[发明专利]一种基于手机三角定位数据的交通出行模式判别方法

说明书

本发明公开了一种基于手机三角定位数据的交通出行模式判别方法，通过手机三角定位数据构建手机用户出行链；基于惩罚因子清洗所获取的手机用户出行链数据，去除“噪声”数据，重构手机用户全天出行链；基于重构的手机用户全天出行链，进行时间维度细粒度划分，形成若干个子出行时段，分别计算各子出行时段的总出行距离与直线出行距离，并以此获取各子出行时段的非直线系数；识别手机用户子出行时段多模式交通出行模式；基于已识别的手机用户子出行时段多模式交通出行模式比例，识别全日出行时段主要交通出行模式。本发明能够基于非集计层面获取用户个体的交通出行模式，用于降低模型复杂度并提高预测准确性。

技术领域

本发明涉及交通大数据领域，尤其是一种基于手机三角定位数据的交通出行模式判别方法。

背景技术

随着城市建设的快速推进，城市交通的时空分布与模式结构发生了深刻变化。多模式组合出行环境下，城市交通需求的变化直接决定了城市交通基础设施的规划与建设。客观掌握不同出行模式的交通需求，是科学评估城市交通系统建设水平和运行效果的关键。城市出行模式的结构决定了相关部门在设施建设与维护上的投入重心，为城市交通管理与交通规划提供重要的数据基础和评价参考。

传统出行模式调查通常采用居民出行家访调查方法，存在抽样率低、成本高昂的缺陷。随着大数据技术的不断成熟，基于海量交通大数据的出行分析为出行模式获取提供了新的途径。其中，手机定位数据具有低获取成本与高时空覆盖率的特点，是进行交通出行模式分析的最佳数据源。手机用户通过手机与基站进行交互时产生手机基站数据，通过三角定位算法，可以获取具有时空特征的手机三角定位数据，主要包含手机用户唯一识别码、记录基站号、记录时刻、记录经度、记录纬度等参数。在此数据基础上，通过提取手机用户全日出行链，挖掘用户出行交通特征，进一步识别用户出行模式。然而，受基站自身与用户环境的影响，手机三角定位数据存在大量“噪声”数据；受限于手机定位精度的限制，在高路网密度的城市市域，手机三角定位数据往往无法定位在准确的道路上，难以实现城市用户交通出行模式识别的需求。

目前，国内外在通过手机定位数据进行城市交通分析的研究主要集中于交通流参数的获取。在出行模式识别方面，大部分研究采用集计模式，获取用户总体中各类出行模式所占比重，识别准确性不高、模型迁移能力差；少量研究着眼于非集计层面，通过大量参数标定来提升用户个体交通模式的识别准确率，模型复杂，不易推广。综上，在城市人口交通模式的获取上，需要建立简洁的、基于非集计的交通出行模式判别方法。

发明内容

本发明所要解决的技术问题在于，提供一种基于手机三角定位数据的交通出行模式判别方法，能够基于非集计层面获取用户个体的交通出行模式，用于降低模型复杂度并提高预测准确性。

为解决上述技术问题，本发明提供一种基于手机三角定位数据的交通出行模式判别方法，包括如下步骤：

(1)通过手机三角定位数据构建手机用户出行链，计算手机用户相邻定位间隔的时间、移动距离与移动速度；

(2)基于惩罚因子清洗所获取的手机用户出行链数据，去除包括“乒乓效应”数据和“长时驻留”冗余数据在内的“噪声”数据，重构手机用户全天出行链；

(3)基于重构的手机用户全天出行链，进行时间维度细粒度划分，形成若干个子出行时段，分别计算各子出行时段的总出行距离与直线出行距离，并以此获取各子出行时段的非直线系数；

(4)识别手机用户子出行时段多模式交通出行模式，所述多模式交通出行模式包含地铁模式、公交模式、机动车模式与慢行交通模式；

(5)基于已识别的手机用户子出行时段多模式交通出行模式比例，识别全日出行时段主要交通出行模式。

优选的，步骤(1)中，通过手机三角定位数据构建手机用户出行链，计算手机用户相邻定位间隔的时间、移动距离与移动速度具体为：