准确的出行端点信息采集是保障交通规划方案有效性的重要基础。4G/5G通信技术能够连续、动态追踪个体全过程出行轨迹,为精细化出行端点采集带来了新契机。然而手机信令数据固有的不均匀时空定位特性对出行端点识别效果造成了巨大挑战,...准确的出行端点信息采集是保障交通规划方案有效性的重要基础。4G/5G通信技术能够连续、动态追踪个体全过程出行轨迹,为精细化出行端点采集带来了新契机。然而手机信令数据固有的不均匀时空定位特性对出行端点识别效果造成了巨大挑战,本文提出一种适用于手机信令不均匀时空定位轨迹的自适应出行端点识别方法。首先,构建U-DBSCAN(Uneven Positioning Density Based Spatial Clustering of Applications with Noise)算法用于不同密度数据下个体出行端点识别,该算法同步考虑信令数据时空双重不均匀约束特性,可有效弥补稀疏信令数据造成的停留点漏识别和错误识别问题;其次,基于K-平均最近邻算法建立U-DBSCAN参数自适应协同框架,实现了数据密度可调可变环境下模型参数自适应最优匹配,促进出行端点识别效果与技术普适性提升。在贵阳市开展大量同步对比实证试验,结果表明:不均匀时空定位环境下个体出行端点识别精度达90.98%,平均坐标误差为344.13 m,出行端点到达与离开时间误差均小于3 min;相较于KANN-DBSCAN(K-Average Nearest Neighbor Density Based Spatial Clustering of Applications with Noise)、ST-DBSCAN(Spatial Temporal Density Based Spatial Clustering of Applications with Noise)和DBSCAN(Density Based Spatial Clustering of Applications with Noise)等算法,准确率提升9.62%~23.45%,说明本文方法的精确性和稳定性更佳。本文能够为分析居民出行活动与需求特征,提升交通规划方案有效性提供有力支撑。展开更多
文摘准确的出行端点信息采集是保障交通规划方案有效性的重要基础。4G/5G通信技术能够连续、动态追踪个体全过程出行轨迹,为精细化出行端点采集带来了新契机。然而手机信令数据固有的不均匀时空定位特性对出行端点识别效果造成了巨大挑战,本文提出一种适用于手机信令不均匀时空定位轨迹的自适应出行端点识别方法。首先,构建U-DBSCAN(Uneven Positioning Density Based Spatial Clustering of Applications with Noise)算法用于不同密度数据下个体出行端点识别,该算法同步考虑信令数据时空双重不均匀约束特性,可有效弥补稀疏信令数据造成的停留点漏识别和错误识别问题;其次,基于K-平均最近邻算法建立U-DBSCAN参数自适应协同框架,实现了数据密度可调可变环境下模型参数自适应最优匹配,促进出行端点识别效果与技术普适性提升。在贵阳市开展大量同步对比实证试验,结果表明:不均匀时空定位环境下个体出行端点识别精度达90.98%,平均坐标误差为344.13 m,出行端点到达与离开时间误差均小于3 min;相较于KANN-DBSCAN(K-Average Nearest Neighbor Density Based Spatial Clustering of Applications with Noise)、ST-DBSCAN(Spatial Temporal Density Based Spatial Clustering of Applications with Noise)和DBSCAN(Density Based Spatial Clustering of Applications with Noise)等算法,准确率提升9.62%~23.45%,说明本文方法的精确性和稳定性更佳。本文能够为分析居民出行活动与需求特征,提升交通规划方案有效性提供有力支撑。
