基于多源数据融合的出行特征挖掘和需求预测建模

Travel demand forecasting is the basis of urban traffic planning management and decision making. The continuous expansion of the scale of China's large and medium-sized city leads to significant immigrating population, and brings challenge to the traditional travel survey. In this research, we will use the mobile phone signaling data, mobile social network data and travel survey data to obtain trip information and build demand forecasting modeling..This proposal will firstly extract massive cellphone users’ trip information, and estimate the trip mode, trip purpose and residence/work location information using several data mining method with the support of location-based social network data and travel survey data. Then analyze the influencing factors of the choice of activity patterns for each type of travelers, and studies the relationship between the check-in number for each type of POI and the amount of trip generation for different trip purpose. This proposal will explore travel demand estimation method in the multi-data source environment using two different approaches: the trip based modelling approach and the activity model approach, and the check-in number for each type of POI will be used to quantify the attractiveness of the destination area. The result of this research will provide a reliable travel demand estimation method for urban planning.

出行需求预测是城市交通规划管理与决策的支撑基础。随着我国大中城市建设规模的持续扩张带动外来人口的不断流入，当前广泛应用的基于出行调查的需求预测方法难以满足新的挑战，亟须扩充新型出行信息数据来源和需求预测方法。本课题将利用手机信令数据、移动社交网络数据和交通调查数据，研究多源数据环境下的出行特征挖掘与需求预测建模方法。.本课题首先通过手机信令数据提取海量用户的出行轨迹信息，结合移动社交网络数据与交通调查数据，使用多种数据挖掘算法研究出行方式、出行目的和用户职住属性的识别方法。针对各类出行群体，探索活动模式选择的影响因素，研究社交网络兴趣点（POI）热度与各类出行目的产生量的相关关系。提出利用社交网络POI属性和热度量化小区对各类目的出行的吸引力，分别改造传统的基于活动的出行需求建模方法和基于出行的集计方法，实现科学合理的出行交通需求预测，为城市交通发展规划的制定提供依据。

本课题利用手机信令数据、移动社交网络数据以及共享单车位置数据等多种移动定位数据，构建了一套基于数据驱动的城市交通出行需求分析建模新方法，为城市对外交通规划、城市交通方式整合、网络优化提供决策支持。课题主要完成了以下研究内容：.（1）基于多源定位数据的城市出行群体及出行特征的识别方法：对手机信令数据进行去噪处理并识别出用户的停留区域和时长，利用用户的移动、停留的时空特征数据，分析用户的居住地、工作地，将出行人群划分为常住人口和外来人员（2）基于多源定位数据的城市出行活动模式获取方法：结合手机数据和社交网络数据，实现了一种提取出行起讫点、出行时间、出行距离、出行方式以及出行目的等多方面信息的方法（3）多类人群出行活动模式特征时空分析与挖掘：利用手机信令数据将城市出行群体划分为居民、短期旅行者、中转旅客三类不同群体，针对三类不同出行群体分别构建了日出行行程长度分布模型和小时出行行程长度分布模型（4）融合多源数据的出行需求预测新方法：利用基于位置的社交网络数据和手机数据，通过随机森林回归分析构建了一种基于线性回归模型的城市居民和非本地旅客的出行生成模型（5）基于社交网络数据的共享单车出行需求预测模型：利用基于位置的社交网络数据来估计共享单车出行，利用普通最小二乘法、地理加权回归法和半参数地理加权回归法建立了公共自行车出行、到地铁站的距离和不同类型兴趣点的签到之间的关联。