基于出租车GPS数据的城市居民出行时空分布研究

随着城市的快速发展,道路拥堵、打车难等问题越来越突出,严重影响了居民的出行效率和生活质量。出租车GPS数据,在一定程度上包含了部分居民出行行为的丰富信息。考虑到出租车载客事件发生于一维道路网络空间,本文提出对出租车上下客事件所在路段进行分析,得到不同时段居民出行的热门路段和区域,分析居民出行时空分布特征,有助于了解交通现状和居民出行需求,提高城市对居民出行活动的服务水平。     

顾及速度约束的基于时间序列GPS漂移数据处理方法

提出了一种基于时间序列的GPS轨迹数据漂移去除算法。本算法无需提供出行目的和交通方式等附加信息,基于原始GPS数据中的经纬度和时间信息来进行漂移点校正处理。首先,对每条轨迹进行分段,并对每段进行自相关系数检测,判断是否存在漂移;然后,利用速度约束条件查找漂移点;最后,用样条插值法校正漂移点。使用该方法对武汉大学学生的出行轨迹数据进行了漂移处理。实验结果表明,本方法能够有效去除轨迹数据中的漂移点,适用于GPS原始数据预处理。     

融合Markov与多类机器学习模型的个体出行位置预测模型

随着城市化的发展,人们出行的方式逐渐多样化,对人类行为的深入理解以及对个体出行行为的建模预测有助于解释若干复杂的社会经济现象,且在基于位置的服务、交通规划、公共安全等方面具有重要价值。个体出行行为预测建立在深入理解人类活动特性的基础上,而在移动互联网时代,网络空间的上网行为与现实空间的出行行为密不可分。首先基于上网行为特征,融合马尔可夫(Markov)模型和多类机器学习模型,构建了个体出行位置预测模型,该模型使用了基于频率分布图的自适应融合规则,融合了传统的Markov模型和机器学习多分类模型的结果进行个体出行位置预测;然后利用手机数据、上网流量数据、兴趣点数据及天气等多源数据进行个体出行位置预测实验。实验结果表明,该模型的第1个和前3个预测结果中包括正确结果的准确率分别为74.59%、94.19%,均优于基础模型的准确率和利用投票法融合规则融合基础模型的准确率,且预测时间粒度为30 min时,该模型的预测效果较好。     

城市公交乘客下车站点推算方法和有效性评价

特大型城市的公交车上普遍安装了自动售票（auto fare collection,AFC）系统和车载GPS导航定位设备,记录了乘客出行与行车轨迹、时间等数据,连续运行的公交车和众多的出行乘客形成了城市公共交通运行和出行大数据。如何高效、准确地从公交大数据中识别公交乘客下车站点,对于提高交通运行效率、科学布局组织交通具有重要的意义和作用。基于深圳市公交车AFC和GPS数据,利用时间匹配和基于带噪声空间密度聚类的方法判别上车站点;在仅有的公交数据基础上,通过分析乘客出行行为,根据乘客多天的出行以及各站点的上车频率,利用乘客高频站点和下游站点吸引权,提出一种推算方法,实现乘客下车站点的推断。算法模型的检验和实例分析表明该方法的有效性。     

面向交通信息与改道建议实时发布的数据收集建模研究——以上海市延安西路为例

随着经济的快速发展,城市居民出行量迅猛上升。车辆安装GPS导航系统日渐成为趋势,在交通运行方面显示出一定优势。该项目旨在通过感应系统收集交通拥堵状况信息进行量化分析,根据分析结果对车辆路线选择提出建议,以提高交通运行效率。本项目选择上海延安西路的一个区段为例,通过连续一周各个时段的GPS定点道路流量数据收集,获得实时交通信息样例。项目对数据进行时空聚类分析,判别主路和辅路中各个路口的交通拥堵时段,为可否换道省时的时空决策提供依据。案例表明,本研究采用的集成3S技术的时空数据分析和决策方法,可为上海交通状况优化和管理效率提高提供有价值的参考意见。     

用户GPS轨迹数据支持下的出行安全分析

安全是每次出行的重要因素之一，传统方法大多基于人力或视频协同才能完成安全监控，缺少以轨迹数据度量出行的方法。定位和跟踪系统的技术进步，GPS卫星定位技术的不断发展与普及，使利用车载导航装置、手持GPS装置收集及使用GPS数据点成为可能。本文提出了一种基于用户GPS轨迹数据评价安全的方法，并以校区内宿舍与实验室间的轨迹数据为研究对象，验证了方法的有效性。研究表明：用户轨迹在离开安全轨迹处，获得较低的安全得分。反之，用户轨迹如果与安全轨迹极为相似，则获得很高的安全得分。该方法在检验用户轨迹是否与安全轨迹相似极为高效，同时以轨迹数据的形式反映用户的出行安全。     

基于GIS的车载信息服务系统的研究

随着GPS定位技术、数据通信技术、地理信息系统的不断发展以及在交通领域的扩展应用,智能交通系统的建立成为必然,基于GIS技术的车载信息服务应运而生,并发挥出了重要作用,探讨了建立车载信息服务系统的主要内容及各项关键技术。     

面向城市道路的多传感器融合定位导航技术

方便地获取高精度、高可靠的轨迹数据是交通、旅游等行业智能化发展的关键。鉴于此，本文设计一款集GPS、SINS和OBD于一体的多源车载组合导航系统来收集轨迹数据，提出数据融合的方法来弥补因传感器噪声导致的位置累积误差，并在GPS失锁时有效预测轨迹位置信息。此方法通过梯度提升与决策树相结合建立INS误差补偿模型，并引用粒子群算法优化模型的回归参数，可有效避免误差积累；再利用联邦滤波器实现GPS、SINS和OBD数据融合，提高了轨迹信息的准确性。实际道路测试证明，基于此方法的组合导航系统，在多种路况下可收集连续精准的轨迹数据。     

基于GIS的居民出行调查数据时空查询分析研究

居民出行调查数据是特定区域人口,在一定时间内的具有出行属性、社会属性、个人及家庭属性等信息的城市交通基础数据。随着城市化进程的飞速发展,如何规划城市交通已成为研究的重点。因此高效、准确的处理居民出行调查数据,可视化展示居民出行数据和挖掘居民出行的规律特点,已成为城市交通规划研究的热点。本文基于GIS平台,以建立线性参照系统为基础,采用动态分段技术来处理居民出行调查数据,构建居民出行数据模型,实现了居民出行调查数据的动态显示和综合查询分析。同时可通过挖掘居民出行规律为交通规划决策提供参考信息。     

智能出行重塑人车路关系

不断加速的城市化进程加剧了交通供需矛盾,道路拥堵、交通事故、资源过度消耗,成为摆在交通管理部门和用户出行面前的三个难题。数据显示,在所有获取交通信息方式中,通过手机地图APP获取交通信息的高达72.3%。因此,以移动导航应用为抓手的"智能+出行"模式,就成为连接出行者与管理者的关键。     

轨迹数据的时间采样间隔对停留识别和出行网络构建的影响

个体轨迹数据已经广泛用于人群活动的研究中。在静止的局部空间开展的活动是个体日常生活的基本元素,在轨迹数据中对应停留部分。因此学者常从轨迹数据中识别停留来研究个体活动信息。然而,轨迹数据的时间采样间隔会对停留识别带来影响。针对该问题,首先提出了一个框架,量化不同持续时间长度的活动在不同时间采样间隔的轨迹数据中被识别为停留的概率。其次,考虑到个体出行网络依赖于停留识别结果,基于该框架,研究分析了时间采样间隔对出行网络分析结果的影响。最后,利用该框架分别对深圳市居民出行调查数据和手机轨迹数据进行了分析。研究表明,在面向人群活动的研究和应用中,该框架能支持时间采样间隔的选择决策和面向活动类型的研究结果评价。     

GPS车载导航系统技术趋势浅析

本文通过对GPS车载导航系统的构成及其国内外发展现状的分析,阐明了我国GPS车载导航系统将向信息终端融合化、交通信息实时化、信息服务平台化、数据更新网络化方向发展的技术趋势。     

基于T-GIS方法的大学生时空变化规律研究

T-GIS作为GIS的一个新兴研究领域,用于采集、存储、管理、分析与显示地理实体随时间变化的信息。结合T-GIS和时间地理学基本理论,以华中师范大学为例,分析了学生时空活动的动态表现,利用学生出行日志的问卷调查数据,开发了基于ArcGIS的大学生行为链时空分布工具,揭示了典型时间断面大学生的空间分布特征,为高校管理人员对大学生行为活动实施管理以及掌握校园相关设施、场所的利用情况等提供依据。该方法同样适用于其他与时态相关的领域。     

基于T-GIS方法的大学生时牢变化规律研究

T-GIS作为GIS的一个新兴研究领域,用于采集、存储、管理、分析与显示地理实体随时间变化的信息。结合T—GIS和时间地理学基本理论,以华中师范大学为例,分析了学生时空活动的动态表现,利用学生出行日志的问卷调查数据,开发了基于ArcGIS的大学生行为链时空分布工具,揭示了典型时间断面大学生的空间分布特征,为高校管理人员对大学生行为活动实施管理以及掌握校园相关设施、场所的利用情况等提供依据。该方法同样适用于其他与时态相关的领域。     

利用共享单车大数据的城市骑行热点范围提取

共享单车成为市民出行不可或缺的一种代步方式,也对城市交通运行管理和规划发展带来压力和挑战。本文利用Python程序获取了2017年9月20日ofo单车的全天候位置数据,通过Arc GIS传统分析工具进行了西安市用户骑行行为的时空间特征分析,提取了用户出行OD模型及城市骑行热点路段。结果发现,在城市轨道交通、城市产业分配、医院学校分布及时间维度的影响下,骑行存在不同空间特征。基于大数据分析提取热点,利用可视化表达数据集合与相关城市数据集综合分析,可为集中规划非机动车设施、更好地优化城市空间布局提供新思路。     

融合图像和时空信息的社交媒体用户活动分类方法

社交媒体签到数据中蕴含着大量的用户活动信息。理解社交媒体用户的活动和行为类型,对探索人类的移动性和行为模式等有着重要意义。提出了一种针对新浪微博（简称为微博）的用户活动分类方法,结合图像表达和时空数据分类技术,识别微博签到数据所代表的用户活动类型。首先,根据兴趣点属性信息将微博签到数据所代表的用户活动分为餐饮、生活服务、校园、户外、娱乐、出行6大类;然后,基于卷积神经网络和K近邻分类方法,融合签到数据中的图像场景信息与时空信息,对微博用户的活动行为进行分类。实验结果表明,所提方法能够显著提高微博用户活动类型识别的准确性,为精确探索人类行为活动提供更加有效的数据支持。     

基于Netty的多源交通GNSS数据获取方法

随着城市化程度的不断深化,以大数据为基础的智慧交通在解决出行、管控交通、处理突发情况方面发挥着日益重要作用。GNSS技术具备定位精度高、自动化程度高与可测量点的三维位置与速率等特点,在智能交通中已成功应用。面对海量数据,为提升数据处理效率,优化数据传输框架,急需一种能够稳定传输多源高并发GNSS数据的方法,对数据进行稳定高效接收并进行多平台处理。基于Netty框架技术,对收集的GNSS数据进行收集、解析与转发,利用了Kafka集群实现数据的持久化,并针对具体的智能交通问题进行实践验证,将传统的简单数据处理统计转向智能辅助决策,全面提升了数据的获取与挖掘效率,为智能交通的数据资源整合奠定了基础。     

GPS地震仪:PANDA软件测试结果与验证

介绍了基于PANDA软件的高采样率GPS数据非差精密定位方法,为了验证高采样GPS技术与地震仪观测结果的一致性,进行了震动平台模拟数据试验。试验结果表明,高采样GPS和地震仪均能有效地恢复平台震动位移和震动主频率。对2010年Baja地震实际观测的GPS和强震仪进行分析,结果表明,利用高采样GPS技术不仅能成功获取地震波信号;而且能同时获得地表永久形变信息;而地震仪只能获取地震波信息,而不能直接获得地表永久形变信息。     

基于SCD的公共交通换乘时空模式——以武汉市为例

换乘问题直接影响数十万乘客出行方便,已成为影响城市公共交通系统运营的一个重要因素。基于武汉市2015年3月份完整一周的公共交通智能卡数据(smart card data,SCD),识别公共交通换乘行为,研究乘客换乘时空特征,分析轨道交通发展现状,总结换乘出行模式。研究结果如下:①换乘行为在工作日和休息日均呈现早高峰单高峰分布,大概率存在加班行为;②换乘行为地理特征的3个影响因素为城市地理格局、轨道交通建设、站点辐射范围;③根据武汉市的圈层结构和换乘出行方向,将换乘行为总结为4种模式。基于交通大数据识别乘客换乘行为及其时空分布特征并归纳换乘模式,可为城市规划、城市空间合理利用提供科学依据和决策支持。     

期刊博览

正基于出租车轨迹数据的人口活动分析(《测绘工程》2016年第10期)根据轨迹数据识别出人们感兴趣的区域,并且挖掘出人们的日常出行特性,作为数据挖掘的一个热点逐渐受到人们的重视。目前,绝大多数大城市的出租车上都安装有GPS,其记录的轨迹数据在时间和空间上都包含丰富的信息,分析出租车的轨迹数据能在一定程度上反映城市人口的出行情况,挖掘有价值的信息。