CN104159189B - 基于智能手机的居民出行信息获取方法 - Google Patents
基于智能手机的居民出行信息获取方法 Download PDFInfo
- Publication number
- CN104159189B CN104159189B CN201310180175.0A CN201310180175A CN104159189B CN 104159189 B CN104159189 B CN 104159189B CN 201310180175 A CN201310180175 A CN 201310180175A CN 104159189 B CN104159189 B CN 104159189B
- Authority
- CN
- China
- Prior art keywords
- trip
- information
- point
- msub
- transferred
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于智能手机的居民出行信息获取方法,包括如下步骤:(1)手机客户端检测GPS及Network是否打开;(2)手机客户端向web服务器上传用户注册信息以及家/工作地点坐标信息;(3)web服务器接收注册和坐标信息;(4)手机客户端按指定时间间隔采集用户轨迹点经纬度信息和时间信息并存至本地;(5)手机客户端在用户指定时刻自动上传本地存储的轨迹点信息或在用户点击手动传输按钮时上传;(6)web服务器接收轨迹点数据,并存至数据库中的出行者轨迹表中;(7)web服务器根据事先编制的信息判断算法结合POI信息,分析得到居民的出行链。与现有技术相比,本发明具有使用范围广、成本低、流程简单、信息准确率高等优点。
Description
技术领域
本发明涉及一种居民出行信息获取方法,尤其是涉及一种基于智能手机的居民出行信息获取方法。
背景技术
在交通规划设计和交通政策的制定时,居民出行信息是其最重要的依据之一。居民出行信息包括居民个人基本信息,如:年龄、性别、户籍、工作岗位、家庭人口数、年收入、家庭拥有小汽车数目等,和出行特征信息,即每次出行的出行时间、起讫点、出行方式和出行目的等。
传统的居民出行调查方式包括家访法、职工调查法、电话法等,需要调查人员经过训练之后挨家挨户进行问询,并将信息填写在纸质问卷中进行收集。回收的问卷需先进行多环节的质检,筛除一些有明显逻辑错误的样本后对其统一编码,并手工录入数据库中。该方法耗时长、需大量人力物力,且不能保证回收信息的准确性。一般在大型城市,每五年进行一次大规模的居民出行调查,仅数据的收集、录入和统计就需要近两年的时间,得到的结果较为滞后因而不能很好地反应交通的现状。
目前对于居民出行信息获取方法的研究主要集中在定位方法和路径匹配的研究。定位方法主要有GPS定位,基站定位,手机网络定位等方式。其中GPS定位在室外运行较好,但在室内无法获得定位数据,且GPS定位在郊区存在一定的漂移现象,不能进行准确定位;基站定位是利用基站之间的切换进行定位的方法,这种方法的好处是无论有无网络,只要有移动信号就能进行定位,但是这种定位方式的精度较低,只有500m左右;手机网络定位可以实现室内定位,但是对于网络有一定的要求。路径匹配采用最多的是最短路径匹配,即利用算法计算出轨迹点之间的最短路径匹配到路网上。这种方式需要有大量的基础的路网数据进行支撑,对数据库的要求较高。
在居民出行调查数据采集***方面,有文献提出开发此类***,在PDA(个人掌上电脑Personal DigitalAssistant)终端导入GIS地图让居民在出行开始,结束时在地图中定位自己的位置。通过选项或手动输入的形式确定出行路径和其他出行信息,并存储至本地或上传远程数据库。该方法虽然可以在一定程度上解决人工调查问卷的过程中问卷丢失、记忆力偏差导致的信息不准确等问题,但需要采购大量的PDA设备用于调查,前期成本较高。并且该软件仍然没有避免用户自己输入信息的问题,居民在每次出行开始结束时都需要与***进行较复杂的信息交互,不可避免地会因为自身的遗忘而产生数据采集遗漏现象。因此,虽然有很多关于居民出行信息获取的研究,但是缺乏对用户使用舒适性的考虑,在对基础数据的时空挖掘方面做得不够。缺乏将各技术模块融合为一体,形成便捷、自动化程度高的信息获取体系,这也使居民出行调查仍然具有较高的难度和较繁琐的过程,不利于城市交通的改善和管理。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于智能手机的居民出行信息获取方法。
本发明的目的可以通过以下技术方案来实现:
一种基于智能手机的居民出行信息获取方法,其特征在于,包括如下步骤:
(1)手机客户端检测GPS及Network是否打开,若为是,执行步骤(2),否则继续执行步骤(1);
(2)手机客户端向web服务器上传用户注册信息以及家/工作地点坐标信息;
(3)web服务器接收注册和坐标信息,并存至web服务器数据库中的出行者信息表中;
(4)手机客户端按指定时间间隔采集用户轨迹点经纬度信息和时间信息并存至本地;
(5)手机客户端在用户指定时刻自动上传本地存储的轨迹点信息或在用户点击手动传输按钮时上传,数据上传成功后清空所有本地数据;
(6)web服务器接收轨迹点数据,并存至数据库中的出行者轨迹表中;
(7)web服务器根据事先编制的信息判断算法结合POI(兴趣点Point ofInterest)信息,分析得到居民的出行链;
(8)web服务器端将出行链中的居民出行信息分别存入数据库的停留活动表和出行活动表中。
所述的手机客户端包括注册模块、家/工作地点定位模块、数据采集模块、本地数据库模块,所述的注册模块采集用户的个人基本信息,所述的家/工作地点定位模块用于采集家和工作地点的坐标信息,所述的数据采集模块利用GPS+Network定位技术实时采集用户坐标信息,所述的本地数据库模块用于暂存数据采集模块采集的数据;
所述的web服务器包括远程接收模块、远程数据库模块、数据处理模块及POI数据库;所述的远程接收模块与手机客户端进行信息交互,所述的数据处理模块利用信息判断算法将轨迹信息转化为具体的出行信息,并存入远程数据库模块,所述的POI数据库提供POI信息。
所述的信息判断算法包括起讫点和换乘点判断、出行目的判断和出行方式判断。
所述的起讫点和换乘点判断具体为:
这里,将起讫点和换乘点统称为停留点。首先将轨迹点状态分为运动和静止两类,并以小于步行速度的某一速度作为划分的标准,即轨迹点速度小于1m/s时为静止点,否则为运动点;将相邻静止点合并为候选停留位置,再根据距离阈值L和时间阈值T2将满足条件的候选停留位置合并为停留位置,计算停留中心坐标作为停留点坐标。利用时间阈值T1,确定该停留点为起讫点还是换乘点。
所述的起讫点和换乘点判断算法步骤如下:
a)读取第一个候选停留位置s1,将其放入停留序列q中,将s1的停留中心坐标作为停留序列q的中心坐标;
b)判断是否还有未读取的候选停留位置,若是,读取下一个候选停留位置si,计算si中心坐标与停留序列q的中心坐标的距离D(i,q),转入步骤c),若否,转入步骤d);
c)判断D(i,q)是否小于设定的距离阈值L1,若是,则将si放入停留序列q中,返回步骤b),若否,转入步骤d);
d)计算q的停留时间开始时刻q.st和停留时间结束时刻q.et的时间间隔q.Δt;
e)判断q.Δt是否大于设定的时间阈值T2,若是,q中的候选停留位置构成停留点,转入步骤f),若否,q中的候选停留位置不构成停留点,转入步骤g);
f)判断q.Δt是否小于设定的时间阈值T1,且停留序列q中心坐标半径L2范围内是否存在地面公交站点或者轨道交通站点,若是,q中的候选停留位置合并为换乘点,将q.st和q.et之间的轨迹点删除,用q的中心坐标分别替换q.st和q.et时刻的对应的轨迹点坐标,转入步骤g),若否,q中的候选停留位置合并为起讫点,将q.st和q.et之间的轨迹点删除,用q的中心坐标分别替换q.st和q.et时刻的对应的轨迹点坐标,转入步骤g);
g)判断q中是否包含最后一个候选停留位置,若是,停留点判断结束,若否,清空q中的候选停留位置,将下一个候选停留位置si放入q,将si的停留中心坐标作为停留序列q的中心坐标,返回步骤b)。
所述的出行目的判断分为通勤出行、业务出行、社会娱乐出行、回家出行和其他出行五类;服务器根据用户停留的具体时间段结合轨迹点附近的POI信息和注册时定位的家和工作地点的坐标进行出行目的判断,时间含义定义如下:
时段名称 | 具体时间段 | 时段含义 |
A | 00:0005:00 | 晚上休息时段 |
B | 09:00-11:30 | 上午工作时段 |
C | 13:30-16:30 | 下午工作时段 |
所述的出行目的判断具体步骤如下:
a)判断判断该起讫点停留时间段是否在工作日的B、C时段内,若是,转入步骤b);若否,转入步骤d);
b)判断以终点端坐标为圆心,以L’为半径范围内是否有工作或学习地点,若是,则判断该出行为通勤出行;若否,转入步骤c);
c)判断该范围内是否有办公楼或工厂,若是,判断该为业务出行;若否,转入步骤d);
d)判断该范围内是否有事先定位的家庭住所,若是,判断该出行为回家;若否,转入步骤e);
e)判断该范围内是否有医疗卫生、娱乐地点或住宅区,若是,判断该出行为社会娱乐出行,若否判断该出行为其他出行。
所述的出行方式判断先确定调查区域内不同交通方式速度的中值,再计算相邻停留点间所有轨迹点与各个速度中值的方差,取方差最小的速度中值对应的交通方式作为该区域的交通方式。
所述的出行方式判断具体步骤如下:
a)根据调查城市或者区域每种交通出行方式的速度范围,计算出每种交通方式出行速度的中值,如下表所示;
交通方式 | 速度的中值 |
步行 | V1 |
自行车 | V2 |
地面公交 | V3 |
轨道交通 | V4 |
私人小汽车 | V5 |
b)根据计算得到的n个速度与每种出行方式速度的中位数求标准差Si:
其中p1·v为第1个速度值,p2·v为第2个速度值,pn·v为第n个速度值,i=1、2、3、4和5;
比较各个Si,取使S最小的i对应的交通方式作为两停留点间的交通方式。
与现有技术相比,本发明具有如下优点:
1)适用范围广,代表性高,安卓***在当今手机***中占有绝对的优势地位,其可以满足多层次用户的需求,用户使用率高,使收集到的出行数据具有普适性,代表性;
2)大幅降低居民出行调查成本,出行信息获取的客户端植入用户随身携带的手机中,充分利用智能手机的优势,实现多功能一体化,无需另外印刷调查表格或购置数据采集设备。
3)简化流程,实现高效率的居民出行调查,利用手机客户端自动向服务器端传送数据,并在服务器端对数据进行批量处理。数据上传和处理可大批量同时进行,免去了问卷发放、收集和人工输入环节,大大提高出行调查效率。
4)信息准确率高,客户端高频率实时刷新居民出行的轨迹点信息,结合服务器端算法实现数据处理,避免了传统方式中因出行者记忆偏差导致的信息错误和信息不全的问题,可以给城市交通规划设计提供更加准确的出行信息;
5)用户舒适度高,居民事先进行注册,手动定位家和工作地点坐标,在出行前只需登录即可,无需人工填写纸质表格,也无需手动输入任何出行信息,大大提高了使用舒适性。
附图说明
图1为本发明的出行信息获取及处理流程图;
图2为本发明的***模块组成示意图;
图3为本发明起讫点和换乘点判断流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种基于智能手机的居民出行信息获取方法,包括如下步骤:
(1)手机客户端检测GPS及Network是否打开,若为是,执行步骤(2),否则继续执行步骤(1);
(2)手机客户端向web服务器上传用户注册信息以及家/工作地点坐标信息;
(3)web服务器接收注册和坐标信息,并存至web服务器数据库中的出行者信息表中;
(4)手机客户端按指定时间间隔采集用户轨迹点经纬度信息和时间信息并存至本地;
(5)手机客户端在用户指定时刻自动上传本地存储的轨迹点信息或在用户点击手动传输按钮时上传,数据上传成功后清空所有本地数据;
(6)web服务器接收轨迹点数据,并存至数据库中的出行者轨迹表中;
(7)web服务器根据事先编制的信息判断算法结合POI(兴趣点Point ofInterest)信息,分析得到居民的出行链;
(8)web服务器端将出行链中的居民出行信息分别存入数据库的停留活动表和出行活动表中。
如图2所示,所述的手机客户端包括注册模块、家/工作地点定位模块、数据采集模块、本地数据库模块,所述的注册模块采集用户的个人基本信息,所述的家/工作地点定位模块用于采集家和工作地点的坐标信息,所述的数据采集模块利用GPS+Network定位技术实时采集用户坐标信息,所述的本地数据库模块用于暂存数据采集模块采集的数据;
所述的web服务器包括远程接收模块、远程数据库模块、数据处理模块及POI数据库;所述的远程接收模块与手机客户端进行信息交互,所述的数据处理模块利用信息判断算法将轨迹信息转化为具体的出行信息,并存入远程数据库模块,所述的POI数据库提供POI信息。
所述的信息判断算法包括起讫点和换乘点判断、出行目的判断和出行方式判断。
如图3所示,所述的起讫点和换乘点判断具体为:
这里,将起讫点和换乘点统称为停留点。首先将轨迹点状态分为运动和静止两类,并以小于步行速度的某一速度作为划分的标准,即轨迹点速度小于1m/s时为静止点,否则为运动点;将相邻静止点合并为候选停留位置,再根据距离阈值L和时间阈值T2将满足条件的候选停留位置合并为停留位置,计算停留中心坐标作为停留点坐标。利用时间阈值T1,确定该停留点为起讫点还是换乘点。
所述的起讫点和换乘点判断算法步骤如下:
a)读取第一个候选停留位置s1,将其放入停留序列q中,将s1的停留中心坐标作为停留序列q的中心坐标;
b)判断是否还有未读取的候选停留位置,若是,读取下一个候选停留位置si,计算si中心坐标与停留序列q的中心坐标的距离D(i,q),转入步骤c),若否,转入步骤d);
c)判断D(i,q)是否小于设定的距离阈值L1,若是,则将si放入停留序列q中,返回步骤b),若否,转入步骤d);
d)计算q的停留时间开始时刻q.st和停留时间结束时刻q.et的时间间隔q.Δt;
e)判断q.Δt是否大于设定的时间阈值T2,若是,q中的候选停留位置构成停留点,转入步骤f),若否,q中的候选停留位置不构成停留点,转入步骤g);
f)判断q.Δt是否小于设定的时间阈值T1,且停留序列q中心坐标半径L2范围内是否存在地面公交站点或者轨道交通站点,若是,q中的候选停留位置合并为换乘点,将q.st和q.et之间的轨迹点删除,用q的中心坐标分别替换q.st和q.et时刻的对应的轨迹点坐标,转入步骤g),若否,q中的候选停留位置合并为起讫点,将q.st和q.et之间的轨迹点删除,用q的中心坐标分别替换q.st和q.et时刻的对应的轨迹点坐标,转入步骤g);
g)判断q中是否包含最后一个候选停留位置,若是,停留点判断结束,若否,清空q中的候选停留位置,将下一个候选停留位置si放入q,将si的停留中心坐标作为停留序列q的中心坐标,返回步骤b)。
所述的出行目的判断分为通勤出行、业务出行、社会娱乐出行、回家出行和其他出行五类;服务器根据用户停留的具体时间段结合轨迹点附近的POI信息和注册时定位的家和工作地点坐标进行出行目的判断,时间含义定义如下:
时段名称 | 具体时间段 | 时段含义 |
A | 00:00-05:00 | 晚上休息时段 |
B | 09:00-11:30 | 上午工作时段 |
C | 13:30-16:30 | 下午工作时段 |
所述的出行目的判断具体步骤如下:
a)判断判断该起讫点停留时间段是否在工作日的B、C时段内,若是,转入步骤b);若否,转入步骤d);
b)判断以终点端坐标为圆心,以L’为半径范围内是否有工作或学习地点,若是,则判断该出行为通勤出行;若否,转入步骤c);
c)判断该范围内是否有办公楼或工厂,若是,判断该为业务出行;若否,转入步骤d);
d)判断该范围内是否有事先定位的家庭住所,若是,判断该出行为回家;若否,转入步骤e);
e)判断该范围内是否有医疗卫生、娱乐地点或住宅区,若是,判断该出行为社会娱乐出行,若否判断该出行为其他出行。
所述的出行方式判断先确定调查区域内不同交通方式速度的中值,再计算相邻停留点间所有轨迹点与各个速度中值的方差,取方差最小的速度中值对应的交通方式作为该区域的交通方式。所述的出行方式判断具体步骤如下:
根据调查城市或者区域每种交通出行方式的速度范围,计算出每种交通方式出行速度的中值,如下表所示;
交通方式 | 速度的中值 |
步行 | V1 |
自行车 | V2 |
地面公交 | V3 |
轨道交通 | V4 |
私人小汽车 | V5 |
根据计算得到的n个速度与每种出行方式速度的中位数求标准差Si:
其中p1·v为第1个速度值,p2·v为第2个速度值,pn·v为第n个速度值,i=1、2、3、4和5;
比较各个Si,取使S最小的i对应的交通方式作为两停留点间的交通方式。
本Web服务器端一直处于开启状态实时接收被调查居民的信息。以客户端1为例,结合图1对以下各步骤进行详细描述:
用户将apk文件安装至手机中,点击桌面图标打开客户端。
在步骤1中,软件载入时自动检测用户是否开启了GPS定位和Network;若开启则进入步骤2,否则弹窗引导用户进入设置界面开启。
在步骤2中,进入登陆界面;若用户已有账号,则输入账号密码登陆后进入步骤4,否则点击注册进入注册界面并在注册后定位家和工作地点坐标进入步骤3。
在步骤3中,web服务器端接收到用户注册及用户家/工作地点位置信息,将其录入数据库的出行者信息表中,注册成功后,进入步骤2。
在步骤4中,进入数据采集界面,客户端根据一定的采样频率实时收集用户出行轨迹点的经纬度和时间信息并以txt的形式存储在本地,进入步骤5。
在步骤5中,客户端在用户预设的自动上传时间点自动上传本地存储的轨迹点信息或由用户在合适的时间和地点手动上传数据,进入步骤6。
在步骤6中,web服务器端接收到用户出行轨迹点信息,将其录入数据库的出行者轨迹表中,进入步骤7。
在步骤7中,服务器端根据事先制定的算法调取数据库中出行者信息表和出行者轨迹表中的信息并结合POI信息判断用户每次出行的起讫点,到发时间,出行目的,交通方式等出行信息。将出行信息填入数据库中的停留活动表和出行活动表中。
在整个过程中,服务器一直处于开启状态实时接收用户注册数据和上传的轨迹点数据。数据处理与数据的接收同步进行,只要有用户数据上传即进行处理和录入。
Claims (7)
1.一种基于智能手机的居民出行信息获取方法,其特征在于,包括如下步骤:
(1)手机客户端检测GPS及Network是否打开,若为是,执行步骤(2),否则继续执行步骤(1);
(2)手机客户端向web服务器上传用户注册信息以及家/工作地点坐标信息;
(3)web服务器接收注册和坐标信息,并存至web服务器数据库中的出行者信息表中;
(4)手机客户端按指定时间间隔采集用户轨迹点经纬度信息和时间信息并存至本地;
(5)手机客户端在用户指定时刻自动上传本地存储的轨迹点信息或在用户点击手动传输按钮时上传,数据上传成功后清空所有本地数据;
(6)web服务器接收轨迹点数据,并存至数据库中的出行者轨迹表中;
(7)web服务器根据事先编制的信息判断算法结合POI信息,分析得到居民的出行链;
(8)web服务器端将出行链中的居民出行信息分别存入数据库的停留活动表和出行活动表中;
所述的信息判断算法包括起讫点和换乘点判断、出行目的判断和出行方式判断;
所述的起讫点和换乘点判断具体为:
将起讫点和换乘点统称为停留点;首先将轨迹点状态分为运动和静止两类,并以小于步行速度的某一速度作为划分的标准,其中轨迹点速度小于1m/s时为静止点,否则为运动点;将相邻静止点合并为候选停留位置,再根据距离阈值L和时间阈值T2将满足条件的候选停留位置合并为停留位置,计算停留中心坐标作为停留点坐标,利用时间阈值T1,确定该停留点为起讫点还是换乘点。
2.根据权利要求1所述的一种基于智能手机的居民出行信息获取方法,其特征在于,所述的手机客户端包括注册模块、家/工作地点定位模块、数据采集模块、本地数据库模块,所述的注册模块采集用户的个人基本信息,所述的家/工作地点定位模块用于采集家和工作地点的坐标信息,所述的数据采集模块利用GPS+Network定位技术实时采集用户坐标信息,所述的本地数据库模块用于暂存数据采集模块采集的数据;
所述的web服务器包括远程接收模块、远程数据库模块、数据处理模块及POI数据库;所述的远程接收模块与手机客户端进行信息交互,所述的数据处理模块利用信息判断算法将轨迹信息转化为具体的出行信息,并存入远程数据库模块,所述的POI数据库提供POI信息。
3.根据权利要求1所述的一种基于智能手机的居民出行信息获取方法,其特征在于,所述的起讫点和换乘点判断算法步骤如下:
a)读取第一个候选停留位置s1,将其放入停留序列q中,将s1的停留中心坐标作为停留序列q的中心坐标;
b)判断是否还有未读取的候选停留位置,若是,读取下一个候选停留位置si,计算si中心坐标与停留序列q的中心坐标的距离D(i,q),转入步骤c),若否,转入步骤d);
c)判断D(i,q)是否小于设定的距离阈值L1,若是,则将si放入停留序列q中,返回步骤b),若否,转入步骤d);
d)计算q的停留时间开始时刻q.st和停留时间结束时刻q.et的时间间隔q.Δt;
e)判断q.Δt是否大于设定的时间阈值T2,若是,q中的候选停留位置构成停留点,转入步骤f),若否,q中的候选停留位置不构成停留点,转入步骤g);
f)判断q.Δt是否小于设定的时间阈值T1,且停留序列q中心坐标半径L2范围内是否存在地面公交站点或者轨道交通站点,若是,q中的候选停留位置合并为换乘点,将q.st和q.et之间的轨迹点删除,用q的中心坐标分别替换q.st和q.et时刻的对应的轨迹点坐标,转入步骤g),若否,q中的候选停留位置合并为起讫点,将q.st和q.et之间的轨迹点删除,用q的中心坐标分别替换q.st和q.et时刻的对应的轨迹点坐标,转入步骤g);
g)判断q中是否包含最后一个候选停留位置,若是,停留点判断结束,若否,清空q中的候选停留位置,将下一个候选停留位置si放入q,将si的停留中心坐标作为停留序列q的中心坐标,返回步骤b)。
4.根据权利要求1所述的一种基于智能手机的居民出行信息获取方法,其特征在于,所述的出行目的判断分为通勤出行、业务出行、社会娱乐出行、回家出行和其他出行五类;服务器根据用户停留的具体时间段结合轨迹点附近的POI信息和注册时定位的家和工作地点的坐标进行出行目的判断,时间含义定义如下:A、晚上休息时段,B、上午工作时段,C、下午工作时段。
5.根据权利要求4所述的一种基于智能手机的居民出行信息获取方法,其特征在于,所述的出行目的判断具体步骤如下:
a)判断判断该起讫点停留时间段是否在工作日的B、C时段内,若是,转入步骤b);若否,转入步骤d);
b)判断以终点端坐标为圆心,以L’为半径范围内是否有工作或学习地点,若是,则判断该出行为通勤出行;若否,转入步骤c);
c)判断该范围内是否有办公楼或工厂,若是,判断该为业务出行;若否,转入步骤d);
d)判断该范围内是否有事先定位的家庭住所,若是,判断该出行为回家;若否,转入步骤e);
e)判断该范围内是否有医疗卫生、娱乐地点或住宅区,若是,判断该出行为社会娱乐出行,若否判断该出行为其他出行。
6.根据权利要求1所述的一种基于智能手机的居民出行信息获取方法,其特征在于,所述的出行方式判断先确定调查区域内不同交通方式的速度中值,再计算相邻停留点间所有轨迹点与各个速度中值的方差,取方差最小的速度中值对应的交通方式作为该区段的出行方式。
7.根据权利要求6所述的一种基于智能手机的居民出行信息获取方法,其特征在于,所述的出行方式判断具体步骤如下:
a)根据调查城市或者区域每种交通出行方式的速度范围,计算出每种交通方式出行速度的中值,如下表所示;
b)根据计算得到的n个速度与每种出行方式速度的中位数求标准差Si:
<mrow>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mn>1</mn>
</msub>
<mo>.</mo>
<mi>v</mi>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mn>2</mn>
</msub>
<mo>.</mo>
<mi>v</mi>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mo>...</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>n</mi>
</msub>
<mo>.</mo>
<mi>v</mi>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mi>n</mi>
</mfrac>
</mrow>
其中p1·v为第1个速度值,p2·v为第2个速度值,pn·v为第n个速度值,i=1、2、3、4和5;
c)比较各个Si,取使S最小的i对应的交通方式作为两停留点间的交通方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310180175.0A CN104159189B (zh) | 2013-05-15 | 2013-05-15 | 基于智能手机的居民出行信息获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310180175.0A CN104159189B (zh) | 2013-05-15 | 2013-05-15 | 基于智能手机的居民出行信息获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104159189A CN104159189A (zh) | 2014-11-19 |
CN104159189B true CN104159189B (zh) | 2018-03-02 |
Family
ID=51884577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310180175.0A Active CN104159189B (zh) | 2013-05-15 | 2013-05-15 | 基于智能手机的居民出行信息获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104159189B (zh) |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654711B (zh) * | 2014-12-03 | 2018-12-07 | ***通信集团山东有限公司 | 一种公交车乘客识别方法及*** |
CN104967733A (zh) * | 2015-06-01 | 2015-10-07 | 上海交通大学 | 基于智能手机应用程序的交通出行数据采集与分析*** |
CN104990551A (zh) * | 2015-06-19 | 2015-10-21 | 中国人民解放军国防科学技术大学 | 一种基于轨迹提取的室内外联合导航方法与*** |
CN104913782B (zh) * | 2015-06-19 | 2018-04-06 | 中国人民解放军国防科学技术大学 | 一种基于采集与定位的室内外联合导航方法与*** |
CN106323296B (zh) * | 2015-06-24 | 2019-08-16 | 骑记(厦门)科技有限公司 | 识别出行模式的方法及装置 |
CN105608890B (zh) * | 2015-09-08 | 2017-11-03 | 上海美慧软件有限公司 | 一种基于手机信号数据的人员出行参数统计方法 |
CN105243397A (zh) * | 2015-11-06 | 2016-01-13 | 百度在线网络技术(北京)有限公司 | 用户行为信息生成方法和装置 |
CN105513351A (zh) * | 2015-12-17 | 2016-04-20 | 北京亚信蓝涛科技有限公司 | 一种基于大数据的交通出行特征数据提取方法 |
CN105608505B (zh) * | 2015-12-22 | 2020-02-11 | 重庆邮电大学 | 一种基于手机信令数据的居民轨道交通出行方式识别方法 |
CN107204125A (zh) * | 2016-03-17 | 2017-09-26 | 高德软件有限公司 | 采集公交车换乘信息的方法、装置和*** |
CN105890586B (zh) * | 2016-03-30 | 2018-10-19 | 上海河广信息科技有限公司 | 用户位置标示***及方法 |
CN105928503B (zh) * | 2016-04-14 | 2018-10-19 | 上海河广信息科技有限公司 | 用户移动路线确定***及方法 |
CN105959476A (zh) * | 2016-05-11 | 2016-09-21 | 上海电机学院 | 一种移动定位行为数据的采集***和方法 |
CN107527313A (zh) * | 2016-06-20 | 2017-12-29 | 同济大学 | 用户活动模式划分及属性推测方法 |
CN107529135A (zh) * | 2016-06-20 | 2017-12-29 | 同济大学 | 基于智能设备数据的用户活动类型判别方法 |
CN106501834A (zh) * | 2016-10-11 | 2017-03-15 | 上海保橙网络科技有限公司 | 一种使用手机自动判断用户运动行为的方法 |
CN106792514B (zh) * | 2016-11-30 | 2020-10-30 | 南京华苏科技有限公司 | 基于信令数据的用户职住地分析方法 |
WO2018151677A1 (en) * | 2017-02-17 | 2018-08-23 | Dataspark Pte. Ltd. | Real time trajectory identification from communications network |
WO2018150227A1 (en) * | 2017-02-17 | 2018-08-23 | Dataspark Pte, Ltd | Mobility gene for trajectory data |
AU2017399008A1 (en) | 2017-02-17 | 2019-09-05 | Dataspark Pte, Ltd | Mobility gene for visit data |
US20210172759A1 (en) | 2017-02-17 | 2021-06-10 | Dataspark Pte Ltd | Map Matching and Trajectory Analysis |
CN106931974B (zh) * | 2017-03-29 | 2020-04-03 | 清华大学 | 基于移动终端gps定位数据记录计算个人通勤距离的方法 |
CN106875686B (zh) * | 2017-04-16 | 2020-05-08 | 北京工业大学 | 一种基于信令和浮动车数据的小汽车od提取方法 |
CN107040894B (zh) * | 2017-04-21 | 2019-08-09 | 杭州市综合交通研究中心 | 一种基于手机信令数据的居民出行od获取方法 |
CN107331156A (zh) * | 2017-08-22 | 2017-11-07 | 佛山市城市规划设计研究院 | 城市交通综合调查云平台与*** |
CN110020221B (zh) * | 2017-12-11 | 2022-02-18 | 腾讯科技(深圳)有限公司 | 职住分布确认方法、装置、服务器及计算机可读存储介质 |
CN108168562B (zh) * | 2018-01-31 | 2020-04-14 | 上海势航网络科技有限公司 | 一种定位轨迹停留点提取方法 |
CN108647189B (zh) * | 2018-05-15 | 2022-03-15 | 浙江斑智科技有限公司 | 一种识别用户人群属性的方法及装置 |
EP3837494B1 (en) * | 2018-09-13 | 2023-08-02 | Huawei Technologies Co., Ltd. | Multimodal location sensing on a mobile phone |
CN109446437B (zh) * | 2018-10-24 | 2021-08-24 | 百度在线网络技术(北京)有限公司 | 信息挖掘方法、装置、服务器及存储介质 |
CN113010475B (zh) * | 2019-12-20 | 2024-06-11 | 百度在线网络技术(北京)有限公司 | 用于存储轨迹数据的方法和装置 |
CN111163423B (zh) * | 2019-12-25 | 2022-04-12 | 中国联合网络通信集团有限公司 | 数据处理方法、装置、设备及存储介质 |
CN111508228B (zh) * | 2020-04-01 | 2021-01-01 | 佛山市城市规划设计研究院 | 利用手机gps及电子地图数据的公共交通出行链的获取方法 |
CN111427932B (zh) * | 2020-04-02 | 2022-10-04 | 南方科技大学 | 出行预测方法、装置、设备和存储介质 |
CN111812689A (zh) * | 2020-07-23 | 2020-10-23 | 中国平安财产保险股份有限公司 | 基于gps轨迹的用户行为分析方法、装置、电子设备及介质 |
CN112085268B (zh) * | 2020-08-31 | 2024-03-05 | 北京百度网讯科技有限公司 | 居民出行信息的测算方法、装置、设备和可读存储介质 |
CN114598733A (zh) * | 2020-12-02 | 2022-06-07 | 四川交通职业技术学院 | 基于手机信令数据的居民出行量分布计算方法及*** |
CN113283669B (zh) * | 2021-06-18 | 2023-09-19 | 南京大学 | 一种主动与被动相结合的智慧规划出行调研方法及*** |
CN115412857B (zh) * | 2022-08-24 | 2023-08-18 | 浙江大学 | 一种居民出行信息预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007007332A1 (en) * | 2005-07-12 | 2007-01-18 | H.P.O.P - High Performance Optical Polymers Ltd. | Tribromoneopentyl (meth)acrylate based copolymers and lenses made therefrom |
CN102013163A (zh) * | 2010-11-25 | 2011-04-13 | 广州通易科技有限公司 | 使用手机基站数据与营运车辆gps数据进行公交od调查的方法 |
CN102799897A (zh) * | 2012-07-02 | 2012-11-28 | 杨飞 | 基于gps定位的交通方式组合出行的计算机识别方法 |
-
2013
- 2013-05-15 CN CN201310180175.0A patent/CN104159189B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007007332A1 (en) * | 2005-07-12 | 2007-01-18 | H.P.O.P - High Performance Optical Polymers Ltd. | Tribromoneopentyl (meth)acrylate based copolymers and lenses made therefrom |
CN102013163A (zh) * | 2010-11-25 | 2011-04-13 | 广州通易科技有限公司 | 使用手机基站数据与营运车辆gps数据进行公交od调查的方法 |
CN102799897A (zh) * | 2012-07-02 | 2012-11-28 | 杨飞 | 基于gps定位的交通方式组合出行的计算机识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104159189A (zh) | 2014-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104159189B (zh) | 基于智能手机的居民出行信息获取方法 | |
CN106052696B (zh) | 一种基于移动终端的博物馆实时路径诱导方法 | |
CN104736968B (zh) | 众包室内定位 | |
CN102265114B (zh) | 用于存储和提供路线的***和方法 | |
CN106303955A (zh) | 用于对无线热点和poi进行匹配的方法和装置 | |
CN106912018A (zh) | 基于信令轨迹的地图匹配方法及*** | |
CN111581315B (zh) | 一种公共服务设施可达性计算方法及装置 | |
CN104793224A (zh) | 一种gps定位纠偏方法及装置 | |
Hudson et al. | Using smartphones to collect bicycle travel data in Texas | |
CN104380293A (zh) | 基于位置从地图历史提供关于相关元素的信息 | |
CN110796337B (zh) | 一种评价城市公交站点服务可达性的*** | |
WO2015096379A1 (zh) | 一种公交站点优化评估方法和*** | |
CN109084795B (zh) | 基于地图服务的搜索服务设施的方法及装置 | |
CN104391967A (zh) | 一种基于多源数据分析的就诊推荐方法 | |
CN106604228A (zh) | 一种基于lte信令数据的指纹定位方法 | |
CN108763345A (zh) | 小区经纬度的校验方法、用户设备、存储介质及装置 | |
Rasouli | Mobile technologies for activity-travel data collection and analysis | |
CN104680829B (zh) | 基于多用户协同的公交车辆到站时间预测***及方法 | |
Fan et al. | Crowdsourced road navigation: Concept, design, and implementation | |
CN107291713A (zh) | 兴趣点搜索关键词的提示方法、终端和服务器 | |
Sujatha et al. | Design and development of android mobile based bus tracking system | |
Chen et al. | Enabling smart urban services with gps trajectory data | |
CN113283669B (zh) | 一种主动与被动相结合的智慧规划出行调研方法及*** | |
CN109471908A (zh) | 一种基于Web端JavaScript API的公交站点和线路信息获取的方法 | |
CN202853620U (zh) | 基于移动设备的居民出行调查装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |