耦合被动式GPS与网络调查的居民出行调查

减轻受访者负担是提高居民出行调查回应率和精准度的关键,而基于传统问卷调查的改进对此难有突破.本文设计和实验一种耦合GPS技术和网络调查技术的居民出行调查方案,以期获得实质性改善.方案使用GPS模块进行被动式跟踪确定出行路径,同时利用网络调查收集受访者个人/家庭信息和行程目的.设计利用GPS对出行时空轨迹具有高精准定义的特点,降低对行程信息调查表的填写要求,并且通过互联网调查允许受访者自行选择时间填写,把对行程回忆的不良影响减到最小.方案实验使用了华东师范大学教职工群体做驾车出行调查,并与传统问卷调查做了比较.试验的初步结果表明,新方案能够显著提高出行数据收集的精度和效率,明显降低受访者负担和调查费用,有望发展成为下一代交通调查的主要手段.

基于手机GPS数据的个体出行链提取方法研究

针对现状出行数据存在的人工获取成本高、时空信息不准确及出行链接不完整等问题,开发智能手机居民出行调查系统,研究基于手机GPS数据的全时段、多交通方式且完整链接的个体出行链提取方法。首先,应用时空密度聚类方法,识别个体轨迹中的停驻点,构建随机森林模型,从停驻点中区分出行端点;其次,以空间邻近匹配方法识别居家与工作活动,利用家庭和个人属性、活动时空与活动链等特征,以XGBoost模型推断非家非工作类型的出行目的;最后,采用轨迹微分方法,提取运动特征、出行特征与GIS特征,运用XGBoost模型推断出行方式。利用出行调查系统采集的实验数据,验证出行链提取方法。结果表明:停驻点识别查准率和查全率分别为96.7%和96.4%,出行端点查准率为97.6%,公交换乘点查准率为91.8%;出行目的推断上,“居家/回家”准确率为100%,“上班/上学”准确率为89.8%,非家非工作出行目的综合准确率为87.6%;出行方式推断上,各交通方式准确率均达到90%以上,综合准确率为95.0%。本文提供一种手机GPS轨迹数据的出行链挖掘方法,能够为智能手机居民出行调查现实应用提供支撑。

可用于被动式交通调查的GPS接收仪器评估

交通出行调查是交通规划和模拟不可或缺的数据收集手段,GPS能提高交通信息获取的效率和精度,因此利用GPS交通调查技术辅助或替代传统交通调查成为发展和应用的重要趋势。本文评述了这种趋势的必要性,总结了国外GPS技术在交通调查中运用的经验和局限,结合对国内商业化GPS仪器以及国外交通调查专用GPS仪器的调研和评比,为如何选择GPS仪器进行交通调查提出一些评估指标和建议。

基于GPS数据的城市居民多日出行活跃度分析

通过提出居民出行活跃度的概念和测度方法,分析居民多日出行行为的活跃程度,丰富多日出行行为分析的理论体系,为城市空间优化和交通政策引导提供参考。居民出行的活跃程度是出行频率、出行距离、出行时长、出行方式和出行目的等出行要素的综合体现。基于上海市2014—2015年智能手机GPS辅助的居民一周活动-出行调查,通过分析居民的出行频率、出行距离、出行时长、出行方式和出行目的等多个出行活跃度指标,运用K-均值聚类的方法定义四种出行活跃度类型——多方式、多目的、长距离三种活跃出行者类型和较不活跃出行者类型。数据显示,不同活跃度类型人群在平日、工作日及周末拥有的出行特征具有明显差异,同时通过多项Logistic回归模型分析得出居民的个人及家庭社会经济属性对活跃度类型的显著影响。出行活跃度概念和测度方法的提出有助于分析城市居民出行行为的复杂性,便于对居民出行的活跃程度形成综合全面的考量,有助于分析居民出行需求对城市空间与交通政策的反馈作用。

基于智能手机调查数据的居民出行活动特征分析

城市居民出行活动信息是城市规划、交通管理和居民行为研究的重要参考依据。采用传统的基于入户访问和纸质问卷的居民出行调查方式存在受访者负担重、调查精度低、调查成本高等问题,设计并实现了一种基于嵌入GPS(Global Positioning System)模块的智能手机的居民出行调查系统。通过高频的手机GPS定位获取居民出行轨迹,设计基于规则的轨迹数据处理算法,自动提取出行信息。以上海市杨浦区同济新村为例,对比传统问卷调查和基于手机的调查所得的出行数据。利用调查结果对基于智能手机调查的出行生成模型进行系数修正,并对传统调查方式的误差进行分析。发现传统调查的总体误差在33%左右,其中非基家出行的误差更是达到近159%。最后,基于手机调查的数据,对区域内居民活动特征进行分析。

基于定位技术的居民出行调查方法

居民出行调查是把握城市居民交通需求的基本工具,是交通规划和交通政策制定的重要数据基础。然而受访者负担大和调查精度低两大问题长期困扰着调查者,定位技术为解决这些问题提供了可能。适于广域定位的技术包括GPS和GSM,在比较这两种技术优缺点的基础上,分析了用户参与程度不同的主动式和被动式两种调查形式,指出主动式和被动式相结合或被动式调查加地图复核在当前具有可操作性。鉴于被动式方法在降低受访者负担方面的明显优势,下一步发展的关键在于实现从定位数据到出行语义信息的自动提取。这些研究可为出行调查方法的革新提供参考。

手机APP出行调查系统开发及其模型应用研究

出行调查是出行需求预测模型的重要的数据来源,而国内外近几年使用的调查方法费时费力、数据量不大且很多处于理论阶段无法应用到实际中。为了解决当前调查方法中存在的问题,设计了一套基于手机APP的出行调查系统,同时还探讨了将收集到的出行数据运用到交通规划模型中的问题。该系统在注册填写个人信息以及收集轨迹数据的基础上,利用当前定位技术无法准确获知居民室内位置的特点,以达到收集居民出行数据的目的。具体方法是计算一定时间内轨迹数据的定位精度和速度来判断该段时间居民是否停留,然后将识别出的停留点根据距离进行合并,居民出行结束后在合并后的停留点位置填写相应的出行信息。从在上海青浦区的居民调查中可知,此系统使用的停留点识别方法其识别精度达到96%,因此利用该方法能够客观地收集居民出行过程中活动的空间位置和时间信息,对提升出行预测模型的精度具有重要意义。

基于多源数据的精确公交出行时间自动计算

提出基于基站定位轨迹、公交线网、公交车GPS轨迹的多源数据精确公交出行时间自动计算方法:第一,利用智能手机采集基站定位轨迹;第二,使用基于滑动时间窗的算法,清除基站定位轨迹中因基站切换"乒乓效应"造成的扰动数据;第三,将基站定位轨迹与公交线网进行空间关联匹配,获得乘客上下车地点;最后,将基站定位轨迹与公交车GPS轨迹进行序列对比,获得乘客公交出行时间。在佛山市南海区进行的公交出行实验表明,该方法获得的公交出行时间误差在1 min以内,能满足公交线网调整与优化的精度要求。