基于手机GPS的大学生日常活动出行规律研究

论文总字数：39295字

摘 要

随着城市交通管理的需要与交通系统规划的不断发展，通过分析个体的活动出行行为，并以此对未来出行分布预测、交通结构划分以及交通规划提供基础数据和评价参考，是交通领域中一直研究和探讨的重点问题。不同个体的活动出行模式决定了城市中交通方式的组成结构以及公共设施的具体布设，而良好的方式结构与高效的设施服务又对城市环境、能源消耗以及道路拥堵等产生积极影响。因此，如何有效地提取并表达蕴含在个体活动出行模式中的内在规律，对城市交通规划与管理、城市交通空间利用具有重要意义。

相比较传统方式，基于智能手机的活动出行行为轨迹采集与识别是一种新的交通信息采集技术，具有投资小、覆盖面广、海量数据等特点。因此，本论文以行为轨迹为研究对象，以活动出行模式识别为研究目标，通过结合智能手机与电子问卷的调查形式，对大学生日常活动出行规律进行研究与探索，为后续相关调查与分析技术在城市居民活动出行行为研究的应用提供经验与参考。

围绕该研究课题，论文首先介绍了基于智能手机与电子问卷的出行调查方法，并尝试将该方法应用到针对大学生出行规律的实际调研之中，借助地理信息系统以及数理统计软件，比较两种调查的数据特征，分析基于智能手机的行为轨迹数据的准确性与有效性；其次，在数据分析与处理方面，通过对行为轨迹的噪音剔除以及链簇识别，探讨了如何在数据预处理阶段准确地获取活动出行轨迹的段落特征，避免因整条轨迹参与活动出行模式识别而产生的误判问题。最后，在电子问卷调查结果的基础上，论述了隐马尔可夫模型的学习与预测运算流程，并结合行为轨迹数据的出行方式监督，应用matlab软件实现大学生日常活动出行行为特征提取与分析，并从出行时间、出行模式、出行次数、活动目的四个方面对行为规律进行归纳总结。

关键词：智能手机；隐马尔可夫；模式识别；活动出行规律

The research of college students' daily activities travel law based mobile GPS

Abstract

Along with the development of transportation system planning, it is a focus in the field of traffic that analyzing the activity of individual travel behavior and then providing basic data and evaluation for trip distribution prediction about the future, transportation structure and transportation plan. Individual activity travel pattern determines the structure of city transportation and public facilities of the specific layout, and good methods of structure and efficient services have a positive impact to the urban environment, the energy consumption and road congestion. Therefore, how to effectively extract and express the inherent law contains in the individual activity travel pattern of urban transportation planning and management, urban traffic space utilization is of great significance.

Compared with traditional way, the acquisition and recognition of trajectory based on mobile phone software is a new kind of traffic information collection technology, it has he advantages of small investment, wide coverage, huge amounts of data, etc. Therefore, this paper is to act trajectory as the research object, with activity travel pattern recognition as the research target, conducts research on college students' daily activities and explores the law of the regular pattern of travel combining smart phones and electronic questionnaire survey form, and provide experience and reference for subsequent investigations and analysis technology application in urban residents' travel behavior research activities.

Surrounding the research subject, this paper first introduces the travel survey method based on smart phones and electronic questionnaire, and try to apply this method to the practical investigation and research on college students; compare the data characteristics of two kinds of investigation data, analyze the accuracy and effectiveness of the trajectory data based on the smart phone by using geographic information systems and statistics software; Secondly, in terms of data analysis and processing, paper discusses how to accurately obtain activities travel path in the paragraph through noise elimination and chain cluster identification, avoid travel pattern recognition misjudgment of the whole trajectory in activity.Finally, this paper discusses the predict learning and operation process of the hidden markov model on the basis of the electronic questionnaire, and apply Matlab software to implement feature extraction and analysis of college students' daily activities travel behavior combining the supervision of the trajectory data transportation, and summarizes the behavior rules from four aspects: travel time, travel mode, travel times, activity purpose.

Key words: smart phones; hidden markov; pattern recognition; travel activity regularity

目 录

摘要 I

ABSTRACT II

第一章 绪论 1

1.1研究背景及意义 1

1.2国内外研究现状 2

1.2.1国内研究现状 2

1.2.2国外研究现状 3

1.2.3现有成果总结 4

1.3研究目标及内容 4

1.3.1研究目标 4

1.3.2研究内容 5

1.4论文章节安排 5

第二章 基于智能手机与电子问卷的出行行为调查 7

2.1 基于智能手机的出行行为调查 7

2.1.1 应用软件功能介绍 7

2.1.2 轨迹数据形式介绍 8

2.2 基于电子问卷的出行行为调查 10

2.3 本章小结 12

第三章 基于智能手机的行为轨迹数据预处理 13

3.1 调查对象及数据采集 13

3.2 随机噪音数据的剔除 14

3.3 行为轨迹点链簇识别 14

3.3.1轨迹链与轨迹点簇的概念 14

3.3.2链簇识别规则 15

3.4 本章小结 16

第四章 基于监督的隐马尔可夫模式识别算法 17

4.1 隐马尔可夫模型的基本概念 17

4.1.1隐马尔可夫模型定义及其三要素 17

4.1.2观测序列的生成过程 18

4.1.3隐马尔可夫模型的三类基本问题 18

4.2 基于监督的学习算法 19

4.3 隐马尔可夫预测算法 19

4.3.1算法过程： 20

4.3.2算法步骤： 20

4.4 基于行为轨迹的出行方式特征统计及其符号化 21

4.4.1速度特征统计 21

4.4.2速度符号化与预处理数据 21

4.5 行为轨迹实验分析 22

4.5.1算法准确性评价 22

4.5.2软件调查与问卷调查对比案例 22

4.5.3软件调查与问卷调查的可靠性对比 23

4.5.4出行目的分析 25

4.6 本章小结 26

第五章 结论与展望 27

5.1 主要结论 27

5.2 研究展望 27

致谢 29

参考文献 30

附录1 Matlab代码 32

附录2 出行调查表格 39

第一章 绪论

1.1研究背景及意义

出行调查是交通规划的数据基础。相关部门每隔几年都会开展一次大规模的出行调查,调查手段主要采用入户访谈(Face-to-Face)、纸笔填写(Paper-and-Pencil Interview,PAPI)、计算机辅助电话调查(CATI)等方式。近年来，随着国民经济的高速发展，城市化进程的加快和城市空间规模的不断扩大，使得城市居民出行时耗和距离开始不断增加，出行方式选择多样化趋势越来越明显。在这种情况下，传统的出行调查方式会造成的出行漏报、时间填写不准确、不能获得准确的出行路径信息、给受访者带来过重负担等问题日益凸显，使得交通规划较难获得准确的交通出行信息而渐显低效。而交通规划的低效则会直接加剧交通拥挤、环境污染和资源浪费等问题的激化。

基于手机定位进行交通信息的采集是一种新的技术方法,它运用基于通信网络的手机定位技术对手机用户进行定位,结合道路匹配与数据挖掘的方法,提取用户的交通信息,在此基础上,进一步识别出用户的出行模式，分析用户的出行目的，最终为交通规划和交通管理决策提供依据。目前,中国已经拥有了世界第一的手机保有量。据工业和信息化部(MIIT)公布的近期数据显示,截止2011年1月,中国手机用户己经达到8.69亿。如此巨大的手机拥有量,为基于手机定位技术交通信息的采集提供了海量的数据来源。现在,移动通信无线网络己经覆盖到中国的各个地区,在城市中的覆盖率更是接近100%,几乎所有城区中的道路都分布在通信网络的信号中。在这种情况下，我们可以很方便地通过手机定位技术来采集出行者必要的出行信息。因此，与传统的出行调查方式相比,该技术具有不需要追加安装和维护的费用、投资少、海量化数据、全天候采集等优良特点,能够较好地弥补传统调查中的不足。

但是直到目前，通过手机定位实现交通出行调查在国内外还相对较少，其有效性、可行性与局限性的判断与评价还处在理论阶段，基于智能手机的出行调查作为一种新颖的调查方式也缺乏相应的实际尝试。因此，本文主要以大学生为调查对象，在结合电子问卷调查方式的基础上，应用智能手机GPS模块功能记录个体日常活动出行行为轨迹，通过Matlab软件构建基于监督的隐马尔可夫模型识别个体的活动出行模式，并尝试总结大学生在日常生活中的出行目的、方式、路径选择、出行倾向等方面的行为规律，为后续相关调查与分析技术在城市居民活动出行行为研究方面的应用提供经验与参考。

1.2国内外研究现状

1.2.1国内研究现状

张治华从GPS轨迹中自动提取出行信息所遇到的问题并提出了解决方案。介绍了面向对象的轨迹数据分割方法设计，对出行端点提取方法进行研究，有效地避免了噪音干扰。同时用C4.5决策树方法对用户进行了出行目的预测^[24]。

冯冲提出并实验分析了一种基于时空关系的移动定位数据的处理方法,剔除了大量可能对定位产生干扰的数据，用以处理手机定位所遭遇的“噪声”数据问题。通过对居民出行特点与出行方式之间换乘特性的研究,针对己有方法的不足提出了一种基于先验知识的手机用户出行模式的识别方法,并通过GPS浮动车数据的对比证明了方法的有效性^[2]。

张帅等人将手机与GPS的定位特点进行比较，研究手机定位的算法，并基于其算法通过实验对其定位的精确度进行了检验，证实手机定位的精度目前符合大家的需要^[3]。

剩余内容已隐藏，请支付后下载全文，论文总字数：39295字

相关图片展示：