论文总字数：42909字

摘 要

随着城市化进程的加快和交通需求的迅猛增长，科学合理的交通规划和管理是改善城市交通状况、提升居民幸福水平的重要保障，而交通出行调查则为决策部门提供了交通组织和规划的重要依据。传统的交通调查如电话访问、问卷调查等，存在调查查成本高、工作量大、数据汇总和处理周期长、调查内容受主观意识影响、调查数据不精确等问题。因此，如何克服现有研究中的不足，寻求可替代的交通出行调查方法，具有重要的现实意义。

近年来，随着ICT技术的发展和智能手机的普及，基于智能手机的出行调查方式正逐渐受到学界的关注,其中出行模式识别是最核心的内容之一。鉴于此，本研究主要通过智能手机的全球定位系统（GPS）模块及相关传感器获取个体出行行为轨迹，应用人工智能算法挖掘出行时空数据中所隐含的出行信息，进而完成识别个体出行模式的目标，其成果可以为地理学、行为学、城市规划以及交通管理等研究提供数据与技术支撑。

围绕研究课题，本论文首先介绍了一种面向特定时空范围的样本量计算方法，并根据此方法计算出本研究所需的样本量；然后通过制定与实施调查方案，获取基于智能手机的出行行为轨迹数据，并以隐马尔可夫模型算法为基础，结合公交线网及相关辅助信息，构建符合视觉辨识特征的出行模式识别算法，提炼出适合出行方式划分的参数设定与逻辑判定规则。论文研究表明，相比较无辅助数据情况，公交线网及相关信息虽然仅能小幅度提升识别算法的准确度，但其有益于从行为轨迹中进一步细化出行信息，使得原有算法在区分公交出行与小汽车出行中获得更良好的识别效果。

关键词：智能手机；公交线网；隐马尔可夫；模式识别。

The Algorithmic Research of Travel Mode Detection Based On smartphone

Abstract

With the rapid growth of traffic demand and the acceleration of urbanization, scientific and rational transportation planning and management has become the guarantee of improving urban traffic conditions and enhancing the level of residents’ happiness while traffic survey provides important references of traffic organization and planning for decision-making department. Traditional traffic survey, such as telephone interviews, questionnaires, etc., has defects such as high investigation cost, heavy workload, long data collection and processing cycle, deviated investigatory contents owing to participants’ subjective awareness and inaccuracies of the survey data. So, it has great practical significance to overcome the shortcomings of existing studies and seek alternative methods of travel survey.

In recent years, with the development of ICT technology and the popularity of smart phones, smartphone-based travel survey has become a rising concern of scholars, the recognition of travel mode being one of the core contents. In view of this, this study utilizes smartphones’ Global Positioning System (GPS) modules and related sensors to obtain individual travel behavior trajectories, apply artificial intelligence algorithm to mine the implied travel information in the collected data and then achieve the goal of identifying individual travel mode. The results can be used to provide data and technical support for geography, behavioral science, urban planning and traffic management study.

Around the research topic, this paper introduces a method for calculating the amount of sample on specific spatial and temporal scales, and then calculates the amount of sample required for this study based on this method; obtain the smartphone-based travel behavior track data through the formulation and implementation of the survey program; build the travel mode recognition algorithm in line with the characteristics of visual identification based on the Hidden Markov Model combined with the public transportation network and related auxiliary information; extract the parameter settings appropriate to travel mode split and logical decision rules. Thesis research shows that compared with no auxiliary data, the public transportation network and related information accuracy, although can only provide a minor upgrade for the recognition algorithm, but it has the benefit of further refinement on the travel information, so that the original algorithm in distinguishing bus travel and car travel could get a better recognition results.

Keywords: Smart Phones; Public Transportation Network; Hidden Markov; Mode Detection.

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 1

1.2.1.国内研究现状 1

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 4

1.4.论文章节安排 5

第二章 基于智能手机的出行行为调查 7

2.1调查软件的介绍与使用 7

2.2调查方案设计与实施 8

2.2.1.确定调查样本量 8

2.2.2.人员安排与调查实施 9

2.3调查数据预处理 10

2.4本章小节 11

第三章 城市公交线网的构建与存储 12

3.1.路网的分区 12

3.2.路网信息的存储 13

3.2.1.点文件的存储 13

3.2.2.弧段文件的存储 14

3.2.3.道路线段的分区存储 15

3.3.本章小结 16

第四章 出行模式识别算法的实现与分析 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.速度区间序列的生成过程 18

4.1.3.基于监督的学习算法 19

4.1.4.隐马尔可夫预测算法 19

4.1.5.算法过程： 20

4.1.6.算法步骤： 20

4.2.公交线路匹配 21

4.2.1.线路匹配示例 21

4.2.2.站点匹配 21

4.3.算法识别结果与精确性评价 23

4.4.本章小结 24

第五章 结论与展望 25

5.1 主要结论 25

5.2 研究展望 25

致谢 27

参考文献 28

附录：部分C#程序代码 30

第一章 绪论

• 1. 研究背景及意义

近年来，随着国民经济的发展，城市化进程不断加快，居民的出行方式结构也发生了翻天覆地的变化，朝着多样化的方向发展。随着公交优先、交通需求管理等新理念的不断深入，相关部门在不断努力引导居民选择低碳、便捷的出行方式的同时，改善城市整体交通运行状况。这就需要获取大量实时而准确的出行信息，以帮助其完成合理的交通规划与管理。而传统的交通调查，如入户访谈、纸质调查等，存在遗漏出行、时间地点填写不准确、无法获取出行路径、被访者负担大等问题，已不能满足交通规划的需求和标准。

智能手机在近十年来得到了非常快速的发展和普及，大多数智能手机厂商都将GPS模块和各类传感器作为手机的标准配置，使得研究者可以通过智能手机来记录出行者出行轨迹并进行自动化数据分析与提取，从而获得较为完整和精确的居民出行信息。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%,几乎所有城区中的各条道路都在通信网络的信号覆盖中，这也为基于智能手机的交通出行调查营造了良好的信息采集环境。但是，不同的行为个体在日常活动出行过程往往采取不同的出行策略，这就要求在数据处理环节中采取高效的出行模式识别方法，以获取个体的日常出行信息。因此，研究如何根据智能手机行为轨迹，科学、准确地识别个体出行模式，具有重要的现实意义。

剩余内容已隐藏，请支付后下载全文，论文总字数：42909字