基于手机信令数据的快速路网OD矩阵获取方法文献综述

 2023-08-20 11:04:24
  1. 文献综述（或调研报告）：
  2. 获取OD矩阵的数据基础

（1）传统数据

传统交通规划、设计所需数据主要通过路段定点检测器采集。这种方法受检测器布设范围限制[1]，也容易造成交通拥堵。通过自动识别牌照得到的卡口数据，不但包含车辆身份信息且与道路路段固定对应，无需复杂的匹配计算，在获取快速路车辆出行OD中起着重要作用。但由于其设备安装成本高，覆盖范围不够广而受到限制。IC卡数据往往适用于公共交通，但一般不太完整，往往只有上车没有下车，且对于投币式公交车无法使用，还需要其他技术方法协助。邓伟伟研究了如何基于不完整的公交IC卡数据推导出城市居民公交出行OD矩阵，提出了判断不完整公交IC卡数据中乘客上下车站点的方法[2]，生成了城市居民公交出行的OD矩阵，对城市公交规划有重要意义。

（2）手机信令数据

近年来，我国手机用户不断增加，加之各大、中城市中运营商基站建设日趋完善，手机信令数据在交通规划及城市规划领域的应用日趋广泛。手机信令数据分为通信行为数据，号码轨迹数据，用户特征数据及区域热力数据[3]。除推算OD矩阵以外，利用手机信令数据通过AllAboard（使用手机数据优化公共交通的系统），改善现有的公交网络[4]，从而从减少出行和等待时间的角度提高乘车率和用户满意度；还可以建立高速服务区客流特征分析研究体系[5]，研究综合交通枢纽客流检测[6]；可用于城市规划，如可分析城市居民的出行特征[7]、提取行程分配数据[8]。

手机信令数据的采集可以通过LTE 核心网架构下的手机信令数据采集系统，通过研究了LTE 核心网信令系统架构提出了 LTE 核心网架构下的信令数据采集方案和解析方案[9]。同时，大多数情况下采集到的手机信令数据，由于其精度低、噪声数据多，不能直接使用，往往需要对数据进行清洗和除噪以满足后续研究要求，苗壮将脏数据分为空值、重复值、错误值，也包含漂移数据，并对LOF离群点检测算法结合K—means聚类算法进行改进，并且针对DBSCAN聚类算法的基本概念进行时间维度的语义扩充[10]，改进后的算法不仅提高了数据集的凝聚程度，更表现了相对于原算法的时间优越性，但是K—means聚类算法的初始聚类簇数不具有一般性，确定最佳初始聚类簇数会对算法效率产生影响。

2、OD矩阵的获取

（1）快速路OD矩阵

本次毕业设计的研究对象是快速路，目标是推得其OD矩阵，数据基础是手机信令。在此之前，已经有很多相关研究。周韬等人的研究基于点位分布不全的卡口数据，建立“二次修补、迭代扩样”的技术方法，推得快速路网的车辆出行OD[11]。该技术方法虽然弥补了覆盖范围不够的缺陷，但要经过复杂的迭代过程才能保证有良好的扩样效果。帅杰针对卡口数据覆盖范围不全的问题，结合卷积神经网络，构建路网矩阵式算法[12]，这同样需要复杂的迭代才能完成局部计算。刘斌等人应用马尔可夫理论，利用吸收马尔可夫模型进行快速路网OD矩阵估计，利用VISSIM仿真手段得到拟合精度较高的结果[13]。此法有效的利用了多元数据，贴合实际；王元庆等人应用重力模型与双约束 Fratar 法建立先验 OD 矩阵，明显提高OD矩阵推算的精度与可靠性[14]；李骏卫等人基于测量出入口匝道和主干道流量的时间序列，引入宏观交通流模型以计算时变的旅行时间, 并增加了新的测量方程和状态变量，对提出的模型应用一新的UKF算法[15]，给出了一个可信和可靠的动态 OD 矩阵估计。虽然以上研究都未使用手机信令，但在估计OD矩阵的算法上具有借鉴意义。

（2）利用手机信令数据估计OD矩阵

关于使用手机信令数据推算OD矩阵，戚新洲针对上海市街道小区，提出空间—时间约束平滑方法，得到了用户出行链[16]，但未对基站的特性实现聚类分析，也没有进行精度验证。Cathy Wu[17]等人利用手机信令得到cellpath flow，结合link flow，将二者作为约束，以用户均衡为目标函数，再通过将约束等标准化的方法降维，采用投影梯度下降法得到路径分配方案，进而获得OD矩阵。吴亦政设计算法利用手机信令对某点的状态进行判定（短暂停留，移动等）获得了用户出行链[18]，并将定位信息区分为主动触发和别动触发，采用不同方式修正OD矩阵。孙强通过对经典KMeans算法进行改造，使其可以处理空间数据[19]，则此算法可对用户空间数据的聚类挖掘计算，具有较高的采样率和更新频率。Md. Shahadat Iqbal等人研究了使用手机CDR和有限的流量计数数据开发OD矩阵的方法[20]，即使忽略了来自不同位置的呼叫费率的异质性，校准数据也不足，但总体来说对生成复杂的OD矩阵非常有效。胡永恺等人改进了出行端点到交通小区的匹配方法，采用蜂窝小区聚类划分交通小区[21]，提高了估计OD矩阵的精度，但精度的提升仅仅设计出行端点匹配过程，还需经过更多的实践。Erik Mellegaring;rd在使用手机信令估计OD矩阵时，考虑到了用户隐私问题[22]，体现了极高的人文情怀。虽然以上研究其对象都不针对快速路网，但对手机信令数据的处理与内在技术方法都对本次毕业设计有重要意义。与此同时，由于手机信令数据具有用户数量庞大的特点，在利用其推算OD矩阵时，因为其约束条件往往具有高度不确定性，直接处理运算量巨大，一般需要将高维问题通过降维，转化成已有算法方便解决的约束。除Cathy Wu利用约束标准化降维之外，康永为在原有的PCA算法中加入了维度信息熵的计算，主要思想仍是主成分法，在维度增加时具有一定的优越性[23]。匡立伟基于高阶张量数学模型对大规模异构数据进行统一表示，考虑流式增量特性提出大数据增量式降维方法，并使用Lanczos方法与分布式计算模型实现大数据分布式降维，考虑精确性提出大数据安全降维方法[24]，实现从低质量原始数据到高质量核心数据的提取。

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章