基于手机数据的城市道路车源预测理论研究

Currently, we are faced with severe urban traffic congestions. The urban traffic planning and organizing level has been paid much attention. As an important fundamental data for ubran traffic planning and organization, traffic demand has been an important research topic for a long time. Since it is expensive to predict traffic demand by traditional surveys, as a new reseach direction, many new information sources are used. Based on large scale mobile phone data, we propose the theory of driver source prediction. The main contents of this project include: resident mobility model based on mobile phone data, prediction of traffic demand based on mobile phone data, prediction of driver sources on urban roads, analysis of the driver sources that cause traffic congestions. Using mobile phone data, we aim to accurately predict the residents' hourly locations and calculate trip distribution and O-D matrix. Through this method we try to find an economic and feasible way to predict traffic demand. By introducing the newest results of human mobility modeling to traffic demand prediction, we aim to understand the process of the formation of traffic flow by finding drivers' hourly locations. We will dynamically analyze the driver sources on roads, aiming to build a bridge between the fields of human mobility modeling and traffic demand prediction.

面向当代严重的城市交通拥堵，城市交通规划与组织水平受到人们的广泛关注，交通需求作为交通规划与组织的重要基础数据，其获取方法一直以来都是非常重要的研究课题。由于传统的交通需求预测方法耗费巨大的人力物力，利用各种信息资源进行数据挖掘，分析获取交通需求成为了新的研究方向。基于大规模手机数据和人类出行建模领域的最新成果，本项目研究城市道路车源预测理论。主要研究内容包括：基于手机数据的城市居民出行建模、基于手机数据的交通需求预测、城市道路车源预测、导致拥堵的车源分析。通过运用手机数据准确预测居民实时位置，计算居民出行分布、估计O-D矩阵，找到一种经济、可行的交通需求预测方法。本项目将人类出行建模领域的最新成果引入到交通需求预测中，通过产生道路车流的人的实时位置掌握车流的形成过程，动态分析各路段的车辆来源，以期搭建人类出行行为研究领域与交通需求预测研究领域的桥梁。

随着我国经济水平的不断提高，城市交通拥堵问题日趋严重，缓解交通拥堵已成为我国国民经济和社会发展中亟需解决的问题。如果能够预测产生拥堵的主要车源，便可以通过交通引导和限制手段，实施交通分流，达到缓解交通拥堵的目的。项目对城市道路车源预测理论进行了全面研究，科研成果主要集中在交通需求估计、交通拥堵成因分析、车源预测理论与方法、交通拥堵缓解方法几个方面：.在交通需求估计方面，研究小组以美国加州湾区和波士顿地区为主要研究背景地区，建立了手机用户的位置记录表，提出了交通需求分布的提取方法，建立了基于手机数据、交通网络地理信息数据、Logit模型的交通方式划分模型，提出了基于手机数据的交通需求估计方法，以及融合交通视频监控数据和手机数据的动态O-D估计模型。.在交通拥堵成因方面，研究小组分析了交通拥堵状态产生的相变过程，以及网络拓扑结构和空间限制特性对交通拥堵产生的影响；探索了实际路网中的布雷斯悖论现象，分析了出行者路径选择对交通效率的影响；发现通过调整特定路段的交通流量，可以降低交通效率损失，并且交通流调整量与交通流量间存在简单的相关关系。.在车源预测理论与方法方面，研究小组从大规模手机数据中提取出行分布信息，提出了基于手机数据等的城市道路车源预测建模框架；将车源预测理论拓展到城市轨道交通网络客源预测，对轨道交通运行区段的脆弱性提出了更深层次的理解；利用更加精确的RFID数据研究了城市道路网络的动态车源分布。.在交通拥堵缓解方法方面，研究小组分别从交通需求控制、交通网络优化、出行路径选择三个方面进行研究：提出了针对拥堵车源的交通限行策略和城市拥堵路段群的定位方法，发现合理降低拥堵路段群的限速或提高拥堵路段群的通行能力，可以有效缓解交通拥堵；建立了用于缓解城市轨道交通拥挤的混合路径诱导模型。