一种基于手机信令数据的交通出行分布阻抗函数的确定方法技术

本发明专利技术公开了一种基于手机信令数据的交通出行分布阻抗函数的确定方法，针对大样本的手机信令数据获取特定时段出行OD数据，结合高德地图API获取的出行距离获取出行概率，利用SPSS中的非线性回归工具，分别选取不同形式的阻抗函数，分区域对出行距离和出行概率进行回归，然后从R方、一区域不同函数、同一函数不同区域分别进行对比分析，根据比较结果最终选择对阻抗函数进行分段拟合，以市域为例回归分析适合市域的分段阻抗函数，为提高出行分布模型预测的提供定性与定量的基础。同时，利用手机大数据的样本量大、覆盖面广以及获得方式成熟稳定且成本较低等特性，增加结果准确性的同时降低过程的成本，提高研究效率。提高研究效率。提高研究效率。

【技术实现步骤摘要】
一种基于手机信令数据的交通出行分布阻抗函数的确定方法


[0001]本专利技术属于智慧交通领域，具体是一种基于手机信令数据的交通出行分布阻抗函数的确定方法。

技术介绍

[0002]交通出行分布是交通出行需求预测中的重要一步，现有交通分布预测模型主要有增长系数法、重力模型法及概率分布模型等，相对于其他分布预测模型，重力模型法综合考虑了影响小区间出行分不良的区域社会经济增长影响因素和和交通小区之间的出行如时间和距离阻抗等，是国内外交通规划中使用最广泛的交通分布预测方法。在进行重力模型交通分布预测之前，需对模型进行标定，其中重要的就是阻抗函数的选择以及标定，传统的分布阻抗基本上是参照同类城市或者小样本调查以出行时间或出行距离作为阻抗值，但是考虑模型的适用性，分布阻抗不应限于这样一个简单的值，应考虑阻抗因素的更一般规律的阻抗函数形式。

技术实现思路

[0003]鉴于现有技术中缺少对阻抗函数的确定方法，本专利技术提出一种基于手机信令数据的交通出行分布阻抗函数的确定方法，本专利技术的目的是针对大样本的手机信令数据获取特定时段出行OD数据，结合高德地图API获取的出行距离获取出行概率，利用SPSS中的非线性回归工具，分别选取不同形式的阻抗函数，分区域对出行距离和出行概率进行回归，然后从R方、一区域不同函数、同一函数不同区域分别进行对比分析，根据比较结果最终选择对阻抗函数进行分段拟合，以市域为例回归分析适合市域的分段阻抗函数，为提高出行分布模型预测的提供定性与定量的基础。同时，利用手机大数据的样本量大、覆盖面广以及获得方式成熟稳定且成本较低等特性，增加结果准确性的同时降低过程的成本，提高研究效率。
[0004]技术方案：
[0005]一种基于手机信令数据的交通出行分布阻抗函数的确定方法，步骤如下：
[0006]S1利用手机信令数据得到全市域早高峰时段的出行OD数据，；并在ArcGIS中获取出行起点在各个分区域的出行OD；
[0007]S2调用高德地图API，获取出行距离和出行人次数据，计算出行概率；
[0008]S3利用spss的非线性回归工具，选取阻抗函数分区域对出行距离和出行概率进行回归得到参数及拟合优度R方，比较R方，选择R方较高的函数，并计算误差平方和；
[0009]S4计算误差平方和，对同一区域不同函数进行对比分析，再对同一函数不同区域对比分析；
[0010]S5根据拟合结果按照区域出行距离分段对进行函数的分段拟合，获取最终拟合函数。
[0011]步骤S1的具体步骤如下：
[0012]S11、对获得的手机信令数据进行预处理后，基于基站停留时间和服务半径识别用
户停驻点，当用户以某一基站为中心在服务半径阈值D范围内停留时长超过时间阈值T，则将该基站作为用户的停驻点，根据出行停驻点得到出行OD，提取出发时间获取早高峰的出行OD；
[0013]S12、根据S11得到的出行OD中出行起点的经纬度坐标，在ArcGIS中显示出位置，导入分区域的地图文件，并通过位置选择工具，依次选出细化区域范围内的O点，得到分区域的出行OD。
[0014]步骤S2的具体步骤如下：
[0015]S21、根据出行起点O和讫点D的坐标爬取高德导航规划路径API获取每个OD出行的出行距离数据，单位：km，并与手机信令数据中对应的OD出行人次匹配，得到市域及各个分区每个OD对应的出行距离和出行人次数据；
[0016]S22、以距离间隔1km统计每个区间内的出行人次，并计算出各个区域对应的出行概率，其中出行概率＝出行人次/总出行人次。
[0017]步骤S3的具体步骤如下：
[0018]S31、选取幂函数、指数函数、复合函数、瑞利函数和一般交通阻抗函数五种函数形式对步骤S2中获取的出行距离和出行概率进行回归分析，各函数形式如下所述：
[0019]幂函数：
[0020][0021]指数函数：
[0022][0023]复合函数：
[0024][0025]瑞利函数：
[0026][0027]一般交通阻抗函数：
[0028][0029]以上各式中：
[0030]tij：手机基站i、j之间的出行距离；α，β和γ是交通阻抗函数的参数；
[0031]S32、打开SPSS软件，导入步骤S1中得到的全市域出行距离和出行概率的数据，选择分析——>回归——>非线性回归，输入各个阻抗函数依次对数据进行拟合，得到市域及各个分区的参数回归结果；
[0032]S33、采用实际出行距离的分布曲线与回归模拟的曲线进行对比，比较拟合优度R方，选择R方较高的函数，并计算误差平方和。
[0033]步骤S4的具体步骤如下：
[0034]S41、计算S3中R方较高的三种函数的误差平方和，其中误差平方和的公式为：
[0035][0036]式中：tij：手机基站i、j之间的出行距离；f(t
ij
)为由相对应阻抗函数计算出来的
值；为观测值的平均值，也即出行概率的平均值；
[0037]S42、在同一坐标系中绘制同一区域的实际出行距离、出行概率的分布曲线和回归拟合的曲线，分别分析每一个区域的不同函数的拟合效果；
[0038]S43、将不同区域的实际出行距离和概率的曲线在同一坐标系中表示，分析市域及各区之间出行距离的特点，然后把各区按照R方较高的三种函数的模拟结果在同一坐标系中表示，分析三种函数在不同距离范围内的模拟结果。
[0039]步骤S5的具体步骤如下：
[0040]S51、以市域范围为例按照S4的分析结果，选取距离分段，分别对每一段的出行距离和出行概率进行拟合，最终得到修正后的阻抗函数；
[0041]S52、对阻抗函数的实际值与模型之进行校核，计算均方误差。
[0042]本专利技术的有益效果
[0043]本专利技术的主要数据源是手机信令数据，其拥有样本量高、成本低、覆盖范围广的特性，且获取方式稳定成熟，它能够较为完整地记录用户活动轨迹的时空信息，是城市交通分析的优质数据源。该方法利利用手机信令数据获取早高峰出行OD数据，结合高德地图API获取的出行距离获取出行概率，利用SPSS中的非线性回归工具，分别选取不同形式的阻抗函数，分区域对出行距离和出行概率进行回归，然后从R方、一区域不同函数、同一函数不同区域分别进行对比分析，根据比较结果选择对阻抗函数进行分段拟合，得到分段阻抗函数，为提高出行分布模型预测的提供定性与定量的基础。该方法对不同城市具有普遍适用性，且准确性较高，对城市交通出行预测的精度具有重要作用。
附图说明
[0044]图1为本专利技术的方法流程图
[0045]图2为实施例中分析区域划分示意图
[0046]图3为实施例中出行距离与出行概率表图
[0047]图4为实施例中实际概率曲线图
[0048]图5为实施例中市域范围实际值与模型值阻抗分布曲线图
[0049]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于手机信令数据的交通出行分布阻抗函数的确定方法，其特征在于步骤如下：S1利用手机信令数据得到全市域早高峰时段的出行OD数据，；并在ArcGIS中获取出行起点在各个分区域的出行OD；S2调用高德地图API，获取出行距离和出行人次数据，计算出行概率；S3利用spss的非线性回归工具，选取阻抗函数分区域对出行距离和出行概率进行回归得到参数及拟合优度R方，比较R方，选择R方较高的函数，并计算误差平方和；S4计算误差平方和，对同一区域不同函数进行对比分析，再对同一函数不同区域对比分析；S5根据拟合结果按照区域出行距离分段对进行函数的分段拟合，获取最终拟合函数。2.如权利要求1所述的一种基于手机信令数据的交通出行分布阻抗函数的确定方法，其特征在于步骤S1的具体步骤如下：S11、对获得的手机信令数据进行预处理后，基于基站停留时间和服务半径识别用户停驻点，当用户以某一基站为中心在服务半径阈值D范围内停留时长超过时间阈值T，则将该基站作为用户的停驻点，根据出行停驻点得到出行OD，提取出发时间获取早高峰的出行OD；S12、根据S11得到的出行OD中出行起点的经纬度坐标，在ArcGIS中显示出位置，导入分区域的地图文件，并通过位置选择工具，依次选出细化区域范围内的O点，得到分区域的出行OD。3.如权利要求1所述的一种基于手机信令数据的交通出行分布阻抗函数的确定方法，其特征在于步骤S2的具体步骤如下：S21、根据出行起点O和讫点D的坐标爬取高德导航规划路径API获取每个OD出行的出行距离数据，单位：km，并与手机信令数据中对应的OD出行人次匹配，得到市域及各个分区每个OD对应的出行距离和出行人次数据；S22、以距离间隔1km统计每个区间内的出行人次，并计算出各个区域对应的出行概率，其中出行概率＝出行人次/总出行人次。4.如权利要求1所述的一种基于手机信令数据的交通出行分布阻抗函数的确定方法，其特征在于步骤...

【专利技术属性】
技术研发人员：陆振波，张改，夏井新，范小建，卜许鑫，石飞，席东其，张静芬，施玉芬，刘娟，
申请(专利权)人：南京瑞栖智能交通技术产业研究院有限公司，
类型：发明
国别省市：