手机大数据在城市综合交通规划中应用

《手机大数据在城市综合交通规划中应用》由会员分享，可在线阅读，更多相关《手机大数据在城市综合交通规划中应用（30页珍藏版）》请在金锄头文库上搜索。

1、以湛江市城市综合交通规划居民出行调查为例以湛江市城市综合交通规划居民出行调查为例 手机大数据手机大数据 在城市综合交通规划在城市综合交通规划中的应用中的应用 裘炜毅 博士 董事长 上海川昱信息科技有限公司 胡志赛胡志赛 朴莲花朴莲花 第17届中国科协年会 “大数据与城乡治理”研讨会 2015.5.23-24 中国广州 广州市城市规划勘察设计研究院 提纲 1 手机大数据 与城市综合 交通规划 2 湛江实践案 例 3 几点思考 手机大数据与城市综合交 通规划1 什么是手机大数据 手机信令数据：依托运营商建立的信令监测平台，采集手机与基站之间 信令数据的交换，通过后台关联、合成和解析，获到手机匿名I

2、D、事件 类别、时间戳、基站编号、位置区编号等信息，包括通话、非通话期间 的事件数据。 手机话单数据：依托运营商建立的计费系统，记录匿名手机ID和计费有 关的通话、短信事件信息、发生时间、基站编号、位置区编号等信息。 蜂窝网络示意图电子脚印（Footprint） 用户空间行为数据用户空间行为数据 什么是手机大数据 手机数据的特点： 1.采样率：覆盖大部分人群，但同时存在一人多部手机的情况； 2.基于基站的定位精度：中心城区100米左右，市郊500-1000米； 3.采样时间频率：不均匀的时间采样； 4.数据量大：1000万城市人口规模，一天数据量可达10亿条记录； 5.数据具有连续性； 手机大

3、数据与其他交通调查技术对比 客流信息客流信息 获取方式获取方式 技术推广技术推广 范围范围 技术成熟技术成熟 程度程度 数据准确性数据准确性成本成本抽样率抽样率更新频率更新频率被调查人员群体被调查人员群体 问卷调查大高中高极低低主要是常住居民 OD反推小低低 低高很高无法区分 志愿者GPS轨迹小中很高很高极低低取决于志愿者人群 IC卡 特定出行方 式 高高高高中特定出行方式人群 视频识别断面高高高高高无法区分 手机采集技术手机采集技术大大逐步成熟逐步成熟高高很低很低很高很高很高很高可以区分为常住居民或流动性人员可以区分为常住居民或流动性人员 手机大数据可获取的连续交通数据 交通数据交通数据传统

4、方式获取传统方式获取基于手机直接获取基于手机直接获取基于手机间接获取基于手机间接获取 全市范围内人口空间分布全市范围内人口空间分布主要方式：人口普查优势： 直接检测，避免了交通模型 转换导致的系统误差 高抽样率、高精度； 能够获取连续时间段的数据 能够区分：工作日、 周末、节假日不同日 期类型 能够区分：白天、夜 间各个不同时间段 成本低、获取周期短 不足： 无法获取出行者个人属性信 息 较难判断单次出行目的 结合各个交通分析区域不 同的土地利用性质，抽象 出不同土地利用对出行的 产生、吸引规律，用于未 来交通需求分析 结合各个交通分析区域不 同的土地利用性质，利用 手机检测结果，判断现状 交

5、通规划分析区域划分的 合理性 根据不同区域手机检测客 流特征，结合GIS信息， 动态调整的交通分析区域 划分 结合车流量数据，分析关 键通道车均载客量，考量 公交优先政策贯彻情况 结合居民出行调查获取的 出行者属性信息，以及人 口普查信息等，深入挖掘 不同层次出行群体的出行 特征与出行规律 结合港口、机场、火车站 等信息，深入挖掘常住人 口与短期逗留人口的出行 特征与区别 结合交通费用信息，研究 交通费用对出行特征的各 方面影响 结合道路交通状态信息， 研究交通问题形成与扩散 机理 出行次数分布及平均出行次数出行次数分布及平均出行次数主要方式：抽样问卷调查 优势： 能够获取被调查者年龄、性别、

6、职业等 个人属性 能够获取出行目的信息 不足： 单次数据获取成本高、获取耗时长 城市建设迅速，数据有效性持续时间短 抽样率不高(一般=6天) 60%(12天 中=8天) 70%(12天 中=9天) 80%(12天 中=10天) 50%(12天 中=6天) 60%(12天 中=8天) 70%(12天 中=9天) 80%(12天 中=10天) 50%(12天 中=6天) 60%(12天 中=8天) 70%(12天 中=9天) 80%(12天 中=10天) 浦东新区21.8%22.0%22.3%22.4%21.6%22.1%22.4%22.2%22.0%22.2%22.3%22.4% 黄浦区2.7%

7、2.7%2.6%2.6%2.7%2.8%2.8%2.8%2.8%2.8%2.8%2.6% 徐汇区4.6%4.6%4.5%4.5%4.7%4.5%4.6%4.3%4.4%4.5%4.4%4.5% 长宁区2.8%2.8%2.7%2.7%2.7%2.9%2.5%2.8%3.0%2.7%2.6%2.7% 静安区1.1%1.1%1.1%1.1%1.0%1.0%1.3%1.0%1.2%0.9%1.2%1.1% 普陀区5.7%5.7%5.6%5.6%5.6%5.7%5.7%5.7%5.6%5.7%5.6%5.6% 闸北区3.0%2.9%2.7%2.7%2.9%3.0%2.6%2.9%3.1%2.9%2.7%

8、2.7% 虹口区3.0%2.9%2.7%2.7%3.1%2.9%2.8%2.6%3.2%2.8%2.9%2.7% 杨浦区4.5%4.2%3.8%3.7%4.7%4.1%4.0%3.7%4.5%4.4%3.8%3.7% 闵行区12.0%12.1%12.3%12.3%12.1%12.1%12.2%12.2%12.2%11.9%12.2%12.2% 宝山区8.3%8.4%8.3%8.3%8.1%8.3%8.1%8.2%8.2%8.3%8.1%8.3% 嘉定区7.8%8.0%8.1%8.1%8.0%7.8%8.0%8.1%8.0%8.2%7.9%8.1% 金山区3.1%3.1%3.2%3.2%3.1%

9、3.2%3.3%3.3%2.9%2.9%3.1%3.2% 松江区7.8%7.8%7.8%7.8%7.6%7.7%7.7%7.8%7.8%7.9%7.7%7.8% 青浦区4.7%4.7%4.8%4.8%4.9%4.5%4.7%5.0%4.5%4.7%4.9%4.8% 奉贤区4.8%4.9%5.0%5.1%5.0%5.0%5.0%5.0%4.6%4.9%5.2%5.1% 崇明县2.2%2.2%2.4%2.5%2.2%2.4%2.3%2.4%2.0%2.3%2.6%2.5% 地地 区区 夜间手机用户空间分布比例夜间手机用户空间分布比例 单天累计逗留单天累计逗留-2小时小时单天累计逗留单天累计逗留-3

10、小时小时单天累计逗留单天累计逗留-4小时小时 一种基于行为假设的分析方法 区域区域 40%(1240%(12天天 中中=5=5天天) ) 50%(1250%(12天天 中中=6=6天天) ) 60%(1260%(12天天 中中=8=8天天) ) 70%(1270%(12天天 中中=9=9天天) ) 80%(1280%(12天天 中中=10=10天天) ) 浦东新区浦东新区21.5%21.8%22.0%22.3%22.4% 黄浦区黄浦区2.7%2.7%2.7%2.6%2.6% 徐汇区徐汇区4.7%4.6%4.6%4.5%4.5% 长宁区长宁区2.8%2.8%2.8%2.7%2.7% 静安区静安区

11、1.1%1.1%1.1%1.1%1.1% 普陀区普陀区5.7%5.7%5.7%5.6%5.6% 闸北区闸北区3.2%3.0%2.9%2.7%2.7% 虹口区虹口区3.2%3.0%2.9%2.7%2.7% 杨浦区杨浦区4.8%4.5%4.2%3.8%3.7% 闵行区闵行区11.9%12.0%12.1%12.3%12.3% 宝山区宝山区8.3%8.3%8.4%8.3%8.3% 嘉定区嘉定区7.7%7.8%8.0%8.1%8.1% 金山区金山区3.1%3.1%3.1%3.2%3.2% 松江区松江区7.9%7.8%7.8%7.8%7.8% 青浦区青浦区4.7%4.7%4.7%4.8%4.8% 奉贤区奉

12、贤区4.7%4.8%4.9%5.0%5.1% 崇明县崇明县2.1%2.2%2.2%2.4%2.5% 居住人口统计居住人口统计 行为假设的关键参数直接影响分析结果 出现天数比例参数的选取 参数敏感性分析：白天、夜间出现天数比例分别取40%、50%、60%、70%、80% 参数的变化对空间分布比例影响不大 参数的变化对可识别的有效采样用户数量有较大影响 夜间出现天数比例夜间出现天数比例居住手机采样数量居住手机采样数量白天出现天数比例白天出现天数比例白天手机采样数量白天手机采样数量白天夜间均被采样手机数量白天夜间均被采样手机数量 40%(12天中=5天)1768068640%(9天中=4天)1841

13、769717192423 40%(12天中=5天)1768068650%(9天中=5天)1726408016554625 40%(12天中=5天)1768068660%(9天中=6天)1395653313741505 40%(12天中=5天)1768068670%(9天中=7天)1181719611700976 40%(12天中=5天)1768068680%(9天中=8天)91115719060325 50%(12天中=6天)1530811840%(9天中=4天)1841769715030761 50%(12天中=6天)1530811850%(9天中=5天)1726408014522692 5

14、0%(12天中=6天)1530811860%(9天中=6天)1395653312793124 50%(12天中=6天)1530811870%(9天中=7天)1181719611157115 50%(12天中=6天)1530811880%(9天中=8天)91115718795172 60%(12天中=8天)1375739140%(9天中=4天)1841769713545785 60%(12天中=8天)1375739150%(9天中=5天)1726408013252797 60%(12天中=8天)1375739160%(9天中=6天)1395653312316866 60%(12天中=8天)137

15、5739170%(9天中=7天)1181719610462379 60%(12天中=8天)1375739180%(9天中=8天)91115718446484 70%(12天中=9天)1182599840%(9天中=4天)1841769711668194 70%(12天中=9天)1182599850%(9天中=5天)1726408011451428 70%(12天中=9天)1182599860%(9天中=6天)1395653310282547 70%(12天中=9天)1182599870%(9天中=7天)118171969274831 70%(12天中=9天)1182599880%(9天中=8天

16、)91115717706815 80%(12天中=10天)993383840%(9天中=4天)184176979789615 80%(12天中=10天)993383850%(9天中=5天)172640809630651 80%(12天中=10天)993383860%(9天中=6天)139565338678470 80%(12天中=10天)993383870%(9天中=7天)118171967929981 80%(12天中=10天)993383880%(9天中=8天)91115716720343 一种基于行为假设的分析方法 交通调查 步行超过5分钟或使用交通工具出行距离超过500米 基于手机数据的出行分析 以一次停留时间超过设定阈值作为出行链划分的依据 对于短距离的出行较难判断 出行距离以基站位置及路径分配获取 出行定义问题出行定义问题 通勤出行定义：居住地至工作地间的出行通勤出行定义：居住地至工作地间的出行 上海市职住分离分析：居民的工作地分布 上海市职住分离分析：岗位的居住地地分布 通勤出行次数通勤出行次数比例比例