CN106571032A - 一种利用手机信令大数据和动态交通分配的od标定方法 - Google Patents

Abstract

本发明涉及一种利用手机信令大数据和动态交通分配的居民出行OD矩阵标定方法，其主要步骤包括：构建城市道路仿真网络模型，利用微波和卡口数据对构建的城市道路网络中各路段的仿真参数进行标定，利用微波检测器获取实际道路网中的真实交通流量，利用手机信令数据获取初始的OD矩阵的交通流量，通过动态交通分配方法，对初始交通流量进行动态调整使之趋近于路网中的真实交通流量，计算仿真估计交通流量和真实交通流量之间误差，如满足阈值则标定结束，否则继续进行基于仿真的动态分配，直至标定结束。本发明采用手机信令大数据对居民出行的动态OD矩阵进行标定，具有数据信息来源稳定客观、样本量大、覆盖范围广、数据精度高、动态性强等特点。

Description

一种利用手机信令大数据和动态交通分配的OD标定方法

技术领域

本发明涉及到居民出行的OD标定方法领域，尤其是基于手机信令大数据并采用动态交通分配方法对居民出行OD矩阵进行标定。

背景技术

经济社会的不断发展在改善城市生活面貌的同时也给城市交通来了越来越大的压力。目前，国内城镇化及城市交通机动化的进程变得越来越快，在城镇化和机动化的共同作用下，交通拥挤问题已经成为制约城市发展和影响居民生活质量的主要问题之一。为了在既有路网条件下有效解决交通拥堵问题，建立智能化的交通信息***成为解决城市交通拥挤问题的关键，而这些***的建立是以准确地进行居民出行OD矩阵标定为前提。

传统的居民出行调查数据更新速度慢，采样率低，故其调查结果的精度存在较大误差。随着手机普及率的提高，手机覆盖了城市绝大多数人口，采用手机信令分析技术替代传统的出行调查成为可能。近年来基于手机信令数据正越来越被各个城市的交通主管部门重视与应用。手机信令数据在分析交通小区的OD需求、特定区域的出行特征、道路网络的交通运行状态、交通小区的发生和吸引方面具有独特的优势。利用手机信令数据可以方便快捷并实时地获取城市居民的人口动态分布、特定区域的人流流量和流向。动态交通分配主要是对特定的交通网络，在已知网络任意两点间交通需求的时变特性和各个路段费用函数的前提下，确定各路段、各节点交通流状态(流量、速度和密度)、行驶时间。最终目的是给出最佳路线选择，指导交通诱导***制定信息发布策略，使交通流的时空分布达到最优，使路网性能达到某个特定目标(***最优或用户均衡)。

基于手机信令数据获取的静态OD，利用动态交通分配方法对居民的出行OD矩阵进行标定。最终实现交通流的合理诱导，充分利用道路资源，提高城市交通***的运行效率。

发明内容

本发明利用手机信令数据能够实时高效地获取城市居民分布和流动、出行特征等信息，结合动态交通分配方法，对居民出行动态OD矩阵进行标定。克服了传统居民调查方法所获取数据样本量低、数据精度差的缺点，弥补了静态交通分配方法不能考虑交通需求时变特征的不足。其结果能够合理诱导交通流在道路网中的分布，提高道路的通行效率。

本发明的目的是通过以下技术方案实现的：一种利用手机信令大数据和动态交通分配的居民出行OD标定方法，包括步骤如下：

(1)基于中观交通仿真工具DTALite构建城市道路网络模型，包括城市快速路、主干路、次干路、支路。

(2)针对步骤(1)中构建的城市道路网，通过车牌识别数据及微波数据对步骤(1)构建的城市道路网的各路段的仿真参数进行标定。主要采用分段线性拟合的方法，对道路的通行能力、自由流速度、阻塞密度、拥挤消散波速四个仿真参数进行标定，并采用非线性拟合的方法对美国联邦公路局开发的路阻函数模型(BPR)中的两个参数α和β进行标定。

BPR函数模型的数学表达式如下：

式中：t为车辆通行路段的旅行时间；t₀为路段自由流出行时间；q为路段的车流量；c为路段设计通行能力；α，β为待标定参数。

(3)利用微波检测器获取实际道路网络中的车流量。

(4)获取手机信令数据，通过对手机信令数据的分析，得到居民在各个交通分析小区间的流动情况，得到居民的出行分布特征，从而形成初始的OD需求。具体为：将某一网络运营商的手机信令数据OD转化为全人口OD，进一步转化为机动车的OD，转化方法如下:

式中：OD_people：常住人口OD分布；

OD_mobile：利用某一运营商手机用户数据得出来的OD分布；

α₁(average ownership)：手机用户的人均拥有量(部/人)；

α₂(penetration rate of mobile phone)：手机用户比例；

α₃(market share)：该运营商的市场占有率；

α₄(detection probability)：用户手机被检测到概率。

人均手机数α₁＝手机数/客户数；手机用户比例α₂＝min{客户数/常住人口，1}；市场占有率α₃由运营商提供。用户手机被检测到概率α₄＝一个月内被检测到的用户数/该地区内注册用户总数。

OD_vehicle＝OD_people×ρ

式中：OD_vehicle：机动车OD分布；ρ(split rate)：机动车的分担率。

(5)在步骤(2)标定后的仿真路网的基础上，根据步骤(3)通过微波数据获取的实际道路交通流量，对步骤(4)的利用手机信令数据获得的OD对间的交通流量进行动态分配，得到估计交通流量和真实交通流量间的误差。

(6)判断估计交通流量和真实交通流量之间的误差是否满足误差函数，如满足则标定结束，否则转入第(5)步进行重新分配，直到估计交通流量和真实交通流量之间的误差满足误差函数。

本发明的有益效果为：克服了传统的居民出行OD标定方法的局限性，效率高且成本低，样本量大，覆盖范围广，研究时效性好。且研究结果不会受到主观因素的影响(包括时间、地点、研究人员的经验和主观意向等)，具有较强的客观科学性。

附图说明

图1为构建的杭州市城市道路网络模型；

图2为杭州上塘-中河高架凤起路断面微波数据的分段线性拟合结果示意图；

图3为杭州上塘-中河高架大关路上匝道与省人民医院下匝道一段路的卡口和微波所采集得到的数据的路阻函数非线性拟合结果示意图；

图4为动态交通分配前的仿真流量和真实流量的对比图；

图5为动态交通分配后的仿真流量和真实流量的对比图。

具体实施方式

本发明是基于国家自然科学基金青年基金项目(51508505)和浙江省自然科学基金杰出青年项目(LR17E080002)的研究，提出一种利用手机信令大数据和动态交通分配的居民出行OD标定方法。下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此。

实施例1

下面以杭州市上塘—中河高架为例，对本发明一种利用手机信令大数据和动态交通分配的居民出行OD标定方法进行进一步的阐释。包括步骤如下：

(1)基于中观交通仿真工具DTALite构建杭州市道路网络模型，如图1所示。其中包括城市快速路、主干路、次干路、支路，并检查路网的连通性。

(2)针对步骤(1)中构建的城市道路网，通过车牌识别数据及微波数据对步骤(1)构建的城市道路网中各路段的仿真参数进行标定。采用分段线性拟合的方法，对道路典型断面的通行能力、自由流速度、阻塞密度、拥挤消散波速四个仿真参数进行标定。其中，杭州市上塘-中河高架凤起路断面所采集到的微波数据的进行分段线性拟合，结果如图2所示，并采用非线性拟合的方法对美国联邦公路局开发的路阻函数模型(BPR)中的两个参数α和β进行标定。

BPR函数模型的数学表达式如下：

式中：t为车辆通行路段的旅行时间；t₀为路段自由流出行时间；q为路段的车流量；c为路段设计通行能力；α，β为待标定参数。其中，以杭州上塘高架-中河高架大关路上匝道至省人民医院下匝道一段为例，其非线性拟合结果如图3所示。

部分路段的所有参数的标定结果，如表1所示。

表1

(3)利用微波检测器获取实际道路网络中的车流量。

(4)获取手机信令数据，通过对手机信令数据的分析，得到居民在各个交通分析小区间的流动情况，得到居民的出行分布特征，从而形成初始的OD需求,具体为:将***的手机信令数据OD转化为全人口OD，进一步转化为机动车的OD，转化方法如下:

式中：OD_people：常住人口OD分布；

OD_mobile：利用某一运营商手机用户数据得出来的OD分布；

α₁(average ownership)：手机用户的人均拥有量(部/人)；

α₂(penetration rate of mobile phone)：手机用户比例；

α₃(market share)：该运营商的市场占有率；

α₄(detection probability)：用户手机被检测到概率。

人均手机数α₁＝手机数/客户数＝1069万/992.7＝1.077；手机用户比例

α₂＝min{客户数/常住人口，1}＝min{992.7万/635万,1}＝1；市场占有率α₃＝69.56％由运营商提供。手机检测概率α₄＝一月内被检测到的用户数/该地区内注册用户数＝626万/741万＝0.84。

OD_vehicle＝OD_people×ρ

式中：OD_vehicle：机动车OD分布；ρ(split rate)：机动车的分担率。机动车分担率根据2010年居民出行调查，杭州市区为13.6％。其中从部分起点编号O到终点编号D的转换得到的OD_vehicle如表2所示。

表2

起点编号(O)	终点编号(D)	车辆数(veh)
			11676	11677	100
11678	11678	500
			11679	11682	100
11680	11684	300
			11682	11685	100
11683	11686	400
			11684	11688	800

(5)在步骤(2)标定后的仿真路网的基础上，根据步骤(3)通过微波数据获取的实际道路交通流量，采用周雪松所提出的OD标定方法对居民出行动态OD矩阵进行标定，具体为：对步骤(4)中利用手机信令数据获得的OD矩阵间的交通流量进行动态交通分配，得到估计交通流量和真实交通流量间的标准化均方根误差，然后判断估计交通状态与真实交通状态之间的标准化均方根误差是否满足预设阈值(一般为10％)，如满足，则标定结束，否则转入进行重新分配，直到估计交通状态与真实交通状态之间的误差满足设定阈值。

通过比较图4和图5，动态交通流分配前后，以流量为指标的交通状态估计值与观测值之间的聚集程度，可以发现动态分配后，仿真流量接近于观测流量，从而证明了本发明采用手机信令大数据对居民出行OD进行标定，其符合自然规律，反应真实路况，且样本量大，覆盖范围广，数据精度高。

Claims (1)

1.一种利用手机信令大数据和动态交通分配的居民出行OD标定方法，其特征在于，包括步骤如下：

(1)基于中观交通仿真工具DTALite构建城市道路网络模型，包括城市快速路、主干路、次干路、支路。

(2)针对步骤(1)中构建的城市道路网，通过车牌识别数据及微波数据对步骤(1)构建的城市道路网的各路段的仿真参数进行标定。采用分段线性拟合的方法，对道路的通行能力、自由流速度、阻塞密度、拥挤消散波速四个仿真参数进行标定，并采用非线性拟合的方法对美国联邦公路局开发的路阻函数模型(BPR)中的两个参数α和β进行标定。

BPR函数模型的数学表达式如下：

$t=t_0\[1+\mathrm{\α}{\left(\frac{q}{c}\right)}^{\mathrm{\β}}\]$

式中：t为车辆通行路段的旅行时间；t₀为路段自由流出行时间；q为路段的车流量；c为路段设计通行能力；α，β为待标定参数。

(3)利用微波检测器获取实际道路网络中的时变车流量、速度、密度，数据更新周期通常为5分钟。

(4)获取手机信令数据，得到居民在各个交通分析小区间的流动量数据，从而掌握居民出行分布规律，形成初始的出行OD矩阵。具体为：将基于某一移动运营商手机信令数据的出行OD矩阵转化为全人口出行OD矩阵，进一步转化为机动车的OD，转化方法如下：

${\mathrm{OD}}_{people}=\frac{{\mathrm{OD}}_{mobile}}{{\mathrm{\α}}_1\×{\mathrm{\α}}_2\×{\mathrm{\α}}_3\×{\mathrm{\α}}_4}$

式中，OD_people：常住人口OD分布；

OD_mobile：利用某一运营商手机用户数据计算的OD分布；

α₁(average ownership)：手机用户的人均拥有量(部/人)；

α₂(penetration rate of mobile phone)：手机用户比例；

α₃(market share)：该运营商的市场占有率；

α₄(detection probability)：用户手机被检测到概率。

人均手机数α₁＝手机数/客户数；手机用户比例α₂＝min{客户数/常住人口，1}；市场占有率α₃由运营商提供；用户手机被检测到概率α₄＝一个月内被检测到的用户数/该地区内注册用户总数。

OD_vehicle＝OD_people×ρ

式中，OD_vehicle：机动车OD分布；

ρ(split rate)：机动车的分担率。

(5)在步骤(2)标定后的仿真路网的基础上，根据步骤(3)中通过微波数据获取的实际道路交通流数据，对步骤(4)中利用手机信令数据获得的出行OD矩阵进行动态交通分配，得到估计交通流量和真实交通流量间的误差。

(6)判断估计交通流量和真实交通流量间之间的误差是否满足预设阈值(一般为10％)，如满足，则标定结束，否则转入步骤(5)进行重新分配，直到估计交通流量和真实交通流量间之间的误差满足阈值条件。