智能交通信息采集技术7-手机定位课件讲解

基于手机定位的交通信息采集技术蜂窝网络示意图电子脚印（Footprint）第一节工作原理手机信令数据每一台手机在待机或者通话过程中移动，都会在电信运营商的网络里面产生一些规律性的事件，这些事件符合GSM标准，称之为手机信令数据。利用手机信令数据中的切换事件，切换事件指的是手机移动到两个蜂窝小区的交界处，为了维持通话的稳定性和手机的可寻呼性，自动寻找并连接到信号质量更好的小区的一个过程。第一节工作原理根据电信运营商基站的分布图，分别计算LAC间切换事件及CELL间切换事件的发生区域，并将此区域和电子地图相匹配，形成与地理道路相关联的虚拟信令切换监控网络再利用路径计算算法进行预处理，形成各监测区域间多种通常行驶路线的列表。在off-call状态中的手机信号在LAC间的切换点在on-call状态中的手机信号在CELL间的切换点蓝色线段为路网第一节工作原理第一节工作原理数据类型数据特点区别手机话单定位数据依托移动运营商现有话单计费系统，获取匿名手机用户在产生计费数据时的位置信息(如收发短信、主被叫)，由于话单数据类型有限，仅能记录出行轨迹的片段。手机信令定位数据的定位信息更完整，话单定位数据是信令数据的子集；手机话单定位数据获取容易，移动运营商已建有计费系统；信令定位数据获取依赖于运营商的信令采集系统条件是否具备。手机信令定位数据需要移动运营商建设手机信令采集系统，采集匿名手机用户发生信令事件时的位置信息，除了收发短信、主被叫等计费数据，还包括开关机、小区切换、位置更新等数据，能较全面地反映出行者的连续出行轨迹。第一节工作原理亿级第一节工作原理第一节工作原理自动记录数据，大大减轻调查负担，更愿意配合数据更加全面、准确，可挖掘提取全出行链信息调查更新周期弹性，可持续积累和短期更新优化交通模型标定与校核.借助手机设备几乎无需大量额外投资成本第一节工作原理客流信息获取方式技术推广范围技术成熟程度数据准确性成本抽样率更新频率被调查人员群体问卷调查大高中高极低低主要是常住居民OD反推小低低低高很高无法区分志愿者GPS轨迹小中很高很高极低低取决于志愿者人群IC卡特定出行方式高高高高中特定出行方式人群视频识别断面高高高高高无法区分手机采集技术大逐步成熟高很低很高很高可以区分为常住居民或流动性人员第一节工作原理第一节工作原理第二节技术分析第二节技术分析数据获取离线获取在线获取数据获取是难点，一般需要政府层面协调。不能算是技术难点，但确实是现实的最大障碍。手机信令数据预处理分析区域粒度与基站对应数据预处理手机用户出行识别及出行链划分单个手机用户出行情况分析手机用户群体的出行分析扩样计算数据计算成果展示数据输出原始数据删除不可识别用户数据删除基站信息缺失数据修补部分字段缺失数据基站与区域匹配导入数据库第二节技术分析微观数据调查：借助智能手机的传感器数据，包括个体GPS、三轴加速度数据等，结合GIS技术，运用数据挖掘和模式识别算法，能够客观提取多模式交通出行方式、换乘点、出行时间、出行OD、出行距离、出行目的等完整个体微观交通出行链精细数据，有效指导交通模型升级与交通规划设计。第二节技术分析关键技术手机数据采集APP研发GPS数据：日期、时间、经纬度、速度、卫星数、定位精度等。加速度数据：三轴(X、Y、Z)加速度数据。用户信息：年龄、性别、收入、车辆拥有水平等。采样频率可自由设定；基本信息可根据调查需要扩充；还将增加提取用户手机记录基站小区Cell信息。第二节技术分析关键技术数据分析采集数据特征：交通方式组合出行速度波动特征。出行时间（s）出行速度（km/h）步行+自行车+步行步行+地铁+步行步行+公交车+步行步行+小汽车+步行第二节技术分析第二节技术分析关键技术关键算法手机APP交通调查中，出行时间、出行距离等可以直接获得，交通方式、换乘点识别是关键难点。关键算法：小波分析+神经网络。小波分析：在非线性结构数据的主要特征识别以及信号奇异点检测方面具备突出能力，提供频率域和时间域上良好的局部信息。神经网络：具有较好的非线性模式识别能力，能够学习和存贮大量的输入-输出模式映射关系，对新的输入数据进行模式识别。技术思路：运用小波分析识别所有交通方式转换点；将轨迹“切割”成若干段单一交通方式的轨迹段；运用数据挖掘算法将每段单一交通方式进行模式识别。第二节技术分析关键技术关键算法算例：步行-自行车-步行-公交车-步行。换乘点识别结果：第二节技术分析关键技术关键算法多种类型多模式出行试验交通方式转换点识别结果：步行+小汽车+步行步行+地铁+步行步行+公交异台换乘+步行步行+公交同台换乘+步行第二节技术分析整体规划分系统规划分区规划片区规划交通设施影响分析专项交通调查动态城市居民出行调查数据√√√√√√典型区域交通产生、交通吸引客流量时变分析√√√区域间OD客流量分布时变分析√√√区域客流量集散信息及随时间变化的来源/去向信息√√√区分来向的流动人员人口统计、流动人员出行信息分析√√小区居住人口和工作人口变化信息，城市人口居住迁移变化信息，城市工作岗位集聚变迁信息√√√√交通走廊、关键路段断面客流量时变分析√√√√√大型设施建成前后客流影响分析√√部分特定出行方式的客流分析√√OD分布形态与公交线网匹配程度信息√√轨交OD分布变化√√第三节应用案例湛江市案例来源：广州市城市规划勘察设计研究院湛江市规划局第三节应用案例城市概况移动用户匿名用户时间戳基站事件类型460万位置记录11.2亿基站2.33万基站平均覆盖半径210米第三节应用案例常住人口和就业人口监测常住人口密度工作人口密度第三节应用案例职住平衡分析职住比数值，直观放映了区域职住数量的平衡度。某区域职住比越高，就业功能比重越大；职住比越低，居住功能比重越大。职住比在0.8~1.2之间，区域内职住相对平衡。第三节应用案例日出行全方式客流走向分析客流出行需求的走向：湛江中心城区以南北向客流为主，对人民大道、海滨大道、湛川大道的客流出行需求最为强烈。第三节应用案例出行活跃度分析OD出行活跃强度定义：

（通勤出行产生次数＋吸引次数）/小区面积第三节应用案例对外客流走向分析5.48万人次，占20.0%2.6万人次，占9.5%8.72万人次，占比31.8%2.19万人次，占比8.0%8.42万人次，占比30.7%东海岛外部_南：2.9万人次第三节应用案例客流通道客流分析(人民大道)中段7.09万人次占22.1%南段10.29万人次占32.1%康顺路-军民路4.47万人次占13.9%北段10.23万人次占31.9%第三节应用案例客流通道客流来源分析(人民大道)对人民大道有需求的OD客流量总计约96.71万人次，其中，沿线（湛川大道-海滨大道）客流量约56.54万人次，占58.5%对人民大道有需求的通勤OD客流量总计约41.66万人次，其中，沿线通勤客流量约21.44万人次，占51.5%途径人民大道OD客流出行分布人民大道沿线范围OD客流出行需求第三节应用案例技术运用展望—公交线网优化准确掌握个体出行线路真实轨迹，解决公交出行“乘车难”问题。第三节应用案例技术运用展望—换乘优化实现“门到门”居民出行链识别，优化公交线网与轨道交通发车时间、发车频率，提升换乘接驳效率。识别轨道、公交站点乘客来源、去向，优化“最后一公里”无缝接