基于手機定位數(shù)據(jù)的個體出行行為特征分析技術研究：方法與實證

總序
前言
1 研究概述
1．1 背景與意義
1．1．1 個體交通出行活動分析技術缺陷
1．1．2 手機傳感器調查技術優(yōu)勢
1．1．3 數(shù)據(jù)瓶頸制約交通需求分析與交通模型發(fā)展
1．1．4 “大數(shù)據(jù)”時代交通調查技術發(fā)展新機遇
1．2 研究目標
1．2．1 學術理論目標
1．2．2 技術應用目標
1．3 應用前景
1．4 主要內容
1．4．1 個體出行手機傳感器數(shù)據(jù)來源采集和解析
1．4．2 基于手機傳感器數(shù)據(jù)的個體交通出行特征精細化提取
1．4．3 融合交通一通信集成仿真的個體出行活動仿真平臺構建
1．4．4 個體出行精細化數(shù)據(jù)在交通規(guī)劃管理中的應用探究
1．5 關鍵問題
1．6 技術路線
1．7 研究特色與創(chuàng)新
2 基于手機定位的個體出行特征分析技術綜述
2．1 手機數(shù)據(jù)分析技術類型與特征
2．1．1 手機傳感器數(shù)據(jù)分析技術及特征
2．1．2 手機信令數(shù)據(jù)分析技術
2．1．3 手機社交網(wǎng)絡數(shù)據(jù)分析技術
2．2 基于手機位置數(shù)據(jù)的交通分析技術發(fā)展總結
2．3 基于手機信令數(shù)據(jù)的個體活動規(guī)律分析
2．3．1 居民活動規(guī)律動態(tài)監(jiān)測
2．3．2 區(qū)域及斷面客流分析
2．4 基于GPS定位數(shù)據(jù)的個體出行行為特征分析
2．4．1 出行鏈信息精細化提取
2．4．2 基于GPS軌跡數(shù)據(jù)的居民出行調查實地應用
2．5 基于手機Wi-Fi數(shù)據(jù)的活動強度分析
2．6 基于社交網(wǎng)絡數(shù)據(jù)的居民出行特征分析
2．6．1 居民出行特征
2．6．2 OD估計
2．6．3 職住空間特征
2．7 研究總結與發(fā)展趨勢
參考文獻
3 基于手機傳感器數(shù)據(jù)的挖掘算法理論與應用方法
3．1 個體出行鏈信息精細化提取技術思路
3．2 基于空間聚類算法的出行端點識別
3．3 基于小波變換模極大值算法的交通方式換乘點識別
3．4 基于機器學習算法的個體出行方式識別
3．4．1 基于神經網(wǎng)絡算法的個體出行方式識別
3．4．2 基于支持向量機算法的個體出行方式識別
3．4．3 基于貝葉斯網(wǎng)絡算法的個體出行方式識別
3．4．4 基于隨機森林算法的個體出行方式識別
3．5 基于GIS地圖匹配的個體出行鏈信息提取結果優(yōu)化
3．6 本章小結
參考文獻
4 手機傳感器數(shù)據(jù)采集APP開發(fā)與數(shù)據(jù)解析
4．1 數(shù)據(jù)采集APP開發(fā)
4．1．1 APP詳細功能
4．1．2 APP操作界面
4．2 網(wǎng)絡數(shù)據(jù)庫管理系統(tǒng)構建
4．3 數(shù)據(jù)安全措施
4．4 手機傳感器數(shù)據(jù)內容與基礎特征分析
4．4．1 GPS模塊定位精度與質量
4．4．2 個體出行時空停留特征與OD特征分析
4．4．3 個體出行移動軌跡點密度特征分析
4．4．4 個體出行瞬時速度數(shù)據(jù)特征分析
4．4．5 個體出行瞬時加速度數(shù)據(jù)特征分析
4．5 本章小結
5 “行人—交通流—通信”集成仿真平臺構建
5．1 仿真平臺建設框架與思路
5．2 交通環(huán)境與個體交通出行仿真
5．2．1 交通仿真
5．2．2 交通仿真模塊構建實例——以成都市為例
5．3 無線通信場景與通信仿真
5．3．1 無線通信事件說明及仿真
5．3．2 移動通信信號傳播理論模型
5．3．3 移動通信環(huán)境及仿真實例——以成都市為例
5．4 手機傳感器數(shù)據(jù)仿真
5．4．1 手機傳感器數(shù)據(jù)擾動加載方法
5．4．2 數(shù)據(jù)加擾實例與效果評估
5．5 本章小結
參考文獻
6 基于手機傳感器數(shù)據(jù)的精細化出行參數(shù)提取實證研究
6．1 手機傳感器數(shù)據(jù)采集實地試驗
6．1．1 不同出行目的的出行方案設計
6．1．2 多方式組合出行方案設計
6．1．3 不同交通狀態(tài)的數(shù)據(jù)采集方案設計
6．1．4 出行日志采集工作
6．2 基于空間聚類算法的出行端點識別實證分析
6．2．1 算法參數(shù)配置
6．2．2 個體出行端點識別與出行軌跡切割
6．2．3 個體出行端點識別結果與誤差分析
6．3 基于小波變換模極大值算法的交通方式換乘點識別實證分析
6．3．1 算法參數(shù)配置
6．3．2 多交通方式組合出行換乘點識別實例
6．3．3 交通方式換乘點識別結果與誤差分析
6．4 基于神經網(wǎng)絡算法的交通方式識別實證分析
6．4．1 算法參數(shù)配置
6．4．2 交通方式識別實例
6．4．3 交通方式識別結果與誤差分析
6．5 基于GIS地圖匹配的出行鏈信息識別結果優(yōu)化實證分析
6．5．1 基于GIS地圖匹配算法參數(shù)配置
6．5．2 公交車與小汽車的出行方式區(qū)分識別實證
6．5．3 結果分析
6．6 本章小結
7 不同影響因素及敏感性分析
7．1 關鍵參數(shù)及其對技術精度的影響機理
7．2 不同條件實地試驗機數(shù)據(jù)特征分析
7．2．1 數(shù)據(jù)采集
7．2．2 數(shù)據(jù)特征分析
7．3 交通方式識別效果敏感性分析
7．3．1 算法的選擇與影響
7．3．2 數(shù)據(jù)采樣頻率設置與影響
7．3．3 交通狀態(tài)與影響
7．4 交通方式換乘時間點識別效果敏感性分析
7．4．1 算法的選擇與影響
7．4．2 數(shù)據(jù)采樣頻率設置與影響
7．4．3 交通狀態(tài)與影響
7．5 基于仿真數(shù)據(jù)的出行鏈信息識別效果敏感性分析
7．5．1 基于仿真數(shù)據(jù)的交通方式識別效果敏感性分析
7．5．2 基于仿真數(shù)據(jù)的換乘時間點識別效果敏感性分析
7．6 本章小結
8 精細化數(shù)據(jù)提取對交通規(guī)劃與管理的改善應用思考
8．1 精細化數(shù)據(jù)提升傳統(tǒng)四階段模型精度
8．2 精細化數(shù)據(jù)優(yōu)化公交站點與線網(wǎng)布局
8．3 構建基于精細化個體活動的交通模型
8．4 精細化個體出行數(shù)據(jù)的其他應用
9 研究展望
9．1 完善基于手機傳感器數(shù)據(jù)的個體出行鏈采集體系
9．2 大數(shù)據(jù)環(huán)境下多元異構數(shù)據(jù)融合提升技術應用效果
9．3 探索基于精細化交通調查大數(shù)據(jù)的交通規(guī)劃理論與方法
附錄A