当前位置：文档之家 › 基于手机信令数据的出行方式识别方法研究

基于手机信令数据的出行方式识别方法研究

  • 格式：pdf
  • 大小：723.67 KB
  • 文档页数：9

下载文档原格式

  / 9

合集下载

基于手机信令数据的人员出行特征跟踪调查

基于手机信令数据的人员出行特征跟踪调查

基于手机信令数据的人员出行特征跟踪调查人员出行特征调查是一项重要的研究领域，可以帮助我们了解人群的行为习惯和出行模式。

随着智能手机的普及，手机信令数据成为研究人员进行出行特征跟踪调查的重要工具。

通过手机信令数据，我们可以获取到用户的位置信息、移动路径以及出行时间等相关信息，从而对人员的行为进行有效分析。

手机信令数据主要包括基站信息、信号强度、通话记录等内容。

通过对这些数据进行分析，可以揭示出人员的出行特征，比如每天的出行时间分布、常去的地点、出行方式等。

这些信息对于城市规划、交通管理和旅游行业具有重要意义。

首先，通过手机信令数据可以分析人员的出行时间分布。

人们的出行时间受到工作、学习等活动的影响，通常可以分为早高峰、晚高峰和非高峰时段。

通过对手机信令数据的分析，可以了解到不同人群在不同时间段的出行情况，为城市交通管理提供参考依据。

其次，手机信令数据还可以揭示人们的出行路径和常去地点。

通过手机信令数据可以追踪用户的移动轨迹，分析其常去的地点以及出行路径。

这有助于了解人们的活动范围，进而为商业、旅游等行业提供精准的服务。

另外，通过手机信令数据还可以了解人们的出行方式。

根据手机信令数据可以判断用户是步行、骑车还是乘车出行，从而了解人们在不同情况下选择的出行方式，为城市交通规划和出行服务提供依据。

综上所述，基于手机信令数据的人员出行特征跟踪调查具有重要的研究意义和实践价值。

通过对手机信令数据的分析，可以揭示出人们的行为习惯和出行模式，为城市规划、交通管理和商业服务提供参考依据。

在未来的研究中，可以结合更多的数据源和技术手段，进一步深入挖掘人员出行特征，为社会发展提供更多有益信息。

基于手机信令技术的区域交通出行特征研究

基于手机信令技术的区域交通出行特征研究

基于手机信令技术的区域交通出行特征研究一、本文概述随着城市化进程的加速，交通问题日益成为制约城市发展的重要因素。

为了更好地理解和解决交通问题，对区域交通出行特征的研究显得尤为重要。

手机信令技术作为一种新兴的交通数据采集手段，以其覆盖范围广、实时性强、成本相对较低等优势，逐渐在交通研究领域得到广泛应用。

本文旨在利用手机信令技术，对区域交通出行特征进行深入研究，以期为城市规划、交通管理以及智能交通系统的发展提供理论支持和实践指导。

本文将首先介绍手机信令技术的基本原理及其在交通领域的应用背景，阐述其相较于传统交通调查方法的优势。

随后，将详细介绍如何利用手机信令数据提取和分析区域交通出行特征，包括出行时间分布、出行空间分布、出行方式选择等方面。

在此基础上，本文还将探讨不同区域、不同时间段的交通出行特征差异及其影响因素，为城市交通规划和管理提供决策依据。

通过本文的研究，我们期望能够揭示区域交通出行的内在规律和潜在问题，为城市交通的可持续发展提供科学依据。

本文也期望能够为手机信令技术在交通领域的进一步应用和发展提供有益的探索和参考。

二、手机信令技术概述手机信令技术，作为现代通信技术的重要组成部分，为区域交通出行特征研究提供了新的视角和方法。

手机信令，指的是手机在通信网络中与基站之间交互的一系列指令和响应，这些指令和响应包含了手机的位置信息、通信状态等关键数据。

通过收集和分析这些信令数据，我们可以获取到大量关于手机用户移动行为的信息，进而揭示区域交通出行的特征。

手机信令技术具有实时性、连续性和覆盖范围广等特点。

手机信令数据是实时产生的，能够反映手机用户的即时移动状态，这对于研究交通出行的实时特征具有重要意义。

手机用户在日常使用中会持续产生信令数据，这些数据构成了连续的移动轨迹，为研究交通出行的连续性和规律性提供了可能。

由于手机网络覆盖广泛，手机信令数据可以覆盖到城市的各个角落，为研究区域交通出行提供了全面的数据支持。

基于手机信令和导航数据的出行方式识别方法

基于手机信令和导航数据的出行方式识别方法

引言
如何方便居民的出行是城市交通规划的重要使命。及时 掌握城市居民出行方式及其发展变化，不仅可以及时了解城市 当前交通结构状态，同时对于日后涉及城市规划、交通管理等 方面的发展也有着重要的参考价值［１］。
传统居民出行方式数据获取的方法大多是基于调查问卷 以及电话问询等，此类方法成本高、效率低、样本量小，并且由 于出行的隐私性导致的心理顾虑，所以可信度不高。随着信息 化时代的到来以及智能终端的普及，利用手机构建用户轨迹进 而判别用户出行方式逐渐成为一种重要手段，利用手机中的相 关传感器是最直接、精度最高的一种方法。部分学者利用手机 中的 ＧＰＳ或加速度计等模块，提取定位数据，计算平均速度、 加速度、速度中值等特征参数，利用支持向量机、神经网络等机 器学习算法 ［２～４］和模糊 推 理 ［５］等 算 法 识 别 出 行 方 式。 但 由 于 密闭空间的干扰以及需实时开启 ＧＰＳ模块，该方法无法对大 规模人群长期的出行方式进行有效识别［６］。利用手机信令数 据是另外一种重要方法。手机信令数据具有样本量大、覆盖面
（１．ＣｈｏｎｇｑｉｎｇＣｏｌｌａｂｏｒａｔｉｖｅＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒｆｏｒＮｅｗＧｅｎｅｒａｔｉｏｎＩｎｆｏｒｍａｔｉｏｎＮｅｔｗｏｒｋ＆ Ｔｅｒｍｉｎａｌ，Ｃｈｏｎｇｑｉｎｇ４０００６５，Ｃｈｉｎａ；２．Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ＆ＮｅｔｗｏｒｋｉｎｇＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓ＆ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｃｈｏｎｇｑｉｎｇ４０００６５，Ｃｈｉｎａ；３．Ｃｈｉｎａ ＭｏｂｉｌｅＣｏｍｍｕｎｃａｔｉｏｎｓＧｒｏｕｐＣｈｏｎｇｑｉｎｇＣｏｍｐａｎｙＬｉｍｉｔｅｄ，Ｃｈｏｎｇｑｉｎｇ４０００６５，Ｃｈｉｎａ）

基于手机信令数据的用户出行方式识别

基于手机信令数据的用户出行方式识别

长春理工大学学报（自然科学版）Journal of Changchun University of Science and Technology （Natural Science Edition ）Vol.44No.3Jun.2021第44卷第3期2021年6月收稿日期：2019-12-19基金项目：国家自然科学基金（11671170）作者简介：曹晓蕊（1995-），女，硕士研究生，E-mail ：****************通讯作者：孟品超（1978-），女，博士，副教授，硕士生导师，E-mail ：***************.cn基于手机信令数据的用户出行方式识别曹晓蕊1，赖丽娜2，孟品超1（1.长春理工大学理学院，长春130022；2.长春市市政工程设计研究院，长春130022）摘要：基于通信网络获取的手机信令数据，挖掘用户出行轨迹，在传统模糊C 均值聚类算法（fuzzy c-means algorithm ，FCMA ）的基础上，依据出行方式的先验知识构建初始隶属度函数，并将传统欧氏距离替换为对多维度数据之间变化关系更加敏感的马氏距离，提出基于改进模糊C 均值聚类算法的出行方式识别模型，对长春市区范围内用户的三种常见出行方式，即步行、自行车、机动车进行识别，并从用户出行距离、出行时耗、平均行程速度三方面验证了模型识别结果的准确性。

关键词：手机信令数据；模糊C 均值聚类算法；出行方式识别中图分类号：U491.1文献标志码：A文章编号：1672-9870（2021）03-0134-09User Travel Mode Identification Based on Mobile Phone Signaling DataCAO Xiao-rui 1，LAI Li-na 2，MENG Pin-chao 1（1.School of Scince ，Changchun University of Science and Technology ，Changchun 130022；2.Changchun Municipal Engineering Design and Research Institute ，Changchun 130022）Abstract ：Based on the mobile phone signaling data obtained by the communication network ，in this paper ，user travel tra-jectories was mined and a travel mode recognition model based on an improved fuzzy C-means clustering algorithm was proposed.Based on the traditional fuzzy c-means clustering algorithm ，the initial membership function was constructed based on the prior knowledge of the travel mode ，and the traditional Euclidean distance was replaced by the Mahalanobis distance ，which was more sensitive to changes in multi-dimensional data.The three common travel modes of users in the urban area of Changchun ，namely walking ，cycling ，and motor vehicles ，were identified ，and the accuracy of the model recognition re-sults was verified in terms of user travel distance ，travel time ，and average travel speed.Key words ：cellphone signaling data ；Fuzzy C-means clustering algorithm ；travel mode identification交通出行方式识别是建立在基于位置的服务技术、智能终端设备基础之上的一个新兴的研究领域。

基于手机信令的轨道交通乘客出行行为分析方法研究

基于手机信令的轨道交通乘客出行行为分析方法研究

基于手机信令的轨道交通乘客出行行为分析方法研究轨道交通具有大运量、长距离、准时性、速达性、舒适性、安全性、高效性等诸多优点。

提高轨道交通服务水平,增加轨道交通方式吸引力,是解决城市交通问题的重要手段。

利用智能交通技术,对交通信息进行精细化的采集和分析,既可以为交通管理者提供运营管理决策的依据,也可以为出行者提供出行信息诱导,从而提高轨道交通的运营效率和服务质量。

手机信令数据作为交通大数据的一种,在个体与群体出行特征分析、交通系统运行状态分析领域有着日益广泛的应用。

论文首先提出了基于手机信令的个人出行活动分析以及群体出行特征分析的方法体系。

由手机信令数据分析交通特征参数的核心是从个人信令事件记录的序列中提取出个人活动的时空轨迹,这一过程中包括信令记录的空间定位,根据交通设施的时空约束与个人活动能力的时空约束进一步定位个人活动轨迹,并根据已知的轨迹点进一步结合时空约束对信令记录未能反映的活动过程进行推断。

最后根据轨迹点的时空属性进行统计可以得到站点、车辆的交通特征参数。

上述匹配、过滤、推断和统计方法分别应用于数据定位、预处理、历史数据分析、实时数据分析等步骤。

信令数据的初始位置匹配采用起源蜂窝小区定位的方法,利用开源数据和实地测量来获取基站地理位置信息,根据基站位置区和小区编码,对信令事件发生的位置进行匹配,确定每条信令记录的经纬度坐标。

论文提出了轨道交通站点线路的编码方案和换乘站点的编码方案,将轨道交通系统相关基站与线路和站点编码进行匹配。

对于经纬度坐标缺失的情况,提出了基于时空约束的坐标修复方法。

该方法以坐标精确的基站为基准,以乘客途经三个基站所花费时间内活动能力上限为时空约束,确定基站信号的可能覆盖范围。

计算结果表明该方法修复的经纬度误差与起源蜂窝小区定位本身的精度接近,可用于修复产生信令数量较多的坐标缺失基站。

移动信号的波动性和个人空间活动复杂性会在信令记录中留下冗余和错误的信息。

针对上述两类成因,论文分别基于时空约束提出了手机信令的预处理方法和个人出行轨迹提取算法。

一种基于手机信令数据的出行方式识别方法[发明专利]

一种基于手机信令数据的出行方式识别方法[发明专利]

专利名称：一种基于手机信令数据的出行方式识别方法专利类型：发明专利
发明人：冯红霞,杨辉,于洋,王予洲,秦棚超,赵振乾,景晓虎申请号：CN202011366779.0
申请日：20201126
公开号：CN112511971A
公开日：
20210316
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于手机信令数据的出行方式识别方法，本发明的方法避免了传统机器学习方法多源数据难以获取、单次多种出行方式混合数据难以识别、数据浪费等问题。

本发明采取了手机信令、公交线路网识别、规划分时段速度阈值区间建立等多源数据对用户出行方式进行多次识别。

通过对数据所在城市的分时段交通运行速度进行计算，数据与城市所在公交线路网契合度作为参考，根据每次出行数据的时间段使用不同阈值条件对数据进行初次识别；对未识别数据再参考单次出行OD距离，与上述条件进行二次识别。

本发明方法有效利用了大量无法识别数据，同时极大地降低了多交通方式对于出行速度选取区间值的干扰，提高了识别的准确性。

申请人：西安建筑科技大学
地址：710055 陕西省西安市碑林区雁塔路13号
国籍：CN
代理机构：西安通大专利代理有限责任公司
代理人：安彦彦
更多信息请下载全文后查看。

基于手机信令识别交通出行方式的方法与系统[发明专利]

专利名称：基于手机信令识别交通出行方式的方法与系统专利类型：发明专利
发明人：李永军,赵海燕,马荣叶,王幸,戴培,杨旭
申请号：CN202011399981.3
申请日：20201201
公开号：CN112542045A
公开日：
20210323
专利内容由知识产权出版社提供
摘要：本发明提供一种基于手机信令识别交通出行方式的方法与系统，基于用户上报的手机信令数据实现。

在实现过程中，首先基于用户上报的样本数据进行识别模型的训练，在剔除专有出行方式后，基于SVM二分类器的模型训练，采用年龄、性别、速度、瞬时速度、平均速度以及移动距离多维度特征进行训练，提高模型的辨识度和准确性；然后在预测模型的基础上，采用专用出行与SVM模型进行融合的方式，基于实际上报的信令数据进行特征提取并识别出出行方式；最后以时间序列为基础，将不同的出行方式的OD链合并，形成完整的交通方式出行轨迹段。

申请人：江苏欣网视讯软件技术有限公司
地址：210000 江苏省南京市建邺区奥体大街69号新城科技大厦01幢5层
国籍：CN
代理机构：南京行高知识产权代理有限公司
更多信息请下载全文后查看。

一种基于手机信令数据的出行目的识别方法及装置[发明专利]

专利名称：一种基于手机信令数据的出行目的识别方法及装置专利类型：发明专利
发明人：刘娟,陆振波,万紫吟,张改,张静芬,施玉芬,丁向燕
申请号：CN202010658543.8
申请日：20200709
公开号：CN111737605A
公开日：
20201002
专利内容由知识产权出版社提供
摘要：本发明涉及出行目的识别技术领域，尤其涉及一种基于手机信令数据的出行目的识别方法及装置。

出行目的识别方法，步骤：提取OD数据，划分人口类型及职住地；获取POI及基站位置，并分别与其所在地块关联，形成位置对应关系；基于出行终点基站所在地块与该地块对应的POI类型及职住地的对应关系对出行目的进行初步识别，提取特征参数基于K‑means聚类算法对剩余样本进行聚类，最终获取出行目的；由人口类型，对出行目的结果进行修正。

本实施例基于手机信令数据及POI 点，通过机器学习算法对居民出行目的进行划分，同时结合人群的出行行为特性对结果进行修正，该方法不仅减少了对先验经验知识的依赖与需求，而且可以避免单一规则判别法所带来的主观性。

申请人：南京瑞栖智能交通技术产业研究院有限公司
地址：210000 江苏省南京市栖霞区栖霞街道广月路26号S12栋4楼、5楼
国籍：CN
代理机构：深圳市朝闻专利代理事务所(普通合伙)
代理人：谭育华
更多信息请下载全文后查看。

一种基于手机信令数据的城市出行方式识别方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010478118.0(22)申请日 2020.05.29(71)申请人 南京瑞栖智能交通技术产业研究院有限公司地址 210000 江苏省南京市经济开发区栖霞街道广月路26号S12栋5楼(72)发明人 万紫吟　陆振波　张改　夏井新　余启航　刘娟　张念启　张静芬　(74)专利代理机构 南京天华专利代理有限责任公司 32218代理人 刘畅(51)Int.Cl.G08G 1/01(2006.01)G06F 16/28(2019.01)G06F 16/29(2019.01)G06K 9/62(2006.01)H04W 4/024(2018.01)H04W 4/029(2018.01)H04W 4/20(2018.01)H04W 4/42(2018.01)(54)发明名称一种基于手机信令数据的城市出行方式识别方法(57)摘要本发明公开了一种基于手机信令数据的城市出行方式识别方法，针对目标城市全天产生的手机信令数据，识别出每个人的停驻点及全天出行OD，首先通过地铁专用基站精准识别出所有地下轨道交通出行方式，然后在提取手机数据特征参数的基础上与高德GPS真实导航数据相比较，利用无监督的机器学习算法识别居民出行的交通方式。

本发明基于手机信令数据在利用地铁专用基站判断地下轨道交通出行的基础上，结合显著出行特征的划分、高德GPS导航规划不同方式的出行路径特征偏移度判断、无监督的模糊K -means聚类机器学习算法，对目标城市一天产生的全样本出行的交通方式进行识别。

权利要求书2页 说明书6页 附图2页CN 111653096 A 2020.09.11C N 111653096A1.一种基于手机信令数据的城市出行方式识别方法，其特征在于具体步骤为：S1、根据手机信令数据识别用户停驻点，得到出行OD；S2、对出行OD进行预处理，提取出行特征参数，并删除无效OD；S3、根据地铁专用基站信息识别地铁出行OD；S4、根据出行距离与出行平均速度对步行及远距离小汽车出行OD进行划分，获得特征显著的出行OD划分结果，剩余未识别的出行OD进行S5；S5、根据出行起讫点的坐标爬取高德导航规划路径API中的步行、自行车、公交、小汽车这四类交通方式规划路径的出行距离与出行时耗，根据手机数据与高德数据的偏移度值识别OD出行方式，剩余未识别的出行OD进行S6；S6、使用模糊K-means聚类算法对剩余未识别的出行OD进行方式划分。

基于手机信令数据的出行方式识别方法研究


高峰时段 平峰时段
工作日 情景 1 情景 4
周末 情景 2 情景 5
节假方式(骑行、步行、小汽车(不区分私家车
和出租车)、公交车)在相似情景下的导航数据。定义获得的导航数据集合为 H = {h1, h2 ,, hi ,, hn} ，hi
Figure 1. Division of mode 图 1. 方式划分
3.1.1. 地面出行方式识别 地面交通出行方式识别算法流程如图 2 所示。具体步骤如下： 1) 获取用户一次有效出行段的信令数据集合 A，包含此次出行轨迹点的经纬度坐标、时间戳等信息。
DOI: 10.12677/ojtt.2020.91001
Received: Dec. 25th, 2019; accepted: Jan. 8th, 2020; published: Jan. 15th, 2020
Abstract
In order to study the application of mobile signaling data in the field of identifying user’s travel mode, and improve the accuracy of travel mode identification, firstly, we introduce the principle of signaling data generation, the selection and principle of clustering algorithm. Then, according to the difference between the aboveground and underground base stations, the identification of travel mode can be divided into two directions: the identification of ground travel mode, and the identification of subway. Then, the signaling data is combined with the navigation track data and the base station database data to establish the model for the ground traffic and the subway travel, so as to determine the user’s travel mode. Finally, the model is validated based on the signaling data of volunteers provided by operators. The result shows that the accuracy of the algorithm is 86.12%, which effectively improves the accuracy of the algorithm.
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

3
交通技术
邓社军 等
2) 由于出发时间对出行方式以及出行路径的选择影响较大。本文通过对出发时间进行情景划分，在 相似情景下利用导航地图的应用程序接口进行各交通方式的路径规划，减少这一因素对算法识别准确率 的影响。情景划分见表 1。
Table 1. Division of cases 表 1. 情景划分
3. 识别算法 3.1. 识别算法分类
基站包括位于地面的普通基站和位于地铁内的微蜂窝基站。为满足各自通信质量的需求，地面移动 通信网络与地铁移动通信网络存在以下不同点：首先是基站布设形式方面，地铁基站按照地铁线路走线 呈点式分布，地面基站的布设则较为复杂；然后是基站覆盖范围方面，地铁站点间重复覆盖度较小，相 邻站点间的基站不会出现信号交叉干扰，而地面基站信号干扰的现象则较为普遍。地铁移动通信网络与 地面移动通信网络在基站布设、信号覆盖、服务需求等方面的差异性使得用户进入和离开地铁站点时都 会发生一次地面基站与地铁基站的切换，并记录在信令数据中。这一特征可以为判定用户是否采用地铁 出行方式，提供了技术条件。结合地面基站与地铁基站的特点，本文将出行方式的识别方法分为地面与 地铁两个方面进行研究。如图 1 所示。
Open Journal of Transportation Technologies 交通技术, 2020, 9(1), 1-9 Published Online January 2020 in Hans. /journal/ojtt https:///10.12677/ojtt.2020.91001
Open Access
1. 引言
基于手机信令数据的居民出行信息采集技术作为一种新兴的调查技术已广泛应用于交通调查中。相 较于传统的调查方法，其具有成本低、周期短、覆盖面广等优点，能更加全面高效、持续的获取居民的 出行方式，可以为城市规划、交通组织管理提供决策依据[1] [2]。
目前国内外关于手机信令的研究主要集中在出行轨迹、交通流等方面[3] [4] [5] [6]，而针对出行方式 识别的研究成果尚不多见。国际上，相关学者最先通过对平均速度、最大速度、出行时长等设定不同的 阈值实现出行方式的识别[7] [8] [9]；Anderson 等[10]利用速度、信号强度波动与服务小区数量之间的关 系，采用隐马尔可夫模型 HMM (Hidden Markov Model)对交通方式进行识别；Wang 等[11]使用 K-means 聚类方法对信令数据的轨迹进行分组，然后通过时间匹配从而判定出行方式；Yu Ning [12]等利用手机信 令数据与 GPS 数据、基站数据、加速度数据等构建了交通方式的识别系统；Hong 等[13]，Reddy 等[14] 将地理信息系统与数据结合，利用平均速度、最大速度等特征将数据分为许多不同速度区间，依据速度 大小，结合地理信息，利用决策树识别交通方式。
表示第 i 个导航线路；其中导航线路数据包含从起点到终点所需要经过的道路沿线的经纬度坐标点
( ) L = {l1,l2 ,l3,,li ,,ln} ，li 表示第 i 个导航路线 hi 对应的经纬度坐标 li = lx ,ly ，距离长度
S = {s1, s2 , s3 ,, si ,, sn} ，S 表示距离集合，si 表示第 i 个导航路线 hi 对应的才能够起点到终点的距离长 度、交通方式 M = {m1, m2 , m3 ,, mi ,, mn} ，M 表示交通方式的集合，mi 表示 hi 对应的交通方式，以及 所用时长 T = {t1,t2 ,t3,,ti ,,tn} ，T 表示所用时长的集合，ti 表示 hi 对应的所用时长。
Figure 1. Division of mode 图 1. 方式划分
3.1.1. 地面出行方式识别 地面交通出行方式识别算法流程如图 2 所示。具体步骤如下： 1) 获取用户一次有效出行段的信令数据集合 A，包含此次出行轨迹点的经纬度坐标、时间戳等信息。
DOI: 10.12677作日 情景 1 情景 4
周末 情景 2 情景 5
节假方式(骑行、步行、小汽车(不区分私家车
和出租车)、公交车)在相似情景下的导航数据。定义获得的导航数据集合为 H = {h1, h2 ,, hi ,, hn} ，hi
4) 设一次有效出行段的信令数据的坐标集合为 A = {a1, a2 , a3,, ai ,, an} ，A 表示信令数据的坐标集
合，ai 表示出行段中第 i 个基站的经纬度坐标。将信令数据的经纬度坐标 ai 与导航路线的经纬度坐标 li
纵观国内外文献，以往研究主要通过 GPS 定位数据进行出行方式的识别，而手机信令数据的研究则 主要集中在 OD 的获取等方面。为进一步提高居民出行方式判定的准确率，本文主要利用手机信令数据 同时结合地图导航数据、地铁基站数据库，采用 DBSCAN 算法，构建出行方式的识别模型，最后通过实 际案例对模型的有效性进行了验证。
Keywords
Mobile Signaling Data, Navigation Data, Recognition of Travel Method
基于手机信令数据的出行方式识别方法研究
邓社军1,2，唐玉成2，刘冬梅3，于世军2
1智能交通技术交通运输行业重点实验室，北京 2扬州大学建筑科学与工程学院，江苏 扬州 3交通运输部公路科学研究院ITS中心，北京
关键词
手机信令数据，导航数据，出行方式识别
Copyright © 2020 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
DOI: 10.12677/ojtt.2020.91001
2
交通技术
邓社军 等
2. 基本原理 手机信令数据产生原理
手机处于待机状态时通过基站与无线通信网络进行信息交互，与此同时无线通信网络记录手机所处 的位置区信息。
由于基站分布在道路附近，因此信令数据记录的坐标散落在真实出行轨迹附近，将信令数据与道路 的轨迹点进行聚类分析，大量的信令数据将与实际出行路径的轨迹点聚类可以获得很多簇。基于此原理， 同时考虑到出行方式与出行路径相互联系又相互制约，将出交通方式的各种导航轨迹数据，然后将信令数据中的位置 数据与导航轨迹数据进行聚类分析，通过聚类簇中的信令数据的个数计算各交通方式下导航地图规划路 径的匹配度。结合出行时间相似度判定地面出行过程中最有可能的出行方式。
Research on the Recognition Method of Travel Mode Based on Mobile Phone Signaling Data
Shejun Deng1,2, Yucheng Tang2, Dongmei Liu3, Shijun Yu2
1Opening Project of Key Laboratory of Intelligent Transportation Systems Technologies, Ministry of Communications, Beijing 2College of Civil Science and Engineering, Yangzhou University, Yangzhou Jiangsu 3ITS Center, Research Institute of Highway Ministry of Transport, Beijing
Received: Dec. 25th, 2019; accepted: Jan. 8th, 2020; published: Jan. 15th, 2020
Abstract
In order to study the application of mobile signaling data in the field of identifying user’s travel mode, and improve the accuracy of travel mode identification, firstly, we introduce the principle of signaling data generation, the selection and principle of clustering algorithm. Then, according to the difference between the aboveground and underground base stations, the identification of travel mode can be divided into two directions: the identification of ground travel mode, and the identification of subway. Then, the signaling data is combined with the navigation track data and the base station database data to establish the model for the ground traffic and the subway travel, so as to determine the user’s travel mode. Finally, the model is validated based on the signaling data of volunteers provided by operators. The result shows that the accuracy of the algorithm is 86.12%, which effectively improves the accuracy of the algorithm.