原文传递
基于手机定位数据的居民出行OD矩阵获取方法研究
| 论文题名： | 基于手机定位数据的居民出行OD矩阵获取方法研究 |
| 关键词： | 城市交通;居民出行;OD矩阵;手机定位;数据采集 |
| 摘要： | 城市交通是城市发展的基础和前提，是联系当代社会经济活动的纽带，若是想要使一个城市快速发展起来，那么我们必须首先解决其交通问题。解决交通问题主要包括交通问题的诊断、交通系统的规划和交通管理政策的制定，其一个重要的参考依据便是居民出行OD调查(Origin Destination Survey)。居民出行OD调查即调查居民出行从出发地点到目的地点的全面情况，了解居民出行的构成、流量以及去向。传统的居民出行OD调查方法主要采取人工询问和表格调查的方式，如路边询问法、表格调查法、电话调查法等，这些传统调查方法需要耗费大量的人力、财力，并且其抽样率较低、得到的OD矩阵精确度不高;基于现代先进技术的出行OD调查方法主要包括微波检测法、地感线圈检测法、视频图像检测法、GPS浮动车等，这些方法存在需要改动现有设备、安装维护费用高、覆盖面较小等不足。随着移动通信技术的迅速发展，手机普及率逐渐升高，大量的手机用户在日常出行中产生了海量的定位数据，这些定位数据的采集无需更改现有的设备，并且具有全天候连续采集、抽样率高、数据量庞大的特点，本论文基于手机定位数据的诸多优点研究了利用这些手机定位数据来获取居民出行OD矩阵的方法。 本文首先简述了论文研究的背景与意义、国内外研究现状以及本文的主要研究内容，并就本研究相关的理论基础进行了介绍;分析了手机定位数据中主要存在的问题，并针对其存在的数据缺陷、定位漂移、定位数据非等时采集等问题进行了相应的数据预处理;然后提出了一种基于“空间-时间”双层聚类的停留点识别算法，先在空间层面利用DBSCAN算法对定位点进行聚类，并利用K-近邻法的思想优化聚类结果，得到候选停留点，再在时间层上对定位数据聚类以对候选停留点进行划分和取舍，识别出用户出行的停留点和出行链;考虑到聚类和交通小区划分之间存在很大的相似性，利用K-Means算法对停留点聚类实现交通小区划分，其中，K-Means算法中的参数k根据交通小区划分原则确定;然后将出行链映射到划分好的交通小区中，从中识别区外出行，再经过统计计算后得到居民出行OD矩阵;最后基于潍坊市电信用户手机定位数据，设计实验验证了基于手机定位数据的居民出行OD矩阵获取方法，并结合GIS分析了潍坊市OD客流的地理空间分布特征。 |
| 作者： | 唐娟 |
| 专业： | 信息安全 |
| 导师： | 唐小虎 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
