[发明专利]基于兴趣点及导航数据的手机信令数据出行方式识别方法

说明书

本发明提供一种基于兴趣点及导航数据的手机信令数据出行方式识别方法，该方法通过对兴趣点分析，在一定路程距离范围内，用最少的兴趣点数量代表基站小区的所有兴趣点；然后获取高德地图导航数据，将出行方式分为驾车、公交、骑行和步行四种；接着引入一个出行方式识别的得分函数S，通过路径匹配度和时间匹配度二则综合计算获得，并根据移动点的数量和最大移动点的数量给两个影响因子赋予权值；最后计算各出行方式及线路的综合得分S，选取得分最高的出行方式及相应的出行线路作为该次出行的出行方式及出行线路。

技术领域

本发明涉及交通出行方式识别技术领域，更具体地，涉及一种基于兴趣点及 导航数据的手机信令数据出行方式识别方法。

背景技术

出行方式是居民交通出行的重要特征，分析城市交通出行中不同交通方式的 比例，对掌握城市交通运行的规律具有重要意义。然而手机信令数据由于定位精 度低，数据时间间隔大，以往基于GPS数据的出行方式识别算法应用于手机信令 数据中的效果很差。因此许多研究者采用的是基于隶属度和模糊函数的出行方式 识别方式，但不同出行方式的出行速度、距离及时间难以确定，且在不同路段不 同路况下的出行速度及时间可能有较大差异，因此算法效果有限。后来有学者采 用了导航数据对出行方式进行识别。相比于基于先验知识和隶属度函数的方法， 基于导航数据的出行方式识别考虑了道路的实际情况，并结合时间匹配度和轨迹 匹配度综合判断手机信令用户的出行方式。

虽然基于导航数据的路径匹配方式相比于基于隶属度和模糊函数的方法考 虑了道路的实际情况，但由于手机信令数据定位位置基本上为基站位置，即手机 信令定位与实际用户所处位置间可能有很大的误差距离，且误差距离受到基站的 覆盖范围及周围基站密度的影响。市区的定位精度约为200至500米；而城郊及 乡镇地区定位约为800至1000米。在这种情况下，直接进行两个基站间的导航 数据请求所获得的结果很有可能与用户实际行程相差较大，且出行距离越短，其 出行方式的判断所受影响越大。而用户出行的起讫点一般均为兴趣点，因此在判 断用户的出行方式时应考虑基站覆盖范围内的兴趣点，从而获得更为准确用户出 行轨迹及出行方式。

发明内容

本发明提供一种可获得更为准确的用户出行轨迹及出行方式的基于兴趣点 及导航数据的手机信令数据出行方式识别方法。

为了达到上述技术效果，本发明的技术方案如下：

一种基于兴趣点及导航数据的手机信令数据出行方式识别方法，包括以下步 骤：

S1：通过对兴趣点分析，在一定路程距离范围内，用最少的兴趣点数量代表 基站小区的所有兴趣点；

S2：获取高德地图导航数据，将出行方式分为驾车、公交、骑行和步行四种；

S3：引入一个出行方式识别的得分函数S，通过路径匹配度和时间匹配度二 则综合计算获得，并根据移动点的数量和最大移动点的数量给两个影响因子赋予 权值；

S4：计算各出行方式及线路的综合得分S，选取得分最高的出行方式及相应 的出行线路作为该次出行的出行方式及出行线路。

进一步地，所述步骤S1中，筛选研究区域内的所有基站，根据泰森多边形 算法划分所有基站，得到矩形的voronoi图，最后基于研究区域的外轮廓对矩形 voronoi图进行裁剪，获得研究区域的基站小区图。

进一步地，所述步骤S1中，将筛选过后的研究区域内的所有道路，进行网 络拓扑，其中路段的阻抗为路段长度，单行道的逆行方向的路段阻抗为一个极大 值。

进一步地，所述步骤S1中，对兴趣点进行遍历，每一次遍历都将在路程距 离阈值Max_disdance内覆盖最多兴趣点的兴趣点加入结果兴趣点集合中，直至 所有兴趣点被覆盖。

进一步地，所述步骤S2中，高德地图数据支持批量请求，且本研究将夜间 22点至早上6点设为非公交运营时间，即在该时段内的出行方式识别中不考虑 公交出行。