The invention discloses a global dynamic travel demand estimation method based on multi-source traffic data, which integrates dynamic traffic data with static mobile phone historical signaling data, estimates resident global travel data in real time by combining resident global historical travel data with real-time traffic travel data, and greatly reduces the time of OD survey. And economic cost. In addition, Chi_square distance is introduced to measure the accuracy of the fusion model, and then the optimal threshold of dominant travel mode is determined to obtain the fusion model with accurate estimation. The method of the invention can effectively perceive the real-time travel status of large-scale residential trips by combining the real-time data of taxi trips and subway trips with the mobile phone historical signaling data, can timely sense and early warn the occurrence of some crowd gathering events, and has a very important reference for urban planning and management. Significance.
【技术实现步骤摘要】
一种基于多源交通数据的全局动态出行需求估计方法
本专利技术属于交通
,特别涉及一种基于多源交通数据的全局动态出行需求估计方法。
技术介绍
城市居民的出行与社会经济的发展息息相关,了解居民的出行需求不仅有利于城市的土地合理布局,也对城市交通的规划和管理具有十分重要的意义。长期以来,居民的出行OD调查受到各国政府和科研工作者的广泛重视,从政府管理层面,了解居民的出行特征不仅有利于维持城市的安全和稳定,也关乎行政人员对城市经济发展的宏观把控。从科研发展层面,科研工作者们广泛研究居民的出行特征,一方面是为了对居民的生活方式有更深刻的了解,同时也为从居民的出行规律中提取出有益信息,实现对诸如疫情传播等意外事故等的及时缓解与预警。传统的居民出行OD调查主要是通过问卷调查的形式,采样统计城市居民在一天中的各种活动地点与活动时间,之后随着手机的广泛普及,手机基站覆盖范围广且其服务的用户数量众多。已有部分专利技术利用手机通话详单数据(CDR)对居民出行进行提取,但是CDR数据由于采样频率低,往往不能提供精细而全面的出行信息。而手机信令数据作为另一种手机数据,克服了CDR数据的稀疏性的问题,记录频率高,根据精度要求的不同,一般数分钟至数小时就对用户进行一次扫描,通过手机信令数据来了解大规模的居民出行成为一种可行的方式。综上所述,现有的城市居民出行信息估计方法存在如下问题:1)传统的问卷调查等方法不仅要耗费大量的人力物力财力,很大获取大规模的数据且记录信息并不十分精准。2)由于手机基站数据被手机运营商收集,第三方机构难以实时获取,只能获取少量历史数据,故通过手机信令数据并 ...
【技术保护点】
1.一种基于多源交通数据的全局动态出行需求估计方法,其特征在于,包括以下步骤:步骤1:依据道路网络和居民出行信息,构建城市交通小区;步骤2:基于手机历史信令数据,提取居民出行OD作为居民全局出行信息;步骤3:基于交管局实时记载的出租车GPS数据和地铁出行刷卡数据,提取居民出行OD作为居民实时交通出行信息;步骤4:依据居民实时交通出行信息占居民全局出行信息的比值,选取不同居民出行OD估计模型,对不同交通小区之间的居民出行需求进行估计;所述居民出行OD估计模型包括以下两种:1)若β(i,j,tp)
【技术特征摘要】
1.一种基于多源交通数据的全局动态出行需求估计方法,其特征在于,包括以下步骤:步骤1:依据道路网络和居民出行信息,构建城市交通小区;步骤2:基于手机历史信令数据,提取居民出行OD作为居民全局出行信息;步骤3:基于交管局实时记载的出租车GPS数据和地铁出行刷卡数据,提取居民出行OD作为居民实时交通出行信息;步骤4:依据居民实时交通出行信息占居民全局出行信息的比值,选取不同居民出行OD估计模型,对不同交通小区之间的居民出行需求进行估计;所述居民出行OD估计模型包括以下两种:1)若β(i,j,tp)<δ,TR(i,j,t)=f(i,j,t)×<TM(i,j,tp)>;2)若β(i,j,tp)>δ,TR(i,j,t)=T(i,j,t)×(1/β(i,j,tp));其中,δ表示主导出行方式阈值,取值为范围为(0-1);t表示当前时间窗,tp表示历史日期数据中与t相同的时间窗;β(i,j,t)表示居民实时交通出行信息占居民全局出行信息的比值:β(i,j,tp)=<T(i,j,tp)>/<TM(i,j,tp)>T(i,j,t)为利用出租车GPS数据和地铁出行刷卡数据记录到的在t时间窗从交通小区i到达交通小区j的居民数量;<T(i,j,tp)>为与当前时间窗t所在日期前的至少连续30天内每天在在tp时间窗从交通小区i到达交通小区j的平均居民数量;<TM(i,j,tp)>表示利用手机历史信令数据记录到的与当前时间窗t所在日期前的至少连续30天内每天在tp时间窗从交通小区i到达交通小区j的平均居民数量;f(i,j,t)表示活力系数,为t时间窗从交通小区i以及i周围εd=2km范围以内的所有交通小区选择出租车或地铁出发的居民数量;为与当前时间窗t所在日期前的至少连续30天内每天在...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。