详情

原文传递基于手机数据的出行活动特征提取与城市人群密度分析与预测

论文题名：	基于手机数据的出行活动特征提取与城市人群密度分析与预测
关键词：	城市道路;人群密度;手机数据;出行活动特征;深度学习
摘要：	随着我国城市化进程日益加快，城市人口和小汽车保有量迅速增长，导致道路交通拥堵日趋严重，交通事故与公共安全事故频发。城市人群密度预测能够辅助交通信息化管控，缓解城市交通拥堵以及保障城市公共安全。手机数据具有实时动态、全时空覆盖、无需额外成本等诸多优点，且包含丰富的出行活动信息，很适合被用于城市人群密度预测。研究挖掘手机数据中的人群出行活动特征并将其应用于城市人群密度预测具有重要的科研与实用价值。　　针对原始手机数据体量庞大且数据嘈杂的特点，本论文首先研究了手机数据的预处理方法。利用计算几何中的射线法预处理基站表，再根据基站表筛选出研究区域范围内的手机数据。应用基于时间阈值和距离阈值的数据处理方法，去除了乒乓切换数据、离群数据和重复数据这三类最常见的异常手机数据。所提出的数据处理方法均以SQL脚本的形式实现，并借助Hive平台转换为MapReduce任务以分布式的形式高效执行。　　为了提取手机数据中的人群出行活动特征，本文提出了识别用户活动选择行为的流程，包括识别用户的停留点，识别用户的居住地和工作地位置，以及识别用户的活动地点选择、活动类别选择和活动时间选择。定义了本研究中出行活动特征的概念，并提出了基于用户活动选择信息提取人群出行活动特征的方法。　　构建了基于人群出行活动特征的时空卷积人群密度预测模型。模型利用时空卷积模块来同时考虑人群密度变化的时空相关性，利用基于注意力机制的特征融合模块来引入人群出行活动特征和外部条件因素（例如天气状况、节假日安排等）对人群活动以及人群密度的影响。此外，提出的模型能够在不规则形状的区域规划上进行人群密度预测。　　以苏州市古城区的真实手机数据作为案例，测试了本文提出的模型在人群密度预测任务上的效果。此外，还选取了长短期记忆神经网络、时空图卷积神经网络等模型在相同的数据集上进行了对比实验。实验结果证明了本研究提出的基于出行活动特征的时空卷积人群密度预测模型可以同时考虑人群出行的时空相关性以及人群活动和外界条件的影响，并达到更优的人群密度预测准确率。　　通过误差分析验证了人群密度预测误差与城市人群在不同时空场景下的出行活动活跃性有关。在人群出行活动较为活跃的时间或者地区，例如早高峰时段或人流密集的商业区，人群密度预测的误差也相对较大。对外部条件因素和人群活动出行的关系进行了进一步分析，验证了外部条件因素通过影响人群活动间接影响人群出行和人群密度。此外，外部条件因素对城市人群出行的影响可能与人群的活动选择行为（例如家庭活动、工作活动或其他活动）以及人群的其他出行相关因素（例如通勤距离）等有关。
作者：	余冠一
专业：	交通运输工程
导师：	刘志远;付晓;张小辉
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2021