CN101694706A - 基于多源数据融合的人口时空动态出行特征建模方法 - Google Patents

Abstract

本发明提供了一种基于多源数据融合的人口时空动态出行特征建模方法，所述方法包括：A.将地图数据、手机定位数据、浮动车辆数据输入***，并按照要求进行数据组织管理；B.建立基于手机定位数据及浮动车辆数据的人口出行特征空间分析模型；C.应用人口出行特征空间分析模型对地图数据、手机定位数据、浮动车辆数据进行多源数据融合处理，获得人口出行特征综合信息；D.根据人口出行特征综合信息进行各种人口出行特征分析，并将分析结果通过地理信息***发布。本发明可获取大数据量、高质量、具有时空特性的城市人口时空动态分布和出行特征数据，能得到精确的人口分布和人口出行特征依据，为城市规划、土地利用规划、交通规划等提供决策支持。

Description

基于多源数据融合的人口时空动态出行特征建模方法

技术领域

本发明涉及人口时空动态出行特征建模技术，更具体地说，涉及一种基于多源数据融合的人口时空动态出行特征建模方法。

背景技术

城市是一个复杂的社会经济***，人口在城市***中所进行的各类活动都通过人口动态分布进行体现。通过地理信息***(Geographic Information System，简称“GIS”)将交通调查、交通分析与其社会属性、空间属性、空间行为等联系起来进行交通空间分析，探讨人口分布特征与城市之间的相互关系，认识并揭示其中的规律，为进行城市管理、城市规划和交通规划等提供辅助决策，具有重要意义。

因此，如何应用高科技手段获取城市人口动态出行数据，通过GIS交通空间分析方法将交通调查、交通分析与其社会属性、空间行为、空间属性等联系起来，进行城市人口时空动态分布特征研究、城市人口动态出行特征建模研究，满足日益庞大的城市交通相关的规划设计及辅助决策需求和人口管理需求，是城市管理、交通规划建设面临的难题之一。

常规的人工分布建模方法一般采用基于人口普查和人口调查等方式，这种调查方式的数据质量较差、成本较高、抽样样本有限、周期较长、通常间隔若干年进行一次全面的调查，不能把握人口分布信息的动态变化特征。同时，一般是按照调查的起止点(Original-Destination，简称“OD”)数据按照最短路径匹配到路网或交通小区进行空间分析，不能严格反映人口的时空动态分布特征。

发明内容

基于此，有必要提供一种能得到精确的人口分布特征依据的基于多源数据融合的人口时空动态出行特征建模方法。

所述基于多源数据融合的人口时空动态出行特征建模方法包括以下步骤：A.将地图数据、手机定位数据、浮动车辆数据输入***，并按照要求进行数据组织管理；B.建立基于手机定位数据及浮动车辆数据的人口出行特征空间分析模型；C.应用所述人口出行特征空间分析模型对所述地图数据、手机定位数据、浮动车辆数据进行多源数据融合处理，获得人口出行特征综合信息；D.根据所述人口出行特征综合信息进行各种人口出行特征分析，并将所述分析结果通过地理信息***进行发布。

所述步骤A之前还包括步骤：A1.对所述手机定位数据、浮动车辆数据进行预处理；A2.建立基于手机定位数据、浮动车辆数据获取人口移动轨迹信息的基本方法模型。

所述步骤B中建立人口出行特征空间分析模型包括：人口分布空间密度建模、人口出行频率建模、人口出行时间建模、人口出行起止点分布建模、人口出行距离建模、路段出行流量建模。

所述步骤C中对地图数据、手机定位数据、浮动车辆数据进行多源数据融合处理的步骤包括：C1.对单种类型数据进行综合和特征建模；C2.进行多层次数据融合处理，包括基础数据融合处理、特征数据融合处理和决策数据融合处理。

所述步骤D中进行各种人口出行特征分析的步骤包括：D1.分析人口出行的基本特征，包括出行次数、出行目的及出行方式结构；D2.分析人口分布空间密度特征、人口出行频率特征、人口出行时间特征、人口出行起止点分布特征、出行距离特征及路段出行流量特征。

所述步骤D中进行各种人口出行特征分析的步骤还包括：D3.不同类型人群时间分布特征分析、流动人口分布特征分析、弱势人群的分布特征分析、疏散模型分析、商业选址分析和疾病预防控制分析。

所述方法还包括步骤：E.将所述通过地理信息***发布的分析结果应用到应急处置、交通需求管理、土地利用规划、交通规划、交通诱导应用中，并根据所述分析结果实现以人口时空分布特征建模为基础的综合信息知识提取应用，为决策管理提供支持。

所述步骤E中根据分析结果实现综合信息知识提取应用的步骤还包括：将所述通过地理信息***发布的分析结果应用到流动人口管理、弱势人群管理、商业选址和疾病预防应用中。

上述基于多源数据融合的人口时空动态出行特征建模方法，基于手机定位数据、浮动车辆数据建立人口出行特征空间分析模型，获取大数据量、高质量、具有时空特性的城市人口出行特征数据，解决了常规方法成本高、样本少、质量差、时效性差等不足。应用所建立的人口出行特征空间分析模型对地图数据、手机数据及浮动车辆数据进行多源数据融合处理及人口出行特征分析，能得到精确的人口分布特征依据，且所得到的人口特征信息覆盖面大、实用性强，能够反映交通需求的特点、出行行为规律及城市的交通流分布。另外，基于地理信息***的处理分析平台，能够对海量人口出行特征数据进行存储、融合处理、建模分析、数据挖掘、专题展示，并结合土地利用、交通小区划分、交通路网等数据，实现了以人口出行特征建模为基础的综合信息知识提取，为城市规划、土地利用及交通规划提供了决策支持。

附图说明

图1是一个实施例中基于多源数据融合的人口时空动态出行特征建模方法的流程图。

具体实施方式

图1示出了一个实施例中基于多源数据融合的人口时空动态出行特征建模方法流程，具体过程如下：

在步骤S101中，将地图数据、手机定位数据及浮动车辆数据输入***，并按照要求进行数据组织管理。

在一个实施方式中，还应对手机定位数据、浮动车辆数据进行预处理。在数据获取方面，出租车交通是公交方式的有益补充，是非通勤出行、非经常性出行的主要交通工具。基于浮动车辆数据(Float Car Data，简称“FCD”)的人口出行数据获取主要是从出租车监控调度***中车载终端发送到调度中心的数据中提取的。由于车辆终端定期通过无线通讯方式(例如GPRS/CDMA/GSM等)发送到中心的数据中包含当前时刻的全球定位***(Global PositioningSystem，简称“GPS”)数据和车辆状态(空车还是重车)等信息，从连续的数据中就可以提取该车辆具有地理坐标的出行轨迹数据、OD数据等。

出租车出行基本特征包括运营时间、全天载客里程、车均载客次数、载客时间、空驶时间、日运营时间、全天载客里程、车均载客里程、日运营收入和车均运营收入等，经过统计分析可以获取不同时间、不同地域的不同出行流量、OD分布等信息，这些信息客观上反映了城市居民出行交通需求在时间上的分布规律，相对于常规人工交通调查而言，数据量大且自动化程度高。由于车载设备、信号传输与接收、建筑物遮挡等原因，接收浮动车辆数据时会出现GPS数据漂移、车速值异常、接收时间混乱等情况，因此必须对原始的浮动车辆数据进行预处理，该处理过程包括对FCD数据进行逻辑判断以过滤异常数据。此外，未载客出租车在寻找客源的过程中，经常会出现路边侯客、休息、不规则变道和加减速等随意性较大的驾驶行为，这些都不能真实反映城市道路的实际交通运行状况，因此必须将空车数据删除。

而路网GIS数据库的构建中，采用点与直线来表征城市路网，且点和直线都具有准确的地理位置属性，以实现GPS数据和城市路网数据的对应，实现地图数据与手机定位数据、FCD数据、路网、交通小区等数据集成和管理。

在一个实施方式中，还应建立基于手机定位数据、浮动车辆数据获取人口移动轨迹信息的基本方法模型。随着手机定位技术的出现以及手机用户的快速增长，可以对目标对象进行位置定位、连续追踪其位置变化信息，在此基础上进行数据处理和建模分析，提炼出相应的人口移动轨迹。基于手机定位技术的人口移动轨迹获取技术相对传统的调查方法有明显优势，利用手机无线通信已有的基础设施，成本较低。另外，追踪目标对象的位置变化，能够反映各种时间周期间隔内移动轨迹的动态变化特征，可追踪的样本量充足，获得的数据具有较强的代表性和真实性，数据质量较高。

在步骤S102中，建立基于手机定位数据及浮动车辆数据的人口出行特征空间分析模型。

人口分布与出行具有以下基本特征：

(1)空间特性。城市具有城市实体空间和功能空间特性。实体空间是集中各种城市设施所占据的地域范围，功能空间是城市人口进行社会经济活动涉及的地域范围，包括与实体地域有密切社会经济联系的***地域。城市人口进行日常活动主要在城市实体空间、以及与不同交通状况而衍射的功能空间。城市人口聚居与城市实体空间内，其空间特性由其城市实体空间位置体现。城市实体空间和功能空间的分布，一定程度上决定了城市人口的空间分布特性和出行特点。

(2)多属性特性。城市人口在表征其空间特定的同时，还表现出其不同类型、不同自然和不同社会经济等方面的属性特征，这些属性特征所表述的人口数量、出行数量、人口总量等是城市规划管理决策的基础性依据指标。

(3)时间特性。城市实体空间及聚居于其中的城市人口是随时间动态变化的，而城市人口空间特性由城市实体空间所界定，两者随时间变化周期不同且相对影响。城市实体空间随城市建设进行的变化，其位置空间相对稳定，但城市功能空间与城市人口分布相互影响、相互作用，其属性结构变化则相对频繁。

(4)多尺度特性。根据研究对象、研究目标的不同，城市人口分布和出行根据时间间隔、空间范围等不同的建立宏观或微观、局部或大范围的不同尺度统一地理实体在几何、数据结构和属性方面的多重表示，建立多尺度之间的相关和互动机制，以进行有效的综合分析和辅助决策。

城市人口和许多人文、社会经济地理现象的分析，一般将城市实体空间看作一定空间尺度下二维平面上的投影而研究其空间分布。城市实体空间中的人口位置用点位标识，在与其它人口分布、交通网络等实体空间相互空间作用时，影响城市人口分布及出行。城市人口分布与出行特征建模的直接目的是为城市总体规划、区域土地利用总体规划提供关于城市及各城镇人口规划、区域城镇化水平等一系列基础性数据，并对城镇体系动态演进进行地理模拟。因此，需要从空间分析方法上进行城市人口出行特征建模。

空间数据分析是人口出行特征建模的核心应用功能，它提供各种不同的分析模型对原始数据进行融合处理、分析处理而后获取各类的专题数据。同时，分析模型也可以结合原始数据和专题数据进行分析处理后获取各类新的专题数据，并将各类专题数据分类存储到各个专题数据表中，以备展示或数据共享使用。在数据获取的基础上，通过不同专业建模数据模型，创建各种不同的分析模式，对各种不同的数据进行组合分析以其获取出行规律或对存在的出行问题做出科学的解释，为规划人员提供规划分析工具，为决策领导提供决策依据。

在一个实施方式中，建立人口出行特征空间分析模型包括：人口分布空间密度建模、人口出行频率建模、人口出行时间建模、人口出行OD建模、人口出行距离建模和路段出行流量建模。其中：

(1)人口分布空间密度建模。人口分布是人口地理学的一个重要课题，通常用人口密度作为衡量人口分布的主要指标。人口分布本质上是离散非连续性的，可以通过将研究区域分为一定分辨率的格网或交通小区，按照划分单元进行人口空间密度统计、数据模拟，获取人口的居住密度分布、工作密度分布、不同时间刻度的空间密度分布。

(2)人口出行频率建模。人口出行频率模型广义上指的是描述一个城市居民出行次数指标的模型，狭义上指不同土地利用类型出行生成率的模型。居民出行次数指标与城市的规模、人口、就业、经济发展状况、城市交通发展状况、人民生活水平、生活习惯甚至城市的地理状况有关。需要根据人口的居住密度分布、工作密度分布、不同时间刻度的空间密度分布信息，居于划分单位进行人口出行频率统计、数据模拟，获取人口不多尺度、不同分辨率的出行频率分布。

(3)人口出行时间建模。出行时间模型是评价城市交通服务质量、服务能力和道路交通可靠性的交通指标，与路网的交通流量、平均车速、交通密度和交通延误等因素有关。在一个实施例中，通过匹配出租车乘客的上下车时间和GPS时间，确定乘客的出行时间。

(4)人口出行OD建模。出行OD在交通中有着重要价值，OD数据是反映出行需求空间分布的重要参数，也是进行交通需求分析、交通分配、制定交通规则的重要基础信息。如何建立人口出行OD模型，需要定量定性地研究居民出行量与车流量、平均车速、交通密度和交通延误的关系。在一个实施例中，通过匹配手机定位数据、土地利用数据等，确定乘客的路线选择行为，确定乘客的OD信息。

(5)出行距离建模。土地利用是交通源，确定出行数量、交通需求。出行距离是交通需求、道路网的服务能力、土地使用的一个非常重要的评价指标，可以通过出行OD和旅行时间计算。在一个实施例中，通过匹配出租车GPS数据中的载客标志及经纬度坐标，确定乘客的OD和路线选择行为，确定乘客的出行距离信息。

(6)路段出行流量建模。交通流量是交通需求的实现结果，是交通需求在有限的时间与空间上的聚集现象。同样，出行流量是人口出行的实现结果，准确的人口出行模型不仅有利于理解人口的出性行为，而且对分析交通状况，规划交通网络和实现交通优化控制策略都有十分重要的作用。通过出行OD、GPS数据/手机定位数据和路网数据地图匹配，所经路段交通流量进行统计，可以统计出一定时间段内所有路段的交通流量。

在步骤S203中，应用人口出行特征空间分析模型对所述地图数据、手机定位数据及浮动车辆数据进行多源数据融合处理，获得人口出行特征综合信息。

在一个实施方式中，所进行的多源数据融合处理包括：对单种类型数据进行综合和特征建模；进行多层次数据融合处理，包括基础数据融合处理、特征数据融合处理和决策数据融合处理。

手机定位数据和FCD数据作为两种海量城市人口出行数据源，有其各自优势和不足。FCD的数据精度较高，但服务范围有限，可以部分表征市区出行特点。手机定位数据具有海量特点，能够对众多出行者进行轨迹跟踪，其服务范围较广阔，可以代表市区、区县等城市人口出行特点，但精度相对稍差。数据融合技术充分利用了多源数据的冗余性和互补性，可有效增加信息处理的置信度和可靠性，能够将不确定、离散、甚至相互矛盾的复杂信息转换为一致性的解释和描述。

为了保证人口出行信息的质量，提高其可信度和可用度，需要利用多源数据相互检验、相互补充、综合处理。利用数据融合技术，在一定准则下加以自动分析、综合，才能得到具有实际应用价值的城市人口出行特征综合信息。多源数据是数据融合的加工对象，协调优化和综合处理是数据融合的核心。

在步骤S104中，根据所述人口出行特征综合信息进行各种人口出行特征分析，并将所述分析结果通过地理信息进行发布。

在一个实施方式中，对各种人口出行特征进行分析具体包括：分析人口出行的基本特征，包括出行次数、出行目的及出行方式结构；分析人口分布空间密度特征、人口出行频率特征、人口出行时间特征、人口出行OD特征、出行距离特征及路段出行流量特征。在一个实施例中，还包括：不同类型人群时间分布特征分析、流动人口分布特征分析、弱势人群的分布特征分析、疏散模型分析、商业选址分析和疾病预防控制分析等。

通过手机定位技术可以获取大量数据量、连续时间序列的城市人口出行轨迹数据，基于手机定位误差、连续时间序列内相邻两坐标位置的平面距离、交通小区划分等信息，判断单个研究对象的出发地和目的地信息，从而获取众多城市人口的出行OD信息。出租车OD数据可以根据车辆运行状况的连续数据，根据车辆服务状态变化得到不同车辆、不同时间的OD分布。

基于手机定位技术获取的海量人口出行OD数据获取、出租车FCD的出行OD数据获取是两种重要的人口出行OD数据，通过对这两类数据的有机数据融合，实现了以交通小区划分的人口出行OD建模和专题图发布。通过手机定位技术获取的人口轨迹数据的数据精度较差，可以通过将不同时空位置数据的前后关系和路网拓扑结构充分结合进行地图匹配，提高手机定位精度。出租车FCD数据精度较高，但仍然需要通过与路网数据的地图匹配实现与其所在路段的衔接。基于两类不同精度的人口出行轨迹数据，结合道路交通网络基础技术数据(如路网中各路段的地理分布、等级、长度等)和道路交通管理规则信息(如单向行驶、禁拐、禁行等)，通过应用人口出行流量的融合处理方法，实现不同粒度、不同比例尺的人口出行流量建模和专题图发布。

在一个实施方式中，将分析结果通过地理信息***发布后，将分析结果应用到应急处置、交通需求管理、土地利用规划、交通规划、交通诱导应用中，并根据所述分析结果实现以人口时空分布特征建模为基础的综合信息知识提取应用，为决策管理提供支持。另外，还可以将其应用到流动人口管理、弱势人群管理、商业选址和疾病预防应用中。

本发明基于构建的GIS信息处理分析平台，实现对海量人口出行数据的存储、融合处理、建模分析、数据挖掘、专题展示，并结合土地利用、交通小区划分、交通路网等数据，实现人口出行OD、出行流量等统计分析，实现以人口出行特征建模为基础的综合交通信息知识提取，为进行城市规划、土地利用规划、交通规划等提供决策支持。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管实施例对本发明进行了详细说明，本领域的技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不能脱离本发明技术方案的精神和范围。本发明的专利保护范围应以所付权利要求为准。

Claims (8)

1.一种基于多源数据融合的人口时空动态出行特征建模方法，其特征在于，所述方法包括以下步骤：

A.将地图数据、手机定位数据、浮动车辆数据输入***，并按照要求进行数据组织管理；

B.建立基于手机定位数据及浮动车辆数据的人口出行特征空间分析模型；

C.应用所述人口出行特征空间分析模型对所述地图数据、手机定位数据、浮动车辆数据进行多源数据融合处理，获得人口出行特征综合信息；

D.根据所述人口出行特征综合信息进行各种人口出行特征分析，并将所述分析结果通过地理信息***进行发布。

2.根据权利要求1所述的基于多源数据融合的人口时空动态出行特征建模方法，其特征在于，所述步骤A之前还包括步骤：

A1.对所述手机定位数据、浮动车辆数据进行预处理；

A2.建立基于手机定位数据、浮动车辆数据获取人口移动轨迹信息的基本方法模型。

3.根据权利要求1所述的基于多源数据融合的人口时空动态出行特征建模方法，其特征在于，所述步骤B中建立人口出行特征空间分析模型包括：人口分布空间密度建模、人口出行频率建模、人口出行时间建模、人口出行起止点分布建模、人口出行距离建模、路段出行流量建模。

4.根据权利要求1所述的基于多源数据融合的人口时空动态出行特征建模方法，其特征在于，所述步骤C中对地图数据、手机定位数据、浮动车辆数据进行多源数据融合处理的步骤包括：

C1对单种类型数据进行综合和特征建模；

C2.进行多层次数据融合处理，包括基础数据融合处理、特征数据融合处理和决策数据融合处理。

5.根据权利要求1所述的基于多源数据融合的人口时空动态出行特征建模方法，其特征在于，所述步骤D中进行各种人口出行特征分析的步骤包括：

D1.分析人口出行的基本特征，包括出行次数、出行目的及出行方式结构；

D2.分析人口分布空间密度特征、人口出行频率特征、人口出行时间特征、人口出行起止点分布特征、出行距离特征及路段出行流量特征。

6.根据权利要求5所述的基于多源数据融合的人口时空动态出行特征建模方法，其特征在于，所述步骤D中进行各种人口出行特征分析的步骤还包括：

D3.不同类型人群时间分布特征分析、流动人口分布特征分析、弱势人群的分布特征分析、疏散模型分析、商业选址分析和疾病预防控制分析。

7.根据权利要求1所述的基于多源数据融合的人口时空动态出行特征建模方法，其特征在于，所述方法还包括步骤：

E.将所述通过地理信息***发布的分析结果应用到应急处置、交通需求管理、土地利用规划、交通规划、交通诱导应用中，并根据所述分析结果实现以人口时空分布特征建模为基础的综合信息知识提取应用，为决策管理提供支持。

8.根据权利要求7所述的基于多源数据融合的人口时空动态出行特征建模方法，其特征在于，所述步骤E中根据分析结果实现综合信息知识提取应用的步骤还包括：将所述的分析结果应用到流动人口管理、弱势人群管理、商业选址和疾病预防应用中。

Images