能覆蓋范圍。計(jì)算結(jié)果表明該方法修復(fù)的經(jīng)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(fù)產(chǎn)生信令數(shù)量較多的坐標(biāo)缺失基站。
　　移動(dòng)信號的波動(dòng)性和個(gè)人空間活動(dòng)復(fù)雜性會在信令記錄中留下冗余和錯(cuò)誤的信息。針對上述兩類成因，論文分別基于時(shí)空約束提出了手機(jī)信令的預(yù)處理方法和個(gè)人出行軌跡提取算法。預(yù)處理方法用于過濾由信號不穩(wěn)定而產(chǎn)生的無效冗余數(shù)據(jù)、乒乓數(shù)據(jù)、漂移數(shù)據(jù)

5、。數(shù)據(jù)預(yù)處理的目標(biāo)是盡可能地減少對后續(xù)判別有錯(cuò)誤干擾或毫無意義的噪聲數(shù)據(jù)，同時(shí)盡可能保留對后續(xù)判別提供依據(jù)的數(shù)據(jù)，實(shí)現(xiàn)無用數(shù)據(jù)最小化，效用數(shù)據(jù)最大化。根據(jù)這一原則，分別提出了乒乓數(shù)據(jù)、漂移數(shù)據(jù)的判別規(guī)則、判別流程、判別閾值。根據(jù)試算以及信號覆蓋特征確定判別閾值，并對噪聲數(shù)據(jù)進(jìn)行刪除。該方法可在剔除無效和錯(cuò)誤數(shù)據(jù)的基礎(chǔ)上，盡可能多地保留了原始數(shù)據(jù)中包含的有價(jià)值信息。
　　軌道交通乘客出行軌跡提取算法針對個(gè)人空間活動(dòng)的復(fù)雜性，對乘客在

6、地下軌道交通系統(tǒng)的進(jìn)站點(diǎn)、換乘點(diǎn)、出站點(diǎn)等關(guān)鍵軌跡點(diǎn)的空間和時(shí)間信息進(jìn)行了識別和提取，同時(shí)提取了本次軌道交通出行的出發(fā)點(diǎn)和目的地。在出站點(diǎn)識別中，提出了基于就近原則的出站線路和站點(diǎn)識別方法，減少了出站點(diǎn)識別對地面調(diào)查的依賴;在換乘點(diǎn)識別中，按照識別次序提出了信令序列、站點(diǎn)序列、線路序列、關(guān)鍵點(diǎn)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(jù)。在識別關(guān)鍵軌跡點(diǎn)的基礎(chǔ)上，利用相鄰關(guān)鍵軌跡點(diǎn)之間信令的時(shí)空序列，結(jié)合列車運(yùn)行的時(shí)空軌跡，

7、將乘客與列車進(jìn)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(jìn)了現(xiàn)有多數(shù)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(jià)值時(shí)空信息，降低了對非理想數(shù)據(jù)直接刪除的處理方式帶來的采樣偏差的可能性。根據(jù)乘客個(gè)體一日軌道交通出行軌跡中的站點(diǎn)、線路、車次、時(shí)間信息，以站點(diǎn)和線路為分析對象，可以進(jìn)一步分析研究不同時(shí)刻各個(gè)站點(diǎn)進(jìn)出站與乘斷面客流量，站點(diǎn)與車輛空間乘客數(shù)量，乘客車外步行時(shí)間、站點(diǎn)服務(wù)范

8、圍。
　　實(shí)時(shí)數(shù)據(jù)的數(shù)據(jù)條件與歷史數(shù)據(jù)存在一定的差異性，區(qū)別在于實(shí)時(shí)數(shù)據(jù)不能通過個(gè)人一日完整的信令序列來相互映證每個(gè)信令事件所對應(yīng)的真實(shí)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(shù)據(jù)具有隨機(jī)性和稀疏性，信令數(shù)據(jù)對不同指標(biāo)的反映具有不同的采樣特征。在基于實(shí)時(shí)數(shù)據(jù)的軌道交通實(shí)時(shí)運(yùn)營狀態(tài)分析方法中，對于采樣率較高的指標(biāo)，利用乘客當(dāng)前狀態(tài)判別和歷史狀態(tài)修正實(shí)時(shí)動(dòng)態(tài)反饋，提出了乘客狀態(tài)判別的直接判別法，分析站點(diǎn)斷面客

9、流量、位置區(qū)內(nèi)空間乘客數(shù)量、出站過程時(shí)間等運(yùn)營狀態(tài)指標(biāo);對于采樣率較低的指標(biāo)，基于大數(shù)據(jù)的理念選取不同的信令特征指標(biāo)進(jìn)行相關(guān)性分析，并使用機(jī)器學(xué)習(xí)的方法進(jìn)行空間乘客數(shù)量判別計(jì)算。在相關(guān)性分析的基礎(chǔ)上，提出了異?？土黝A(yù)警的方法，分別對客流在系統(tǒng)內(nèi)的聚集情況和站外大量客流進(jìn)站的情況進(jìn)行了判別。
　　在各類分析方法研究的基礎(chǔ)上，選擇某軌道交通網(wǎng)絡(luò)化運(yùn)營的特大城市作為案例進(jìn)行分析，分別從歷史數(shù)據(jù)分析和實(shí)時(shí)數(shù)據(jù)分析的角度對提取方法進(jìn)行了計(jì)算